Uma pesquisa internacional com 2.083 estudantes propõe um jeito simples de medir se a IA generativa está sendo usada apenas para rotinas acadêmicas ou também como apoio a atividades de pesquisa. Ao comparar dois indicadores, uso acadêmico geral e uso voltado à pesquisa, o estudo encontra alta adoção na vida universitária, mas uma passagem ainda desigual para usos mais “científicos”, com implicações diretas para currículo, letramento em IA e integridade acadêmica.
O QUE HÁ DE NOVO: O artigo publicado na MDPI apresenta um modelo operacional com três métricas (A1, A2 e a razão A=A2/A1) para descrever “configurações” de uso de IA generativa por estudantes no ensino superior. A base empírica vem de um survey online (2024–2025), voluntário e anônimo, com 2.083 estudantes de sete países (República Tcheca, Polônia, Bulgária, Ucrânia, Cazaquistão, Uzbequistão e Camarões), somando 3.686 marcações em uma questão de múltipla escolha sobre situações em que usam IA nos estudos.
COMO FUNCIONA: A pesquisa trata a universidade como um sistema sociotécnico e mede, por “proxies” (indicadores indiretos), duas dimensões do uso estudantil. O A1 representa a parcela de alunos que usa IA generativa em qualquer tarefa acadêmica (basta selecionar alguma opção diferente de “não uso”); o A2 representa a parcela que seleciona a opção ligada a “apresentações de resultados de pesquisa”, que o artigo generaliza como uso em “tarefas de pesquisa”. A partir daí, os autores posicionam grupos e países em um plano A1–A2 para distinguir padrões como uso limitado (baixo A1 e A2), uso rotineiro (alto A1 e baixo A2) e maior orientação à pesquisa (alto A1 e A2), além de testar diferenças entre médias com estatística z.
PRINCIPAIS RESULTADOS: No conjunto total, o estudo estima A1=79,06% e A2=46,66%, sugerindo que a IA já é uma ferramenta comum para atividades acadêmicas, mas que o uso voltado à pesquisa ainda é menos frequente. Entre os destaques por grupo, o Cazaquistão aparece com A1 de 95,6% e A2 de 73,2%, e um grupo da Ucrânia (Ukraine-1) com A2 de 60,6% (com A1 próximo de 80%), configurando os casos mais próximos do que o artigo chama de IA como “assistente de pesquisa” do estudante. Em contraste, a maioria dos grupos se concentra na zona de “rotina acadêmica”: alta adoção geral, mas com uma lacuna visível para usos de pesquisa.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para gestores e coordenadores de curso, o recado central é que “ter IA na rotina” não significa, automaticamente, “ter IA integrada à cultura de pesquisa”. Se quase quatro em cada cinco estudantes já recorrem a ferramentas como ChatGPT e similares para atividades acadêmicas, mas menos da metade reporta uso em um contexto de pesquisa, há um espaço claro para desenho curricular: disciplinas de metodologia e de escrita científica podem incorporar práticas de checagem, rastreabilidade de fontes, documentação do processo e avaliação do raciocínio, não só do produto final. Do lado docente, o achado também ajuda a calibrar políticas: proibir de forma ampla pode empurrar o uso para a informalidade, enquanto orientar usos de pesquisa pode transformar a ferramenta em apoio à análise, estruturação e comunicação científica, com parâmetros de transparência e autoria.
SIM, MAS…: O próprio artigo enfatiza limites relevantes para quem quer usar esses números como base de decisão. A2 deriva de uma única alternativa do questionário ligada à apresentação de resultados, o que pode subrepresentar pesquisa “de verdade” (por exemplo, uso para delinear hipóteses, revisar literatura ou apoiar análise de dados) e, ao mesmo tempo, incluir usos mais superficiais de formatação de apresentações. Além disso, a amostragem foi de conveniência e oportunística, com participação voluntária, o que impede generalizações para sistemas nacionais; e os dados são autorrelatados, sujeitos a vieses de interpretação e desejabilidade social.
CONTEXTO E BASTIDORES: A contribuição do estudo dialoga com a disputa atual no ensino superior sobre o lugar da IA generativa: de um lado, a ferramenta como automação “de tarefas”; de outro, como componente cognitivo que altera práticas de estudo e pesquisa. Ao adotar a lente de sistemas sociotécnicos, o artigo evita classificar países ou instituições como “mais maduros” e propõe olhar para a composição do uso: onde a IA aparece como apoio rotineiro (tradução, preparação de materiais, testes) e onde começa a se deslocar para atividades de pesquisa, ainda de forma desigual entre contextos.
O QUE VEM DEPOIS: O estudo sugere, implicitamente, uma agenda de aprofundamento que é especialmente útil para universidades: medir não apenas se os alunos usam IA, mas como, com que frequência, com quais salvaguardas e com quais efeitos em aprendizagem e integridade acadêmica. Para pesquisa futura, ficam abertas perguntas sobre o que explica a passagem do uso rotineiro para o uso orientado à pesquisa, por exemplo, exigências curriculares, acesso a infraestrutura, normas institucionais, letramento em IA e desenho de avaliação. Na prática, a mensagem é que políticas eficazes tendem a combinar orientação pedagógica, critérios de transparência e formação docente, em vez de depender apenas de permissões ou proibições genéricas.
