Pesquisa Científica em Administração na era da IA: do Projeto à Publicação

Aula 1 – Publicar sem medo: da ideia ao problema de pesquisa
Conteúdo:
• Principais desafios da pesquisa, da escrita e da publicação científica;
• Planejamento do percurso da pesquisa;
• Delimitação do tema e do contexto da pesquisa;
• Identificação de lacunas teóricas, metodológicas e práticas;
• Formulação do problema e da pergunta de pesquisa;
• Definição dos objetivos geral e específicos;
• Identificação da relevância e da contribuição esperada;
• Estrutura geral de projetos e artigos científicos;
• Critérios de viabilidade e delimitação da pesquisa.
Atividade prática: elaboração de uma síntese inicial contendo tema,
delimitação, problema, pergunta de pesquisa, objetivos e contribuição esperada.

Aula 2 – Alinhamento e desenho geral da pesquisa
Conteúdo:
• Etapas do processo de investigação científica;
• Alinhamento entre problema, pergunta, objetivos, referencial teórico,
método, coleta, análise e resultados esperados;
• Pesquisas exploratórias, descritivas e explicativas;
• Abordagens qualitativas, quantitativas e de métodos mistos;
• Unidade de análise, contexto, recorte temporal e nível de análise;
• Construção preliminar do modelo conceitual ou da estrutura analítica;
• Planejamento da execução da pesquisa;
• Avaliação da coerência, da viabilidade e das limitações do projeto.
Atividade prática: construção da matriz de alinhamento e definição preliminar
do desenho da pesquisa.

Aula 3 – Revisão sistemática e análise bibliométrica da literatura
Conteúdo:
• Diferenças entre revisões narrativa, integrativa, sistemática e bibliométrica;
• Formulação da pergunta e elaboração do protocolo de revisão;
• Seleção de bases científicas;
• Construção de estratégias e strings de busca;
• Definição de critérios de inclusão e exclusão;
• Identificação e remoção de duplicidades;
• Processo de seleção, extração e organização dos estudos;
• Utilização do protocolo PRISMA;
• Transparência e reprodutibilidade no processo de revisão;
• Fundamentos da análise bibliométrica;
• Introdução ao Vosviewer, Bibliometrix e a outras ferramentas de apoio;
• Interpretação e apresentação dos resultados de revisões sistemáticas e análises bibliométricas.

Atividade prática: elaboração de um protocolo inicial de revisão, incluindo
pergunta, bases científicas, string de busca, critérios de seleção e estratégia de

Aula 4 – Construção teórica e inteligência artificial na pesquisa científica
Conteúdo:
• Organização e redação do referencial teórico;
• Análise crítica e síntese da literatura;
• Identificação de convergências, divergências e lacunas nos estudos utilizando inteligência artificial;
• Construção de modelos conceituais e estruturas analíticas;
• Elaboração de hipóteses e proposições;
• Aplicações da inteligência artificial na busca, triagem e organização da literatura;
• Uso da IA para comparar estudos, organizar conceitos e apoiar a síntese teórica;
• Elaboração de comandos e estratégias de interação com ferramentas de IA;
• Verificação das informações, citações e referências produzidas com apoio da IA;
• Riscos relacionados a vieses, alucinações, referências inexistentes, plágio, confidencialidade e autoria;
• Transparência e boas práticas no uso da inteligência artificial em pesquisas e publicações científicas.organização dos estudos.

Aula 5 – População, amostra, instrumentos e procedimentos de coleta
Conteúdo:
• Critérios para escolha entre métodos qualitativos, quantitativos e mistos;
• Definição da população e da unidade de análise;
• Estratégias de amostragem probabilística e não probabilística;
• Definição e justificativa da amostra;
• Entrevistas individuais e grupos focais;
• Observação e análise documental;
• Elaboração de roteiros de entrevista;
• Elaboração, adaptação e validação de escalas;
• Construção de questionários;
• Validade, confiabilidade, pré-testes e estudos-piloto;
• Planejamento dos procedimentos de coleta;
• Procedimentos éticos, consentimento e proteção dos participantes;
• Gestão, armazenamento, confidencialidade e segurança dos dados.

Atividade prática: elaboração do plano de amostragem e coleta, acompanhada de uma versão inicial do instrumento de pesquisa.

Aula 6 – Fundamentos da análise quantitativa, experimentos e modelagem de equações estruturais
Conteúdo:
• Alinhamento entre pergunta de pesquisa, tipo de dado e estratégia de análise;
• Organização, preparação, limpeza e verificação dos dados;
• Introdução às estratégias de análise de dados qualitativos;
• Fundamentos da análise quantitativa;
• Estatística descritiva e fundamentos da análise inferencial;
• Critérios para escolha das técnicas quantitativas;
• Interpretação e comunicação dos resultados;
• Fundamentos da pesquisa experimental;
• Definição de grupos de controle e tratamento;
• Randomização, manipulação e controle de variáveis;
• Validade interna e externa;
• Conceitos de mediação e moderação;
• Fundamentos da modelagem de equações estruturais;
• Modelos de mensuração e modelos estruturais;
• Critérios gerais para escolha da abordagem de modelagem;
• Interpretação e comunicação dos resultados de modelos quantitativos.

Os conteúdos avançados desta aula serão apresentados em nível introdutório, com ênfase na compreensão dos fundamentos, das possibilidades de aplicação e dos critérios para escolha das técnicas mais adequadas a cada projeto. Atividade prática: elaboração do plano de análise dos dados e revisão do modelo conceitual, das hipóteses ou das proposições da pesquisa.

Aula 7 – Redação científica, comunicação dos resultados e integridade acadêmica
Conteúdo:
• Estrutura e função das seções de um artigo científico;
• Redação da seção de metodologia;
• Apresentação e comunicação dos resultados;
• Construção da discussão dos resultados;
• Articulação entre resultados, literatura e objetivos da pesquisa;
• Apresentação de tabelas, figuras e modelos;
• Demonstração das contribuições teóricas, metodológicas e práticas;
• Apresentação das limitações e da agenda de pesquisas futuras;
• Elaboração de títulos, resumos e palavras-chave;
• Autoria, coautoria e conflitos de interesse;
• Plágio, autoplágio e integridade científica;
• Uso responsável da ia em revisão linguística, tradução e comunicação científica;
• Necessidade de verificação humana, preservação da autoria e transparência sobre o uso da ia;
• Políticas editoriais relacionadas ao uso da inteligência artificial.

Atividade prática: elaboração do resumo e da estrutura preliminar do artigo ou
de outro produto científico associado ao projeto.

Aula 8 – Percurso da publicação científica, networking e oficina final de
projetos
Conteúdo:
• Etapas do percurso da publicação científica;
• Critérios para escolha do periódico científico;
• Análise de escopo, público, indexação, classificação e qualidade dos periódicos;
• Identificação de periódicos predatórios;
• Adequação do manuscrito às normas e ao escopo do periódico;
• Preparação do manuscrito e da carta de apresentação;
• Processo de submissão;
• Funcionamento da avaliação por pares;
• Interpretação dos pareceres dos revisores;
• Elaboração da carta de resposta;
• Organização e justificativa das alterações realizadas no manuscrito;
• Uso responsável da inteligência artificial para apoiar a análise de adequação ao periódico, a preparação da submissão e a organização das
respostas aos revisores;
• Apresentações em congressos e eventos acadêmicos;
• Uso profissional do Orcid, Google Scholar, Researchgate e perfis do Scopus e Web of Science;
• Estratégias para estabelecer colaborações nacionais e internacionais;
• Análise crítica e validação dos projetos desenvolvidos no curso.
Atividade final: envio do projeto final e recebimento de feedback dos professores.