Um estudo realizado na University of Leeds, no Reino Unido, identificou uma distância relevante entre estudantes, docentes e equipes profissionais no uso e na interpretação da IA generativa na educação superior. A pesquisa mostra que a adoção de ferramentas conversacionais é muito mais ampla entre alunos, enquanto funcionários tendem a demonstrar maior preocupação com integridade acadêmica, transparência, viés, autoria e uso de dados, um descompasso que reforça a necessidade de políticas institucionais claras e formação em letramento em IA.
O QUE HÁ DE NOVO: A pesquisa analisou como diferentes grupos de uma universidade britânica entendem o uso competente e ético de ferramentas de IA em contextos acadêmicos. Participaram 25 docentes, 34 profissionais de serviços técnicos e administrativos e 27 estudantes, em oficinas realizadas entre janeiro e março de 2024. O foco foi comparar percepções sobre aplicações já presentes na rotina universitária, de corretores ortográficos e assistentes de escrita a ferramentas de IA generativa conversacional usadas para brainstorming, produção de textos e criação de tarefas educacionais.
COMO FUNCIONA: O estudo combinou questionários anônimos e respostas abertas para mapear três dimensões: frequência de uso, percepção de competência em IA e reservas éticas diante de oito casos de uso. Entre eles estavam recursos não conversacionais, como corretor ortográfico, assistente de reescrita, sugestões automáticas de design em apresentações e edição automática de imagem e vídeo; e ferramentas conversacionais de IA generativa, usadas para gerar ideias, ensaios ou textos, atividades de apoio ao estudo e tarefas para materiais ou aulas. As respostas quantitativas foram complementadas por análise temática dos comentários e por análise de componentes principais, técnica estatística usada para identificar padrões de variação nas opiniões.
PRINCIPAIS RESULTADOS: A diferença mais evidente apareceu no uso de IA generativa conversacional. Entre estudantes, 82% disseram usar essas ferramentas frequentemente ou às vezes para gerar tarefas de apoio à própria aprendizagem, enquanto apenas 36% dos docentes e 24% dos profissionais técnicos relataram uso semelhante para desenvolver materiais ou aulas. Mais de metade dos estudantes afirmou usar IA generativa para produzir textos ou ensaios em algum momento do processo de aprendizagem, ao passo que quase 85% dos funcionários disseram nunca recorrer a esse uso. No conjunto, 48% dos docentes e 38% dos profissionais de serviços declararam nunca usar ferramentas conversacionais para nenhuma das finalidades listadas; entre estudantes, esse percentual caiu para 7%.
O QUE OS GRUPOS ENTENDEM POR COMPETÊNCIA EM IA: A pesquisa mostra que a noção de competência em IA ainda é instável. A maioria dos participantes associou competência principalmente ao uso de IA generativa conversacional, por exigir formulação de prompts, avaliação crítica das respostas e adaptação dos resultados. Ao mesmo tempo, estudantes foram mais propensos que docentes a considerar ferramentas já incorporadas ao cotidiano, como recursos de design em slides, como exemplos de competência em IA. Cerca de 70% dos participantes dos três grupos viram brainstorming, geração de textos e criação de tarefas com IA generativa como usos que demandam competência, mas parte dos respondentes defendeu uma definição mais rigorosa, baseada não apenas em usar a ferramenta, mas em compreender seus limites, funcionamento e impactos.
ONDE ESTÁ A DIVERGÊNCIA ÉTICA: O ponto de maior tensão foi a geração de ensaios ou textos acadêmicos. Mais de 90% dos docentes e profissionais de serviços classificaram esse uso como problemático, sobretudo por riscos à integridade acadêmica, à autoria e ao desenvolvimento do pensamento crítico. Entre estudantes, a preocupação também apareceu, mas em menor intensidade: 58% apontaram reservas éticas. Funcionários também demonstraram inquietações mais sistêmicas, incluindo vieses nos dados usados pelos modelos, falta de transparência, dúvidas sobre propriedade intelectual, privacidade e uso de conteúdos protegidos por direitos autorais. Já os estudantes tenderam a concentrar suas preocupações na apresentação de trabalhos como se fossem inteiramente próprios.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A lacuna entre uso estudantil e uso institucional de IA generativa afeta diretamente avaliação, desenho curricular e prática docente. Se alunos incorporam essas ferramentas ao estudo cotidiano, mas professores e equipes não compartilham critérios claros sobre o que é aceitável, a universidade corre o risco de transformar a IA em uma zona cinzenta permanente: útil para aprender, mas suspeita quando aparece em trabalhos avaliados. Para docentes, o desafio não é apenas detectar uso indevido, mas redesenhar atividades que valorizem processo, reflexão, argumentação oral, versões intermediárias e transparência sobre o apoio tecnológico. Para gestores, os dados indicam que políticas genéricas podem ser insuficientes: é preciso diferenciar usos de apoio à aprendizagem, usos de automação de produto final e usos que exigem declaração explícita.
LIMITES E CUIDADOS: Os resultados vêm de uma única universidade e de uma amostra por conveniência, o que impede generalizações diretas para todo o ensino superior. Ainda assim, o estudo oferece um retrato detalhado de tensões que já aparecem em muitas instituições: estudantes avançam rapidamente na adoção de IA generativa, enquanto normas, formação docente e modelos de avaliação se movem em ritmo mais lento. A pesquisa também sugere que ética em IA é mais difícil de padronizar do que competência técnica, porque envolve contexto, finalidade, disciplina, tipo de avaliação e expectativas de autoria.
PRÓXIMOS PASSOS: A principal implicação é a necessidade de letramento em IA para todos os grupos da universidade, não apenas para estudantes. O estudo aponta três frentes: oficinas de formação para alunos e funcionários, políticas institucionais que expliquem com exemplos o que é permitido ou problemático e estratégias de avaliação que reduzam a dependência de produtos finais facilmente gerados por IA. Em vez de tratar a tecnologia apenas como ameaça ou solução, a agenda mais promissora parece ser construir uma linguagem comum sobre competência, ética e transparência no uso da IA generativa na educação superior.
