Array
(
    [responseDate] => 2026-08-03T21:33:25Z
    [request] => https://recal.rcaap.pt/recal/oai
    [GetRecord] => SimpleXMLElement Object
        (
            [record] => SimpleXMLElement Object
                (
                    [header] => SimpleXMLElement Object
                        (
                            [identifier] => oai:ojs.recal.rcaap.pt:article/243
                            [datestamp] => 2026-07-29T10:12:35Z
                            [setSpec] => Array
                                (
                                    [0] => recal:COM
                                    [1] => driver
                                )

                        )

                    [metadata] => SimpleXMLElement Object
                        (
                            [dc] => SimpleXMLElement Object
                                (
                                    [title] => Array
                                        (
                                            [0] => Machines that write, humans that think: ethics, AI detection, and style transfer in academic writing
                                            [1] => Máquinas que escriben, humanos que piensan: ética, detección de IA y transferencia de estilo en la escritura académica
                                            [2] => Máquinas de Escrever, Humanos de Pensar: Ética, Detecção de IA e Transferência de Estilo na Escrita Acadêmica
                                        )

                                    [creator] => Array
                                        (
                                            [0] => Araújo, Carlos Alberto
                                            [1] => Brito Bicalho, Daniel
                                        )

                                    [subject] => Array
                                        (
                                            [0] => Artificial Intelligence
                                            [1] => Academic Writing
                                            [2] => Ethics
                                            [3] => Style Transfer
                                            [4] => Scientific Integrity
                                            [5] => Inteligencia Artificial
                                            [6] => Escritura Académica
                                            [7] => Ética
                                            [8] => Transferencia de Estilo
                                            [9] => Integridad Científica
                                            [10] => Inteligência Artificial
                                            [11] => Escrita Acadêmica
                                            [12] => Ética
                                            [13] => Transferência de Estilo
                                            [14] => Integridade Científica
                                        )

                                    [description] => Array
                                        (
                                            [0] => The proliferation of Large Language Models (LLMs) in academic writing has enhanced productivity while simultaneously presenting unprecedented challenges to scientific integrity. This article examines Artificial Intelligence (AI) content detection mechanisms, with a particular focus on "style transfer" as a camouflage technique employed to circumvent existing detection tools. Drawing on a synthesis of recent literature, the study discusses how the manipulation of textual structure problematizes the validity of human authorship. The paper concludes that the future of academic integrity will rely less on automated detection tools and more on the establishment of clear institutional guidelines, rigorous human oversight, and a conceptualization of information as an inherently human process of meaning-making. In this context, a paradigm shift is required: the focus must transition from a preoccupation with AI detection toward the assessment of the work's intrinsic value and original contributions. A researcher’s merit should reside in their capacity for innovation and the generation of robust knowledge, rather than mere linguistic fluency. Ultimately, the validity of scientific endeavors should be measured by the essence of discovery and human creativity, irrespective of the tools utilized in the final configuration of the manuscript or the metrics provided by AI detection software.
                                            [1] => El incremento en el uso de Modelos de Lenguaje de Gran Escala (LLMs) en la redacción académica ha potenciado la productividad, aunque también plantea desafíos sin precedentes para la integridad científica. Este artículo examina los mecanismos de detección de contenido generado por Inteligencia Artificial (IA) y se centra en la "transferencia de estilo" como una técnica de camuflaje que elude los detectores vigentes. Mediante una síntesis de la literatura reciente, se analiza cómo la manipulación de la estructura textual pone en cuestión la validez de la autoría humana. El estudio concluye que el futuro de la integridad académica dependerá en menor medida de las herramientas automatizadas y más del establecimiento de directrices institucionales claras, una supervisión humana rigurosa y la comprensión de la información como un proceso intrínsecamente humano de construcción de sentido. En este escenario, resulta imperativo un cambio de paradigma: el enfoque debe desplazarse de la obsesión por la detección técnica hacia la evaluación del valor intrínseco y las aportaciones inéditas del trabajo. El mérito del investigador debe radicar en su capacidad para generar innovación y conocimiento sólido, y no meramente en la fluidez lingüística. En última instancia, la validez de la ciencia debe medirse por la esencia del descubrimiento y la creatividad humana, independientemente de las herramientas empleadas en la configuración final del manuscrito o de los indicadores arrojados por los softwares de detección.
                                            [2] => O aumento do uso de Modelos de Linguagem de Grande Escala (LLMs) na redação acadêmica trouxe benefícios de produtividade, mas também desafios significativos para a integridade científica. Este artigo explora os mecanismos de detecção de conteúdo gerados por Inteligência Artificial (IA) e foca-se na "transferência de estilo" como uma técnica de camuflagem que contorna os detectores atuais. Através de uma síntese da literatura recente, discute-se como a manipulação da estrutura textual desafia a validade da autoria humana. O artigo conclui que o futuro da integridade acadêmica dependerá menos de ferramentas automatizadas de detecção e mais do estabelecimento de diretrizes institucionais claras, supervisão humana rigorosa e de um entendimento da informação como um processo intrinsecamente humano de atribuição de sentido. Nesse contexto, impõe-se uma mudança de mentalidade: o foco deve transitar da obsessão pela detecção de IA para a avaliação do valor intrínseco e das contribuições inéditas do trabalho. O mérito do investigador deve residir na sua capacidade de gerar inovação e conhecimento sólido, não apenas na fluidez do texto. Em última análise, a validade da ciência deve ser medida pela essência da descoberta e pela criatividade humana, independentemente das ferramentas utilizadas na configuração final do texto científico a ser publicado ou dos índices apontados por softwares de detecção de IA.
                                        )

                                    [publisher] => Universidade do Minho, do Instituto Brasileiro de Informação em Ciência e Tecnologia (Ibict) e da Fundação para a Ciência e a Tecnologia (FCT)
                                    [date] => 2026-07-29
                                    [type] => Array
                                        (
                                            [0] => info:eu-repo/semantics/article
                                            [1] => info:eu-repo/semantics/publishedVersion
                                        )

                                    [format] => Array
                                        (
                                            [0] => application/pdf
                                            [1] => application/pdf
                                            [2] => application/pdf
                                        )

                                    [identifier] => Array
                                        (
                                            [0] => https://recal.rcaap.pt/recal/article/view/243
                                            [1] => 10.82524/recal.2026.243
                                        )

                                    [source] => Array
                                        (
                                            [0] => Revista Ciência Aberta Lusófona; Vol. 2 (2026): Atas da 17ª Conferência Lusófona de Ciência Aberta; e00243
                                            [1] => 3051-7842
                                        )

                                    [language] => por
                                    [relation] => Array
                                        (
                                            [0] => https://recal.rcaap.pt/recal/article/view/243/151
                                            [1] => https://recal.rcaap.pt/recal/article/view/243/152
                                            [2] => https://recal.rcaap.pt/recal/article/view/243/153
                                        )

                                    [rights] => Array
                                        (
                                            [0] => Direitos de Autor (c) 2026 Carlos Alberto Araújo, Daniel Brito Bicalho (Autor)
                                            [1] => https://creativecommons.org/licenses/by-nc/4.0/deed.en
                                        )

                                )

                        )

                )

        )

)