Pesquisadores desenvolveram um treinador de IA generativa para ajudar estudantes de engenharia a praticar competências de trabalho em equipe virtual, uma habilidade cada vez mais exigida em cursos híbridos, projetos online e ambientes profissionais remotos. O estudo combinou entrevistas com docentes e alunos, co-design da solução e teste com estudantes, indicando que a IA pode tornar esse tipo de formação mais ativa, personalizada e orientada por feedback, desde que seja desenhada a partir de necessidades pedagógicas reais, e não apenas de recursos tecnológicos disponíveis.
O QUE HÁ DE NOVO: O estudo apresenta um chatbot de IA generativa criado para treinar colaboração virtual em cursos de engenharia de uma universidade de ciência e tecnologia no norte da China. A pesquisa envolveu 10 professores e 40 estudantes nas etapas de diagnóstico e co-design, além de 80 graduandos convidados para testar o protótipo; 72 completaram todas as atividades e entregaram reflexões sobre a experiência. A novidade está menos no uso de um chatbot em si e mais na tentativa de construir a ferramenta por um processo de design centrado no humano, integrando estudantes, docentes e pesquisadores desde a identificação dos problemas até a avaliação inicial do sistema.
COMO FUNCIONA: O treinador foi desenvolvido em uma plataforma de criação de aplicações de IA generativa, usando um modelo de linguagem em chinês e uma configuração multiagente. Em vez de esperar que o aluno faça perguntas soltas, o sistema conduz uma trilha estruturada em duas fases. Na primeira, usa perguntas socráticas para levar o estudante a identificar comportamentos importantes do trabalho em equipe virtual, como divisão de tarefas, gestão do tempo, apoio mútuo, resolução de conflitos e uso adequado de ferramentas online. Depois, ajuda o aluno a perceber como esses comportamentos se conectam, por exemplo, como uma boa análise da tarefa influencia uma distribuição mais justa do trabalho.
Na segunda fase, o estudante participa de simulações baseadas em situações reais relatadas nas entrevistas, como um colega que se desengaja antes do prazo, um integrante desmotivado após repetidas rejeições de suas ideias ou um líder que toma decisões sem consultar o grupo. A IA assume o papel de um colega virtual e avalia cada resposta do aluno com uma pontuação que começa em 50 e precisa chegar a 100 para concluir o desafio. O sistema dá retorno imediato sobre atitudes colaborativas ou problemáticas e, ao fim, produz um resumo com pontos fortes e aspectos a melhorar. Os pesquisadores também orientaram os participantes a não compartilhar dados pessoais e mantiveram os registros sob regras de confidencialidade.
PRINCIPAIS RESULTADOS: Antes da criação da ferramenta, as entrevistas apontaram quatro lacunas centrais na formação atual: pouca oferta de treinamento estruturado para colaboração virtual, predomínio de formatos passivos baseados em palestra, avaliação focada no produto final em vez do processo de colaboração e baixa consciência dos estudantes sobre o que significa trabalhar bem em equipe. Após o teste, os relatos dos participantes indicaram que o chatbot tornou o aprendizado mais interativo, aproximou teoria e prática, ofereceu feedback mais rápido e ajudou os alunos a refletir sobre suas próprias estratégias de comunicação, motivação de colegas, divisão de tarefas e resolução de conflitos. Esses resultados, porém, representam percepções dos estudantes, não uma comprovação objetiva de melhora de desempenho.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A pesquisa dialoga com um problema recorrente no ensino superior: muitos cursos exigem trabalhos em grupo, mas raramente ensinam explicitamente como colaborar, sobretudo em ambientes online. Para os estudantes, uma IA desse tipo pode oferecer prática repetida em situações delicadas que seriam difíceis de encenar em sala, com menor risco de constrangimento e mais oportunidades de tentativa e erro. Para professores, o modelo pode reduzir parte da carga de acompanhar individualmente processos de equipe, ao fornecer dados e feedback formativo sobre comportamentos colaborativos que costumam ficar invisíveis quando a avaliação se limita a relatórios e apresentações finais.
O PULO DO GATO: A contribuição mais relevante do estudo é tratar a IA generativa como apoio ao desenho pedagógico, e não como substituta do professor ou como ferramenta genérica de conversação. O sistema foi organizado a partir de dificuldades concretas de estudantes e docentes, usou cenários derivados de experiências reais e traduziu competências abstratas em comportamentos observáveis. Essa abordagem ajuda a enfrentar um risco comum em produtos de IA educacional: criar soluções tecnicamente sofisticadas, mas pouco alinhadas à rotina da sala de aula, aos objetivos de aprendizagem e às necessidades de quem ensina e aprende.
LIMITES E PRÓXIMOS PASSOS: O próprio estudo reconhece limitações importantes. A amostra veio de uma única instituição na China continental, o que reduz a generalização para outros países, culturas acadêmicas e áreas de formação. A avaliação também se baseou principalmente em autorrelatos, sem medir de forma independente se os estudantes realmente colaboraram melhor depois do treinamento ou se transferiram as habilidades para projetos reais. Pesquisas futuras precisam combinar métodos qualitativos e quantitativos, acompanhar efeitos de longo prazo, testar a solução em contextos variados e explorar formatos mais imersivos, como realidade virtual ou simulações com múltiplos participantes, para aproximar ainda mais a experiência das dinâmicas complexas de equipes reais.
