Da proposta à versão final: cinco pontos de bloqueio na escrita de teses de pós-graduação
Uma nota de observação sobre o processo de escrita de teses de pós-graduação, que regista os obstáculos em que tropecei em várias etapas e a forma como, mais tarde, deleguei parte do trabalho repetitivo.
O que realmente nos deixa à beira de um ataque de nervos quando se escreve uma tese nunca é o ato de «sentar e escrever».
Antes de escrever, sabes o que queres escrever; enquanto escreves, sabes o que estás a dizer — mas a maior parte do tempo é, na verdade, gasta noutro lado: duas horas a vasculhar bases de dados para encontrar literatura que só tangencia o tema; trinta PDFs descarregados, dos quais menos de dez tiveram o resumo realmente lido; e, depois de finalmente fixar o tema, ouvir o orientador perguntar no dia da apresentação da proposta: «Esta direção já foi trabalhada nos últimos anos?», e ficar parado sem saber o que responder.
Mais tarde, decompus esses pontos de bloqueio e contei-os: no processo de escrita há cerca de cinco etapas que consomem repetidamente as pessoas, e três dessas consomem «trabalho puramente mecânico», sem qualquer relação com o teu nível de inteligência.
I. Fase de proposta: não saber quem já explorou este terreno
O que mais assusta num relatório de proposta não é ter ideias infantis, mas sim ideias desatualizadas.
Quando apresentei a proposta pela primeira vez, sugeri um ângulo que considerava bastante novo; a resposta do orientador foi muito calma: «Este tema teve várias revisões da literatura nos últimos três anos; volta e faz o levantamento do que já existe.» O problema é que — eu não sabia o que era «o que já existe». Nunca tinha feito uma pesquisa sistemática; apenas tinha lido alguns artigos dispersos que me tinham passado colegas mais velhos.
Na formação académica, assume-se que já sabes «conhecer o estado da arte da área», mas ninguém te ensinou realmente a construir rapidamente um mapa entre dezenas de milhares de artigos. Se não passares esta etapa, os métodos e a inovação que vêm depois são castelos no ar.
II. Pesquisa bibliográfica: se os termos de pesquisa não forem precisos, os resultados são só ruído
Foi nesta etapa que fiquei bloqueado durante mais tempo e também foi aí que, mais tarde, registei a maior mudança.
O problema da pesquisa tradicional não está em as bases de dados serem más, mas no facto de a pesquisa bibliográfica em si depender altamente da experiência:
l Queres responder a uma questão de investigação («o impacto de X em Y já foi validado?»), mas a base de dados só aceita combinações de palavras-chave;
l Um único carácter de diferença nos termos de pesquisa e os resultados são dois mundos;
l Aparecem centenas de resultados e tens de avaliar a relevância um a um, pelo título;
l Depois de escolheres, ainda tens de preencher manualmente autor, revista, ano, volume, número, páginas e DOI — artigo a artigo.
Uma tarde inteira pode simplesmente desaparecer neste ciclo: «alterar a expressão de pesquisa → percorrer resultados → excluir → completar citações».
Mais tarde, passei a descrever a questão de investigação em linguagem natural, em vez de forçar uma expressão de pesquisa. A ferramenta que uso chama-se MuchSci e o seu assistente de pesquisa de artigos faz o seguinte: dizes a questão de investigação numa só frase e ele decompõe-na automaticamente em dimensões de pesquisa; a fonte bibliográfica subjacente é a Crossref, com 180 milhões de artigos académicos; ao mesmo tempo, permite pesquisa exata ou difusa por título, autor e DOI, e também filtrar por ano e número de citações.
Os dois aspetos que me foram mais úteis não têm nada de sofisticado:
Primeiro, o passo de «completar citações» foi eliminado. Introduzes o título ou o autor, ele devolve os resultados correspondentes e o respetivo DOI, e completa automaticamente, a partir de fontes como a Crossref, informações de citação como autor, revista, ano, volume, número e páginas. O que antes implicava escrever manualmente no Word e depois verificar item a item passou a ser uma exportação. Quem já escreveu referências bibliográficas sabe que isto poupa não tempo, mas sim irritação na revisão.
Segundo, não se limita a dar «uma lista item a item». Decompõe artigo a artigo a questão de investigação, o método, as principais conclusões e as limitações, e permite exportar dados-chave. Isso significa que, na fase de triagem, já não preciso de ler realmente cada PDF até ao fim para decidir se fica ou não — primeiro vejo a decomposição, depois decido quais merecem leitura atenta. Trinta passam a dez, dez passam a três, e a densidade de leitura aumenta.
Seja claro: os resultados da pesquisa continuam a exigir o teu próprio julgamento. A ferramenta dá-te um «conjunto de candidatos mais limpo», não a conclusão sobre «que artigos deves citar». A qualidade da revisão da literatura acaba por depender de a examinares com suficiente detalhe.
III. Fase de leitura: a língua e o tempo, dois grandes obstáculos
Na literatura, o inglês ocupa a maior parte — é um facto público. A dor de ler artigos em inglês tem dois níveis: um é não compreender mesmo a terminologia; o outro é compreender, mas não conseguir acelerar — nas mesmas duas horas, consegues ler dez páginas em chinês e apenas três em inglês.
A minha abordagem é por camadas: o que está fortemente relacionado com o meu tema, leio no original, com esforço; o que serve apenas para conhecer o contexto ou confirmar uma determinada conclusão, passa primeiro pela tradução de artigos. A tradução do MuchSci suporta 13 línguas de uso comum (incluindo chinês simplificado e tradicional) e consegue processar formatos docx, pdf, txt e md.
A propósito, a lógica de design da função de «tradução» é bastante contida: submissão com um clique, resultados profissionais, sem demasiada ornamentação adicional. A minha forma de usar é «primeiro apanhar o sentido geral, depois voltar ao original dos parágrafos-chave»; esta combinação é muito mais rápida do que insistir na leitura dura e mais limpa do que o meu método anterior de cortar parágrafos e colá-los num tradutor genérico.
IV. Escrita e apresentação: as tarefas menos valiosas, mas impossíveis de evitar
A meio da tese há um período de plateau em que «o texto avança muito lentamente». Nessa altura, o que realmente te quebra o ritmo muitas vezes não é o conteúdo, mas os produtos associados que andam à volta:
Tens de apresentar no seminário de grupo, por isso tens de fazer um PPT de proposta ou de relatório de progresso;
O orientador pede um esquema, e tens de extrair da tese uma versão estruturada em Word;
Os dados têm de ser organizados em tabelas, e o Excel é revirado de um lado para o outro.
Estas tarefas têm uma característica: não são difíceis, mas cada uma ocupa um bloco inteiro de atenção.
O agente assistente de escritório do MuchSci resolve precisamente esta parte — descreves a necessidade numa frase e recebes PPT, Word e Excel editáveis já prontos. Tem modelos específicos para o cenário de proposta: introduzes o nome do projeto, a questão de investigação e as ideias iniciais, e ele devolve um primeiro esboço de PPT com estruturas como contexto da investigação, estado atual, métodos e percurso técnico. Não encaro o que é gerado como versão final, mas é muito útil como «ponto de partida» — escrever uma página estruturada de raiz e alterar uma página já estruturada não têm o mesmo custo psicológico.
Há ainda um cenário que vale a pena mencionar: se assistes frequentemente a palestras e reuniões de grupo, a sua função de registo por IA suporta gravação em tempo real, resumos e geração de relatórios; gravar um segmento de voz permite obter algo que podes ouvir, rever e arquivar. Ao escrever notas de literatura e atas de reuniões, poupa parte do custo de recordar.
V. Ao longo de todo o processo: fazer com que os materiais existentes sejam realmente «utilizáveis»
Este é um ponto que me importa cada vez mais quanto mais tempo uso a ferramenta.
A escrita de uma tese de pós-graduação não é uma criação a partir do zero; é dar mais um passo com base no que acumulaste nos últimos dois ou três anos. Mas, na realidade, esse acumulado está espalhado por: pastas locais, PDFs enviados pelo WeChat, fragmentos em aplicações de notas, resumos de gravações deixados pelo último registo por IA... Mudar de tema equivale a voltar a vasculhar tudo.
No MuchSci, dou bastante importância à camada de base de conhecimento pessoal e de base de dados pessoal: a base de conhecimento suporta a importação de formatos como PDF, DOCX, PPTX, XLSX, TXT e MD e, por predefinição, é pessoal e não partilhada (em cenários de colaboração de equipa, a base de conhecimento partilhada pode ser configurada na área de administração); a base de dados pessoal suporta fontes mais variadas e pode reunir ficheiros das tuas várias origens, incluindo relatórios gerados pelo registo por IA. O seu posicionamento é claro — permitir que o conhecimento existente apoie novas investigações.
Acresce a «resposta personalizada» — responde aos teus pontos-chave com o teu contexto e os teus antecedentes, em vez de começar sempre por «o que é uma revisão da literatura». É um ponto que se nota mais claramente depois de dois ou três meses de uso.