STEM e Ensino de Ciências

Um estudo com 332 pacientes que sofreram AVC no Irã comparou modelos tradicionais e algoritmos de machine learning para prever mortalidade e sobrevida ao longo de 15 anos. O melhor desempenho ficou com o SVM, resultado relevante não apenas para a prática clínica, mas também para a educação médica, que precisará preparar profissionais para avaliar, interpretar e usar sistemas preditivos com segurança.

Uma revisão sistemática e meta-análise avaliou o desempenho de grandes modelos de linguagem em exames de licenciamento médico de diferentes países, idiomas e formatos, encontrando acurácia média de 72% e liderança do GPT-4, com 81%. O achado é relevante para a educação médica porque mostra que a IA generativa já pode apoiar estudo, simulação e feedback, mas ainda apresenta variabilidade suficiente para impedir seu uso como substituta de professores, avaliações formais ou julgamento clínico.

Modelos de linguagem de grande porte das famílias GPT, Claude e Gemini foram testados em 304 questões de múltipla escolha de um simulado do Thai National Licensing Examination Step 1, exame de licenciamento médico da Tailândia. Todos superaram os cortes históricos de aprovação, com melhor desempenho do GPT-4o, mas a variação entre especialidades, o desempenho irregular em itens com imagem e as limitações do desenho do estudo mostram que a IA pode ser uma ferramenta promissora de preparação, não uma substituta de currículo, tutoria docente ou avaliação clínica.

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.

Um estudo em um curso universitário de inglês acadêmico na China testou o uso de IA de texto para vídeo para transformar propostas técnicas em apresentações audiovisuais. A experiência mostra que a tecnologia pode reduzir barreiras de produção multimodal e ampliar o repertório comunicativo dos estudantes, desde que o trabalho pedagógico vá além da automação e ensine os alunos a avaliar criticamente imagens, sons, texto e narrativa.

Um estudo quase experimental com 62 universitários de duas instituições públicas da Nigéria testou o uso do Google Gemini dentro de uma abordagem de aprendizagem baseada em problemas para ensinar programação Java. A intervenção mostrou forte impacto sobre habilidades de programação, especialmente entre estudantes com maior desempenho acadêmico prévio, mas não gerou ganhos significativos em pensamento crítico ou resolução de problemas, um achado relevante para cursos que buscam adotar IA generativa sem enfraquecer a aprendizagem conceitual.

Um estudo em um curso universitário no Canadá testou, ao longo de um semestre, atividades de gramática em coreano como língua estrangeira mediadas por um chatbot de IA chamado Iruda e encontrou desempenho superior nos itens praticados com o assistente, especialmente entre alunos com menor proficiência inicial e em tarefas de resposta selecionada. Os resultados reforçam o potencial de chatbots para ampliar oportunidades de prática em línguas menos comumente ensinadas, mas também apontam limites para transferência do aprendizado a tarefas mais produtivas e para a necessidade de desenho pedagógico e suporte docente.

Um quase experimento com universitários na China comparou o estudo autônomo de programação com e sem apoio de IA generativa e encontrou um quadro misto: melhora no desempenho durante a prática e avanço em autoeficácia, mas sem ganho em transferência de conhecimento quando a ajuda externa é retirada. Ao rastrear cliques, teclado e padrões de interação com o chatbot, o estudo sugere que o diferencial não é “usar ou não usar” GenAI, e sim como os estudantes questionam, avaliam e aplicam o que a ferramenta produz.

Um estudo com 126 estudantes do ensino médio testou um programa de Educação Física (EF) que combina atividades corporais e cenários ambientais em uma “reserva natural virtual” com apoio de Inteligência Artificial. Em oito semanas, a intervenção apresentou ganhos maiores em alfabetização ecológica e habilidades de investigação do que aulas multimídia em sala e ensino convencional, sugerindo que é possível integrar sustentabilidade e raciocínio científico à EF sem reduzir o tempo de movimento.

Uma revisão sistemática analisou 64 estudos empíricos recentes sobre IA generativa no ensino superior em computação e encontrou um cenário de efeitos majoritariamente positivos, mas instáveis: ganhos de desempenho aparecem com mais consistência quando a personalização é estruturada e ancorada em materiais do curso, enquanto alucinações e uso sem mediação elevam carga cognitiva, alimentam confiança indevida e podem reduzir autonomia na resolução de problemas.

Uma revisão sistemática de 19 estudos empíricos sobre chatbots de IA no ensino de ciências conclui que a maior parte das intervenções tem mirado ganhos de interesse e conteúdo, mas raramente aborda dimensões mais profundas da identidade científica, como afetos epistêmicos, participação em práticas científicas e reconhecimento social. O trabalho propõe um modelo “refinado” de identidade em ciência para orientar design pedagógico, formação docente e currículo, buscando evitar que a adoção de chatbots reduza a aprendizagem a interações motivacionais de curto prazo.

Um estudo em escolas públicas do Cazaquistão testou a combinação de ensino por investigação no modelo 7E, atividades contextualizadas e apoio de IA (incluindo tutoria com ChatGPT) em turmas do 10º ano e encontrou ganhos expressivos tanto em desempenho em química quanto em engajamento. Os resultados sugerem que a tecnologia funciona melhor quando integrada a uma sequência pedagógica bem definida e com supervisão docente, ao mesmo tempo em que expõe desafios de implementação, qualidade das respostas e equidade de acesso.

Um estudo com 622 estudantes do ensino fundamental e médio na China modelou como atitude de aprendizagem em IA, alfabetização em IA e interesse por carreiras na área se relacionam, e encontrou um ponto central para escolas e redes: a alfabetização em IA parece ser o mecanismo que transforma atitude positiva em intenção de seguir profissões ligadas à tecnologia, enquanto diferenças de gênero aparecem nos níveis declarados, mas não no “caminho” que conecta as variáveis.