No cenário educacional em rápida evolução de hoje, a inteligência synthetic (IA) se transformou de um conceito tecnológico distante para uma ferramenta cotidiana acessível aos nossos alunos. Nos últimos anos, a IA provou ser um disruptor na entrega da educação, levantando preocupações entre os educadores. Em vez de ver a IA como uma ameaça à integridade acadêmica ou um atalho que mina o aprendizado, os educadores têm a oportunidade de reformular a IA como parceiro colaborativo no processo educacional (Bowen e Watson, 2024). Este artigo examina abordagens práticas para o ensino dos alunos a colaborar com as ferramentas de IA de uma maneira que aprimora, em vez de substituir, pensamento crítico e aprendizado profundo.
A mudança de mentalidade colaborativa
De acordo com a pesquisa international de estudantes de IA do Conselho de Educação Digital, 86% dos estudantes já usam a IA em seus estudos (“Pesquisa international de estudantes da IA do Conselho de Educação Digital 2024”, ND). No entanto, com uma apreensão generalizada sobre os efeitos da IA na educação, uma mudança de mentalidade pode ser benéfica para aliviar os medos do desconhecido. O primeiro passo na criação de uma sala de aula de IA colaborativa é mudar as mentalidades do instrutor e do aluno. Como Bowen e Watson (2024) observam em seu livro, ensinando com a IA, ‘a IA vai mudar nosso relacionamento com o pensamento. Já é idéias desafiadoras sobre criatividade e originalidade, e alterará para sempre a educação, o trabalho e até a maneira como pensamos em pensar. Eles postulam ainda que estudantes e educadores podem trabalhar com sistemas generativos de IA para melhorar os processos de aprendizagem, tornando -os mais rápidos e eficientes. Eles propõem que as avaliações mudem para se concentrar no processo de criação, e não apenas no produto ultimate. Por exemplo, os alunos podem ser obrigados a enviar transcrições de suas interações de IA como parte de suas tarefas, tornando a jornada de aprendizado mais transparente e acessível.
Essa abordagem se alinha com Atchley et al. (2024), que concluem que, embora as novas tecnologias de IA na educação possam inicialmente contestar os empregos dos educadores, a IA deve ser vista como uma ferramenta colaborativa para professores e alunos. Sua revisão examina a adoção da IA na educação da perspectiva de que o resultado primário do ensino superior é o emprego, de que a educação está centrada em torno dos domínios cognitivos associados à aprendizagem e que existe um risco associado a permitir a tecnologia para executar tarefas cognitivas. Mantendo esses fatores em mente, eles postulam que ‘para maximizar os benefícios da aprendizagem colaborativa (entre equipes totalmente humanas e entre equipes que incluem IA), as estratégias pedagógicas devem incorporar intencionalmente fatores primários e secundários que incentivam a responsabilidade compartilhada, a interação e o desenvolvimento de habilidades metacognitivas, aprimorando o envolvimento e os resultados dos alunos.’ Além disso, eles argumentam que ‘quando os alunos entram em um native de trabalho, sua capacidade de trabalhar em “equipes” humano/computador é um conjunto de habilidades cognitivas críticas’.
Estratégias práticas em sala de aula
1. Redação e revisão assistidas por Ai
Em vez de proibir as ferramentas de escrita de IA, considere tarefas em que os alunos usam deliberadamente a IA para gerar rascunhos iniciais e analisar criticamente e revisar substancialmente esses rascunhos. Este processo ensina os alunos a:
- Criar instruções eficazes (uma habilidade transferível)
- Identifique pontos fortes e fracos no conteúdo gerado pela IA
- Aplique seus próprios conhecimentos e voz para melhorar as saídas da máquina
Os alunos podem enviar a saída unique da IA e sua versão revisada, juntamente com uma reflexão sobre seu processo de edição. Além disso, pedindo aos alunos que apoiassem suas edições com referências baseadas em evidências os ensine a analisar criticamente os resultados da IA. Essa transparência transforma potencial desonestidade acadêmica em uma oportunidade de aprendizado sobre o valor da experiência e julgamento humano.
2. Atividades de análise comparativa
As atividades de design em que os alunos comparam várias respostas geradas pela IA ao mesmo aviso e avaliam o que é mais eficaz e por quê. Esta abordagem:
- Desenvolve habilidades de avaliação crítica
- Demonstra limitações e inconsistências de IA
- Reforça que a IA requer supervisão humana
Por exemplo, os alunos podem solicitar três ferramentas diferentes de IA com a mesma pergunta e, em seguida, analisar diferenças na precisão factual, abordagens de raciocínio e possíveis vieses.
3. Ai como assistente de pesquisa
Ensine os alunos a usar a IA como uma ferramenta de brainstorming de pesquisa, mantendo o rigor acadêmico. Os alunos podem:
- Use a IA para gerar possíveis questões de pesquisa
- Identifique lacunas no conhecimento da IA que exigem pesquisa tradicional
- Cheque fontes cross-sugestes com bancos de dados acadêmicos
Essa abordagem, semelhante ao que Cianciolo e Regehr (2019) descrevem como “análise em camadas”, ajuda os alunos a entender a relação complementar entre os métodos de pesquisa tradicional e assistidos pela AA.
Evidência de impacto
As evidências iniciais sugerem que as abordagens colaborativas da IA melhoram os resultados da aprendizagem. Em um estudo de ambientes de educação em saúde, os alunos que aprenderam a se envolver criticamente com as ferramentas de IA, como os jogos simulados (SG), expressaram mais satisfação com a sessão de treinamento do que o grupo de ensino tradicional (TT). Além disso, os alunos do grupo SG consideraram a atividade mais envolvente e relataram maior motivação (Blanie et al., 2020).
Da mesma forma, em uma metanálise recente examinando a relação entre a IA e o desempenho acadêmico dos alunos, Dong et al. (2025) concluíram que os estudantes que utilizaram abordagens de aprendizado aprimorados da AI-i-i-i-Idançou demonstraram desempenho acadêmico significativamente maior, superando seus colegas em ambientes educacionais convencionais. Além disso, os autores concluíram que as tecnologias de IA podem ser particularmente valiosas para estudantes de ensino médio e superior, que normalmente possuem habilidades de pensamento crítico mais desenvolvidas e podem se envolver significativamente com sistemas de IA sofisticados que podem se aplicar às disciplinas.
Considerações de implementação
Ao implementar a IA colaborativa se aproxima, considere estas diretrizes:
- Seja explícito sobre quando e como o uso da IA é apropriado para tarefas específicas
- Crie rubricas que avaliem o envolvimento crítico dos alunos com a IA, não apenas os produtos finais
- Modele a colaboração de IA apropriada em suas práticas de ensino
- Ofereça oportunidades de andaimes para os alunos praticarem a colaboração da IA com suggestions
Conclusão
Ao ensinar os alunos a trabalhar, e não contra as ferramentas de IA, os preparamos para um futuro em que a colaboração humana-AI será comum em várias profissões. A sala de aula de IA colaborativa não diminui o valor do pensamento humano; em vez disso, ele o eleva, ajudando os alunos a entender o que as perspectivas exclusivamente humanas eles trazem aos problemas que a IA sozinha não pode resolver.
Em vez de se concentrar apenas nos resultados (o que os alunos produzem), essa abordagem enfatiza o próprio processo de aprendizagem, alinhando -se com chamadas de Allen et al. (2021) para abordagens de avaliação mais abrangentes na educação que vão além das medidas simples de resultados. Ao ensinar os alunos a serem colaboradores atenciosos com a IA, nós os ajudamos a desenvolver as habilidades de pensamento crítico e a alfabetização tecnológica de que precisam ao longo de suas carreiras.
Ewa Posorski é um líder educacional e defende a integração da inteligência synthetic à pedagogia moderna. Com foco em promover a colaboração entre os alunos e as ferramentas da IA, a EWA Champions uma mudança de mentalidade que abraça a IA como parceira na aprendizagem, em vez de uma ameaça à integridade acadêmica. Seu trabalho enfatiza estratégias práticas para redação assistida por IA, análise comparativa e apoio à pesquisa, todos com o objetivo de melhorar o pensamento crítico e as habilidades metacognitivas. Com base nas evidências atuais de pesquisa e sala de aula, ela promove o aprendizado transparente e orientado a processos que prepara os alunos para um futuro da colaboração humana-AI entre as disciplinas.
Referências
Allen, LM, Hay, M., & Palermo, C. (2021). Avaliação na educação em profissões da saúde – é medir os resultados o suficiente? Educação Médica, 56(1), 127-136. https://doi.org/10.1111/medu.14654
Atchley, P., Pannell, H., Wofford, Ok., Hacker, DJ, & Risko, EF (2024). Colaboração humana e de IA no ambiente do ensino superior: oportunidades e preocupações. Pesquisa cognitiva: princípios e implicações, 920. https://doi.org/10.1186/S41235-024-00547-9
Blanié, A., Amorim, MA, e Benhamou, D. (2020). Valor comparativo da simulação por jogos e um método de ensino tradicional para melhorar as habilidades de raciocínio clínico necessárias para detectar a deterioração do paciente: um estudo randomizado em estudantes de enfermagem. BMC Medical Training, 2053. https://doi.org/10.1186/S12909-020-1939-6
Bowen, Ja & Watson, CE (2024). Ensino com a IA: um guia prático para uma nova period de aprendizado humano. Johns Hopkins College Press.
Cianciolo, AT, & Regehr, G. (2019). Teoria da aprendizagem e intervenção educacional: produzindo evidências significativas de impacto através da análise em camadas. Medicina Acadêmica: Journal of the Affiliation of American Medical FacultiesAssim, 94(6), 789-794. https://doi.org/10.1097/acm.00000000002591
Bowen, José Antonio e C. Edward Watson. 2024. Ensino com a IA: um guia prático para uma nova period de aprendizado humano. Baltimore, Maryland: Johns Hopkins College Press.
Conselho de Educação Digital. “Pesquisa international de estudantes da IA do Conselho de Educação Digital 2024.” ND acessado em 24 de março de 2025. https://www.digitaleducationcouncil.com/publish/digital-education-council-global-ai-student-survey-2024.
Liu, D., Tang, X., & Wang, X. (2025). Examinando o efeito da inteligência synthetic em relação ao desempenho acadêmico dos alunos: uma metanálise. Computadores e educação: inteligência synthetic. https://www.sciencedirect.com/science/article/pii/s2666920x25000402
