Um estudo com pós-graduandos em um curso online assíncrono testou o uso do ChatGPT como “mentor” em três atividades de design instrucional e encontrou ganhos percebidos em brainstorming, eficiência e feedback imediato, ao lado de alertas sobre dependência excessiva, limitações para pensamento crítico e desafios de escrita de prompts. A pesquisa detalha um modelo de elaboração de prompts (PROSE) e sugere que o valor educacional da IA depende de alinhamento com objetivos, rubricas e estratégias de andaimento que mantenham a agência do estudante.

O QUE HÁ DE NOVO: A pesquisa analisou, em uma disciplina de 16 semanas de pós-graduação em uma grande universidade do sul dos EUA, como estudantes vivenciaram três exercícios online de “mentoria” com o ChatGPT (versão gratuita 3.5, à época). Participaram 15 alunos (de uma turma de 17), majoritariamente professores da educação básica e designers instrucionais, que responderam a três questionários após cada atividade, combinando itens de escala Likert e perguntas abertas; as médias de satisfação ficaram em 4,05 na atividade 1, 3,79 na atividade 2 e 3,86 na atividade 3. Em vez de avaliar desempenho acadêmico por nota, o foco foi entender percepções de engajamento, relevância e desafios ao interagir com prompts educacionais estruturados para orientar a produção de trabalhos.

COMO FUNCIONA: O desenho da intervenção partiu de um roteiro comum: os estudantes copiavam um prompt fornecido pelo curso, colavam no ChatGPT, inseriam trechos do plano de ensino com instruções e rubrica da tarefa e seguiam uma conversa em etapas, com a IA instruída a esperar respostas e a atuar como mentora, fazendo perguntas e oferecendo feedback. As três atividades tinham papéis distintos: na primeira, o ChatGPT ajudava a formular objetivos de aprendizagem e ideias de integração entre conteúdo e tecnologia para uma proposta híbrida/HyFlex; na segunda, sugeria opções de conteúdo e formatos de entrega para uma comunidade virtual de prática com componentes síncronos e assíncronos; na terceira, conduzia o aluno por escolhas que culminavam em um plano de projeto e em uma rubrica personalizada, usada pelo professor para avaliar o trabalho final. Para dar consistência a essas conversas, os prompts foram construídos com o modelo PROSE, que organiza a escrita em Persona (tom e papel), Rubric (critérios), Objective (objetivo com verbo mensurável), Steps (passo a passo) e Example (exemplo de produto esperado).

PRINCIPAIS RESULTADOS: Em linhas gerais, os participantes relataram que a IA funcionou como “parceiro de pensamento” para destravar o início das tarefas, acelerar a organização de ideias e oferecer devolutivas rápidas, elevando engajamento e motivação, especialmente quando a conversa estava claramente conectada à rubrica. Os itens com melhor avaliação se relacionaram a curiosidade, relevância do conteúdo e possibilidade de identificar novos tópicos, enquanto dimensões como desenvolvimento de habilidades interdisciplinares e melhora do pensamento crítico ficaram entre as menores pontuações nas três atividades. As respostas abertas também registraram fricções práticas: prompts longos ou confusos, necessidade de ser muito específico para obter boas respostas e episódios em que a IA “adiantava” etapas, exigindo que alunos fragmentassem o comando para manter o controle do fluxo.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para cursos online assíncronos, onde a disponibilidade do docente é naturalmente limitada, o estudo reforça o potencial de LLMs como uma camada escalável de orientação: ajudar estudantes a interpretar critérios, planejar entregas, revisar alinhamento com objetivos e receber feedback imediato pode reduzir barreiras de início e aumentar persistência, com impacto direto na experiência de aprendizagem. Ao mesmo tempo, a pesquisa ilumina um ponto sensível para a prática docente e a gestão acadêmica: quando a IA assume o papel de geradora primária de ideias, cresce o risco de deslocar o esforço cognitivo do estudante, enfraquecendo criatividade e autonomia; por isso, a qualidade do prompt (e seu alinhamento com o que o curso quer desenvolver) vira um componente pedagógico, não apenas técnico. Em termos de equidade, a promessa de suporte “24/7” pode favorecer quem tem menos acesso a tutoria humana, mas também pode ampliar desigualdades se o uso depender de letramento em prompts, familiaridade com ferramentas e condições de infraestrutura.

SIM, MAS…: A evidência apresentada é baseada em uma amostra pequena (15 participantes) e em medidas de percepção, o que limita generalizações sobre ganho de aprendizagem em termos de desempenho. Além disso, o próprio mecanismo que dá força ao modelo, respostas rápidas e convincentes, pode induzir a confiança excessiva, sobretudo quando estudantes não checam a qualidade do raciocínio, não comparam alternativas ou não submetem a produção a critérios humanos. Os relatos também sugerem que a “sensação de personalização” não é automática: quando o prompt não exige perguntas de sondagem e reflexão, a interação tende a ficar impessoal e prescritiva, o que pode reduzir o valor formativo e reforçar uso instrumental para “cumprir a rubrica”.

O QUE VEM DEPOIS: O estudo aponta como próximo passo refinar o componente “Steps” do PROSE para incorporar mais andaimento voltado a pensamento crítico, como perguntas de justificativa, comparação entre opções e momentos de reflexão sobre limitações, e testar formatos de feedback híbridos, combinando IA e professor com objetivos compartilhados. Também fica em aberto avaliar efeitos de longo prazo na autorregulação e na qualidade das produções, além de replicar a abordagem em outros cursos, perfis de estudante e necessidades específicas de aprendizagem. Na prática, a mensagem central é que a mentoria por IA tende a funcionar melhor quando é desenhada como apoio estruturado à tomada de decisão do aluno, e não como atalho para substituir o processo de conceber, argumentar e criar.

Fonte: Artificial intelligence as a mentor in the graduate online classroom: opportunities and challenges