Um artigo na revista Education Sciences propõe uma agenda de pesquisa para orientar o uso de IA generativa na educação com foco em “agência” e expansão de capacidades humanas, e não apenas em acesso à tecnologia. A análise argumenta que a desigualdade educacional tende a migrar do problema de conectividade para uma “lacuna de qualidade de uso”, exigindo novas métricas, formação docente e políticas que evitem que a IA vire muleta em vez de andaime para a aprendizagem.

O QUE HÁ DE NOVO: O estudo “Redefining Agency: A Capability-Driven Research Agenda for Generative AI in Education” organiza um roteiro de pesquisa para o campo de IA generativa na educação a partir da Abordagem das Capacidades, de Amartya Sen e Martha Nussbaum. Em vez de tratar a tecnologia como sinônimo de inovação, o trabalho sustenta que a pergunta central passa a ser se a escolarização permite que estudantes e professores usem a IA para ampliar escolhas reais, reduzindo a dependência e evitando que desigualdades sociais se convertam em desigualdades de aprendizagem.

COMO FUNCIONA: Para construir a agenda, o autor usa o Capability-Driven Digital Education Framework (CDDEF), um marco analítico reestruturado em seis teses (A–F) que cobrem valores da educação (intrínsecos e instrumentais), agência individual e coletiva, bem-estar e capacidades centrais, cultura e autodeterminação, processos pedagógicos e justiça social. Com esse “código” teórico, o artigo faz uma revisão exploratória: buscou no Google Scholar (10 de julho de 2025) literatura que conectasse Abordagem das Capacidades e IA generativa e selecionou, de forma intencional, 21 trabalhos para análise temática dedutiva, reconhecendo que não se trata de revisão sistemática exaustiva.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A contribuição principal está em deslocar o debate do “tem IA” para “como ela é usada”, e por quem. O texto descreve a IA generativa como uma força ambígua: pode ampliar pensamento crítico, criatividade e autonomia quando usada como suporte de reflexão, mas também pode induzir atalhos, dependência e empobrecimento do processo de aprender quando vira mecanismo de eficiência. Essa distinção, IA como “andaime” (scaffold) versus “muleta” (crutch), ajuda gestores e formuladores de políticas a pensar currículos, avaliação e regulação em torno de resultados educacionais menos visíveis, como agência, bem-estar, julgamento informado e participação democrática.

INSIGHT CENTRAL: A agenda propõe que a nova fronteira do debate sobre equidade não é apenas a infraestrutura, mas a “qualidade de uso” da IA, moldada por fatores de conversão como letramento digital/algorítmico, linguagem, normas sociais e capacidade pedagógica da escola. Na prática, dois estudantes com a mesma ferramenta podem ter trajetórias opostas: um terceiriza a escrita e reduz o esforço cognitivo; outro usa a IA como tutora socrática, testando argumentos, pedindo críticas e iterando versões. O trabalho sugere que, sem intervenção educacional deliberada, a IA tende a amplificar vantagens acumuladas.

SIM, MAS…: O próprio desenho metodológico impõe limites: a amostra é pequena (21 estudos) e selecionada de modo intencional, o que reduz generalização e abre espaço para vieses de seleção e de idioma. O artigo também assume uma lente normativa específica (CDDEF/Abordagem das Capacidades), que pode deixar dimensões importantes menos explícitas, como economia política do mercado de edtech ou evidências robustas da ciência cognitiva sobre transferência de aprendizagem. Além disso, muitas proposições permanecem como hipóteses interpretativas até serem trianguladas com dados de sala de aula e avaliações longitudinais.

O QUE VEM DEPOIS: Como encaminhamentos, o estudo defende pesquisa aplicada e empírica para testar as condições em que a IA funciona como andaime: design-based research em contextos reais, métodos mistos combinando indicadores e evidências qualitativas e estudos longitudinais para observar efeitos de longo prazo em capacidades centrais. Para a prática, recomenda estratégias como “AI-fading” (redução gradual do apoio da IA para garantir internalização de habilidades), avaliação mais formativa focada no processo (por exemplo, crítica e revisão de saídas da IA) e projetos colaborativos que conectem uso de IA a problemas da comunidade, visando agência coletiva.

CONTEXTO E BASTIDORES: O artigo dialoga com um cenário em que a “divisão digital” se transforma: a conectividade pode estar alta, mas falta competência crítica para converter tecnologia em aprendizagem e participação social. Ao mesmo tempo, a expansão da IA generativa adiciona camadas novas à justiça educacional, como riscos de “injustiça epistêmica”, quando modelos treinados majoritariamente em repertórios ocidentais desvalorizam saberes locais, e dilemas sobre a cadeia de suprimentos da própria IA (trabalho de rotulagem, impactos ambientais), que passam a integrar o debate educacional sobre cidadania e ética tecnológica.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para redes e instituições, a agenda sugere que investir apenas em licenças e acesso pode ser insuficiente, e até contraproducente, se não houver políticas para garantir qualidade pedagógica do uso, apoio docente e tempo escolar protegido para reflexão. O texto também alerta para um risco de “desqualificação” profissional: se a IA for implantada como conveniência operacional, professores podem ser reduzidos a operadores, com perda de autonomia e criatividade. Em contrapartida, quando a escola reposiciona o docente como curador, mentor de ética e facilitador de aprendizagem colaborativa, a IA pode liberar tempo para atividades de maior valor pedagógico.

NOSSA LEITURA: A força do trabalho está em oferecer uma linguagem comum para decisões difíceis que hoje aparecem de forma fragmentada, produtividade versus formação integral, personalização versus dependência, padronização versus diversidade cultural. Para tomadores de decisão, a mensagem prática é que a governança educacional da IA precisa de objetivos e indicadores alinhados a agência, bem-estar e justiça social; caso contrário, a tecnologia tende a ser avaliada por métricas estreitas de eficiência, abrindo espaço para ampliar desigualdades e empobrecer a experiência educativa.

Fonte: Redefining Agency: A Capability-Driven Research Agenda for Generative AI in Education (MDPI)