Um estudo com 465 estudantes de pós-graduação em áreas de tecnologia na Austrália examinou como a IA generativa pode ser incorporada ao ensino superior sem reduzir a aprendizagem a uma simples terceirização de tarefas. A pesquisa mostra que políticas institucionais só ganham efeito quando chegam à sala de aula por meio de atividades estruturadas, transparência no uso das ferramentas, avaliação crítica das respostas e apoio sistemático a professores e estudantes.

O QUE HÁ DE NOVO: A pesquisa analisou duas experiências em disciplinas obrigatórias de primeiro ano de pós-graduação em tecnologia da informação e sistemas de informação, em universidades australianas. Ao todo, foram observados 280 estudantes em uma turma e 185 em outra, com forte presença de alunos internacionais e muitos ingressantes no sistema universitário australiano, um contexto em que dúvidas sobre integridade acadêmica, uso permitido de ferramentas de IA e expectativas de escrita acadêmica tendem a ser mais intensas.

COMO FUNCIONA: Nas duas experiências, a IA generativa foi tratada como ferramenta de apoio à aprendizagem, não como substituta da autoria humana. Em uma das disciplinas, os estudantes passaram a preencher, em atividades semanais avaliadas, um modelo de declaração de uso de IA: qual ferramenta foi usada, com que finalidade, como a resposta foi citada, quais registros ou capturas foram anexados e que reflexão crítica o aluno fazia sobre o resultado. A proposta buscava tornar visível o processo de aprendizagem e reduzir ambiguidades sobre o que seria uso aceitável.

Na segunda experiência, os estudantes participaram de uma atividade em cinco etapas durante tutoriais: gerar ideias com ferramentas como Microsoft Copilot ou ChatGPT, validar as respostas, revisar os resultados com base em conteúdos da disciplina, refletir sobre limites e utilidade da IA e compartilhar aprendizados com colegas. A metodologia do estudo foi exploratória, baseada em estudos de caso, com análise de reflexões dos alunos, modelos preenchidos, questionários diagnósticos e de acompanhamento, discussões em sala, fóruns online e registros dos docentes.

PRINCIPAIS RESULTADOS: Os dados indicam avanços graduais no letramento em IA, mas também forte variação no ponto de partida dos estudantes. Em uma das turmas, 56% se declararam iniciantes no começo do semestre e relataram incerteza sobre limites de uso acadêmico; na semana 9, 32% afirmaram ter melhorado significativamente sua literacia em IA e 29% disseram sentir confiança para usar as ferramentas de modo ético. A mudança mais relevante observada não foi apenas técnica: estudantes passaram a questionar respostas plausíveis, identificar generalizações, reconhecer possíveis erros e entender que a IA exige supervisão humana.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: O estudo aborda um problema central para universidades e redes educacionais: a distância entre políticas sobre IA generativa e práticas reais de ensino. Para os estudantes, atividades graduais podem transformar a IA em objeto de investigação crítica, fortalecendo competências de análise, avaliação e autoria. Para professores, a proposta oferece caminhos concretos para redesenhar avaliações com foco no processo, incluindo rascunhos, justificativas, declarações de uso e reflexão, em vez de depender apenas do produto final entregue pelo aluno.

A IDEIA CENTRAL: O diferencial da abordagem está em deslocar o debate de “permitir ou proibir” para “ensinar a usar com critérios”. A pesquisa combina pedagogia digital crítica, letramento em IA, aprendizagem construtivista e taxonomia de Bloom para desenhar tarefas em que o aluno primeiro experimenta a ferramenta, depois analisa suas limitações e, por fim, assume responsabilidade por decisões acadêmicas. Nesse modelo, a IA aparece como ponto de partida para investigação, brainstorming e revisão, mas a validação, a síntese e o julgamento permanecem como objetivos humanos de aprendizagem.

PONTOS DE ATENÇÃO: A adoção em sala trouxe custos pedagógicos relevantes. Docentes relataram aumento de carga cognitiva e emocional, especialmente quando tiveram de interpretar casos ambíguos, verificar registros de uso e equilibrar apoio formativo com controle de integridade acadêmica. Também houve risco de dispersão: em algumas atividades, o fascínio pela ferramenta desviou a atenção de conteúdos disciplinares, como levantamento de requisitos e pensamento sistêmico. Além disso, diferenças de acesso, familiaridade digital e compreensão das normas acadêmicas podem ampliar desigualdades se a instituição apenas liberar ferramentas sem orientação consistente.

O QUE VEM A SEGUIR: A pesquisa recomenda que universidades tratem o letramento em IA como competência institucional, não como iniciativa isolada de professores pioneiros. Isso inclui modelos padronizados de declaração de uso, materiais centralizados de orientação, módulos sobre vieses e alucinações, rubricas que avaliem o processo de aprendizagem e colaboração entre docentes, bibliotecas, equipes de tecnologia, designers instrucionais e áreas de integridade acadêmica. Como os casos se concentram em disciplinas de tecnologia na Austrália, os próximos passos envolvem testar a abordagem em outras áreas, países e perfis de estudante, além de medir efeitos de longo prazo sobre aprendizagem, autoria e confiança acadêmica.

Fonte: Reimagining pedagogy for the GenAI era: Frameworks, challenges and institutional strategies