Um estudo longitudinal em formação de professores de educação profissional avaliou se uma plataforma de IA analítica, chamada EDDA, poderia apoiar o planejamento de aulas por meio de feedback estruturado e especializado. A ferramenta ajudou estudantes a melhorar aspectos específicos dos planos, como estrutura da aula, ativação dos alunos, uso de tecnologia e algumas dimensões de sustentabilidade, mas não substituiu de forma ampla o feedback humano nem elevou automaticamente a motivação ou a competência geral em IA.

O QUE HÁ DE NOVO: A pesquisa acompanhou 103 estudantes de mestrado em educação empresarial na Alemanha, entre outubro de 2023 e fevereiro de 2025, em uma intervenção integrada a disciplinas de didática. O grupo experimental, com 55 participantes, usou a plataforma EDDA para receber feedback sobre planos de aula de 90 minutos; o grupo controle, com 48 participantes, recebeu apenas feedback humano. A comparação buscou medir tanto a qualidade dos planos produzidos quanto efeitos sobre letramento em IA, atitudes diante da tecnologia, motivação e autoeficácia digital.

COMO FUNCIONA: Diferentemente de ferramentas generativas como chatbots, a EDDA é uma IA analítica: ela não cria um novo plano de aula, mas classifica textos enviados pelos estudantes e os relaciona a feedbacks previamente produzidos com base em critérios didáticos. A plataforma usa processamento de linguagem natural com modelo BERT em alemão e foi treinada com 1.304 planos de aula e materiais de três universidades da Alemanha e da Áustria, além de 4.679 tarefas de livros didáticos codificadas. Ao todo, analisa 10 categorias principais e 57 subcategorias, incluindo orientação para ação, sustentabilidade, digitalização, motivação, estrutura da aula e ativação dos estudantes.

A IDEIA CENTRAL: O estudo explora uma alternativa ao uso dominante de IA generativa na educação: em vez de produzir respostas abertas e potencialmente variáveis, a IA analítica oferece devolutivas mais reproduzíveis, alinhadas a uma grade de critérios e menos dependentes de improvisação algorítmica. Isso é relevante em formação docente porque o objetivo não é entregar uma solução pronta ao futuro professor, mas levá-lo a revisar suas próprias decisões didáticas, interpretar recomendações e discutir dúvidas com o docente formador quando necessário.

PRINCIPAIS RESULTADOS: O grupo que usou a EDDA teve desempenho superior em algumas dimensões específicas dos planos de aula, como competências sociais ligadas à sustentabilidade, reflexividade, uso de tecnologia, estrutura da aula, ativação dos alunos e aprendizagem conectada. Também houve ganhos em fases da chamada ação completa, como informar, planejar, decidir e verificar, importantes na educação profissional. Ainda assim, a hipótese de uma superioridade geral da IA foi rejeitada: em várias categorias não houve diferença significativa, e o grupo controle se saiu melhor na discussão das condições de uso da tecnologia. Outro achado importante foi que estudantes com desempenho inicial mais baixo tenderam a melhorar mais, enquanto os que já começaram com planos fortes tiveram menos avanço.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para cursos de formação docente, o estudo sugere que a IA pode ampliar a disponibilidade de feedback formativo sem retirar o professor do processo. Em contextos com turmas grandes e planos de aula extensos, ferramentas desse tipo podem oferecer uma primeira camada de devolutiva consistente, liberando formadores para discutir decisões mais complexas, ambiguidades pedagógicas e adaptações ao contexto real da sala de aula. Para estudantes, o benefício aparece sobretudo quando o feedback aponta critérios que normalmente ficam subdesenvolvidos, como sustentabilidade, uso didático de tecnologias e articulação entre objetivos, métodos e atividades.

O QUE OS DADOS NÃO MOSTRAM: A simples exposição à plataforma não melhorou de forma ampla o letramento em IA, a motivação ou a autoeficácia com tecnologias digitais. O grupo experimental relatou melhor capacidade de identificar IA e teve efeito positivo em uma dimensão de regulação emocional relacionada à tecnologia, mas não houve avanço consistente nas demais medidas. Esse resultado reforça uma mensagem importante para políticas de formação: usar IA em uma disciplina não equivale a ensinar sobre IA; é preciso combinar prática, explicitação dos limites da ferramenta, reflexão ética e orientação pedagógica.

LIMITES E CUIDADOS: A evidência deve ser lida com cautela. Os participantes não foram distribuídos aleatoriamente, os grupos vieram de contextos institucionais diferentes e os planos de aula foram avaliados como documentos, sem que as aulas fossem implementadas em sala. A própria EDDA também apresenta limitações: por causa de dados de treinamento desbalanceados, tende a subestimar a qualidade de alguns planos, e certas categorias tiveram confiabilidade menor. Em termos práticos, isso pode gerar frustração ou interpretações equivocadas se os estudantes não receberem apoio humano para compreender as devolutivas.

O QUE VEM A SEGUIR: A conclusão aponta para um modelo híbrido, no qual plataformas analíticas funcionem como apoio contínuo ao planejamento, a portfólios reflexivos e à documentação da evolução profissional de futuros professores. Para avançar, os sistemas precisam oferecer feedback mais adaptativo, com níveis diferentes de profundidade e perguntas reflexivas para estudantes mais avançados. Novas pesquisas também devem testar a abordagem em mais instituições, verificar efeitos de longo prazo e investigar se melhorias nos planos se traduzem em melhores práticas quando as aulas planejadas são efetivamente realizadas.

Fonte: How AI feedback supports lesson planning in vocational teacher education: a longitudinal intervention study using an analytical AI platform