Uma revisão de 27 estudos sobre IA no ensino superior mostra que ferramentas de apoio a docentes privilegiam dados de desempenho e participação para orientar aulas, avaliações e feedback. O mapeamento ajuda universidades a entender o alcance desses sistemas, mas não demonstra que seu uso melhore as decisões pedagógicas.

O QUE HÁ DE NOVO: Pesquisadores organizaram as evidências empíricas sobre o apoio da inteligência artificial (IA) às decisões de docentes universitários. A revisão reuniu 27 estudos publicados entre 2016 e 2025 e classificou os tipos de decisão abordados, os sistemas empregados, os dados dos estudantes utilizados e os resultados de aprendizagem considerados. O trabalho oferece um panorama do que essas ferramentas procuram apoiar, e do que permanece pouco estudado.

COMO FUNCIONA: A equipe buscou publicações em cinco bases acadêmicas até outubro de 2025, examinou títulos e resumos com auxílio de uma ferramenta de triagem por aprendizado de máquina e analisou os textos selecionados. Nos estudos revisados, sistemas como painéis de análise da aprendizagem, tutores inteligentes e agentes de IA processavam respostas escritas, registros de atividade e outros dados dos estudantes para apresentar indicadores ou sugestões aos docentes. A revisão classificou como essas informações eram exibidas e a quais decisões pedagógicas se relacionavam; ela não testou uma ferramenta nova em sala de aula.

PRINCIPAIS RESULTADOS: Decisões sobre ensino apareceram em 23 dos 27 estudos, seguidas por avaliação, em 14, e feedback, em 11. Os painéis de análise da aprendizagem foram o tipo de sistema mais frequente, presente em 21 estudos, enquanto tutores inteligentes apareceram em seis e agentes de IA, em quatro. As categorias não são exclusivas: um mesmo estudo podia abordar mais de um sistema ou tipo de decisão.

Os dados de entrada mais comuns eram textos produzidos por estudantes, presentes em 16 estudos, e registros de interação com plataformas, em 11. Entre os resultados de aprendizagem observados, predominaram desempenho, citado em 20 estudos, e engajamento, em 15. Em contraste, decisões sobre currículo apareceram em quatro estudos e sobre gestão do ambiente de aprendizagem, em três; apoio emocional e decisões éticas foram identificados em sete estudos cada.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para o docente, indicadores de atividade podem ajudar a localizar dificuldades e planejar intervenções, especialmente em turmas numerosas. Para estudantes e instituições, porém, há uma diferença entre identificar um padrão nos dados e compreender suas causas: baixa participação registrada em uma plataforma não descreve, por si só, toda a experiência de aprendizagem. A concentração em indicadores mensuráveis torna importante que universidades avaliem quais dimensões do ensino ficam fora dos painéis e preservem o julgamento profissional ao decidir como agir.

LIMITES E PRÓXIMOS PASSOS: A revisão descreve os sistemas relatados nas publicações, não observa diretamente como docentes tomam decisões com eles nem comprova efeitos sobre a aprendizagem. A base de evidências é pequena para algumas categorias, e a busca, encerrada em outubro de 2025, não inclui estudos mais recentes. Para avançar, os pesquisadores propõem investigar ferramentas que ajudem professores a interpretar dados em seu contexto e a transformá-los em ações, com interfaces transparentes e supervisão humana, sem presumir que mais dados, por si só, produzam decisões melhores.

Fonte: AI-Supported lecturer decision-making in higher education: a socio-technical perspective