Um estudo com 40 universitários de cursos de design investigou como o uso do ChatGPT-4o influencia habilidades de pensamento de ordem superior (HOTS) ao resolver problemas complexos e mal definidos. Os resultados indicam ganhos estatisticamente significativos em originalidade e utilidade dos projetos e um aumento na frequência e na conectividade de estratégias cognitivas, mas também sugerem melhorias mais incrementais do que “saltos” criativos, com forte tendência à adoção direta de ideias geradas pela IA.
O QUE HÁ DE NOVO: A pesquisa analisou, em um experimento de comparação dentro do mesmo grupo, como estudantes de graduação usam uma IA generativa (ChatGPT-4o) para enfrentar um problema típico de design: interpretar e redesenhar um esboço inicial de produto (um secador de cabelo) com poucos detalhes e grande margem de ambiguidade. Ao combinar avaliação de resultados (qualidade dos sketches) com análise do processo de pensamento em tempo real, o estudo busca preencher uma lacuna apontada na literatura: ainda há poucos dados empíricos sobre os “motores” do uso de IA por estudantes e, sobretudo, sobre efeitos cognitivos—não apenas sobre velocidade e eficiência.
COMO FUNCIONA: Os participantes (calouros e alunos do segundo ano, considerados novatos em prática de design, mas com experiência prévia usando ChatGPT) passaram por cinco fases: primeiro, explicaram entendimento e avaliação do esboço inicial; depois, produziram uma versão redesenhada sem IA; em seguida, interagiram livremente com o ChatGPT-4o para discutir o esboço inicial; repetiram a interação focando no redesenho produzido; e, por fim, criaram um sketch final incorporando o que julgassem útil da IA. Durante todo o processo, usaram protocolo de “pensar em voz alta”, com gravação e transcrição de mais de 22 horas de áudio e captura de tela das interações, enquanto três professores avaliaram os sketches em originalidade e utilidade em escala de 7 pontos, com consistência elevada entre avaliadores.
PRINCIPAIS RESULTADOS: As versões finais obtiveram pontuações maiores do que as versões redesenhadas sem IA, com diferenças significativas tanto em originalidade (média de 2,80 para 3,38) quanto em utilidade (3,05 para 3,78). Na análise de componentes dos sketches, o total de elementos aumentou e a quantidade de componentes nas versões finais foi cerca de 110,9% maior; porém, a principal origem dos novos componentes foi a adoção direta de ideias da IA (61,35%), seguida por adaptação (22,09%), recriação (9,82%) e iteração (6,75%). Em outras palavras, a IA ampliou o repertório de alternativas, mas boa parte dos estudantes tendeu a incorporar sugestões com pouco retrabalho.
PRINCIPAIS RESULTADOS: No processo cognitivo, a codificação do “pensar em voz alta” identificou 3.329 ocorrências de HOTS, com predominância de estratégias ligadas a pensamento crítico (especialmente “avaliação”) e menor uso relativo de criatividade (como analogias). Em geral, a frequência de HOTS foi maior após a introdução do ChatGPT-4o, e a análise de redes epistêmicas (Epistemic Network Analysis, ENA) sugeriu mudanças na forma como diferentes sub-habilidades se conectavam ao longo das fases, sinalizando uma passagem de encadeamentos mais lineares para padrões mais entrelaçados quando a IA entrava como fonte de informação, contraponto e gatilho de reflexão.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para o ensino superior, a principal implicação é que o efeito educacional da IA pode aparecer mais no “como o aluno pensa” do que apenas no produto final—e, mesmo assim, com nuances. Em sala de aula, ferramentas como o ChatGPT podem aumentar a exploração de alternativas e estimular ciclos de avaliação e revisão, úteis para tarefas abertas e interdisciplinares. Para o trabalho docente, os achados reforçam que o desafio não é só permitir ou proibir, mas desenhar atividades e critérios que façam o estudante explicitar decisões, justificar escolhas e confrontar a confiabilidade do que recebe da IA—evitando que eficiência se traduza em baixa autonomia.
SIM, MAS…: O próprio estudo aponta que a melhora nos resultados, embora significativa, foi descrita como pequena do ponto de vista qualitativo, sugerindo que a IA tende a otimizar detalhes e ampliar opções sem necessariamente impulsionar “rupturas” criativas. Além disso, a alta taxa de adoção direta de ideias indica risco pedagógico de engajamento superficial: diante de um problema complexo, estudantes podem tratar a saída da IA como resposta “autoritativa”, reduzindo esforço de elaboração e internalização. O trabalho também reconhece limites de generalização: amostra pequena e homogênea, foco em uma tarefa específica de design e ausência do professor como variável ativa do ambiente natural de ensino.
INSIGHT CENTRAL: A diferença entre “alto impacto” e “baixo impacto” não parece estar apenas em usar mais ou menos IA, mas em como o estudante transita entre tipos de pensamento: os que mais melhoraram conectaram com mais força avaliação, reflexão e busca de informação, e também adaptaram mais as ideias sugeridas, em vez de apenas copiá-las. Na prática, isso desloca a discussão de “IA ajuda ou atrapalha?” para “quais padrões de interação com IA fortalecem redes de pensamento de ordem superior?”. A pesquisa sugere que a literacia em IA—saber perguntar, checar, reinterpretar e integrar—pode ser determinante para transformar assistência em aprendizagem.
O QUE VEM DEPOIS: Entre os próximos passos, o estudo defende investigações em contextos mais próximos da rotina universitária, com presença do professor e avaliação de estratégias didáticas que forcem maior metacognição, como pedir que alunos reconstruam o raciocínio por trás de uma resposta da IA, registrem diários reflexivos e passem por revisão por pares que compare contribuições humanas e da ferramenta. Também sugere replicações em outras áreas e com perfis mais diversos de estudantes, além de reavaliações após atualizações de modelos—um ponto relevante para gestores, já que mudanças no comportamento do sistema podem alterar tanto ganhos quanto riscos ao longo do tempo.
