A crescente dificuldade em encontrar pesquisadores dispostos a revisar manuscritos científicos pode estar levando o sistema de publicação acadêmica a uma crise sem precedentes. Em editorial publicado nos Annals of the Brazilian Academy of Sciences, o pesquisador Alexander W.A. Kellner denomina esse fenômeno de "Pandemia da Falta de Revisores" (LRP, na sigla em inglês) e alerta para seus impactos sobre a qualidade e a velocidade da comunicação científica.

Segundo o autor, o cenário atual exige que editores convidem um número cada vez maior de especialistas para conseguir avaliações dos artigos submetidos. Kellner observa que, enquanto no passado dois ou três convites costumavam ser suficientes, hoje é comum iniciar o processo convidando cinco revisores de imediato e, ainda assim, raramente obter duas avaliações antes de enviar pelo menos dez convites. O pesquisador também chama a atenção para a queda na qualidade de parte dos pareceres, com um número crescente de revisões realizadas de forma inadequada, ampliando os desafios enfrentados pelos periódicos científicos.

O problema se soma a outros fatores que pressionam a comunicação científica, como a redução de financiamento para periódicos, a cultura do "publicar ou perecer", o crescimento de periódicos predatórios e a expansão das chamadas paper mills. Nesse contexto, a revisão por pares, considerada um dos pilares da ciência, passa a enfrentar dificuldades para se manter sustentável.

O editorial destaca que os pesquisadores responsáveis pelas avaliações, geralmente de forma voluntária, raramente recebem reconhecimento ou benefícios proporcionais ao trabalho realizado. Entre as alternativas discutidas estão a valorização formal da atividade de parecerista, incentivos institucionais e o uso de ferramentas de inteligência artificial para automatizar tarefas operacionais, como conferência de referências e adequação às normas editoriais.

Para Kellner, especialmente no caso de periódicos científicos sem fins lucrativos e de acesso aberto, o engajamento da comunidade acadêmica é fundamental para evitar o colapso do atual sistema de avaliação e publicação científica.

Fonte: Anais da Academia Brasileira de Ciências – SciElo Brasil
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.

Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..

Toda revisão sistemática nasce de uma promessa: a de reunir, avaliar e sintetizar as evidências disponíveis sobre uma questão científica de forma transparente e reproduzível. O problema é que, durante anos, essa promessa esbarrou em um obstáculo recorrente — o relato incompleto. Leitores, revisores e editores recebiam estudos que omitiam critérios de busca, deixavam de descrever como os artigos foram selecionados ou simplesmente não explicavam por que a revisão havia sido conduzida. Sem esses elementos, é impossível julgar a confiabilidade dos resultados ou tentar reproduzi-los. É exatamente esse vazio que as Diretrizes PRISMA vêm preencher.

PRISMA é a sigla de Preferred Reporting Items for Systematic reviews and Meta-Analyses (Itens Preferenciais de Relato para Revisões Sistemáticas e Metanálises). Trata-se de uma diretriz internacional de relato — ou seja, um conjunto de recomendações sobre o que precisa ser informado quando se publica uma revisão sistemática. O ponto de partida está descrito de forma direta no próprio site oficial da iniciativa: a PRISMA orienta os autores sobre como relatar, de maneira completa, por que a revisão foi feita, que métodos foram usados e quais resultados foram encontrados.¹

Uma diretriz de comunicação, não de qualidade

Há um equívoco comum em se pensar que a PRISMA não é instrumento para avaliar a qualidade metodológica ou o risco de viés de uma revisão. Ela não diz se um estudo é bom ou ruim — mas se ele está bem relatado. São coisas diferentes. Uma revisão pode ter sido conduzida com rigor e, ainda assim, ser comunicada de forma confusa; a PRISMA atua justamente sobre a comunicação, garantindo que o leitor tenha acesso a todas as informações necessárias para entender e confiar no que foi feito. Para a avaliação de qualidade e de viés existem outras ferramentas específicas, como AMSTAR 2 e ROBIS, que se complementam com a PRISMA, mas não se confundem com ela.

De 2009 a 2020: a evolução da diretriz

A primeira versão da PRISMA foi publicada em 2009, sucedendo a antiga declaração QUOROM, dos anos 1990, e tornou-se rapidamente uma referência adotada por milhares de periódicos. Mais de uma década depois, os métodos de síntese de evidências haviam avançado — novas formas de busca, de avaliação de viés e de apresentação de resultados exigiam atualização. Surge então a PRISMA 2020, publicada no BMJ e hoje a versão de referência². A PRISMA 2020 é composta por um documento principal (o statement paper), uma lista de verificação de 27 itens com seus subitens, uma lista específica para resumos, um documento de explicação e elaboração — que traz exemplos de bom relato — e os modelos de fluxograma.

O que compõe a PRISMA na prática

Para o editor e o autor, a diretriz se traduz em dois instrumentos centrais, que costumam ser solicitados na submissão de revisões sistemáticas:

1. Lista de verificação (checklist): reúne os 27 itens da PRISMA 2020 estão organizados em seções que acompanham a estrutura natural de um artigo — título, resumo, introdução, métodos, resultados, discussão e informações adicionais. Cada item indica um elemento que deve constar no texto, da estratégia de busca completa aos critérios de elegibilidade, passando pelas fontes de financiamento e pelos conflitos de interesse.
2. Fluxograma (flow diagram): é o diagrama que documenta, etapa por etapa, o caminho dos estudos ao longo da revisão: quantos registros foram identificados, quantos foram removidos como duplicatas, quantos foram triados, quantos excluídos e por quê, e quantos finalmente compuseram a síntese. Esse fluxo visual tornou-se um dos elementos mais reconhecíveis de qualquer revisão sistemática moderna.

Os 27 itens da lista de verificação PRISMA 2020

A seguir, os 27 itens da PRISMA 2020 com uma descrição breve de cada um, organizados pelas sete seções do checklist. Vários itens possuem subitens no documento oficial (por exemplo, o item de métodos de síntese se desdobra em seis recomendações); aqui eles aparecem de forma resumida. A redação completa e os subitens estão disponíveis na lista de verificação oficial.

Título

1. Título — Identificar o trabalho como uma revisão sistemática.

Resumo

2. Resumo — Elaborar um resumo estruturado, seguindo a lista de verificação PRISMA específica para resumos.

Introdução

3. Justificativa — Descrever a justificativa da revisão no contexto do conhecimento já existente.
4. Objetivos — Apresentar uma declaração explícita dos objetivos ou das perguntas que a revisão pretende responder.

Métodos

5. Critérios de elegibilidade — Especificar os critérios de inclusão e exclusão e como os estudos foram agrupados para as sínteses.
6. Fontes de informação — Especificar todas as bases de dados, registros, sites e demais fontes consultadas, com a data da última busca em cada uma.
7. Estratégia de busca — Apresentar as estratégias de busca completas para todas as fontes, incluindo filtros e limites utilizados.
8. Processo de seleção — Descrever os métodos para decidir se um estudo atendeu aos critérios, quantos revisores triaram cada registro, se trabalharam de forma independente e eventuais ferramentas de automação.
9. Processo de coleta de dados — Descrever como os dados foram extraídos dos relatos, quantos revisores participaram, se atuaram de forma independente e como se confirmaram dados junto aos autores, se aplicável.
10. Itens de dados — Listar e definir todos os desfechos buscados e as demais variáveis coletadas (características de participantes, intervenções, financiamento), explicitando suposições sobre dados ausentes.
11. Avaliação do risco de viés dos estudos — Especificar os métodos e ferramentas usados para avaliar o risco de viés em cada estudo incluído e quantos revisores fizeram a avaliação.
12. Medidas de efeito — Especificar, para cada desfecho, as medidas de efeito utilizadas (ex.: razão de risco, diferença de médias) na síntese ou apresentação.
13. Métodos de síntese — Descrever como os estudos foram agrupados, o preparo dos dados, a forma de exibição, o modelo de metanálise, a avaliação de heterogeneidade e as análises de subgrupo e de sensibilidade.
14. Avaliação de viés de relato — Descrever os métodos usados para avaliar o risco de viés decorrente de resultados ausentes na síntese (viés de relato).
15. Avaliação da certeza da evidência — Descrever os métodos para avaliar a certeza (ou confiança) no conjunto de evidências de cada desfecho.

Resultados

16. Seleção dos estudos — Descrever os resultados da busca e da seleção, do número de registros identificados aos estudos incluídos, idealmente com um fluxograma, e justificar exclusões aparentemente elegíveis.
17. Características dos estudos — Citar cada estudo incluído e apresentar suas características.
18. Risco de viés nos estudos — Apresentar as avaliações de risco de viés de cada estudo incluído.
19. Resultados dos estudos individuais — Apresentar, para cada estudo e desfecho, as estatísticas-resumo de cada grupo e a estimativa de efeito com sua precisão, idealmente em tabelas ou gráficos.
20. Resultados das sínteses — Resumir as características e o risco de viés dos estudos contribuintes e apresentar todas as sínteses estatísticas, com estimativa-resumo, precisão, heterogeneidade e análises de sensibilidade.
21. Vieses de relato — Apresentar as avaliações de risco de viés por resultados ausentes em cada síntese avaliada.
22. Certeza da evidência — Apresentar as avaliações de certeza (ou confiança) no conjunto de evidências de cada desfecho.

Discussão

23. Discussão — Interpretar os resultados no contexto de outras evidências e discutir as limitações das evidências, dos processos da revisão e as implicações para prática, política e pesquisa futura.

Outras informações

24. Registro e protocolo — Informar o registro da revisão (nome do registro e número) ou declarar que não foi registrada, indicar onde acessar o protocolo e explicar eventuais alterações.
25. Apoio — Descrever as fontes de apoio financeiro e não financeiro e o papel dos financiadores na revisão.
26. Conflitos de interesse — Declarar quaisquer conflitos de interesse dos autores da revisão.
27. Disponibilidade de dados, código e outros materiais — Informar quais materiais estão publicamente disponíveis e onde encontrá-los: formulários de coleta, dados extraídos, dados das análises e código analítico.

Extensões oficiais para diferentes tipos de síntese

A PRISMA 2020 foi pensada para revisões sistemáticas que avaliam os efeitos de intervenções. Como nem toda revisão se encaixa nesse molde, a iniciativa desenvolveu uma série de extensões oficiais, que adaptam as recomendações a diferentes tipos de síntese. Entre as mais conhecidas estão a PRISMA-P, para protocolos de revisão; a PRISMA-ScR, para revisões de escopo (scoping reviews); a PRISMA-DTA, para estudos de acurácia diagnóstica; a PRISMA-NMA, para metanálises em rede; a PRISMA para Resumos; e a PRISMA-S, voltada ao relato detalhado das buscas. Há ainda extensões para equidade, danos, dados individuais de participantes e revisões sistemáticas vivas, além de novas versões em desenvolvimento — inclusive uma atualização parcial para incorporar orientações sobre o uso de ferramentas de inteligência artificial no processo de revisão.

Por que isso importa para a sua revista

Para editores de periódicos científicos, adotar a PRISMA não é uma formalidade: é infraestrutura de qualidade. Quando uma revista exige a lista de verificação preenchida e o fluxograma na submissão, ela eleva o piso de transparência de tudo o que publica, facilita o trabalho dos revisores — que passam a saber exatamente o que procurar — e protege a própria reputação contra revisões mal documentadas. A diretriz é mantida sob a chancela da rede EQUATOR, dedicada à melhoria do relato em pesquisa, e é endossada por centenas de periódicos no mundo todo, com traduções oficiais em diversos idiomas, incluindo o português.

No cenário brasileiro, em que revisões sistemáticas crescem em volume e em peso nas decisões de política pública e de prática clínica, incorporar a PRISMA ao fluxo editorial é um passo concreto na direção da Ciência Aberta e da reprodutibilidade. Mais do que uma exigência a cumprir, a diretriz é um contrato de clareza entre quem pesquisa, quem revisa e quem lê — e é nesse contrato que se sustenta a confiança no conhecimento que publicamos. Para conhecer os documentos na fonte, vale visitar o site oficial da PRISMA, onde estão disponíveis as listas de verificação, os modelos de fluxograma e os artigos de referência.

Referências

1. Page MJ, McKenzie JE, Bossuyt PM, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71.
2. Page MJ, Moher D, Bossuyt PM, et al. PRISMA 2020 explanation and elaboration: updated guidance and exemplars for reporting systematic reviews. BMJ. 2021;372:n160.
3. Moher D, Liberati A, Tetzlaff J, Altman DG; PRISMA Group. Preferred reporting items for systematic reviews and meta-analyses: the PRISMA statement. PLoS Med. 2009;6(7):e1000097.
4. PRISMA statement. Página oficial. Disponível em: https://www.prisma-statement.org/. Acesso em: 8 jun. 2026.

[1]Page MJ, McKenzie JE, Bossuyt PM, et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ. 2021;372:n71. doi:10.1136/bmj.n71.

A inteligência artificial está transformando a produção científica em uma velocidade sem precedentes, mas, segundo uma análise publicada no blog The Slow AI, essa mudança pode estar ampliando problemas que já faziam parte do ecossistema acadêmico. No artigo "Academia is enshittifying. AI made it faster", o pesquisador Sam Illingworth argumenta que a IA não é a origem da atual crise da comunicação científica, e sim um acelerador de um sistema historicamente marcado pela pressão por produtividade e pela valorização excessiva de indicadores quantitativos.

O autor utiliza o conceito de enshittification, termo popularizado pelo escritor e ativista Cory Doctorow para descrever a degradação gradual de plataformas digitais, e propõe uma analogia com a academia. Segundo essa perspectiva, a produção científica teria deixado de priorizar a geração e a disseminação do conhecimento para atender, cada vez mais, às demandas de métricas institucionais, como número de publicações, fator de impacto e volume de citações.

Como exemplo, o texto menciona a recente retratação de uma meta-análise sobre o uso do ChatGPT na educação, que reunia dezenas de estudos e chegou a ser amplamente citada antes da identificação de problemas metodológicos. Para Illingworth, episódios desse tipo evidenciam uma fragilidade já conhecida do sistema editorial: mesmo após uma retratação, artigos continuam influenciando novas pesquisas e sendo citados na literatura.

Nesse contexto, a IA surge como um elemento que reduz drasticamente o custo e o tempo de produção de textos acadêmicos, revisões bibliográficas e até pareceres de avaliação. Embora essas ferramentas possam aumentar a produtividade e democratizar o acesso à escrita científica, elas também potencializam um ambiente em que a quantidade frequentemente se sobrepõe à qualidade.

A análise conclui que o principal desafio não está em restringir o uso da inteligência artificial, mas em repensar os mecanismos de avaliação, revisão por pares e validação científica. Para o autor, sem mudanças estruturais na cultura do "publicar ou perecer", a IA tende a acelerar as distorções existentes, tornando ainda mais difícil preservar a confiabilidade da literatura acadêmica.

Fonte: The Slow AI
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.

Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..

Uma série de denúncias envolvendo artigos científicos publicados em periódicos do grupo Nature está alimentando um intenso debate sobre integridade acadêmica na China. O tema ganhou força após pesquisadores independentes e blogueiros especializados passarem a identificar possíveis irregularidades em estudos publicados em revistas consideradas entre as mais prestigiadas do mundo. Entre os casos apontados estão suspeitas de manipulação de imagens, inconsistências em dados e falhas nos processos de revisão científica.

As acusações têm sido amplamente divulgadas por comunidades acadêmicas online e por influenciadores da área científica, que defendem maior transparência na avaliação dos artigos. Um dos nomes mais citados é o blogueiro conhecido como “Student Geng”, ex-estudante de doutorado na área biomédica, que vem reunindo evidências e questionando a confiabilidade de diversos trabalhos publicados em revistas do grupo Nature.

O episódio ocorre em um momento de crescente protagonismo da ciência chinesa na produção acadêmica internacional. Nos últimos anos, pesquisadores vinculados a instituições chinesas passaram a ocupar posição de destaque entre os autores que mais publicam em periódicos de alto impacto, incluindo os títulos da Nature.

Especialistas avaliam que, embora casos de retratação e correção façam parte do processo científico, o aumento da visibilidade dessas denúncias pode afetar a percepção pública sobre a confiabilidade dos periódicos mais influentes do mundo. O debate reforça a importância de mecanismos rigorosos de revisão, transparência e monitoramento contínuo para preservar a credibilidade da comunicação científica.

Fonte: South China Morning Post
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.

Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..

Um estudo publicado no arXiv investigou como autores de artigos científicos percebem e utilizam revisões geradas por inteligência artificial durante o processo de avaliação acadêmica. A pesquisa analisou dois estudos-piloto realizados em eventos da área de Ciência da Computação, nos quais os participantes receberam, além das revisões tradicionais feitas por especialistas, uma revisão complementar produzida por modelos de linguagem da OpenAI.

Os resultados indicam que 83,9% dos autores consideraram o feedback gerado por IA útil, enquanto 80,4% afirmaram que a ferramenta identificou problemas não apontados pelos revisores humanos. O impacto prático também chamou atenção: 82,1% dos respondentes relataram ter incorporado ao menos parte das sugestões da IA na versão final de seus trabalhos.

Apesar da avaliação positiva, os pesquisadores não enxergam a IA como substituta da revisão por pares. Os participantes relataram confiar mais nas avaliações humanas e consideraram os comentários dos revisores especialistas mais claros e confiáveis. Entre os problemas identificados nas revisões automatizadas, 51,8% citaram pequenas imprecisões e 16,1% apontaram comentários incorretos, irrelevantes ou potencialmente enganosos.

O estudo também mostrou forte apoio ao uso da IA como ferramenta complementar e supervisionada. Quase todos os participantes afirmaram que utilizariam sistemas semelhantes para revisar seus manuscritos antes da submissão, desde que existam transparência sobre o uso da tecnologia, supervisão humana e consentimento explícito dos autores.

Os autores concluem que a inteligência artificial pode atuar como uma fonte adicional de feedback para aprimorar artigos científicos, mas ainda está longe de substituir o julgamento especializado exercido pelos revisores humanos no processo de avaliação científica.

Fonte: arXiv
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.

Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..

A organização Creative Commons voltou ao centro das discussões sobre inteligência artificial e acesso aberto com a iniciativa CC Signals, um conjunto de mecanismos criado para permitir que autores indiquem preferências sobre o uso de seus conteúdos por sistemas de IA. Em artigo publicado no blog The Scholarly Kitchen, o bibliotecário e especialista em comunicação científica Rick Anderson apresenta sete questionamentos sobre a viabilidade e os limites dessa proposta.

O texto destaca que as licenças Creative Commons, especialmente a CC BY, já concedem permissões amplas e irrevogáveis para reutilização de conteúdos. Nesse contexto, Anderson questiona até que ponto autores poderiam voltar a exercer controle sobre obras já disponibilizadas sob essas condições, principalmente diante do crescente uso de conteúdos acadêmicos para treinamento de grandes modelos de linguagem.

Para aprofundar essa análise, o autor organiza sua reflexão em torno de sete perguntas centrais que, segundo ele, precisam ser respondidas para que a proposta da Creative Commons alcance seus objetivos:

1. Os detentores de direitos autorais realmente têm o poder de impor essas condições?

2. O conceito de “uso para o bem público” pode ser definido de forma clara e operacional?

3. É possível exigir atribuição efetiva quando conteúdos são utilizados por sistemas de IA?

4. Como restrições podem ser aplicadas a modelos já treinados com grandes volumes de dados?

5. O que caracteriza, na prática, um uso “responsável” ou “ético” por sistemas de IA?

6. Como diferentes legislações nacionais tratariam essas sinalizações e suas exigências?

7. Qual seria o tratamento jurídico para conteúdos gerados por IA, especialmente onde não há proteção autoral reconhecida?

A discussão evidencia uma tensão crescente entre os princípios históricos do acesso aberto e as preocupações atuais sobre exploração comercial, transparência e governança de dados na era da inteligência artificial. O debate tende a impactar diretamente pesquisadores, editores científicos e instituições que utilizam licenças abertas para disseminar conhecimento.

Segundo Anderson, as respostas para essas perguntas serão determinantes para avaliar se o CC Signals poderá funcionar como uma ferramenta prática de governança ou se permanecerá apenas como uma manifestação de intenções. O autor argumenta que a iniciativa surge em um momento de profundas transformações no ecossistema da comunicação científica, no qual as regras tradicionais de compartilhamento e reutilização do conhecimento estão sendo reavaliadas à luz dos avanços da inteligência artificial.

Fonte: The Scholarly Kitchen
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.

Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..

A Public Knowledge Project (PKP) e a Crossref vão realizar um webinar para apresentar os principais recursos e melhorias do Open Journal Systems 3.5, nova versão da plataforma de gerenciamento editorial amplamente utilizada por periódicos científicos em acesso aberto. O evento “Introducing OJS 3.5: Key Features and User Enhancements” será realizado de forma online e pretende reunir editores, bibliotecários, equipes técnicas e profissionais ligados à comunicação científica.

A atualização do OJS traz melhorias na experiência do usuário, otimizações de usabilidade e novos recursos voltados ao fluxo editorial de revistas científicas. Entre os destaques estão ajustes na interface administrativa, aprimoramentos nos processos de submissão e avaliação de artigos, além de melhorias de desempenho e integração com serviços externos utilizados por periódicos acadêmicos.

Um dos pontos estratégicos para periódicos que utilizam o OJS é justamente a integração com a Crossref, organização responsável pelo registro de DOI e pela interoperabilidade de metadados científicos. No Brasil, empresas especializadas como a GeniusDesign atuam como membro patrocinador da Crossref, oferecendo serviços como depósito de DOI, Similarity Check com iThenticate, Crossmark e Cited-by para revistas científicas.

A modernização do OJS 3.5 tende a facilitar ainda mais a integração dessas ferramentas ao fluxo editorial, ampliando a visibilidade, rastreabilidade e impacto das publicações científicas. O uso de recursos da Crossref é considerado um dos pilares da comunicação científica digital, permitindo interoperabilidade entre periódicos, indexadores e bases de dados acadêmicas.

O webinar é gratuito, será realizado em formato online e exige inscrição prévia pela plataforma Eventbrite.

Fonte: Crossref
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.

Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..

A Agência de Bibliotecas e Coleções Digitais da USP publicou um conteúdo sobre a gestão de dados científicos abertos, destacando a experiência da University of California (UC) e os impactos do movimento de Dados Abertos para a pesquisa acadêmica. A iniciativa reforça a importância do compartilhamento, reutilização e transparência dos dados produzidos em pesquisas científicas, alinhando-se às práticas de Ciência Aberta adotadas internacionalmente.

O texto explica que financiadores, editoras científicas e instituições de pesquisa têm ampliado as exigências relacionadas à disponibilização pública de dados, incluindo organizações como NIH, NSF, PLOS, Elsevier e Springer Nature. Segundo a publicação, políticas recentes dos Estados Unidos também passaram a exigir acesso aberto para pesquisas financiadas com recursos públicos.

Entre os principais benefícios apontados estão maior visibilidade para pesquisadores, aumento da integridade científica, redução da duplicação de esforços e estímulo à colaboração entre instituições. O conteúdo também apresenta orientações práticas sobre planejamento e gerenciamento de dados, incluindo uso de planos de gestão, documentação adequada, definição de licenças abertas e escolha de repositórios confiáveis para armazenamento e compartilhamento dos conjuntos de dados.

A publicação foi divulgada pela ABCD-USP como uma tradução livre e adaptada de material produzido pelo Office of Scholarly Communication da University of California, reforçando o debate sobre ciência aberta e boas práticas de gestão de dados no ambiente acadêmico brasileiro.

Fonte: ABCD-USP
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.

Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..

A ORCID publicou um novo conteúdo destacando o potencial da plataforma Lens para ampliar a descoberta, a análise e o impacto da produção científica e tecnológica. A iniciativa reforça como a integração entre o identificador ORCID e a ferramenta Lens pode ajudar pesquisadores, instituições e editores a conectar publicações, patentes e diferentes indicadores acadêmicos em um único ambiente digital.

A proposta faz parte de um movimento crescente de integração entre sistemas acadêmicos e ferramentas de análise científica, voltado à melhoria da rastreabilidade da produção científica e ao fortalecimento da ciência aberta. Segundo a ORCID, conectar perfis de pesquisadores a plataformas interoperáveis facilita a descoberta de trabalhos relacionados, melhora a qualidade dos registros acadêmicos e amplia o alcance das pesquisas publicadas.

O que é a Lens e por que a plataforma chama atenção na pesquisa científica

Ainda pouco conhecida fora de alguns círculos acadêmicos e de inovação, a Lens vem ganhando espaço como uma plataforma estratégica para descoberta científica e análise de impacto da pesquisa. O serviço reúne em um único ambiente dados de artigos científicos, patentes, financiamentos, citações e informações institucionais, permitindo explorar conexões entre produção acadêmica e inovação tecnológica.

Na prática, a plataforma funciona como um grande mecanismo de busca e análise de conhecimento científico. Um dos diferenciais da Lens é a capacidade de relacionar publicações acadêmicas com pedidos de patente e aplicações industriais, oferecendo uma visão mais ampla sobre como a pesquisa circula e gera impacto fora do ambiente universitário. Isso permite identificar tendências emergentes, áreas de colaboração e até possíveis aplicações comerciais de estudos científicos.

A integração com o ORCID amplia ainda mais esse potencial ao conectar automaticamente pesquisadores às suas produções acadêmicas e tecnológicas. Pesquisadores podem visualizar lacunas em seus registros, acompanhar métricas e melhorar a descoberta de suas publicações. Para periódicos científicos, instituições e agências de pesquisa, esse tipo de interoperabilidade fortalece a qualidade dos metadados, melhora processos de rastreamento da produção científica e amplia possibilidades de análise bibliométrica.

Para os periódicos científicos, a adoção do ORCID nas publicações representa um avanço importante na padronização e na confiabilidade dos metadados acadêmicos. A identificação persistente dos autores reduz ambiguidades de nomes, facilita a interoperabilidade entre plataformas editoriais, indexadores e bases de dados, além de melhorar a rastreabilidade da produção científica. Na prática, isso contribui para processos editoriais mais eficientes, amplia a visibilidade dos artigos publicados e fortalece métricas de impacto e integridade científica.

Esse cenário acompanha uma transformação mais ampla na infraestrutura da comunicação científica, baseada no uso de identificadores persistentes. Recursos como DOI, ORCID, ISSN, ISBN e ROR têm papel estratégico na organização, autenticação e interoperabilidade dos dados acadêmicos. Enquanto o DOI identifica objetos digitais, o ORCID diferencia autores de forma única e permanente, e o ROR padroniza a identificação de instituições de pesquisa. Em conjunto, esses identificadores fortalecem a integração entre plataformas editoriais, indexadores e sistemas de avaliação científica.

A importância desse ecossistema foi discutida recentemente pelo Periódico Eletrônico em uma matéria especial sobre os principais identificadores utilizados na publicação científica. A combinação entre identificadores persistentes e plataformas de descoberta, como a Lens, evidencia uma tendência crescente de integração entre dados acadêmicos, métricas de impacto e inovação tecnológica.

A plataforma Lens pode ser acessada gratuitamente em Lens. Já o conteúdo publicado pela ORCID está disponível na página oficial da organização, que mantém orientações sobre integração de perfis e uso das ferramentas conectadas ao ecossistema ORCID.

Fonte: ORCID
Texto produzido com auxílio de Inteligência Artificial e revisado pelo autor.
Confira nossa Política de Uso de IA.

Deseja divulgar a sua revista científica ou notícia gratuitamente no Periódico Eletrônico? Envie um email para Este endereço de email está sendo protegido de spambots. Você precisa do JavaScript ativado para vê-lo..