Um estudo sobre o uso de chatbots de inteligência artificial generativa (IA generativa) no ensino superior identificou quatro perfis de adoção entre estudantes e docentes: usuários cautelosos, pragmáticos céticos, usuários pouco engajados e entusiastas. A segmentação, baseada em percepções de confiança, privacidade, eficiência e apoio à aprendizagem, sugere que políticas e treinamentos uniformes podem não responder às diferentes condições de uso da IA nas universidades.
O QUE HÁ DE NOVO: A pesquisa analisou 192 pessoas com experiência prévia em chatbots de IA generativa em atividades acadêmicas, 107 estudantes e 85 educadores, e usou técnicas de aprendizado de máquina não supervisionado para encontrar grupos que surgem dos próprios dados. Cerca de 70% apontaram o ChatGPT como ferramenta principal; os demais combinavam seu uso com serviços como Gemini, Bard ou plataformas semelhantes. Em vez de medir apenas a intenção média de adotar a tecnologia, o trabalho procurou identificar padrões distintos de experiência em instituições e áreas como engenharia, negócios e saúde.
COMO FUNCIONA: Os participantes responderam a um questionário on-line sobre utilidade, facilidade de uso, eficiência, qualidade da interação, confiança, privacidade, conforto ético, satisfação, apoio percebido à aprendizagem, dependência e intenção de continuar usando os chatbots. Estudantes relataram usos como esclarecimento de conceitos, exemplos e orientação em tarefas; docentes, preparação de aulas, produção de materiais e respostas a dúvidas. As respostas foram consolidadas em 13 indicadores e padronizadas antes da análise.
Os pesquisadores primeiro empregaram agrupamento hierárquico para explorar quantos segmentos faziam sentido e, em seguida, aplicaram o método k-means para classificar os respondentes. A solução de quatro grupos teve os melhores indicadores internos entre as alternativas avaliadas: índice de silhueta de 0,311, Calinski-Harabasz de 102,02 e Davies-Bouldin de 1,294. Dados como função na instituição, idade, gênero, área e autopercepção de fluência tecnológica serviram para interpretar os perfis, não para defini-los inicialmente.
PRINCIPAIS RESULTADOS: O primeiro perfil, chamado de usuários cautelosos, combinou avaliação moderada da ferramenta com confiança e conforto ético relativamente altos; concentrou mais pós-graduados e apresentou diversidade de idade e gênero. Os pragmáticos céticos perceberam alta eficiência, mas reportaram menor confiança, satisfação e alinhamento ético, usando o chatbot sobretudo para executar tarefas. Nesse grupo, 88% eram da engenharia, 65% estudantes e 88% homens. Já os usuários pouco engajados tiveram as menores avaliações de utilidade, interação, satisfação e eficácia para aprender; eram majoritariamente mulheres jovens e reuniam mais pessoas com fluência digital baixa ou intermediária.
Os entusiastas engajados registraram as maiores pontuações em confiança, satisfação, efetividade percebida e intenção de uso continuado. O grupo tinha composição mais equilibrada entre estudantes e docentes, diversidade etária e presença relevante de doutorandos. Os resultados também mostram que papel institucional, disciplina ou idade, isoladamente, não explicam toda a variação: pessoas demograficamente parecidas podem se relacionar de modo diferente com a IA quando se combinam expectativas de desempenho, receios éticos e experiência digital.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A principal implicação é que a implantação de chatbots no ensino superior não deveria pressupor que todos precisam do mesmo tipo de interface, orientação ou regra. Para grupos mais atentos a privacidade e justiça, transparência sobre dados e limites da ferramenta tende a ser central. Usuários focados em produtividade podem demandar respostas confiáveis, rápidas e alinhadas a tarefas acadêmicas. Já quem tem baixa familiaridade ou experiências negativas precisa de formação inicial, apoio humano e oportunidades de experimentar a tecnologia sem pressão. A abordagem também pode orientar programas de desenvolvimento docente e acolhimento estudantil, reduzindo o risco de que a fluência digital se transforme em nova barreira de acesso.
LIMITES E PRÓXIMOS PASSOS: Os perfis são exploratórios e não devem ser tratados como categorias fixas da comunidade universitária. A amostra é relativamente pequena, foi recrutada por redes profissionais e acadêmicas e abrangeu apenas três áreas; além disso, os dados refletem autorrelatos em um momento específico e misturam experiências com diferentes plataformas. Estudos posteriores podem testar a estabilidade desses segmentos em outras instituições, países e campos, acompanhar mudanças ao longo do tempo e cruzar questionários com registros reais de interação. Para gestores, a evidência reforça que benefícios como feedback imediato e suporte escalável precisam ser acompanhados por avaliação contínua de confiança, equidade, uso excessivo e preservação de atividades de reflexão, raciocínio crítico e interação humana.
