Referências bibliográficas: números de edição

O modelo troca edição por volume e apaga o número da referência. Veja como pedir campo por campo e conferir cada referência contra a fonte original.

Preservar números de edição em referências bibliográficas com IA exige tratar cada campo como dado separado e não como texto corrido. Número de edição é a informação que mais some ou muda quando um modelo de linguagem resume, revisa ou formata uma lista de referências.

O erro não é aleatório. Edição, volume, número e ano são números curtos que aparecem lado a lado na mesma linha, e o modelo tende a normalizar o que parece redundante. A saída prática é pedir cada campo isolado, conferir contra o exemplar e deixar a checagem final com uma pessoa. Este guia mostra por que o erro acontece, como testar o modelo antes de confiar, o que não delegar e como usar a IA só para padronizar a forma.

Resumo rápido

Número de edição é campo curto, cercado de outros números, e por isso é o mais trocado em respostas de IA.

Teste o modelo com referências reais, com edição, volume, número e ano misturados, antes de usar em produção.

Peça cada campo separado (autor, título, edição, volume, cidade, editora, ano) em vez de texto corrido.

Edição, reimpressão, volume e número da revista são coisas diferentes e não podem ser trocadas.

Conferência final contra a fonte original é trabalho humano. Não delegue.

Use a IA para padronizar a forma da referência, mantendo o conteúdo já conferido por alguém.

Por que o modelo erra o número de edição

Uma referência completa concentra muitos números em poucas palavras. “Cidade: Editora, 2019. 3. ed. v. 2, n. 4, p. 55-70” tem ano, edição, volume, número de fascículo e páginas na mesma linha. O modelo não vê campos separados ali, vê uma sequência de números que ele precisa reorganizar na forma que julga correta.

Some a isso um viés de normalização. Modelos de linguagem foram treinados, em boa parte, para produzir texto fluido e sem repetição. Numa lista de referências, isso vira comportamento indesejado: dois “2” seguidos parecem redundância e o modelo apaga um deles. É comum ver “2. ed.” virar “2. v.” ou simplesmente desaparecer quando o mesmo dado aparece em outro lugar da linha.

O terceiro fator é o truncamento silencioso. Quando o modelo resume, ele decide o que é essencial. Ano e título parecem essenciais. Número de edição, entre parênteses, parece detalhe. O que se perde não gera erro visível, gera uma citação incompleta que passa na leitura rápida.

O que cada campo significa

Antes de pedir qualquer coisa ao modelo, deixe claro o vocabulário. Os campos abaixo são os que costumam ser confundidos.

Campo	O que significa	Erro típico do modelo
Edição	Versão revisada e publicada do livro inteiro, como “2. ed.”	Trocado por volume, apagado quando o número aparece duas vezes na linha ou transformado em “2. v.”
Volume	Parte física de uma obra dividida em tomos, como “v. 2”	Aparece como edição, ou some quando o número é igual ao da edição
Número	Fascículo dentro do volume, em periódicos, como “n. 4”	Convertido em edição (“4. ed.”) ou removido por parecer repetido
Reimpressão	Nova tiragem sem alteração de conteúdo	Trocado por edição, aumentando a importância da versão
Ano	Ano da publicação da edição citada	Substituído pelo ano de outra edição, ou pelo ano de uma reimpressão
Exemplar físico	Volume físico no acervo de uma biblioteca	Tratado como se fosse a edição, quando é uma cópia da obra

Duas confusões aparecem com frequência. A primeira é entre edição e volume: uma obra de 2020 pode ter 4. ed. e v. 3 ao mesmo tempo, e os dois números existem, em campos diferentes. A segunda é entre edição e reimpressão: se o conteúdo não mudou, não é edição nova, e citar como “3. ed.” uma reimpressão da 2. ed. muda o sentido da citação.

Como testar o modelo antes de confiar

Não use o modelo em produção sem teste. Monte um conjunto com referências reais do seu acervo, com edição, volume, número e ano misturados, e confira item por item. O teste precisa incluir casos que provocam o erro.

Livro com 2. ed. e v. 2, para ver se os dois números sobrevivem separados.
Artigo de periódico com v. 12, n. 3, p. 45-58, para o modelo não transformar o número em edição.
Referência com edição no meio da linha, cercada de ano e volume.
Obra com reimpressão, para checar se o modelo inventa uma edição nova.
Referência em que o número de edição é o mesmo do ano por coincidência.
Item sem edição nenhuma, para verificar se o modelo resiste a completar.

O critério de aprovação é simples: cada campo preservado, sem invenção. Se o modelo acerta o título e o autor e erra a edição, ele não está pronto para formatar referências. Repita o teste depois de qualquer troca de modelo ou de versão, porque o comportamento muda entre versões.

Pedir cada campo separado em vez de texto corrido

A instrução que mais reduz erro é exigir campos isolados. Em vez de “formate esta lista de referências”, peça um campo por linha e proíba o modelo de completar o que não está na fonte.

Você vai organizar referências bibliográficas.
Para cada obra, devolva um item com estes campos separados:
autor, titulo, edicao, volume, numero, cidade, editora, ano, paginas, doi.

Regras:
- Reproduza cada valor exatamente como está na fonte recebida.
- Se o campo não existir na fonte, escreva apenas "n/d".
- Nunca deduza edição a partir de volume, número ou ano.
- Nunca converta reimpressão em edição.
- Não remova número que pareça redundante.
- Não invente editora, cidade ou ano.
- Não normalize "3. ed." para "3ª edição" nem o contrário.

Com saída estruturada, a conferência fica mecânica: você compara campo por campo com a fonte, sem reler a frase inteira. É muito mais rápido do que revisar texto corrido e muito menos sujeito a deixar passar um erro.

Formato de saída ajuda a conferir

Quando o modelo devolve JSON ou tabela, os campos ficam visualmente isolados e a falta de um valor aparece. Se você usa um sistema que aceita esquema de saída, defina quais campos são obrigatórios e deixe o modelo preencher “n/d” quando não houver informação. Isso impede o preenchimento por dedução, que é a origem da maior parte dos erros de edição.

Padronizar a forma, preservar o conteúdo

A divisão de trabalho que funciona é esta: o conteúdo vem conferido por uma pessoa, e a IA cuida da forma. Forma aqui significa ordem dos campos, pontuação, itálico de título, abreviação de edição e volume sempre do mesmo jeito, uso constante de separadores. Isso é trabalho repetitivo e o modelo faz bem.

Conteúdo é outra coisa. Se a edição citada é a 2. ou a 3., se o volume é o 2 ou o 1, se o ano é o da edição física no acervo, isso só se responde olhando o exemplar ou o registro oficial da publicação. Nenhum modelo sabe isso sem a fonte.

Exemplo: biblioteca universitária em Porto Alegre (RS)

Uma biblioteca universitária em Porto Alegre revisa as referências dos trabalhos de conclusão e dos relatórios técnicos antes de liberar a entrega. O volume de listas é grande no fim do semestre, e boa parte do trabalho é padronizar a forma: mesma ordem de campo, mesma abreviação, mesmo separador.

O desenho proposto coloca a IA só nessa parte. O revisor recebe a lista do aluno, extrai os dados de cada referência do próprio exemplar do acervo e alimenta o modelo com os campos já separados. O modelo devolve a referência padronizada na forma usada pela instituição, sem tocar em edição, volume ou ano. A conferência final continua humana: o revisor compara a saída com o exemplar e com o registro da publicação, campo por campo.

O cuidado principal é não pedir ao modelo que extraia o número de edição da referência do aluno, porque essa referência pode já estar errada. O dado entra já conferido na fonte, e a IA só organiza. O ganho esperado está no tempo de padronização, não na substituição da checagem.

O que não delegar ao modelo

Conferência final contra a fonte. Comparar a referência com o exemplar ou com o registro oficial é trabalho humano.
Decidir qual edição foi usada. Isso depende do exemplar que o autor consultou.
Resolver campo ausente. Quando falta edição, o correto é deixar em branco ou investigar, nunca deduzir.
Corrigir referência sem fonte. Se ninguém tem o exemplar, o modelo não tem como saber o que está certo.
Substituir a norma da instituição. A IA segue o padrão que você fornecer, ela não define o padrão.
Assinar a revisão. Quem responde pela lista é o revisor.

Um cuidado adicional: referência com DOI é fácil de conferir pelo identificador oficial, e esse é o caminho mais seguro. Quando existe DOI, use-o para confirmar os dados do artigo antes de formatar.

Erros comuns

Pedir “revise e formate estas referências” em texto corrido, sem separar campos.
Aceitar resposta em que a edição sumiu e ninguém percebeu, porque o resto da linha ficou bonito.
Deixar o modelo deduzir edição a partir de volume, número ou ano.
Tratar reimpressão como edição nova, alterando o sentido da citação.
Não testar o modelo com referências reais antes de usar no fluxo de revisão.
Confiar na padronização e pular a conferência contra o exemplar.
Mandar a referência já errada do autor como fonte e esperar que o modelo identifique o erro sozinho.
Trocar de modelo ou de versão sem refazer o teste de preservação de campo.

Perguntas frequentes

Posso usar a IA para gerar a referência inteira?

Para padronizar a forma de dados que você já tem, sim. Para descobrir os dados do zero, não. O modelo pode completar editora, cidade e ano com valores plausíveis e errados, e o erro passa sem aviso.

Como saber se o modelo está errando a edição?

Monte uma lista de teste com referências reais e compare campo por campo. Inclua casos com edição e volume no mesmo número, e casos sem edição nenhuma. Se algum campo for alterado ou criado, o modelo não está pronto.

Saída estruturada resolve o problema?

Ajuda bastante, porque separa os campos e permite exigir “n/d” quando falta dado. Não elimina o risco, porque o modelo ainda pode atribuir o valor errado a um campo. A conferência continua necessária.

Qual a diferença entre edição e reimpressão?

Edição nova tem alteração de conteúdo, com data própria. Reimpressão é uma tiragem nova do mesmo conteúdo. Citar reimpressão como edição informa ao leitor uma versão da obra que não existe.

E o número da revista, entra como edição?

Não. Em periódico, o volume é a série anual e o número é o fascículo dentro dela. Tratar o fascículo como edição é um dos erros mais comuns em listas revisadas automaticamente.

Preciso de um sistema específico para isso?

Um gerenciador de referências ajuda a manter os campos estáveis e a reaproveitar registros. Mesmo sem ele, uma planilha com uma coluna por campo resolve a parte de preservar dados e permite a conferência rápida.

Fontes e leitura recomendada

Para ir além, veja no IA Mágica o que são embeddings, como reduzir alucinação em respostas de IA, como testar um agente de IA e como transcrever reuniões com IA e gerar ata.

Referências bibliográficas: preservar edição com IA