Um estudo com 252 estudantes de FinTech em universidades da Jordânia mapeou os principais fatores que influenciam a adoção de aplicações de IA no ensino da área e mediu seus efeitos em resultados de aprendizagem. Os dados indicam que desenho curricular, infraestrutura de ferramentas, expertise docente e aceitação estudantil estão associados a maior uso de IA, que por sua vez se relaciona a mais engajamento, melhor retenção de conhecimento e maior pensamento crítico.
O QUE HÁ DE NOVO: A pesquisa, publicada em dezembro de 2025, testa um modelo quantitativo que liga “condições de adoção” ao uso de IA em disciplinas de FinTech e conecta esse uso a resultados educacionais percebidos pelos alunos. Com base em respostas de 252 estudantes de cinco universidades jordanianas (majoritariamente a partir do segundo ano), a análise mostra que quatro determinantes, currículo, disponibilidade de ferramentas e plataformas, expertise do corpo docente e aceitação dos alunos, têm efeito estatisticamente significativo sobre o nível de adoção de IA no ensino de FinTech.
COMO FUNCIONA: Os pesquisadores aplicaram um questionário com escala Likert de cinco pontos, construído a partir de medidas usadas em estudos anteriores e revisado por especialistas das áreas de IA, tecnologia educacional e FinTech. O instrumento inclui itens sobre currículo (atualização e integração de IA), infraestrutura (acesso e variedade de plataformas), expertise docente (conhecimento e orientação para projetos), aceitação estudantil (percepção de valor e expectativas), além do uso de aplicações como tutores inteligentes, chatbots de suporte, simulações com IA, geração automatizada de conteúdo e uso de IA em analítica financeira. As relações entre variáveis foram estimadas via modelagem de equações estruturais por mínimos quadrados parciais (PLS-SEM), com bootstrap de 5.000 amostras, após checagens de confiabilidade e validade dos construtos.
PRINCIPAIS RESULTADOS: Entre os fatores que impulsionam a adoção, o acesso a ferramentas e plataformas aparece como o componente mais forte do modelo (β=0,339), seguido por expertise docente (β=0,222) e aceitação estudantil (β=0,204), enquanto o desenho curricular também tem efeito, porém menor (β=0,139). Em conjunto, esses quatro determinantes explicam 56,5% da variação no nível de adoção de IA no ensino de FinTech. Já do lado dos desfechos, maior adoção de IA se associa a maior engajamento (β=0,517), melhor retenção de conhecimento (β=0,467) e maior pensamento crítico (β=0,429), com a adoção explicando cerca de 18,4% do pensamento crítico e 21,8% tanto de engajamento quanto de retenção.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para gestores e coordenadores de cursos em áreas de rápida transformação, como FinTech, o estudo reforça que “colocar IA no currículo” não é apenas escolher uma ferramenta: depende de um pacote de condições habilitadoras. No nível da sala de aula, os resultados sugerem que IA tende a gerar mais participação e foco dos estudantes quando vem acompanhada de práticas de uso (como simulações e estudos de caso com dados), o que pode aproximar o ensino de situações do mercado financeiro. Para o trabalho docente, a evidência aponta que a capacidade dos professores de orientar projetos e selecionar aplicações alinhadas às tarefas do curso é um fator relevante, indicando demanda por formação específica e por tempo institucional para redesenhar atividades e avaliações.
INSIGHT CENTRAL: O modelo combina diferentes lentes teóricas frequentemente usadas na adoção de tecnologia, como adequação tecnologia-tarefa, aceitação de tecnologia e aprendizagem social, para mostrar que a adoção de IA em FinTech é menos uma decisão individual isolada e mais um ecossistema: currículo define “o que conta” como tarefa; infraestrutura define “o que é possível”; e expertise docente e aceitação estudantil determinam “como” e “com que qualidade” a IA entra na rotina acadêmica. Na prática, isso desloca o debate do “qual chatbot usar” para “quais competências e evidências o curso quer construir com IA”.
SIM, MAS…: Como o estudo se baseia em autorrelato de estudantes e em um recorte específico (universidades jordanianas), as conclusões indicam associações robustas no contexto analisado, mas não garantem causalidade nem generalização automática para outros países, níveis de digitalização institucional ou perfis socioeconômicos. Além disso, os resultados não detalham efeitos por tipo de aplicação de IA (por exemplo, diferença entre tutores inteligentes, geração de conteúdo e simulações), o que é importante porque ferramentas distintas podem trazer riscos e benefícios educacionais também distintos, incluindo superficialidade de aprendizagem, dependência excessiva, vieses e desafios de integridade acadêmica.
O QUE VEM DEPOIS: Os autores sugerem replicações em outros contextos e abordagens mistas (com entrevistas e observação) para entender melhor como as condições institucionais se traduzem em práticas pedagógicas reais. Também apontam a necessidade de estudos longitudinais, acompanhando estudantes ao longo dos anos do curso, para verificar se ganhos percebidos em engajamento, retenção e pensamento crítico persistem e se convertem em competências aplicadas. Para formuladores de política e acreditação no ensino superior, o trabalho abre espaço para discutir padrões de qualidade que vão além de “ter IA”, incluindo requisitos de infraestrutura, formação docente e desenho curricular com foco em resultados de aprendizagem.
Fonte: The drivers and outcomes of adopting AI in FinTech education from students’ perspective
