Como Buscar Artigos para Revisão Bibliográfica com Método

Por que duas pessoas pesquisando o mesmo tema, nas mesmas bases, chegam a resultados completamente diferentes?

A resposta quase nunca é sorte ou tempo disponível. Estratégia de busca é o conjunto de decisões (termos, operadores booleanos, bases escolhidas e critérios de inclusão) que determina quais artigos aparecem e quais ficam de fora da sua revisão bibliográfica. Quando essa estratégia não existe, ou existe só na cabeça, cada tentativa de busca vira um tiro no escuro que parece estar funcionando porque devolve resultados, mas não devolve os resultados certos.

Isso é particularmente traiçoeiro porque a busca malfeita não avisa que está malfeita. Ela roda, entrega uma lista de 40, 60, 100 artigos, e a pessoa segue trabalhando satisfeita, sem saber que ficaram de fora justamente os estudos que sustentariam o argumento mais forte da revisão. Vou te mostrar como montar essa estratégia direito, com exemplos que funcionam de verdade em português.

O erro de achar que buscar é digitar uma palavra

A maior parte das orientações de busca bibliográfica que circulam por aí param no básico: “escolha um tema, digite no Google Acadêmico, leia os primeiros resultados.” Isso não é estratégia, é sorteio. E o problema de tratar busca como sorteio é que ele produz uma revisão bibliográfica com viés de seleção sem que você perceba.

O viés de seleção aparece quando os artigos que você encontra não representam bem o campo, e sim o que uma busca rasa consegue capturar. Se você digita só “ansiedade universitária” no Google Acadêmico, vai encontrar os artigos mais citados, os mais recentes, e os que têm SEO acadêmico melhor. Vai perder estudos importantes publicados com outra terminologia, em outro idioma, ou em periódicos menos indexados por buscadores genéricos.

A solução não é buscar mais. É buscar com estrutura.

Como montar uma string de busca que funciona

Uma string de busca é a combinação de termos e operadores booleanos que você usa dentro de uma base de dados. O ponto de partida é decompor o seu tema de pesquisa em conceitos, e para cada conceito, listar sinônimos e variações.

Pega um exemplo concreto. Se o tema é “uso de inteligência artificial na educação superior”, os conceitos centrais são: inteligência artificial, educação superior. Para cada um, você lista variações:

Inteligência artificial: IA, machine learning, aprendizado de máquina, ferramentas de IA generativa.

Educação superior: ensino superior, universidade, graduação, pós-graduação.

Depois, você conecta essas variações com o operador OR dentro de cada conceito, e conecta os dois grupos de conceitos com o operador AND. A string fica assim:

(“inteligência artificial” OR “machine learning” OR “IA generativa”) AND (“educação superior” OR “ensino superior” OR universidade)

Esse é o esqueleto. Cada base de dados tem sintaxe própria (algumas exigem aspas duplas pra frases exatas, outras usam parênteses de forma diferente), então vale checar o manual de busca avançada da base específica antes de rodar a string final.

O truncamento e por que ele precisa fazer sentido no idioma certo

Truncamento é o uso de um símbolo (geralmente o asterisco) pra recuperar variações de uma palavra a partir do radical. A lógica é simples: em vez de listar manualmente “educar”, “educação”, “educacional”, “educativo”, você escreve o radical seguido do símbolo, e a base busca todas as terminações.

Aqui está o ponto que mais gera confusão, e que vale destacar com cuidado: o radical precisa ser o radical da palavra no idioma em que você está buscando, não uma tradução automática do radical em inglês. Se você está buscando em português e escreve “educat*” pensando em capturar “educação” e “educacional”, a busca vai falhar silenciosamente. “Educat*” é o radical de “education” e “educational” em inglês. Em português, o radical correto é “educa*”, que aí sim recupera “educar”, “educação”, “educacional” e “educativo”.

Esse tipo de erro é grave justamente porque não avisa que aconteceu. A busca roda sem mensagem de erro, devolve uma lista de resultados menor do que deveria, e você segue trabalhando acreditando que cobriu o campo. Antes de rodar qualquer truncamento numa base nova, teste o radical isoladamente e confira se ele recupera as palavras que você esperava. Alguns segundos de checagem evitam perder metade da literatura relevante sem perceber.

Operadores booleanos além do AND e do OR

AND e OR resolvem a maior parte dos casos, mas dois outros operadores merecem espaço na sua caixa de ferramentas.

O operador NOT exclui termos. Se você pesquisa sobre “análise de sentimento em redes sociais” e não quer resultados sobre a área de marketing, pode escrever algo como “análise de sentimento” NOT marketing. Use com moderação: o NOT corta qualquer artigo que mencione a palavra excluída em qualquer parte do texto, mesmo que a menção seja incidental. Um estudo relevante sobre análise de sentimento em saúde mental pode citar “marketing” numa frase sobre financiamento e ser descartado sem motivo real.

O operador de proximidade (geralmente NEAR ou ADJ, dependendo da base) busca termos que aparecem a uma distância máxima um do outro, e não em qualquer lugar do documento. Isso é útil quando você quer garantir que “educação” e “inclusiva” apareçam realmente próximas no texto, e não apenas em partes distantes do mesmo artigo, situação que o AND simples não distingue.

Escolher a base certa importa mais do que escolher a string perfeita

Uma string de busca bem construída rodando na base errada ainda vai devolver um recorte pobre do campo. Cada área do conhecimento tem bases de referência, e ignorar isso é um dos erros mais comuns em revisões bibliográficas de mestrado e doutorado.

Ciências da saúde e biológicas dependem fortemente do PubMed, que indexa a literatura biomédica com vocabulário controlado próprio (os termos MeSH, Medical Subject Headings). Buscar em PubMed usando MeSH terms em vez de palavras livres aumenta bastante a precisão da recuperação, porque o sistema mapeia sinônimos automaticamente.

Engenharias, ciências exatas e computação costumam ter cobertura melhor no Scopus, na Web of Science e, para computação especificamente, no IEEE Xplore. Ciências sociais aplicadas, educação e humanidades muitas vezes precisam complementar as bases internacionais com bases nacionais, como o Catálogo de Teses e Dissertações da CAPES e a SciELO, porque parte relevante da produção em português não está indexada nas bases estrangeiras.

O erro de usar só uma base é presumir que ela representa o campo inteiro. Na prática, cruzar pelo menos duas ou três bases complementares é o que separa uma revisão bibliográfica robusta de uma revisão que parece completa só porque teve muitos resultados.

Critérios de inclusão e exclusão definidos antes, não depois

Depois que a busca roda e devolve uma lista de resultados, a tentação é abrir cada artigo e decidir, na hora, se ele “parece relevante”. Esse é o momento em que o viés de confirmação entra sem pedir licença: você tende a incluir o que já espera encontrar e descartar o que contradiz sua hipótese, sem perceber que está fazendo isso.

A saída é definir os critérios de inclusão e exclusão antes de olhar os resultados. Alguns exemplos de critérios comuns: período de publicação (últimos 10 anos, por exemplo), idioma, tipo de estudo (revisões sistemáticas, ensaios clínicos, estudos qualitativos), população estudada, e disponibilidade do texto completo.

Escrever esses critérios num documento separado antes de começar a filtrar tem uma vantagem prática que vai além da metodologia. Quando a banca perguntar por que você incluiu 34 e excluiu 112, você tem resposta pronta, documentada, em vez de tentar reconstruir de memória uma lógica que foi decidida artigo por artigo, sem critério fixo.

Registrar o processo de busca (mesmo sem fazer uma revisão sistemática formal)

Revisões sistemáticas seguem protocolos rígidos, com registro público em plataformas como o PROSPERO. A maioria das revisões bibliográficas de TCC, dissertação ou tese não chega a esse nível de formalidade, e não precisa. Mas registrar o mínimo do processo de busca economiza um trabalho enorme depois.

O mínimo inclui: quais bases você usou, qual string rodou em cada uma, em que data, quantos resultados cada busca devolveu antes e depois dos filtros, e quais critérios de exclusão eliminaram cada artigo descartado. Isso pode ficar numa planilha simples. Não precisa de software caro.

Esse registro faz duas coisas ao mesmo tempo. Primeiro, te protege na defesa, porque você mostra rigor sem precisar improvisar justificativa. Segundo, te poupa de refazer a busca do zero se precisar atualizar a revisão meses depois, algo que acontece com frequência quando o processo de qualificação e defesa se estende.

Quando a busca já está boa e é hora de parar

Existe um ponto de saturação em que buscas adicionais deixam de trazer artigos novos relevantes, e passam a devolver os mesmos resultados com variações mínimas. Reconhecer esse ponto evita dois erros opostos: parar cedo demais, com uma amostra pobre, ou continuar buscando indefinidamente por perfeccionismo, o que atrasa o cronograma sem ganho real de qualidade.

Um sinal prático de saturação: quando você roda três ou quatro variações diferentes da mesma string e a maioria dos artigos que aparecem já está na sua lista, é razoável considerar a busca concluída para aquele recorte temático. Se você quer entender melhor quantos artigos, de fato, sustentam uma revisão bibliográfica consistente, vale ler quantos artigos usar na revisão bibliográfica, que trata exatamente dessa questão de tamanho e suficiência.

Buscar artigos com método não é sobre encontrar mais. É sobre garantir que o que você encontrou representa o campo de verdade, e que você consegue explicar, com critério, por que cada artigo está ali.