Um estudo qualitativo acompanhou universitários em um curso de Inglês para Fins Acadêmicos (EAP) e descreveu como a experiência prática com ferramentas como ChatGPT e Grammarly, combinada a momentos estruturados de reflexão, pode levar ao desenvolvimento de “consciência metacognitiva” sobre o uso de IA, isto é, a capacidade de planejar, monitorar e ajustar estratégias de interação com esses sistemas para aprender melhor e evitar aceitação acrítica de respostas.
O QUE HÁ DE NOVO: Pesquisadores analisaram, ao longo de um semestre (outono de 2023), como 23 estudantes de uma universidade internacional em Shenzhen, na China, usaram IA fora da sala de aula para cumprir três grandes tarefas do curso (proposta de pesquisa, apresentação oral e artigo final). A novidade não está em afirmar que alunos usam IA, mas em mapear, com diários reflexivos e entrevistas, o processo pelo qual eles constroem conhecimento sobre quando, por que e como usar diferentes ferramentas, e como isso muda o comportamento em usos posteriores.
COMO FUNCIONA: O desenho do estudo combinou três diários reflexivos (um após cada entrega) e uma entrevista de acompanhamento. Nos diários, os alunos detalhavam quais ferramentas usaram, em que etapa do trabalho, por quais motivos, como avaliaram a qualidade das respostas e se mudaram a estratégia desde a tarefa anterior. A análise foi feita por “abductive thematic analysis”, orientada por dois referenciais: a Teoria da Aprendizagem Experiencial (ciclo de experiência, reflexão, conceitualização e experimentação) e a taxonomia de metacognição (conhecimento declarativo, procedural e condicional; e regulação do uso). A codificação foi apoiada por NVivo e teve checagem de confiabilidade (kappa de 0,74).
PRINCIPAIS RESULTADOS: Na prática, os alunos relataram usos recorrentes de IA para tarefas “de linguagem” (revisão gramatical, estilo acadêmico, escolhas lexicais) e “de conteúdo” (brainstorming, recorte de tema, busca e digestão de literatura, apoio a instrumentos e análises). Um achado central é que a maioria não descreve um uso totalmente passivo: muitos comparam as respostas da IA com padrões internos (o que esperavam) e externos (materiais do curso, Google Scholar e artigos), sobretudo quando a ferramenta sugere referências e resumos. Com o tempo, parte dos estudantes relatou evolução na qualidade dos prompts (mais contexto, restrições e iteração) e maior estratégia na escolha de ferramentas “por vantagem comparativa”, por exemplo, usar um chatbot para ideias e outro software para polimento linguístico.
INSIGHT CENTRAL: O artigo propõe enxergar a “metacognição sobre IA” como um objeto específico, distinto de metacognição geral de aprendizagem ou de escrita. Em vez de medir apenas “se o aluno sabe aprender”, o estudo descreve como ele aprende a usar IA: desenvolve conhecimento sobre capacidades e limites (declarativo), aprende procedimentos de interação (procedural) e constrói critérios situacionais sobre quando vale a pena usar (condicional). O uso do ciclo da Aprendizagem Experiencial ajuda a explicar por que a reflexão pós-tarefa (e não apenas a exposição à ferramenta) é o mecanismo que transforma tentativa e erro em estratégia.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula, os achados sugerem que a questão não é somente permitir ou proibir IA, mas criar condições para que estudantes aprendam a avaliar qualidade, adequação e limites das respostas, especialmente em atividades com risco de “alucinação” (referências inventadas, resumos imprecisos) e em tarefas que exigem contextualização. Para o trabalho docente, o estudo reforça o valor de incorporar dispositivos de metarreflexão (diários, autoavaliação do processo, justificativas de escolhas de ferramenta e prompt) como parte do desenho pedagógico, em vez de tratar o uso como algo invisível ou apenas disciplinar. Para a gestão acadêmica, o texto aponta que a “competência de uso de IA” não é uniforme: varia com experiência prévia, confiança do estudante e natureza da tarefa (oral versus escrita; conhecimento factual versus demandas de alta complexidade), o que exige políticas e orientações mais granulares.
SIM, MAS…: O estudo foi conduzido em um contexto específico: uma universidade em Shenzhen, com muitos alunos de famílias com maior acesso a infraestrutura e com boa familiaridade digital, o que pode limitar a generalização para redes com maior desigualdade de acesso. Além disso, por ser qualitativo e baseado em autorrelatos (diários e entrevistas), ele descreve processos e percepções com riqueza, mas não mede causalmente impacto em desempenho acadêmico ou proficiência linguística. O próprio material analisado também indica uma tensão pedagógica: vários estudantes reconheceram que IA melhora o texto entregue, mas nem sempre fortalece a habilidade linguística, um alerta para currículos que confundem qualidade do produto com aprendizagem do processo.
O QUE VEM DEPOIS: O artigo abre espaço para pesquisas que testem intervenções didáticas explícitas voltadas a essa metacognição de IA (por exemplo, ensinar estratégias de verificação, critérios de adequação por gênero textual e desenho de prompts), comparando turmas com e sem esses suportes. Também aponta para a necessidade de acompanhar efeitos de longo prazo: se a “eficiência” relatada se traduz em aprendizagem sustentada, e como evitar que a conveniência de polimento automático reduza oportunidades de prática deliberada, especialmente em disciplinas de linguagem e escrita acadêmica.
Fonte: https://www.sciencedirect.com/science/article/pii/S0346251X25002003