Ideia principal

Pedir a um assistente de IA "me encontre trinta boas fontes sobre este assunto" é decidir o tamanho da pesquisa antes de saber o que está faltando. O número vira então o indicador implícito de qualidade: trinta fontes dão a impressão de cobertura.

Só que trinta documentos podem carregar apenas algumas ideias repetidas. Podem vir do mesmo tipo de ator, citar os mesmos trabalhos, partir das mesmas premissas e ignorar a mesma contradição. O volume mede o esforço de coleta, não a extensão do que foi entendido — e os ângulos mal representados nos primeiros resultados continuam invisíveis, qualquer que seja o número de documentos reunidos.

O problema não é ter muitas fontes: algumas pesquisas exigem centenas. É fixar esse número de antemão, na sequência "escopo → trinta fontes → leitura → síntese", em vez de deixá-lo sair do que a pesquisa descobre.

Por que isso importa

Isso corrige um reflexo muito comum no pedido feito a uma ferramenta de pesquisa: a pergunta relevante não é "quantas fontes eu tenho?", e sim "o que o meu corpus já sabe, e o que ele ignora?".

E isso explica por que um corpus volumoso pode ser mais pobre do que um corpus curto: a redundância produz confirmação, não conhecimento.

Nuances e limites

Um número fixado de antemão continua útil como orçamento — um limite de custo ou de tempo. Ele vira um problema quando é lido como prova de cobertura.

E um corpus redundante não é inútil em si: evidências independentes que convergem reforçam uma afirmação. O que engana é a redundância involuntária, confundida com diversidade.

Questões em aberto

• Como detectar, sem reler tudo, que um conjunto de fontes só repete os mesmos trabalhos sob assinaturas diferentes?