Um estudo qualitativo e quantitativo com 30 docentes universitários identificou formas distintas de ensinar com IA generativa e mostrou que professores com visão mais centrada na aprendizagem tendem a usar a tecnologia para estimular análise, verificação e raciocínio crítico. A pesquisa é relevante porque sugere que políticas de IA no ensino superior não devem se limitar à integridade acadêmica: elas precisam apoiar docentes na criação de experiências em que estudantes aprendam a usar e avaliar sistemas como ChatGPT, Copilot, Gemini, Claude e outras plataformas.
O QUE HÁ DE NOVO: A pesquisa investigou, a partir de entrevistas semiestruturadas, como docentes universitários de diferentes áreas percebem o valor da IA generativa, como concebem sua relação com a aprendizagem e como orientam estudantes a verificar respostas produzidas por esses sistemas. Participaram professores de disciplinas classificadas em quatro grandes grupos, ciências duras puras, ciências duras aplicadas, áreas humanas puras e áreas humanas aplicadas, com atuação em diferentes anos da graduação e variados níveis de familiaridade com ferramentas de texto, imagem e vídeo baseadas em IA.
COMO FUNCIONA: O estudo adotou uma abordagem fenomenográfica, método usado para mapear as diferentes maneiras pelas quais pessoas experimentam e compreendem um fenômeno. Os pesquisadores analisaram respostas dos docentes a três questões centrais: qual é o valor da IA generativa para a aprendizagem universitária, como ela é compreendida no ensino superior e até que ponto os estudantes devem verificar a precisão das respostas geradas por IA. Depois, as respostas foram agrupadas em categorias qualitativas e submetidas a análises quantitativas para verificar associações entre percepções, concepções e práticas de ensino.
PRINCIPAIS RESULTADOS: Entre os 30 professores, 12 expressaram percepções positivas sobre o valor da IA generativa para a aprendizagem, associando seu uso à reflexão, avaliação crítica e compreensão mais profunda. Outros 18 demonstraram visões negativas ou cautelosas, muitas vezes condicionando qualquer benefício à qualidade da mediação docente ou rejeitando a ideia de que a tecnologia possa ajudar os estudantes a aprender. Nas concepções sobre IA generativa, 11 docentes a relacionaram ao desenvolvimento de habilidades relevantes, como pensamento analítico e preparação para contextos profissionais em transformação; 19 a viram de modo mais fragmentado, como instrumento de risco, ferramenta pouco confiável ou máquina reprodutora de conteúdo.
As práticas de ensino também variaram. Um grupo de docentes orientava estudantes a usar respostas da IA como ponto de partida para pesquisa, comparação com outras fontes e contestação de argumentos; outro usava a avaliação do conteúdo gerado para desenvolver pensamento crítico. Em contraste, parte dos professores limitava a discussão a alertas sobre erros, plágio, ética ou simplesmente descartava a utilidade da tecnologia no curso. As associações estatísticas encontradas foram moderadas e significativas: docentes com concepções mais integradas sobre IA generativa tendiam a ter percepções mais positivas, e abordagens centradas na aprendizagem apareciam mais associadas à ideia de que a tecnologia pode contribuir para o desenvolvimento dos estudantes.
A IDEIA CENTRAL: O ponto mais importante do estudo é que a diferença não está apenas entre “usar” ou “não usar” IA generativa, mas entre formas pedagógicas distintas de integrá-la. Quando a tecnologia é tratada apenas como ameaça à integridade acadêmica ou como fonte de respostas erradas, seu papel educacional fica restrito à contenção de riscos. Quando é incorporada como objeto de análise, comparação e validação, ela pode se tornar um recurso para ensinar estudantes a formular perguntas melhores, avaliar evidências, reconhecer vieses e decidir quando confiar, ou não, em uma resposta automatizada.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula universitária, os achados indicam que o letramento em IA generativa precisa ir além do domínio operacional de ferramentas. A competência central passa por saber interpretar, questionar e contextualizar resultados produzidos por sistemas probabilísticos, especialmente em áreas em que decisões profissionais dependem de julgamento, evidência e responsabilidade ética. Para professores, o estudo reforça que a formação docente deve oferecer exemplos disciplinares concretos de uso pedagógico, e não apenas regras de proibição, detecção ou declaração de uso.
Na gestão universitária, a pesquisa aponta para uma agenda mais ampla: currículos, avaliações, infraestrutura e políticas de dados precisam ser redesenhados de forma coordenada. Isso inclui acesso institucional a plataformas adequadas, proteção de informações sensíveis, regras claras sobre uso aceitável e incentivos para que equipes docentes experimentem modelos de ensino alinhados aos objetivos de aprendizagem. Do ponto de vista da equidade, a ausência de apoio estruturado pode ampliar desigualdades entre cursos, docentes e estudantes, criando experiências muito diferentes de preparação para um mercado de trabalho que já começa a exigir competências de uso crítico da IA.
LIMITES E CUIDADOS: A pesquisa tem uma amostra pequena e intensiva, adequada para mapear variações de experiência, mas insuficiente para generalizar resultados para todo o ensino superior. Também não permite concluir como área disciplinar, tipo de plataforma ou tempo de exposição à IA influenciam as práticas docentes. Ainda assim, os dados ajudam a evitar uma leitura simplista: mesmo professores céticos podem ter preocupações legítimas com alucinações, viés, autoria e dependência tecnológica, e essas questões precisam ser tratadas como parte do desenho pedagógico, não como obstáculos externos ao debate.
O QUE OBSERVAR DAQUI EM DIANTE: Os próximos passos apontados pela pesquisa envolvem estudos com amostras maiores, capazes de testar se os padrões encontrados se repetem em diferentes instituições, países e campos do conhecimento. Também será decisivo investigar quais modelos de formação docente ajudam professores a migrar de abordagens centradas apenas no controle de riscos para práticas que desenvolvam verificação, autoria, raciocínio crítico e uso responsável da IA generativa. A mensagem para universidades é clara: a qualidade da integração da IA dependerá menos da adoção apressada de ferramentas e mais da capacidade institucional de transformar seu uso em aprendizagem verificável e pedagogicamente relevante.
Fonte: Qualitatively different teacher experiences of teaching with generative artificial intelligence
