Uma pesquisa desenvolveu e validou a Generative AI Literacy for Learning Scale (GenAI-LLs), instrumento voltado a identificar se universitários dispõem das competências necessárias para aprender com inteligência artificial generativa. A proposta desloca o foco habitual da alfabetização em IA, centrado em conhecer a tecnologia e suas questões éticas, para as práticas que permitem ao estudante usar essas ferramentas de modo orientado, autônomo e crítico em atividades acadêmicas.
O QUE HÁ DE NOVO: O estudo avaliou a escala com três grupos de estudantes de graduação e cursos de tecnólogo, de áreas de humanas, ciências naturais e aplicadas, todos com experiência prévia de uso de IA generativa para aprender. A versão final tem 29 afirmações organizadas em quatro dimensões: análise de necessidades, habilidades de prompts e linguagem, aprendizagem autônoma e pensamento crítico. A ferramenta foi concebida para uso no ensino superior, com potencial de aplicação em ambientes presenciais, abertos, a distância e flexíveis.
COMO FUNCIONA: Os respondentes indicam seu grau de concordância, em uma escala de cinco pontos, com afirmações sobre como identificam uma necessidade de aprendizagem, escolhem e avaliam recursos gerados por IA, formulam pedidos em linguagem adequada, regulam o próprio percurso de estudo e questionam erros ou vieses nas respostas. A elaboração começou com 44 itens, submetidos a especialistas em tecnologia educacional, computação, linguagem e avaliação, além de estudantes; após os testes estatísticos, 15 itens foram retirados.
Para verificar se a estrutura se sustentava, os pesquisadores usaram dados de 526 alunos em uma análise exploratória e de outros 226 em uma análise confirmatória. Um terceiro grupo, com 21 participantes, respondeu ao questionário duas vezes em um intervalo de três semanas, permitindo examinar a estabilidade das medidas. A escala não mede conhecimento de programação ou uma plataforma específica: busca captar capacidades mobilizadas quando a IA generativa é usada como apoio ao estudo.
PRINCIPAIS RESULTADOS: Os quatro fatores explicaram 53,7% da variação das respostas, e a confirmação em uma amostra separada indicou ajuste aceitável do modelo. A consistência interna da escala completa foi alta, com coeficientes de confiabilidade de 0,917 pelo alfa de Cronbach e de 0,912 pelo ômega de McDonald. No reteste, a correlação para o resultado total foi de 0,739, sinal de estabilidade razoável ao longo do período analisado. As análises também mostraram que todos os itens distinguiam adequadamente estudantes com escores mais altos e mais baixos.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A expansão de ferramentas capazes de produzir textos, imagens, códigos e apresentações tornou insuficiente avaliar apenas se o aluno sabe definir IA ou acessar um chatbot. Para docentes e equipes de currículo, um diagnóstico das quatro dimensões pode revelar se a dificuldade está em formular perguntas produtivas, transformar respostas em aprendizagem própria ou verificar informações antes de incorporá-las a trabalhos. Isso pode orientar intervenções mais específicas, em vez de reduzir a formação a regras de uso ou a treinamentos operacionais.
Também há implicações para instituições. Dados desse tipo podem apoiar o desenho de atividades, a avaliação de intervenções pedagógicas e políticas de integração da IA que preservem autoria, autonomia e julgamento crítico. Ao mesmo tempo, a escala chama atenção para um risco central: alunos capazes de obter respostas rapidamente não são necessariamente capazes de avaliar sua confiabilidade, reconhecer vieses ou evitar que a ferramenta substitua o esforço intelectual necessário para aprender.
LIMITAÇÕES E PRÓXIMOS PASSOS: A evidência foi produzida por amostragem por conveniência, com questionário aplicado em turco e participantes de cursos presenciais de ensino superior; portanto, não permite presumir que os resultados se repitam em outros contextos culturais, idiomas ou etapas educacionais. O grupo de reteste também foi pequeno. Estudos futuros terão de adaptar e validar o instrumento em educação básica, educação de adultos e modalidades remotas, além de comparar seus escores com outros indicadores de letramento em IA e com resultados de intervenções. Só então a escala poderá sustentar comparações mais amplas e decisões institucionais com maior segurança.
Fonte: Development and validationof the Generative AI Literacy for Learning Scale(GenAI-LLs)
