Um estudo com 907 estudantes de 8 a 15 anos e 53 professores na Suíça de língua alemã investigou o que molda a percepção de crianças e adolescentes sobre IA como apoio à aprendizagem. Os resultados apontam que a motivação para aprender com mídias digitais é o principal elo com uma visão mais favorável da IA, enquanto a autoeficácia se relaciona indiretamente a essa percepção por meio da motivação, com uma diferença relevante: meninas relatam menor autoeficácia para aprender com recursos digitais.
O QUE HÁ DE NOVO: A pesquisa examina, em um mesmo modelo estatístico multinível, como fatores de estudantes e de professores se conectam à percepção de IA no ensino fundamental e no início do secundário, um nível de escolaridade ainda pouco explorado na literatura de IA na educação. O levantamento foi feito na primavera de 2023 em 12 escolas primárias e 3 escolas de nível secundário inferior, todas participantes de um programa de desenvolvimento escolar voltado à integração pedagógica de mídias digitais.
COMO FUNCIONA: Alunos e professores responderam questionários online aplicados no contexto da rotina escolar, permitindo relacionar as respostas dos estudantes às do professor responsável por cada turma. Para captar “percepção de IA na aprendizagem”, o estudo adotou uma definição operacional centrada em utilidade percebida e intenção de uso: a ideia de uma máquina com IA que ajude quando o aluno “trava”, avaliando se isso ajudaria, seria prático e se o estudante gostaria de usar. A análise usou modelagem de equações estruturais multinível com abordagem “duplamente latente”, que separa efeitos individuais (diferenças entre alunos da mesma turma) de efeitos de turma (clima motivacional agregado), respeitando a estrutura hierárquica dos dados.
PRINCIPAIS RESULTADOS: No nível do estudante, a motivação intrínseca para aprender com mídias digitais apareceu associada a uma percepção mais positiva da IA (β=0,29; p<0,001). A autoeficácia para aprender com mídias digitais, por sua vez, se conectou fortemente à motivação (β=0,43; p<0,001), mas não mostrou efeito direto significativo sobre a percepção de IA no modelo (β=0,06; p=0,262). Entre as diferenças demográficas, meninas relataram menor autoeficácia do que meninos (β=-0,17; p=0,001), enquanto idade e gênero não se mostraram determinantes diretos da motivação no nível individual.
PRINCIPAIS RESULTADOS: No nível de turma, o panorama muda: classes mais velhas apresentaram motivação agregada mais baixa para aprender com mídias digitais (β=-0,91; p<0,001), alinhando-se à tendência já conhecida de queda de motivação ao longo das séries. Além disso, a motivação do professor para integrar mídias digitais se associou a maior motivação dos estudantes no nível da turma (β=0,71; p=0,004), sugerindo um caminho plausível pelo qual atitudes docentes podem influenciar o clima motivacional que cerca o uso de tecnologias.
SIM, MAS…: Um achado contraintuitivo merece cautela: ao controlar a motivação docente, a autoeficácia do professor para integrar mídias digitais se relacionou negativamente com a motivação dos alunos no nível da turma (β=-0,63; p=0,032). Os autores levantam hipóteses, como práticas mais desafiadoras ou percepção de “excesso de confiança”,, mas o desenho transversal impede concluir causalidade. Além disso, a percepção de IA foi medida como expectativa sobre uma tecnologia futura e genérica, não como experiência de uso real de ferramentas específicas, o que pode limitar inferências sobre adoção concreta em sala de aula.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para redes e escolas que planejam introduzir recursos de IA, a evidência sugere que a aceitação dos estudantes pode depender menos de “explicar o que é IA” e mais de criar condições motivacionais para aprender com o ecossistema digital, especialmente fortalecendo a confiança do aluno para usar tecnologias no estudo. Em termos de equidade, o dado de menor autoeficácia entre meninas acende um alerta: políticas e práticas de implementação de IA que ignorem diferenças de confiança e socialização tecnológica podem ampliar assimetrias de participação, mesmo quando o acesso a dispositivos exista.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: O estudo também reforça a centralidade do professor como mediador do clima de turma: quando a docência está motivada a integrar mídias digitais, a motivação média dos estudantes sobe, um indicador relevante para gestores ao desenhar formação continuada e apoio pedagógico. Ao mesmo tempo, o resultado ambíguo sobre autoeficácia docente sugere que programas de desenvolvimento profissional precisam combinar competência técnica com didática, expectativas realistas e estratégias de autonomia e segurança para os alunos, em vez de focar apenas em “dominar ferramentas”.
O QUE VEM DEPOIS: Os autores indicam a necessidade de estudos longitudinais para entender se motivação e percepção de IA se influenciam ao longo do tempo, inclusive porque a relação professor-aluno pode ser recíproca, com estudantes também afetando o engajamento docente. Outra agenda envolve medir infraestrutura, experiências concretas com ferramentas (incluindo uso fora da escola) e variáveis de contexto como liderança, apoio técnico-pedagógico e padrões de interação entre pares. Por fim, o estudo aponta espaço para investigar a influência de famílias na formação de crenças sobre agentes inteligentes, um fator potencialmente decisivo na alfabetização em IA nas idades iniciais.
