Um artigo da Universidade de Teerã propõe um modelo de requisitos para orientar políticas de governança de inteligência artificial no ensino superior, a partir de uma meta-síntese de pesquisas recentes. Ao organizar o tema em cinco frentes, educacional, ética, tecnológica, funcional e comunicacional, o trabalho busca oferecer um mapa para universidades e governos equilibrarem inovação, qualidade acadêmica e proteção de direitos em um cenário de adoção acelerada de IA.
O QUE HÁ DE NOVO: Publicado em 2025, o estudo “Policy-Making Requirements for AI Governance in Higher Education” sistematiza, por meio de uma meta-síntese qualitativa, quais requisitos aparecem com mais força na literatura internacional sobre governança de IA em universidades. Os autores Javad Pourkarimi e Mahsa Azizi analisaram 24 documentos científicos publicados entre 2020 e junho de 2025 e, a partir de análise temática, consolidaram um modelo de exigências para orientar a formulação de políticas institucionais e públicas.
COMO FUNCIONA: Em vez de testar uma ferramenta específica em sala de aula, a pesquisa combina evidências e argumentos de estudos anteriores para extrair padrões e categorias de políticas. O método de meta-síntese de Sandelowski e Barroso (2007) foi usado para selecionar e integrar os achados dos trabalhos incluídos, enquanto a análise temática organizou os conteúdos em dimensões e subdimensões. Para reforçar a qualidade do resultado, os autores reportam checagens de validade descritiva e interpretativa, buscando reduzir distorções na leitura e na síntese do que foi publicado.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A principal contribuição do modelo é tornar mais concreta uma discussão que, em muitas instituições, fica restrita a recomendações genéricas sobre “usar IA com responsabilidade”. Ao separar requisitos de política educacional e de pesquisa, o estudo reforça que a governança deve cobrir tanto o uso em ensino (por exemplo, integridade acadêmica, desenho de avaliações, apoio à aprendizagem) quanto os impactos sobre produção científica (como reprodutibilidade, autoria e uso de dados). Já a dimensão ética, com ênfase em transparência, justiça, responsabilidade e accountability, dialoga diretamente com preocupações crescentes sobre vieses, explicabilidade e prestação de contas quando decisões acadêmicas, de avaliação a admissão e acompanhamento estudantil, são mediadas por sistemas automatizados.
INSIGHT CENTRAL: O “pulo do gato” do artigo está em tratar a governança de IA como um arranjo de políticas interdependentes, e não como um checklist de conformidade. No modelo proposto, as exigências tecnológicas (como políticas adaptativas, suporte técnico, promoção/aceitação e proteção/gestão de riscos) só fazem sentido se estiverem acopladas a regras funcionais de integração e supervisão e a políticas comunicacionais de participação e networking. Na prática, isso desloca a governança de uma pauta exclusiva de TI para uma agenda transversal de gestão universitária, com implicações para currículo, avaliação, pesquisa, compliance e relação com a sociedade.
SIM, MAS…: Por se basear em 24 documentos e em um recorte temporal recente (2020–2025), o modelo reflete o que a literatura tem enfatizado no auge da expansão da IA generativa, mas pode não capturar igualmente realidades de implementação em sistemas com baixa infraestrutura, restrições regulatórias locais ou diferentes graus de autonomia universitária. Além disso, meta-sínteses dependem da qualidade e da diversidade dos estudos incluídos: se a produção disponível for concentrada em determinados países, disciplinas ou tipos de instituição, parte das recomendações pode demandar adaptação cuidadosa antes de virar norma interna, especialmente quando envolve temas sensíveis como monitoramento, proteção de dados e responsabilização.
O QUE VEM DEPOIS: O estudo aponta, ainda que indiretamente, um desafio recorrente para gestores: transformar categorias amplas (transparência, justiça, supervisão, participação) em instrumentos operacionais, políticas de uso, guias de avaliação, fluxos de auditoria, comitês, métricas e processos de consulta. Para avançar, a agenda de pesquisa tende a exigir validações em campo: como essas dimensões se traduzem em governança efetiva em universidades públicas e privadas, em diferentes áreas do conhecimento, e com quais efeitos sobre qualidade do ensino, integridade acadêmica e equidade no acesso a recursos de IA.
Fonte: Policy-Making Requirements for AI Governance in Higher Education (A Meta-Synthesis Research)
Fonte: Policy-Making Requirements for AI Governance in Higher Education (A Meta-Synthesis Research)
