Uma pesquisa com 217 graduandos de administração em Taiwan analisou como atividades experienciais e colaboração apoiada por IA, organizadas no ciclo CDIO (conceber–desenhar–implementar–operar), influenciam o interesse e a satisfação em uma disciplina de sustentabilidade. Os resultados indicam que as duas abordagens elevam o interesse dos estudantes e, por meio dele, aumentam parcialmente a satisfação, enquanto o trabalho em equipe intensifica sobretudo o efeito das experiências de campo.
O QUE HÁ DE NOVO: O estudo investigou, em um curso de planejamento de negócios com foco em sustentabilidade, como três estratégias, aprendizagem experiencial (EL), aprendizagem colaborativa assistida por IA (AICL) e aprendizagem baseada em equipes (TBL), se combinam dentro do CDIO para explicar dois indicadores motivacionais: interesse em aprender e satisfação com a aprendizagem. Com questionários aplicados ao fim do semestre em três turmas (217 respostas válidas de 230 matriculados, taxa de 94,3%), a análise por modelagem de equações estruturais e regressões moderadas mostrou efeitos positivos de EL e AICL sobre o interesse, e do interesse sobre a satisfação.
COMO FUNCIONA: A disciplina foi estruturada para percorrer as fases do CDIO com um projeto real de revitalização local em New Taipei City como eixo do trabalho: estudantes realizaram atividades de campo, identificaram problemas e recursos da comunidade e desenharam soluções de negócio alinhadas a princípios de Educação para o Desenvolvimento Sustentável. Nesse fluxo, a camada de IA entrou como suporte à colaboração, com uso de ferramentas (incluindo modelos de linguagem, conforme a escala adotada) para obter informações sob demanda, apoiar análises, visualizar modelos de negócio e simular resultados; em paralelo, a dinâmica de equipes organizou a responsabilização entre pares e a coordenação do trabalho. Ao final, os alunos responderam escalas de EL, AICL, TBL, interesse e satisfação em Likert de 5 pontos; o modelo de mensuração foi validado por análise fatorial confirmatória, e os efeitos foram testados por SEM, bootstrapping de mediação e regressão hierárquica para moderação.
PRINCIPAIS RESULTADOS: Tanto a aprendizagem experiencial quanto a colaboração assistida por IA apresentaram associação positiva com o interesse dos estudantes, com coeficientes padronizados de β=0,46 (EL→interesse) e β=0,30 (AICL→interesse). O interesse, por sua vez, se relacionou positivamente com a satisfação (β=0,24). Na mediação, o interesse explicou parte, mas não todo, do caminho entre as estratégias e a satisfação: o efeito indireto de EL via interesse foi 0,12 (IC 95% [0,04; 0,20]) e o de AICL via interesse foi 0,08 (IC 95% [0,02; 0,14]), mantendo-se efeitos diretos significativos, caracterizando mediação parcial. Já na moderação, o trabalho em equipe reforçou o efeito da aprendizagem experiencial sobre o interesse (interação β=0,12; p<0,01), mas não aumentou de forma estatisticamente significativa o efeito da colaboração assistida por IA (interação β=0,07; p>0,05).
INSIGHT CENTRAL: A contribuição conceitual mais forte do trabalho é tratar o CDIO menos como “selo” de reforma curricular e mais como uma arquitetura de regulação motivacional: um ciclo instrucional que organiza, de maneira coordenada, autenticidade experiencial, suporte adaptativo por IA e engajamento colaborativo. Nesse enquadramento, não basta “ter IA” ou “ter projeto”; o ponto é como diferentes mecanismos ativam o interesse do estudante e, a partir dele, influenciam avaliações mais amplas da experiência, como a satisfação.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para o ensino superior, especialmente em administração e áreas que buscam conectar sustentabilidade a competências digitais, os achados sugerem que a motivação dos estudantes pode depender de trilhas distintas: experiências autênticas parecem ganhar potência quando combinadas com colaboração estruturada em equipe, enquanto o suporte por IA tende a operar mais como andaime adaptativo que sustenta o engajamento durante tarefas complexas. Isso aponta implicações práticas para desenho curricular e para investimento institucional: a escola pode obter mais retorno ao alinhar IA a objetivos pedagógicos claros (feedback, acesso a informação, suporte à análise) e, ao mesmo tempo, desenhar atividades de campo e projetos que façam sentido para os estudantes, com espaço para reflexão e tomada de decisão em grupo. Do ponto de vista de gestão e qualidade, o estudo também reforça a utilidade de medir interesse como indicador intermediário, ajudando coordenadores a entender por que mudanças metodológicas geram (ou não) satisfação e adesão.
SIM, MAS…: A evidência vem de um único curso em uma universidade tecnológica de Taiwan, com desenho transversal e medidas autorrelatadas coletadas ao fim do semestre, o que limita inferências causais e generalização para outros contextos, áreas e perfis de estudante. O próprio artigo reconhece que a sustentabilidade foi tratada como domínio de valores e contexto instrucional, não como competência mensurada diretamente; portanto, ainda não está demonstrado se o ganho motivacional se traduz em desenvolvimento verificável de competências em sustentabilidade ao longo do tempo. Há ainda o risco, citado na fundamentação, de dependência excessiva de IA reduzir reflexão independente, o que reforça a necessidade de desenho didático que combine automação com práticas de argumentação, justificativa e revisão crítica.
O QUE VEM DEPOIS: O estudo propõe que próximos trabalhos testem o modelo em múltiplas instituições, com diferentes docentes e disciplinas, e com desenhos longitudinais ou quase-experimentais para observar como o interesse evolui ao longo das fases do CDIO e se converte em competências de sustentabilidade. Outra agenda natural é incorporar dados adicionais além de questionários, como desempenho em projetos, evidências de aprendizagem e registros de uso das ferramentas, para distinguir melhor quando a IA atua como suporte produtivo e quando se torna muleta cognitiva em atividades colaborativas.
