Uma revisão em educação em fisiologia argumenta que, com a expansão da IA generativa e os efeitos persistentes da pandemia, desenvolver habilidades interpessoais, colaboração, comunicação empática e raciocínio ético, precisa voltar ao centro do currículo. O artigo organiza evidências e estratégias de sala de aula e sugere um quadro prático para integrar IA de modo supervisionado, preservando engajamento, autoria e responsabilidade dos estudantes.
O QUE HÁ DE NOVO: A fonte reúne pesquisas recentes, respostas institucionais e exemplos de práticas didáticas para mostrar como cursos de fisiologia podem redesenhar atividades e avaliações a fim de fortalecer competências profissionais que empregadores continuam demandando, como trabalho em equipe, comunicação e integridade, num cenário em que a IA generativa se tornou onipresente. O texto também chama atenção para sinais de que o uso frequente de IA pode se associar a menor engajamento e autoeficácia, além de piores experiências emocionais de aprendizagem, o que reforça a urgência de estratégias deliberadas para recuperar interações humanas na formação.
COMO FUNCIONA: Em vez de tratar a IA como tema periférico (ou algo a ser apenas proibido), a revisão propõe um desenho pedagógico “centrado no humano” organizado em três pilares interdependentes: colaboração e trabalho em equipe; comunicação e empatia; e raciocínio ético e integridade. A lógica é escolher um pilar como objetivo de aprendizagem e alinhar poucas estratégias consistentes, como Team-Based Learning, jigsaw, atividades gamificadas (incluindo escape rooms), ensino por pares, laboratórios invertidos, reflexões estruturadas, filmes-gatilho e vinhetas de dilemas éticos, combinando momentos de trabalho em grupo, discussão guiada e reflexão para evitar que a aprendizagem se reduza a respostas individuais obtidas via ferramenta.
INSIGHT CENTRAL: O ponto mais distintivo do argumento é que as habilidades interpessoais não são um “efeito colateral” desejável, mas um resultado de aprendizagem que precisa ser produzido por interdependência, engajamento emocional e prática reflexiva, elementos que tendem a se enfraquecer quando o estudante terceiriza etapas centrais do raciocínio a sistemas generativos. Por isso, a integração de IA é apresentada como desenho de sequência didática: primeiro o estudante produz uma resposta própria, depois usa a IA para ampliar perspectivas e, por fim, retorna ao debate e à revisão humana para julgar qualidade, ética e adequação do que foi gerado.
PRINCIPAIS RESULTADOS: Embora se trate de uma revisão (e não de um único experimento), o texto cita evidências de que atividades cooperativas e estruturadas podem melhorar resultados acadêmicos e indicadores socioemocionais em cursos da área: em um laboratório de fisiologia on-line assíncrono, exigir trabalho em pequenos grupos esteve associado a maior motivação e senso de pertencimento; e, em um curso introdutório, uma seção totalmente “flipped” obteve desempenho superior em quizzes e provas quando comparada a semestres anteriores baseados em aula expositiva. Para empatia e comunicação, são citados estudos em saúde em que narrativas visuais e “trigger films” aumentaram satisfação e percepção de desenvolvimento de competências relacionais. No debate sobre “cognitive offloading”, a revisão ainda menciona um estudo com EEG em escrita de redações no qual participantes que usaram IA apresentaram menor conectividade/engajamento neural e pior desempenho posterior, sugerindo risco de “dívida cognitiva” quando a ferramenta substitui o esforço de elaboração.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a aprendizagem, a implicação é que ganhos de produtividade individual com IA podem coexistir com perdas em participação, pertencimento e profundidade do raciocínio, dimensões críticas em carreiras de saúde e ciências, nas quais decisões são coletivas e contextualizadas. Para o trabalho docente, o recado é menos sobre “adotar IA” e mais sobre projetar tarefas em que o valor está no processo: papéis definidos em discussões, exigência de justificativas, revisão por pares, e combinações de atividades com e sem tecnologia que tornem visíveis autoria, tomada de decisão e capacidade de explicar. Para gestão e políticas de curso, a revisão reforça a necessidade de diretrizes claras de integridade e transparência (por exemplo, declarar uso de IA), formação docente e proteção de dados, especialmente quando plataformas externas recebem conteúdos de estudantes.
SIM, MAS…: O texto também aponta que a resposta “proibir” é difícil de sustentar e pode ser pedagogicamente pobre, dado o acesso fácil a ferramentas como ChatGPT; por outro lado, “liberar sem estrutura” tende a ampliar o risco de terceirização cognitiva e de avaliações que medem apenas o produto final. Há ainda barreiras práticas: atividades cooperativas exigem tempo, capacitação para facilitação e critérios de avaliação que desincentivem participação desigual; já o uso de serviços de terceiros pode gerar preocupações com confidencialidade e consentimento, o que sugere preferência por soluções institucionais ou por orientações explícitas de privacidade e segurança.
EXEMPLOS NA PRÁTICA EDUCACIONAL: Em fisiologia, o artigo descreve como estratégias clássicas podem ser “intensificadas” na era da IA: um TBL com casos resolvidos em equipe e sem dispositivos para forçar negociação; um jigsaw em que cada aluno domina uma parte do conteúdo e ensina colegas, criando dependência mútua; debates rápidos em grupos (“buzz groups”) para recuperar participação em aulas grandes; e escape rooms educativos em que a solução depende de coordenação sob pressão. No campo da comunicação, o uso de narrativas de pacientes, análise guiada de imagens e simulações com papéis (paciente/clínico/observador) cria condições para treinar escuta ativa e feedback, enquanto tarefas de escrita podem combinar rascunho humano, crítica ao texto gerado por IA e revisão final com justificativas.
O QUE VEM DEPOIS: A revisão sugere que o próximo passo para instituições é transformar o “centrado no humano” em desenho curricular verificável: explicitar resultados de aprendizagem interpessoais, definir quando e como a IA pode ser usada, e criar avaliações que sustentem responsabilidade e reflexão, incluindo combinações como tarefas com apoio de IA seguidas de checagens presenciais sem IA. Também abre uma agenda de validação: medir efeitos de longo prazo em diferentes perfis de estudantes, comparar estratégias em contextos presenciais e on-line e investigar quais formatos de orientação (por exemplo, modelos do tipo “Humano → IA → Humano”) equilibram melhor inovação, integridade e desenvolvimento de competências profissionais.
