O que você realmente precisa saber sobre literatura de informação
A maioria das pessoas confunde literatura de informação com apenas "saber usar o Google". Não é. É um campo estruturado que envolve técnicas de busca, avaliação crítica de fontes, gestão de referências e compreensão dos sistemas que organizam o conhecimento. A diferença entre achar um artigo relevante em cinco minutos e perder duas horas caindo em basuras acadêmicas ou sites duvidosos geralmente está em entender como funciona a arquitetura por trás. Eu comecei a mexer com isso na universidade, quando precisei montar uma revisão sistemática pra tese. Na época, subestimava completamente o tempo que levava só a fase de levantamento. O banco de dados que eu usava tinha cerca de 14 mil resultados num dos meus termos principais. Filtrei por data, por período, por tipo de estudo. Caí nas 147 publicações. Depois passou pelo crivo de título e resumo. Restaram 43. Só depois li os artigos na íntegra e fiz a triagem final. Esse processo levou três semanas. Hoje, quando ensino alguém a fazer isso, o primeiro conselho que dou é: não pule a etapa de protocolo de busca antes de abrir qualquer PDF.
Como estruturar uma estratégia de busca em literatura de informação
Vou explicar do jeito que eu faço, não do jeito que os livros didáticos ensinam. Primeiro, defina a pergunta com clareza. Não "quero algo sobre mudança climática na agricultura". Isso é demais amplo. Use a estrutura PICO quando aplicável: População/Problema, Intervenção/Exposição, Comparação, Outcome/Resultado. A pergunta "Em agricultores familiares no semiárido brasileiro, o uso de cisternas reduz a migração sazonal?" já te dá direcionamento melhor. Depois, traduza isso para termos de busca. Pegue cada conceito e liste sinônimos, variações em outros idiomas, termos técnicos e coloquiais. No exemplo acima, "cisterna" vira "cisterna", "reservatório de água", "barreira", e em inglês "rainwater harvesting", "cistern", "water storage". Anote tudo num documento. Você vai precisar depois.
Aí entra o uso de operadores booleanos. AND, OR, NOT. O OR expande, o AND restringe, o NOT remove. A grande maioria das pessoas usa só AND. Isso limita brutalmente seus resultados. Quando eu montei uma busca sobre gestão hídrica no Nordeste, usei uma combinação de OR dentro de cada conceito e AND entre conceitos diferentes. Em vez de "cisterna e agricultor", fiz "(cisterna OR reservatório OR barreira) AND (agricultura familiar OR semiárido) AND (migração OR êxodo rural)". O número de resultados triplicou e a relevância também. Usar truncamento também ajuda. O asterisco (*) no final de um termo pega variações. "agricultur*" busca agricultor, agricultora, agricultura, agrícolas. Diferentes bases aceitam símbolos diferentes. Web of Science usa * e ? como curingas. PubMed prefere o $ para variações. Scopus aceita ambos. Perdeu tempo testando isso na mão? Eu perdi. Leva uns dez minutos para descobrir qual símbolo cada base aceita.
Ferramentas que realmente funcionam
Não vou listar dez ferramentas porque a maioria é inútil na prática. As que eu uso de verdade são menos de cinco. Zotero para gestão de referências. É gratuito, roda local e sincroniza com a nuvem se você quiser. Ele captura metadados automaticamente da maioria dos sites acadêmicos. Clicou no botão do navegador num artigo do SciELO ou da ScienceDirect, e ele preenche título, autores, revista, DOI. Economiza algo em torno de 80% do tempo que você gastaria digitando referências manualmente. A desvantagem é que ele não é perfeito. Em artigos mais antigos ou em línguas menos comuns, os metadados vêm errados ou incompletos. Sempre revise antes de exportar.
Scopus e Web of Science são os bancos principais pra buscas transversais. Eles indexam revistas de alto impacto global. A cobertura é boa mas não absoluta. Há revistas brasileiras relevantes que não estão em nenhum dos dois. O SciELO e a Capes Periódicos cobrem bem o que é produzido no Brasil. Se seu tema tem viés regional ou nacional, esses são indispensáveis. Google Scholar é prático mas tem limitações sérias. A curadoria é mínima. Artigos aparecem sem controle de qualidade consistente. O sistema de citações dele é mais bagunçado que o Scopus. Eu uso ele como complementar, nunca como fonte única. Uma dica útil: configure alertas de pesquisa. Você coloca os termos, e o Google te manda um e-mail toda semana com novos resultados. Funciona bem para monitorar linhas de pesquisa que você acompanha.
👉 Clique no botão abaixo para saber mais sobre o assunto!
PubMed é obrigatório se você trabalha com área da saúde. Ele tem o MeSH, umthesaurus controlado que organiza os termos por hierarquia. Em vez de buscar por "diabetes tipo 2", você usa o termo controlado "Diabetes Mellitus Type 2". Isso elimina variantes e sinônimos que o buscador comum perderia. O tempo de busca cai pela metade quando você domina o MeSH. Rayyan é gratuito para uso básico e serve pra triagem de revisões sistemáticas. Você faz upload dos resumos, marca como relevante ou não, e ele aprende suas escolhas com machine learning. No começo eu era cético, mas depois de usar em três revisões, ele reduziu meu tempo de triagem de dias para horas. A curva de aprendizado é curta, tipo meia hora pra entender a interface.
Erros que eu vejo todo mundo cometer
O mais frequente é buscar só nos dois primeiros páginas de resultados. Ninguém lê além da página três. Os algoritmos de relevância das bases priorizam artigos recentes e com muitas citações, mas isso não significa que sejam os mais adequados ao seu problema. Um artigo de 2018 com metodologia sólida pode ser muito mais útil que cinco de 2024 que apenas repetem o mesmo achado sem novelty. Outro erro é não documentar a busca. Você faz uma estratégia bonita, encontra os artigos certos, e três meses depois precisa refazer tudo pra um segundo artigo ou pra responder a um parecer. Sem registro, você começa do zero. Anote data da busca, banco usado, termos exatos, filtros aplicados, número de resultados. Isso leva dois minutos e economiza horas depois.
Também vejo muita gente ignorar a busca em ciner. Artigos que citaram o trabalho que você está lendo são goldmine. Na literatura de informação, isso se chama snowballing. Você pega um artigo central, vai pra "artigos que o citaram" e pra "referências citadas neste artigo". Repete o processo duas ou três vezes. Geralmente descobre fontes que os bancos não mostrariam nos resultados padrão.
Quando a literatura de informação não resolve
Tem situações em que a busca tradicional simplesmente não funciona. Temas emergentes, como inteligência artificial aplicada a áreas específicas, podem ter poucos artigos publicados ainda. A literatura acadêmica leva tempo pra chegar. Nesses casos, você precisa recorrer a relatórios técnicos, preprints, documentos de órgãos públicos, teses e dissertações que ainda não viraram artigo. O Tucan da CAPES e o repositório institucional da sua universidade são úteis aqui. Também há o problema da linguagem. Muita produção de qualidade sai em português, espanhol ou francês e não é indexada nas bases internacionais. Se você não lê essas línguas, perde dados relevantes. Não existe solução mágica pra isso senão aprender a buscar nos repositórios locais e usar tradutores com criterio, sabendo que a precisão técnica pode cair.
Outro limite real é o acesso. Artigos de revistas pagas ficam atrás de paywalls. A biblioteca da sua instituição provavelmente tem assinatura, mas não de tudo. Alternativas como Sci-Hub existem, mas levantar questões éticas e legais que eu não entro aqui. O que funciona de forma limpa é pedir o artigo diretamente ao autor. A maioria dos pesquisadores compartilha seu trabalho se você fizer um e-mail educado explicando o que precisa.
Próximo passo prático
Se você quer começar a aplicar literatura de informação do jeito certo, faça isso: pegue uma pergunta de pesquisa sua, liste os conceitos, encontre os sinônimos, monte a busca com operadores booleanos num banco acadêmico, salve os resultados, revise títulos e resumos com critérios definidos antes de ler os artigos inteiros, e anote tudo. Repita o processo duas vezes. A segunda vez leva metade do tempo da primeira. A literatura de informação não é sobre achar qualquer coisa na internet. É sobre construir uma trilha rastreável de evidências. Quando alguém questiona suas fontes, você consegue mostrar exatamente como chegou nelas. Isso faz toda a diferença em trabalhos acadêmicos, relatórios técnicos e decisões baseadas em dados.
