Digital foodscapes é o nome dado para os espaços relacionais em que comprar comida, cozinhar, comer, falar sobre alimentação, produzir conhecimento nutricional e decidir o que parece saudável ou desejável deixam de acontecer apenas em ambientes materiais e passam a se organizar em arranjos inseparavelmente físicos e digitais. Não se trata apenas de “falar sobre comida na internet”, mas de um ecossistema híbrido em que aplicativos, plataformas, influenciadores, sistemas de recomendação, rastreamento de dados, chatbots e infraestruturas técnicas passam a participar ativamente da produção, da circulação e da interpretação do comer. Nessa perspectiva, o digital compõe o próprio ambiente em que esse comportamento se forma, se repete e se transforma [1-3].

O ambiente em que se come

Uma das contribuições mais importantes da noção de digital foodscapes é obrigar a abandonar a ideia de que o digital seria apenas uma “camada” adicionada ao cotidiano alimentar. O que está em jogo é algo mais profundo. Comer hoje acontece em um ambiente socioecológico já saturado por mediações digitais. O restaurante é encontrado por geolocalização, o cardápio é lido por QR code, a refeição é fotografada antes de ser provada, o pedido é intermediado por aplicativos, a avaliação do prato circula em plataformas e o efeito simbólico daquela experiência se prolonga muito além da mesa. O comer se tornou, ao mesmo tempo, ingestão, interface, rastreamento, exposição e dado [1,4-6].

Isso tem consequências diretas para a rotina do nutricionista nos âmbitos clínico, educacional e institucional. O digital intensifica padrões já bem descritos do comer moderno (refeições rápidas, solitárias, distraídas e interrompidas por telas). Estudos sobre uso de mídias durante as refeições mostram que a presença de dispositivos se associa a alterações no contexto alimentar familiar, integrando a forma contemporânea de comer em diferentes países [4-5]. Não é exagero dizer que, em muitos casos, a refeição não disputa atenção com a tela, ela é organizada por ela [4-6].

O ponto decisivo aqui é que o ambiente digital não apenas informa escolhas. Ele antecipa, filtra, hierarquiza e normaliza repertórios. Um cardápio não aparece do mesmo modo para todos. Um vídeo de receita não chega a todos pelos mesmos caminhos. Um conteúdo sobre emagrecimento, proteína, jejum, intestino ou suplementação não depende apenas da sua qualidade, mas da aderência algorítmica àquilo que a plataforma supõe que o usuário deseja ver. O resultado é que o comer contemporâneo passa a ser moldado por uma infraestrutura de atenção que seleciona, simplifica e empurra comportamentos antes mesmo de qualquer reflexão deliberada [1-3].

A refeição como performance, comparação e vigilância

Se o ambiente digital reorganiza o ambiente do comer, ele também reorganiza o significado de comer. A refeição deixa de ser apenas prática cotidiana e passa a ser conteúdo. A comida precisa render imagem, comentário, engajamento, identificação e circulação. Revisões recentes mostram que redes sociais influenciam o comportamento de alguns consumidores, suas práticas culinárias, escolhas de produtos, aspirações corporais e suas noções de comida “boa”, “limpa”, “gostosa” ou “correta” [6-7]. Isso ajuda a explicar por que tantos sujeitos já não comem apenas para si, mas também para um público imaginado, para um algoritmo e para a própria autoimagem.

Essa mudança parece banal, mas não é. Quando o comer se torna performance visual permanente, a refeição passa a conviver com comparação corporal, vigilância moral e validação social. Um estudo alemão com influenciadores populares entre adolescentes mostram alta presença de promoção de alimentos e bebidas que não favorecem uma alimentação balanceada [8]. Meta-análises e revisões sistemáticas indicam que a exposição ao marketing digital de alimentos está associada a preferências, atitudes e ingestão alimentar em crianças e adolescentes, especialmente quando a publicidade se mistura com entretenimento, influência parasocial e formatos nativos de plataforma [9]. Em outras palavras, trata-se de propaganda travestida de estilo de vida, intimidade e espontaneidade.

A consequência subjetiva dessa lógica aparece de modo particularmente agudo quando alimento e corpo são consumidos no mesmo pacote do imaginário. Um experimento com 273 mulheres de 18 a 28 anos indicou que poucos minutos de exposição a conteúdo do TikTok associado à cultura pró-anorexia e à idealização da magreza foram suficientes para piorar a satisfação corporal e aumentar a internalização de padrões estéticos [10]. Em paralelo, uma etnografia com jovens de 18 a 26 anos nos Estados Unidos e na Índia mostrou que a confiança em informações online sobre alimentação e saúde tende a ser construída menos por critérios clássicos de expertise e mais por afinidade corporal, moral e identitária: confia-se em quem parece “como eu”, vive “como eu” e encarna um corpo que parece desejável ou crível [11].

Esse mesmo circuito aparece no fenômeno do mukbang. Em sua forma mais visível, trata-se de transformar o ato de comer em espetáculo. Mas a literatura mostra que o fenômeno é complexo e mistura companhia vicária, erotização do excesso, curiosidade, catarse, comparação corporal, fascínio por autocontrole e, em alguns casos, exacerbação do sofrimento alimentar. Algumas análises apontam que comentários de espectadores frequentemente giram em torno do espanto diante de corpos magros que ingerem grandes quantidades de alimentos, produzindo especulações sobre purgação, metabolismo e merecimento corporal [12]. Estudos preliminares sugerem associações entre assistir mukbang, comer transtornado, dependência de internet e pior qualidade da alimentação [13,14]. Mais recentemente, pesquisas qualitativas com pessoas que vivem transtornos alimentares mostraram que o consumo de conteúdo digital de comida costuma funcionar em ciclos de aproximação, recaída, abandono e retorno: busca-se alívio, distração ou regulação emocional, mas o efeito pode ser o oposto e aprofundar a captura pelo próprio problema [15].

Autoridade em disputa e conhecimento nutricional instável

Nesse cenário, a disputa contemporânea em torno da alimentação não é apenas sobre o que comer. É também sobre quem define o que conta como conhecimento confiável. A literatura vem mostrando de forma consistente que a informação nutricional online é, com frequência, baixa em qualidade e precisão [16]. Revisões de revisões sobre desinformação em saúde mostram que mídias digitais aceleram disseminação, amplificação e persistência de informações errôneas, especialmente quando combinam apelo emocional, facilidade de compartilhamento e aparência de autenticidade [17]. A alimentação é terreno fértil para esse processo porque se situa na interseção de identidade, estética, moralidade, prazer, desempenho, medo e promessa de autocontrole.

O problema não é apenas a presença de erros isolados. É a constituição de um ambiente epistêmico em que formatos curtos, linguagem confessional, autoridade performática e repetição algorítmica produzem sensação de verdade. Por isso, muitas vezes a dificuldade não é corrigir um dado falso, mas romper uma arquitetura de confiança. Não raro, as mensagens mais persuasivas são justamente as menos verificáveis: depoimentos pessoais, “rotinas”, “protocolos”, “hackeamentos” metabólicos, listas de alimentos proibidos, recomendações sobre intestino, inflamação, hormônios ou suplementos formuladas em tom íntimo e seguro. Em um trabalho sobre influenciadores no Instagram, a desinformação sobre suplementos alimentares apareceu como um problema concreto, com afirmações enganosas e apresentação de produtos com aparente naturalidade e benefício [18].

Essa mudança altera profundamente o encontro com quem busca cuidado. Raramente alguém chega sem repertório. O mais comum é chegar atravessado por narrativas já prontas, fragmentadas, emocionalmente convincentes e, às vezes, mutuamente incompatíveis. O desafio contemporâneo do nutricionista já não é apenas “fornecer informação correta”. É disputar um ambiente de credibilidade no qual a linguagem da prova científica perdeu exclusividade e passou a concorrer com a credibilidade da experiência, da identificação e da plataforma [11,16-18].

Plataformas que abastecem e governam

As digital foodscapes não se limitam à esfera da comunicação. Elas reorganizam também o abastecimento e a própria arquitetura do acesso alimentar. Revisões sobre varejo alimentar no ambiente digital (por exemplo: aplicativos de refeições prontas ou compras de supermercado) mostram um quadro ambivalente: plataformas podem ampliar acesso, conveniência e autonomia em situações de doença, mobilidade reduzida, isolamento ou barreiras logísticas, mas também podem aprofundar desigualdades e favorecer padrões de escolha menos balanceados se deixadas à própria lógica comercial [19-20]. A conveniência, aqui, é uma forma de reconfiguração silenciosa da relação entre tempo, esforço, exposição e decisão.

O desenvolvimento do dashboard DIGIFOOD, na Austrália, mostrou disparidades entre áreas urbanas e rurais e maior saturação de ambientes online por delivery e redes de refeições prontas, sugerindo que os serviços digitais podem ampliar a exposição a opções menos balanceadas [21]. Em outra direção, um estudo com grande base empírica de plataforma de entrega propôs a noção de cyber food swamps: ambientes alimentares online nos quais a ampliação do raio de acesso e da exposição a restaurantes de fast food aumenta a probabilidade de pedidos menos balanceados. Nesse trabalho, o aumento da proporção de restaurantes de fast food acessíveis digitalmente esteve associado a maior chance de encomendar esse tipo de comida, inclusive com evidência de efeito de longo prazo [22].

Ao mesmo tempo, essas plataformas não governam apenas consumidores. Governam também trabalho, tempo e circulação. Um estudo misto com dados comportamentais de 100 mil entregadores e entrevistas em profundidade com 15 trabalhadores mostrou como algoritmos mediam rotas, ritmos, avaliações, relações com restaurantes e clientes e percepções de justiça no delivery [23]. Isso importa porque, quando se fala em alimentação mediada pelo digital, costuma-se ver apenas a superfície do pedido: rapidez, praticidade, variedade. Muito menos visível é a infraestrutura laboral que torna essa conveniência possível e que participa da configuração material do sistema alimentar cotidiano [19,23,24].

Quando a IA aprende com uma internet ruim

Na inteligência artificial aplicada à Nutrição, o fascínio costuma se concentrar no que a ferramenta aparentemente consegue fazer (montar cardápios, sugerir refeições, contar calorias, estimar porções, responder dúvidas, adaptar linguagem, dialogar com grande fluidez). Mas a questão decisiva talvez seja outra: de onde vem o conhecimento que torna essa fluidez possível, com que filtros ele foi organizado e o que acontece quando um sistema treinado para soar convincente aprende em um ambiente saturado por informação ruim?

O meme acima resume com humor um problema técnico real: modelos generativos podem reproduzir, amplificar e reciclar dados defeituosos. Na nossa realidade, isso é particularmente delicado porque o ecossistema digital já mistura evidência de alto nível, marketing, opinião, pseudociência, linguagem terapêutica improvisada, modismos corporais e conteúdo explicitamente enganoso [16-18]. Quando um sistema aprende com esse material, o risco não é apenas “errar”… mas sim, errar com excelente gramática, boa estrutura, tom seguro e aparência de síntese qualificada.

Esse risco já aparece na literatura aplicada. Estudos sobre aconselhamento alimentar por IA descreveram situações em que sistemas geraram recomendações nutricionais inadequadas, incluíram alérgenos em planos que deveriam ser isentos e falharam em reconhecer insuficiências de micronutrientes em padrões restritivos [25-26]. Revisões sobre chatbots para promoção de saúde em adolescentes também mostram que a viabilidade e a aceitabilidade ainda são limitadas e dependem de desenho, contexto e co-criação cuidadosa [27]. Há, portanto, uma diferença importante entre parecer útil e ser seguro.

Estudos sobre construção de datasets para aconselhamento nutricional mostram que, embora as “IA”s gerem texto fluente e parecido com texto humano, apresentam comportamentos potencialmente nocivos em tópicos sensíveis e não devem ser usados sem supervisão qualificada [28]. Mais decisivo ainda: um ensaio randomizado de sete semanas com chatbot nutricional indicou que funcionalidades baseadas em IA tiveram bom desempenho intrínseco, mas não produziram benefícios consistentes em desfechos reais de uso cotidiano [29].

É aqui que a discussão fica mais inquietante. O problema da IA na alimentação não se resume à possibilidade de “alucinação” pontual. O problema é a possibilidade de uma ecologia inteira de conhecimento degradado. Trabalhos sobre o chamado model collapse mostram que, quando modelos passam a ser treinados recursivamente em dados sintéticos produzidos por modelos anteriores, a diversidade informacional e a fidelidade às distribuições originais podem se degradar progressivamente [30]. Transportado para a nossa realidade, isso significa imaginar um ciclo em que conteúdos nutricionais pobres alimentam sistemas que geram novos conteúdos pobres, que por sua vez voltam para a internet, são reindexados, reciclados e reusados. Quando isso acontece em um domínio já contaminado por ruído comercial e autoridade improvisada, a IA se torna uma máquina de estabilizar plausibilidades frágeis [28-30].

Nesse sentido, o exemplo acima é emblemático: uma matéria produzida com IA que apresentava “entrevistas simuladas” com especialistas inexistentes expõe uma forma contemporânea de falsificação em que o texto se parece com serviço, a sintaxe se parece com responsabilidade editorial e a fonte inventada se parece com crededibilidade. O efeito mais perigoso não é o absurdo grotesco, mas a normalidade convincente. É justamente esse tipo de normalidade que pode atravessar, contaminar e reformatar o que lemos, o que ensinamos, o que prescrevemos e o que o público passa a reconhecer como linguagem aceitável sobre alimentação.

O futuro mais provável é a homogeneização

A consequência de longo prazo desse processo não é apenas mais confusão informacional. É homogeneização cultural. Plataformas funcionam por repetição, otimização, previsibilidade e escalabilidade. Elas premiam formatos reconhecíveis, imagens familiares, rotinas editáveis, emoções de rápida captura e alimentos que performam bem em visualidade, conveniência e monetização. Isso tende a estreitar o repertório do comer, não porque todos passem a consumir os mesmos itens, mas porque aprendem a desejar, avaliar e narrar a alimentação por gramáticas cada vez mais semelhantes.

Nesse cenário, só saímos perdendo. Perdemos o tempo sensorial da refeição, a opacidade do gosto, a aprendizagem do comer em contextos não mediados, a ambivalência fértil da culinária cotidiana, a diversidade das formas locais de nomear saciedade, prazer, cuidado, celebração e partilha. Em seu lugar, avançam categorias cada vez mais padronizadas: proteína, macro, déficit, clean, cheat, ingrediente funcional, alimento viral, refeição instagramável, recomendação otimizada, score de saúde, nota do aplicativo, resposta do chatbot. Não é que a cultura desapareça, mas ela passa a circular comprimida em formatos mais previsíveis e globalmente inteligíveis.

O ponto talvez mais desconcertante é geracional. Ainda existe, para muitos adultos de hoje, uma memória muito concreta de um mundo em que comer não era permanentemente acompanhado por tela, recomendação algorítmica, contagem, exposição, curadoria automática e aconselhamento sintético. Essa memória funciona como contraste e, às vezes, como defesa. Já quem nasceu dentro desse regime tende a percebê-lo menos como transformação e mais como condição natural do cotidiano. São esses sujeitos que ocuparão, em breve, os lugares de cuidado e decisão, mas também de sofrimento. Serão os futuros profissionais, os futuros pacientes, os futuros formuladores de políticas e os futuros treinadores (diretos ou indiretos) dos sistemas que continuarão a mediar a alimentação.

Não parece haver retorno a um “antes” intacto. O horizonte mais realista não é desfazer a digitalização do comer, mas aprender a trabalhar dentro dela. Isso exige reconhecer que hoje a nossa atuação já se dá em um campo atravessado por plataformas, mercados de atenção, performatividades corporais, bases de dados instáveis e inteligências artificiais treinadas em um mundo informacional desigual. O desafio não é decidir se o digital participa do comer. Esse ponto já foi ultrapassado. O desafio é compreender como ele passou a moldar, por dentro, as formas de desejar, conhecer, escolher, temer, julgar e viver o ato de comer.

Referências bibliográficas

1. Allgaier, J., Bartelmeß, T., Decorte, P., Evans, R., Feldman, Z., Fernandez, M. A., Forno, F., Fuentes, C., Graf, K., Grosglik, R., Han, D.-I. D., Huey, S. L., König, L. M., Leer, J., Lewis, T., Munk, A. K., Onorati, M. G., Parasecoli, F., Partridge, S. R., … Cardel, M. (2025, September 18). *Digital foodscapes: Past–present–future* [Position paper]. SocArXiv. https://doi.org/10.31235/osf.io/pzmu5_v2
2. World Health Organization. Regional Office for Europe. (2021). *Digital food environments: Factsheet*. https://iris.who.int/handle/10665/342072
3. Granheim, S. I., Løvhaug, A. L., Terragni, L., Torheim, L. E., & Thurston, M. (2022). Mapping the digital food environment: A systematic scoping review. *Obesity Reviews, 23*(1), e13356. https://doi.org/10.1111/obr.13356
4. Sproesser, G., Ruby, M. B., Arbit, N., Akotia, C. S., dos Santos Alvarenga, M., Bhangaokar, R., Furumitsu, I., Hu, X., Imada, S., Kaptan, G., Kaufer-Horwitz, M., Menon, U., Fischler, C., Rozin, P., Schupp, H. T., & Renner, B. (2019). Understanding traditional and modern eating: The TEP10 framework. *BMC Public Health, 19*, 1606. https://doi.org/10.1186/s12889-019-7844-4
5. Fulkerson, J. A., Loth, K., Bruening, M., Berge, J., Eisenberg, M. E., & Neumark-Sztainer, D. (2014). Time 2 tlk 2nite: Use of electronic media by adolescents during family meals and associations with demographic characteristics, family characteristics, and foods served. *Journal of the Academy of Nutrition and Dietetics, 114*(7), 1053–1058. https://doi.org/10.1016/j.jand.2013.10.015
6. Bartelmeß, T., & Godemann, J. (2022). Exploring the linkages of digital food communication and analog food behavior: A scoping review. *International Journal of Environmental Research and Public Health, 19*(15), 8990. https://doi.org/10.3390/ijerph19158990
7. Rini, L., Schouteten, J. J., Faber, I., Frøst, M. B., Perez-Cueto, F. J. A., & De Steur, H. (2024). Social media and food consumer behavior: A systematic review. *Trends in Food Science & Technology, 143*, 104290. https://doi.org/10.1016/j.tifs.2023.104290
8. Winzer, E., Naderer, B., Klein, S., Lercher, L., & Wakolbinger, M. (2022). Promotion of food and beverages by German-speaking influencers popular with adolescents on TikTok, YouTube and Instagram. *International Journal of Environmental Research and Public Health, 19*(17), 10911. https://doi.org/10.3390/ijerph191710911
9. Boyland, E., McGale, L., Maden, M., Hounsome, J., Boland, A., Angus, K., & Jones, A. (2022). Association of food and nonalcoholic beverage marketing with children and adolescents’ eating behaviors and health: A systematic review and meta-analysis. *JAMA Pediatrics, 176*(7), e221037. https://doi.org/10.1001/jamapediatrics.2022.1037
10. Blackburn, M. R., & Hogg, R. C. (2024). #ForYou? The impact of pro-ana TikTok content on body image dissatisfaction and internalisation of societal beauty standards. *PLOS ONE, 19*(8), e0307597. https://doi.org/10.1371/journal.pone.0307597
11. Xu, R., Le, N., Park, R., & Murray, L. (2024). Like-minded, like-bodied: How users (18–26) trust online eating and health information. In *Extended Abstracts of the CHI Conference on Human Factors in Computing Systems* (Article 227, pp. 1–7). Association for Computing Machinery. https://doi.org/10.1145/3613905.3650932
12. Strand, M., & Gustafsson, S. A. (2020). Mukbang and disordered eating: A netnographic analysis of online eating broadcasts. *Culture, Medicine, and Psychiatry, 44*, 586–609. https://doi.org/10.1007/s11013-020-09674-6
13. Kircaburun, K., Yurdagül, C., Kuss, D. J., Emirtekin, E., & Griffiths, M. D. (2021). Problematic mukbang watching and its relationship to disordered eating and internet addiction: A pilot study among emerging adult mukbang watchers. *International Journal of Mental Health and Addiction, 19*, 2160–2169. https://doi.org/10.1007/s11469-020-00309-w
14. Yun, S., Kang, H., & Lee, H. (2020). Mukbang- and cookbang-watching status and dietary life of university students who are not food and nutrition majors. *Nutrition Research and Practice, 14*(3), 276–285. https://doi.org/10.4162/nrp.2020.14.3.276
15. Choi, R., Park, S., Han, S., & Lee, S.-J. (2023). Feeding the crave: How people with eating disorders get trapped in the perpetual cycle of digital food content. *arXiv*. https://doi.org/10.48550/arXiv.2311.05920
16. Denniss, E., Lindberg, R., & McNaughton, S. A. (2023). Quality and accuracy of online nutrition-related information: A systematic review of content analysis studies. *Public Health Nutrition, 26*(7), 1345–1357. https://doi.org/10.1017/S1368980023000873
17. Do Nascimento, I. J. B., Pizarro, A. B., Almeida, J. M., Azzopardi-Muscat, N., Gonçalves, M. A., Björklund, M., & Novillo-Ortiz, D. (2022). Infodemics and health misinformation: A systematic review of reviews. *Bulletin of the World Health Organization, 100*(9), 544–561. https://doi.org/10.2471/BLT.21.287654
18. Ricke, J.-N., & Seifert, R. (2025). Disinformation on dietary supplements by German influencers on Instagram. *Naunyn-Schmiedeberg’s Archives of Pharmacology, 398*(5), 5629–5647. https://doi.org/10.1007/s00210-024-03616-4
19. Fernandez, M. A., & Raine, K. D. (2021). Digital food retail: Public health opportunities. *Nutrients, 13*(11), 3789. https://doi.org/10.3390/nu13113789
20. Fernandez, M. A., Dugan, J., & Raine, K. D. (2025). Exploring contexts for using digital food retail services in Canada: A qualitative study. *Applied Physiology, Nutrition, and Metabolism, 50*, 1–12. https://doi.org/10.1139/apnm-2024-0173
21. Jia, S. S., Luo, X., Gibson, A. A., & Partridge, S. R. (2024). Developing the DIGIFOOD dashboard to monitor the digitalization of local food environments: Interdisciplinary approach. *JMIR Public Health and Surveillance, 10*, e59924. https://doi.org/10.2196/59924
22. Zhang, Y., Fan, Y., Liu, P., Xu, F., & Li, Y. (2025). Cyber food swamps: Investigating the impacts of online-to-offline food delivery platforms on healthy food choices. *Proceedings of the International AAAI Conference on Web and Social Media, 19*(1), 2260–2272. https://doi.org/10.1609/icwsm.v19i1.35932
23. Chen, Z., Lan, X., Piao, J., Zhang, Y., & Li, Y. (2022). A mixed-methods analysis of the algorithm-mediated labor of online food deliverers in China. *Proceedings of the ACM on Human-Computer Interaction, 6*(CSCW2), Article 484, 1–24. https://doi.org/10.1145/3555585
24. Jia, S. S., Bennett, R., & Gupta, A. (2025). The emergence of meal delivery applications: A research agenda to advance the next decade of progress in nutrition. *European Journal of Clinical Nutrition, 79*, 701–704. https://doi.org/10.1038/s41430-025-01597-y
25. Niszczota, P., & Rybicka, I. (2023). The credibility of dietary advice formulated by ChatGPT: Robo-diets for people with food allergies. *Nutrition, 112*, 112076. https://doi.org/10.1016/j.nut.2023.112076
26. Hieronimus, B., Hammann, S., & Podszun, M. C. (2024). Can the AI tools ChatGPT and Bard generate energy, macro- and micro-nutrient sufficient meal plans for different dietary patterns? *Nutrition Research, 128*, 105–114. https://doi.org/10.1016/j.nutres.2024.07.002
27. Han, R., Todd, A., Wardak, S., Partridge, S. R., & Raeside, R. (2023). Feasibility and acceptability of chatbots for nutrition and physical activity health promotion among adolescents: Systematic scoping review with adolescent consultation. *JMIR Human Factors, 10*, e43227. https://doi.org/10.2196/43227
28. Balloccu, S., Reiter, E., Li, K. J.-H., Sargsyan, R., Kumar, V., Reforgiato Recupero, D., Riboni, D., & Dušek, O. (2024). Ask the experts: Sourcing a high-quality nutrition counseling dataset through Human-AI collaboration. In Y. Al-Onaizan, M. Bansal, & Y.-N. Chen (Eds.), *Findings of the Association for Computational Linguistics: EMNLP 2024* (pp. 11519–11545). Association for Computational Linguistics. https://doi.org/10.18653/v1/2024.findings-emnlp.674
29. Li, K. J.-H., Balloccu, S., Dušek, O., & Reiter, E. (2025). When LLMs can’t help: Real-world evaluation of LLMs in nutrition. In L. Flek, S. Narayan, L. H. Phương, & J. Pei (Eds.), *Proceedings of the 18th International Natural Language Generation Conference* (pp. 753–779). Association for Computational Linguistics. https://aclanthology.org/2025.inlg-main.44/
30. Shumailov, I., Shumaylov, Z., Zhao, Y., Papernot, N., Anderson, R., & Gal, Y. (2024). AI models collapse when trained on recursively generated data. *Nature, 631*(8022), 755–759. https://doi.org/10.1038/s41586-024-07566-y