Você extraiu a tabela. Os números estão na planilha, os gráficos já saíram, o capítulo de resultados começa a tomar forma. Falta escrever o parágrafo que descreve de onde veio tudo aquilo — e é exatamente aí que muita gente trava, porque essa subseção parece burocrática e não é. Ela é a única parte do trabalho que permite a outra pessoa refazer o que você fez.
É também a subseção onde o uso de inteligência artificial produz os piores resultados quando feito sem método, e por um motivo estrutural: a IA não estava lá quando você fez a extração. Ela não sabe a data, não sabe qual tabela você abriu, não sabe quais filtros você marcou. Se você pedir “escreva a seção de fonte de dados do meu TCC”, ela vai preencher esses vazios com algo plausível — e plausível, aqui, é sinônimo de falso.
Este guia mostra como inverter a relação: em vez de pedir que a ferramenta invente o conteúdo, você fornece o conteúdo e usa a ferramenta para o que ela realmente faz bem, que é transformar anotações soltas em prosa acadêmica consistente.
As seis informações que só você tem
Uma subseção de fonte de dados completa responde a seis perguntas. Nenhuma delas pode ser deduzida por um modelo de linguagem, porque todas dependem do que aconteceu na sua tela.
| Informação | Por que a IA não pode fornecer |
|---|---|
| Qual sistema ou portal foi consultado | Existem várias bases plausíveis para o mesmo tema; só você sabe qual abriu |
| Qual tabela ou consulta específica | Números e nomes de tabela são identificadores concretos — inventá-los é fabricar uma fonte |
| Quais filtros foram aplicados | Território, período, sexo, faixa etária, categoria: cada marcação altera o resultado |
| A data da extração | Bases são revisadas retroativamente; a data fixa a versão que você usou |
| Quantos registros resultaram | É a conferência que prova que a consulta descrita produz a tabela apresentada |
| Que tratamento foi aplicado depois | Exclusões, agregações, cálculos derivados e tratamento de ausentes são decisões suas |
Repare que essas seis linhas são um registro, não um texto. Produzi-las leva cinco minutos no momento da extração e é impossível reconstituí-las com fidelidade três meses depois — outro motivo para anotar enquanto a tela ainda está aberta.
O risco específico: a fonte que não existe
Referências bibliográficas inventadas por IA já são um problema conhecido, tratado em referências falsas inventadas por IA. O que quase ninguém discute é a versão desse problema aplicada a dados: descrições de fonte que soam corretas e apontam para algo que não existe.
As formas mais comuns são três. A primeira é o número de tabela inventado: a ferramenta produz uma referência a uma tabela com identificador plausível dentro de um sistema real, e ninguém confere. A segunda é a atribuição trocada: um indicador é atribuído a um órgão que não o produz, o que é especialmente fácil de acontecer entre institutos que republicam dados uns dos outros. A terceira é o detalhe metodológico genérico, do tipo “os dados são coletados anualmente por amostragem probabilística”, escrito sem que ninguém tenha verificado se aquela base específica funciona assim.
Os três erros compartilham a mesma característica perigosa: são invisíveis para quem não conhece a base. Passam pelo orientador apressado e explodem na banca, quando alguém que trabalha com aquela fonte percebe que a descrição não corresponde. E, diferentemente de um erro de formatação, esse compromete a credibilidade de todo o capítulo de resultados.
O insumo certo: o registro de extração
A inversão do método é simples. Em vez de pedir o texto, você entrega o registro e pede a redação. O registro é uma lista crua, escrita por você no momento em que baixou os dados, sem preocupação com estilo. Algo assim:
Sistema: tabulador de estatísticas vitais do Ministério da Saúde. Consulta: óbitos por unidade da federação e ano. Conteúdo selecionado: óbitos por residência. Período: 2015 a 2024. Filtros: sexo — todas as categorias; faixa etária — 20 a 59 anos; capítulo da CID-10 — capítulo IX. Extração feita em 14 de setembro de 2026. Resultado: 27 linhas por 10 colunas. Tratamento: exclusão da linha “Ignorado”; cálculo de taxa por 100 mil habitantes usando estimativas populacionais do mesmo ano.
Com esse insumo, a tarefa da ferramenta deixa de ser inventar e passa a ser redigir: transformar a lista em um parágrafo em terceira pessoa, no tempo verbal adequado, com a terminologia metodológica correta e sem acrescentar nenhuma informação nova. Essa última instrução é a mais importante do prompt, e vale escrevê-la de forma explícita — peça que nada fora da lista seja incluído e que qualquer lacuna seja sinalizada em vez de preenchida.
O que exigir do texto gerado
Um bom parágrafo de fonte de dados tem quatro qualidades verificáveis. Ele nomeia a fonte com exatidão, na forma como a própria base se identifica — muitos sistemas trazem a citação pronta no rodapé da consulta, e essa é a formulação a usar. Ele descreve o recorte sem ambiguidade, de modo que outra pessoa consiga reproduzir os mesmos filtros. Ele registra a data de extração. E ele separa claramente o que veio da base do que foi calculado por você.
Essa última separação é a que mais se perde na reescrita. Quando o texto diz “a taxa de mortalidade da região foi de X”, perdeu-se a informação de que a taxa é um cálculo seu e não um número publicado. A formulação correta indica a operação: “a taxa foi calculada a partir dos óbitos registrados no sistema e das estimativas populacionais do mesmo ano”.
A checagem final, item a item
Antes de colar qualquer parágrafo gerado no trabalho, percorra esta conferência. Ela leva poucos minutos e é o que impede que uma fonte inventada entre no documento.
- Cada nome de órgão, sistema ou tabela citado no texto aparece no seu registro de extração? Se apareceu do nada, apague.
- O nome da fonte está escrito como a própria base se identifica, e não numa versão aproximada?
- A data de extração é a sua data real, e não uma data genérica?
- Os filtros descritos batem exatamente com os que você marcou, incluindo os que ficaram em “todas as categorias”?
- O número de linhas ou registros mencionado corresponde à sua planilha?
- Está claro no texto o que é dado publicado e o que é cálculo seu?
- Alguma afirmação metodológica sobre a base — periodicidade, forma de coleta, cobertura — foi conferida na documentação oficial dela?
O último item merece ênfase. Frases sobre como a base é construída soam inofensivas e são justamente onde entram as invenções mais convincentes. Se a afirmação não veio das notas técnicas do próprio sistema, ou ela sai do texto, ou você vai conferi-la antes de mantê-la. O passo a passo de onde encontrar esses avisos em um tabulador público está em como consultar o DataSUS pelo TabNet.
O que a IA de fato acelera aqui
Delimitado o risco, sobra um ganho real e considerável. A ferramenta é eficiente para converter anotações telegráficas em prosa acadêmica, para manter o mesmo tempo verbal e a mesma pessoa gramatical ao longo de todo o capítulo, para produzir variações de uma mesma descrição quando o trabalho usa várias fontes e a repetição literal ficaria pesada, e para checar coerência entre o que o método declara e o que os resultados apresentam.
Também é útil na direção inversa: colar o parágrafo pronto e pedir que ela liste quais informações um leitor precisaria para reproduzir a consulta é uma forma rápida de descobrir o que ficou faltando. Essa pergunta costuma revelar a ausência da data de extração, que é a omissão mais comum de todas.
Vale distinguir esta etapa das vizinhas. A escolha do tratamento estatístico e a interpretação dos números são outra conversa, tratada em IA para analisar dados do TCC; a construção do capítulo de metodologia como um todo está em como escrever a metodologia do TCC com IA. Aqui o objeto é apenas a subseção que declara a origem dos dados — pequena, chata e desproporcionalmente decisiva.
Se você já tem o registro de extração e quer transformá-lo em capítulo sem perder a consistência com o resto do trabalho, o Tesify ajuda a estruturar a metodologia do seu TCC mantendo as referências no padrão ABNT — 100% escrito por você.
Perguntas frequentes
Preciso declarar que usei IA para redigir essa parte?
Depende da política da sua instituição, e elas variam bastante. A regra segura é verificar o regulamento do curso antes de entregar e, havendo exigência de declaração, cumpri-la. O conteúdo factual da subseção, em todo caso, é seu: a ferramenta redige, não apura.
A IA pode consultar a base por mim?
Mesmo quando uma ferramenta acessa a internet, ela não substitui a sua extração: o que vai para o trabalho precisa ser a consulta que você fez, com os filtros que você escolheu, na data em que a fez. Usar um resultado obtido por outro caminho e descrevê-lo como sua extração é descrever algo que não aconteceu.
Onde essa subseção fica dentro do capítulo?
No capítulo de metodologia, tipicamente logo após a caracterização do tipo de estudo e antes dos procedimentos de análise. Em trabalhos inteiramente construídos sobre bases existentes, ela costuma ganhar título próprio, conforme descrito em TCC com dados secundários.
E se eu esqueci de anotar a data de extração?
Refaça a consulta com os mesmos filtros e anote a data de hoje, conferindo se os números batem com os da sua planilha. Se não baterem, a base foi revisada no intervalo — e essa é uma informação que precisa aparecer no trabalho, não ser escondida.
Qual é o tamanho ideal dessa subseção?
Um a dois parágrafos densos resolvem a maior parte dos TCCs de graduação. O critério não é a extensão: é se um leitor conseguiria repetir a consulta apenas com o que está escrito ali.
A subseção de fonte de dados é curta, e é a única parte do TCC que sustenta todas as outras. Escrevê-la a partir de um registro real, e não de um texto plausível, custa alguns minutos e evita o tipo de pergunta de banca que não tem resposta. Comece agora.