Um estudo quantitativo com 250 estudantes e professores do ensino superior analisou efeitos não intencionais do uso de ferramentas de IA no ensino e aprendizagem de inglês, encontrando associação entre maior dependência de sistemas como corretores e geradores de texto e queda percebida em autonomia cognitiva, pensamento crítico e criatividade linguística, além de preocupações com integridade acadêmica e mudanças no trabalho docente.

O QUE HÁ DE NOVO: Publicado no Journal of Applied Linguistics and TESOL (vol. 9, n. 1, 2026), o artigo investiga a “face sombria” da IA em English Language Learning and Teaching (ELLT) a partir de um levantamento com 250 participantes, 140 estudantes (56%) e 110 professores (44%) de diferentes instituições de ensino superior. Em um cenário em que 60% relataram uso diário de ferramentas de IA e 25% uso semanal, o estudo apresenta evidências estatísticas de que a dependência desses recursos se relaciona a resultados educacionais considerados centrais para a formação linguística: autonomia, criticidade e criatividade.

COMO FUNCIONA: A pesquisa usou um questionário estruturado com escala Likert de cinco pontos para medir construtos como “dependência de IA”, “autonomia cognitiva”, “pensamento crítico”, “criatividade linguística”, “preocupação com integridade acadêmica” e “adaptação do papel docente”. Os dados foram coletados por survey online, com consentimento informado e anonimato, e analisados no SPSS com estatísticas descritivas, teste de confiabilidade (alpha de Cronbach), correlação de Pearson e regressão múltipla. A confiabilidade global do instrumento foi alta (α=0,87), com alphas entre 0,78 e 0,82 nos construtos reportados, dando base para as associações exploradas.

PRINCIPAIS RESULTADOS: Nos descritivos, “dependência de IA” apareceu com média 3,95 (DP 0,72), enquanto autonomia cognitiva (3,20), pensamento crítico (3,15) e criatividade linguística (3,10) ficaram em nível “moderado”; a preocupação com integridade acadêmica também foi elevada (3,75). As correlações indicaram relação negativa entre dependência de IA e autonomia (r=-0,45), pensamento crítico (r=-0,42) e criatividade (r=-0,40), todas significativas (p<0,01). Já a dependência de IA correlacionou-se positivamente com preocupação com integridade acadêmica (r=0,36; p<0,01), sugerindo que quanto mais as ferramentas entram na rotina, maior a percepção de risco ético. Em regressão, a dependência de IA apareceu como preditor associado à redução de desfechos cognitivos e linguísticos (β=-0,42; p<0,001), com o modelo explicando 34% da variância (R²=0,34).

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula, o achado principal tem implicação direta: se o uso de IA se concentra em “resolver” o trabalho linguístico, corrigir, reescrever, sugerir estruturas, há risco de enfraquecer processos de aprendizagem que dependem de esforço cognitivo, autorregulação e tomada de decisão linguística, especialmente em escrita acadêmica. Ao mesmo tempo, o estudo reforça que eficiência e feedback imediato podem melhorar desempenho de curto prazo, mas não garantem desenvolvimento de competências de longo prazo, como argumentação e voz autoral, que são decisivas para proficiência e participação social.

Para o trabalho do professor, a pesquisa descreve uma adaptação do papel docente (média 3,45), coerente com a pressão por monitorar uso de IA, redesenhar tarefas e oferecer feedback que vá além do “correto/incorreto”. Isso desloca a docência para funções de curadoria e orientação ética, exigindo formação continuada: entender limitações das ferramentas, antecipar dependência e criar rotinas pedagógicas que forcem o estudante a justificar escolhas e refletir sobre linguagem, em vez de apenas aceitar sugestões automáticas.

No plano institucional e de políticas acadêmicas, a associação entre dependência de IA e preocupação com integridade sugere que a discussão deixou de ser abstrata: avaliação e certificação podem perder validade se a autoria se torna opaca e se instrumentos tradicionais não distinguem produção própria de texto assistido. O estudo aponta a necessidade de regras claras sobre atribuição, limites de uso e privacidade de dados, além de modelos de avaliação mais processuais (rascunhos, revisões justificadas, defesas orais, portfólios), que reduzam incentivos à terceirização da escrita.

SIM, MAS…: Por se tratar de um survey transversal baseado em percepções, o estudo identifica associações, não prova causalidade, e pode refletir diferenças de perfil entre usuários intensivos e moderados (por exemplo, maior ansiedade acadêmica ou menor base linguística). Além disso, os resultados dependem de como “dependência” e “criatividade” foram operacionalizadas no questionário; sem medidas diretas de desempenho linguístico (como análise de textos ao longo do tempo), permanece a pergunta sobre o tamanho do efeito na proficiência real.

O QUE VEM DEPOIS: A agenda indicada pelo estudo passa por testar intervenções pedagógicas que usem IA de forma “moderada” e intencional, comparando turmas e acompanhando evolução longitudinal de escrita e leitura crítica. Também abre espaço para pesquisas sobre equidade linguística: como modelos treinados em normas de falantes nativos podem reforçar homogenização e reduzir reconhecimento de variedades locais de inglês. Para gestores, o próximo passo é transformar o debate em governança: formação docente, diretrizes de avaliação e protocolos de uso de IA que preservem autonomia, criatividade e integridade, sem abrir mão dos ganhos de acesso e suporte que essas ferramentas podem trazer.

Fonte: THE DARK SIDE OF AI IN EDUCATION: UNINTENDED CONSEQUENCES ON ENGLISH LANGUAGE LEARNING AND TEACHING