Um novo artigo no arXiv propõe que avaliar IA na educação apenas por desempenho acadêmico é insuficiente e pode mascarar danos não intencionais. Ao integrar evidências de pesquisa em quatro dimensões, cognição, agência, bem-estar emocional e ética, o trabalho argumenta que escolhas de design e governança podem tanto reforçar pensamento crítico e autonomia quanto alimentar dependência, conformismo, vigilância e erosão de confiança, com efeitos que alcançam a formação cidadã.

O QUE HÁ DE NOVO: Pesquisadores da ELLIS Alicante, Universitat d’Alacant e EPFL publicaram o preprint “AI in Education Beyond Learning Outcomes: Cognition, Agency, Emotion, and Ethics”, defendendo um enquadramento integrado para discutir impactos sociais da IA em contextos educacionais. Em vez de tratar riscos como tópicos isolados (privacidade, cola, vieses, efeitos cognitivos), o artigo descreve como esses fatores se conectam e podem se reforçar mutuamente, especialmente com a adoção rápida de chatbots e outras ferramentas generativas em escolas e universidades, num ritmo que tende a superar políticas e regulações.

COMO FUNCIONA: O artigo é uma síntese multidisciplinar: combina literatura de educação, ciência cognitiva, psicologia e ética para mapear mecanismos de dano e condições de benefício. O ponto de partida é que diferentes tipos de sistemas, de chatbots “abertos” a tutores inteligentes desenhados com princípios pedagógicos, tendem a produzir efeitos distintos. A análise detalha como a IA entra no cotidiano acadêmico (apoio a escrita, sumarização, brainstorming, tutoria e programação), e como práticas institucionais (formas de avaliação, normas de uso, coleta de dados e transparência) modulam o que estudantes fazem com essas ferramentas.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A principal consequência prática é deslocar o foco de “ganho de eficiência” para “qualidade do aprendizado e da formação” em sentido amplo. Na sala de aula, ferramentas que entregam respostas prontas podem reduzir esforço cognitivo e aprofundar a “ilusão de fluência”, trocando compreensão por sensação de facilidade; por outro lado, IA alinhada à pedagogia pode preservar “dificuldades desejáveis” e orientar o estudante a justificar, recuperar informação e refletir. Para o trabalho docente e a gestão, o texto sugere que políticas de IA precisam ir além de liberar ou proibir: devem criar critérios de uso, redesenhar tarefas e avaliações para valorizar processo (iterações, revisão por pares, defesas orais) e não apenas o produto final, e incorporar letramento em IA para reduzir assimetrias entre alunos com diferentes níveis de preparo e literacia digital.

INSIGHT CENTRAL: O diferencial do artigo está em tratar cognição, agência, emoção e ética como um sistema acoplado. A tese é que o “alívio” cognitivo (offloading) pode diminuir oportunidades de raciocínio esforçado; isso favorece confiança excessiva em saídas persuasivas; a confiança excessiva enfraquece agência e julgamento; a perda de agência se conecta a ansiedade, queda de autoeficácia e dependência; e tudo isso pode ser amplificado por ambientes de vigilância e governança opaca de dados. O efeito agregado, segundo os autores, ameaça capacidades que a educação deveria cultivar para além do mercado: autonomia intelectual, resiliência emocional e critérios de avaliação de informação em ambientes saturados por desinformação.

SIM, MAS…: Como se trata de um framework integrativo, o texto não apresenta um experimento único com causalidade direta; ele consolida evidências e propõe relações entre fenômenos que podem variar muito por disciplina, faixa etária, cultura institucional e desenho de tarefas. Outra limitação implícita é a heterogeneidade das tecnologias agrupadas sob “IA”: chatbots generalistas, sistemas de tutoria e ferramentas de análise de aprendizagem têm lógicas e incentivos diferentes, o que exige cautela para não generalizar achados. Ainda assim, a recomendação central, alinhar IA a princípios pedagógicos e a salvaguardas de direitos, aparece como uma agenda de implementação e pesquisa, não como conclusão fechada.

O QUE VEM DEPOIS: O artigo aponta caminhos práticos e de pesquisa: estudar IA também como “ator social” que molda normas e relações de poder; avançar em governança participativa e transparência sobre dados; e criar checklists para orientar decisões de designers, estudantes e instituições. Na implementação, a proposta é trocar a busca por automação “sem atrito” por desenhos que preservem esforço produtivo, incentivem escolhas do aluno e mantenham interação humana significativa, além de estabelecer normas claras de integridade e uso aceitável. Para redes e universidades, o recado final é que o debate mais relevante não é “usar ou não usar IA”, mas quais condições de design, avaliação e governança garantem aprendizado, equidade e formação cidadã sem normalizar dependência e vigilância.

Fonte: AI in Education Beyond Learning Outcomes: Cognition, Agency, Emotion, and Ethics