← O que é a verdade?

Ciência

O melhor método que temos para entender o mundo. Como ele se corrige. Como o dinheiro o distorce. Por que as duas histórias importam.

Como ler esta página. Toque em qualquer palavra sublinhada para ver o termo exato e uma definição curta. Abra qualquer caixa "Mais a fundo" para ver as evidências e os pontos contestados. O texto principal se sustenta sozinho — você pode pular as duas coisas e ainda assim acompanhar o argumento inteiro.

Como a ciência se corrige

A crise da replicação (replication crisis) é a descoberta de que muitos resultados publicados em psicologia e medicina não podiam ser reproduzidos. Ela foi identificada e divulgada por cientistas, gerou um movimento global de reforma dentro da área e deixou sinais mensuráveis de que a prática de pesquisa mudou. O artigo de 2015 da Open Science Collaboration na Science trouxe a crise da replicação a público: o grupo replicou 100 estudos publicados e constatou que muitos não podiam ser reproduzidos. Isso é doloroso. Também é o mecanismo de correção funcionando.

Depois, a área mediu a si mesma. Um estudo de 2023 na PNAS usou um modelo de aprendizado de máquina para estimar a probabilidade de replicação de mais de 14.000 artigos de psicologia publicados entre 2000 e 2019 — um mapa de toda a disciplina, que mostra onde o problema é mais grave. E uma análise de 2025 de 240.000 artigos de psicologia publicados entre 2004 e 2024 constatou que, em todas as subáreas, o estudo típico agora relata evidências estatísticas bem mais fortes do que antes da crise — um sinal indireto, mas consistente, de que as reformas mudaram a prática. A área identificou o problema, publicou sobre ele e mudou a prática. Isso não é um fracasso da ciência. É a ciência fazendo o que foi projetada para fazer.

Uma ressalva honesta

Estudos influentes continuam sendo citados depois de terem falhado na replicação. O mecanismo de correção é real, mas imperfeito e lento. O artigo de 2022 de Simine Vazire e Alex Holcombe, na Review of General Psychology, faz uma avaliação honesta de onde a autocorreção funciona e de onde ela não funciona. A ciência é o melhor método disponível; não é infalível.

A dúvida fabricada como estratégia

Desconfiar da ciência por inteiro não é uma posição neutra. É uma posição que beneficia atores específicos. O livro Merchants of Doubt, de Naomi Oreskes e Erik Conway (2010), documenta como a indústria do tabaco foi pioneira em financiar contrapesquisas para criar uma aparente controvérsia científica onde quase não havia controvérsia nenhuma — especificamente para atrasar a regulação. A indústria de combustíveis fósseis usou a mesma estratégia no caso da ciência do clima. Os ativistas antivacina usam algumas das mesmas táticas — distorcem a ciência, trocam de hipótese e atacam os críticos. Documentos internos da indústria do tabaco, tornados públicos por meio de processos judiciais, mostram que essa estratégia era explícita e deliberada.

Quando alguém disser a você que todo consenso científico é fabricado, vale perguntar: quem ganha com você acreditar nisso? Quem ocupa o vazio quando você deixa de consultar fontes verificáveis?

Quando a ciência é comprada

A dúvida fabricada tem uma irmã mais discreta: pagar pela resposta. Os casos abaixo estão documentados nos próprios papéis internos das empresas, e todos podem ser verificados nos links abaixo.

Tabaco. Um documento de planejamento da Brown & Williamson de 1969 (a “Smoking and Health Proposal”) resumiu a estratégia em uma linha: “A dúvida é o nosso produto.” Ao lado da campanha da dúvida, a indústria financiou pesquisas pensadas para chegar a conclusões convenientes. Milhões de documentos internos, tornados públicos por meio de processos judiciais, podem ser consultados por qualquer pessoa no arquivo Truth Tobacco Industry Documents, da Universidade da Califórnia. Você pode ler a estratégia nas palavras da própria indústria.

Açúcar. Nos anos 1960, a Sugar Research Foundation pagou cientistas de nutrição de Harvard — cerca de US$ 50.000 em valores de hoje, sem que isso fosse divulgado — por uma revisão no New England Journal of Medicine que minimizava o papel do açúcar nas doenças cardíacas e apontava a gordura como culpada. Isso moldou as recomendações alimentares por décadas. O caso foi documentado a partir da correspondência interna da fundação por Kearns, Schmidt e Glantz (2016), no JAMA Internal Medicine.

Petróleo. Supran e Oreskes (2017) analisaram quatro décadas de comunicação da ExxonMobil e encontraram uma discrepância sistemática: as pesquisas da própria empresa, revisadas por pares, reconheciam a mudança climática causada pelo ser humano, enquanto os informes publicitários que ela pagava promoviam dúvidas sobre o assunto.

E o padrão como um todo. Não se trata de um punhado de casos isolados. Uma revisão Cochrane de 75 artigos constatou que pesquisas sobre medicamentos e dispositivos patrocinadas pela indústria chegam a conclusões favoráveis ao patrocinador com frequência significativamente maior do que pesquisas com financiamento independente sobre as mesmas questões. É o “efeito do financiamento” (“funding effect”), medido em toda a literatura.

Repare em quem expôs cada caso: pesquisadores e jornalistas que aplicaram o método documental e científico aos registros da própria indústria. A lição não é desconfiar da ciência por inteiro — essa é a cartilha da dúvida fabricada funcionando em você. A lição é perguntar, diante de qualquer estudo isolado e conveniente: quem pagou por isso? E apoiar as defesas estruturais que existem por causa desses casos: a declaração obrigatória de conflitos de interesse, o pré-registro de ensaios clínicos (publicar o plano de um estudo antes de ele começar, para que um resultado incômodo não possa sumir em silêncio) e o financiamento público independente.

Wikipédia — um caso imperfeito, mas instrutivo

A Wikipédia não é uma fonte primária — o estudo, o documento ou o registro original —, e sim um resumo do que outros publicaram, e ela mesma diz isso: um ponto de partida para a pesquisa, não algo para citar. Ela já foi palco de guerras de edição, de tentativas de manipulação e de erros factuais que persistiram por anos. Nada disso está em disputa.

Ela também é um dos exemplos mais instrutivos do mecanismo de correção de que trata esta seção. Todo artigo da Wikipédia tem uma aba “Discussão” no alto da página. Ela leva à página de discussão do artigo, onde os editores debatem por escrito como o artigo deve mudar — ou, se ninguém a criou ainda, permite que qualquer pessoa a comece. Há um histórico de versões, onde cada alteração fica registrada, e um sistema de avisos — o mais conhecido é “[carece de fontes?]”, na Wikipédia em inglês “[citation needed]” — que marca as afirmações contestadas ou sem fonte. Quando a Wikipédia erra, o processo de correção fica visível. Compare isso com um AI Overview do Google, um feed de notícias selecionado por algoritmo ou um post viral nas redes sociais: nenhum deles mostra suas correções como faz uma página de discussão, nenhum avisa de forma confiável quando o conteúdo é contestado e nenhum mantém um registro público do que cada pessoa viu.

O valor da Wikipédia está na transparência das correções, não em ser infalível. Em nossa leitura, em temas científicos e técnicos com comunidades ativas de editores especialistas ela costuma ser confiável; em temas politicamente contestados e em acontecimentos recentes, exige mais cautela. As listas de referências — as citações no fim dos artigos bem cuidados — representam anos de trabalho editorial para encontrar os estudos e documentos originais. Comece pelas referências, não pelo texto.

Como sabemos — as evidências sobre replicação e os limites da autocorreção +

A afirmação de que a ciência se autocorrige também se apoia em evidências, não em suposições. Em 2015, a Open Science Collaboration refez diretamente 100 estudos. O estudo da PNAS de 2023 (Youyou, Yang & Uzzi) seguiu outro caminho: treinou um modelo de aprendizado de máquina com características de artigos que, sabidamente, tinham replicado ou não, e depois atribuiu uma pontuação a mais de 14.000 artigos de psicologia de 2000–2019. O resultado mostra que a replicabilidade varia muito conforme a subárea e o método, em vez de ser um único número para a área inteira. Bogdan (2025), em uma revista da APS, acompanhou os valores-p relatados em 240.355 artigos de 2004 a 2024 e constatou que eles ficaram bem mais fortes ao longo da década seguinte à crise, em todas as subáreas. Não é uma medida direta da replicabilidade, mas é a marca mais provável de amostras maiores e do pré-registro. Três métodos diferentes, um mesmo quadro: a área percebeu, publicou e mudou a forma como trabalha.

Uma correção nossa. Uma versão anterior desta página citava o estudo dos 240.000 artigos, depois o removeu como inexistente e passou a atribuir ao artigo da PNAS uma tendência de aumento da replicabilidade. As duas mudanças estavam erradas: o estudo grande existe (Bogdan 2025), e o artigo da PNAS não relata nenhuma tendência. O registro de correções documenta o caso.

O limite honesto. Vazire e Holcombe (2022) documentam onde a autocorreção emperra: resultados desacreditados continuam sendo citados por anos, os incentivos ainda premiam mais a novidade do que a replicação, e a correção é lenta. Portanto, “a ciência se autocorrige” é uma afirmação sobre a existência e a direção do mecanismo, não sobre ele ser rápido ou completo. É exatamente esse o contraste com sistemas — feeds, AI Overviews, propaganda — que não têm mecanismo nenhum desse tipo.

Democracia →
Sintomas: Desinformação em saúde →