Um experimento em uma faculdade de negócios no Kuwait indica que políticas flexíveis para o uso de IA generativa em trabalhos acadêmicos podem reduzir a sobrecarga cognitiva, fortalecer a confiança dos estudantes e apoiar a aprendizagem profunda, desde que acompanhadas de discussões presenciais rigorosas e regras claras de integridade.
O QUE HÁ DE NOVO: Um estudo qualitativo conduzido em uma faculdade privada de negócios no Kuwait acompanhou 20 estudantes do último ano de um curso de Administração em cinco atividades em sala de aula nas quais o uso de ferramentas de IA generativa foi explicitamente permitido. Com base em observações de aula e entrevistas semiestruturadas, os pesquisadores propuseram o modelo conceitual “AI-powered learning loop”, que relaciona política tolerante de IA, carga cognitiva, autoeficácia, aquisição de conhecimento tácito e desempenho acadêmico em um contexto de ensino superior no Oriente Médio.
COMO FUNCIONA: A faculdade alterou sua política de avaliação a partir de 2024–2025 para permitir que alunos utilizem IA generativa na produção e edição de tarefas escritas, desde que consigam explicar e defender, em discussões individuais, o conteúdo entregue. Essa defesa oral responde inicialmente por 30% da nota — e será elevada a 50% no ano seguinte — e exige que os estudantes validem fontes e citem referências acadêmicas ou profissionais confiáveis, deslocando o foco da mera detecção de plágio para a compreensão real do que foi produzido com apoio da IA.
No estudo, os 20 participantes — em sua maioria jovens kuwaitianos entre 18 e 22 anos — realizaram cinco atividades semanais em sala na disciplina “Contemporary issues in HR”. As tarefas exigiam que conectassem conceitos do livro-texto às respostas geradas com auxílio da IA, o que obrigava idas e vindas entre o material didático e o chatbot. Após cada atividade, o professor-pesquisador conduzia entrevistas em grupo, coletando percepções sobre facilidades, dificuldades e efeitos na aprendizagem, além de registrar observações sobre engajamento, uso de dispositivos, trocas entre pares e profundidade das explicações.
PRINCIPAIS RESULTADOS: Os estudantes relataram quatro ganhos principais: economia de tempo na pesquisa, busca de informação mais focada, ajuda para estruturar ideias e apoio para entender conteúdos complexos. Entre os 20 participantes, “ganhar novos insights” foi o benefício mais citado, seguido por melhor compreensão de temas difíceis, enquanto ganhos de velocidade e organização mental apareceram com menor frequência. Vários alunos disseram usar a IA para gerar questões de treino com base em slides ou capítulos, utilizando o sistema como um “simulador de prova” capaz de testar sua compreensão antes dos exames.
Em contrapartida, o grupo apontou três problemas centrais: imprecisões nas respostas da IA, risco de dependência excessiva e dúvidas éticas. A preocupação mais recorrente foi a confiabilidade: muitos relataram que as referências acadêmicas oferecidas pelos sistemas eram frequentemente falsas ou imprecisas, ainda que os textos parecessem plausíveis. Outros estudantes compararam o uso constante de IA a dirigir sempre com GPS ligado, temendo perder a capacidade de raciocinar de forma autônoma, além de notar que respostas homogêneas podem inibir originalidade e criatividade.
INSIGHT CENTRAL: A principal inovação conceitual do estudo é tratar a política de IA não como um simples “sim ou não”, mas como gatilho de um ciclo de aprendizagem. Ao permitir o uso das ferramentas, a faculdade aposta que a IA pode reduzir a carga cognitiva extrínseca — ao facilitar buscas, resumir textos e organizar ideias — e liberar a memória de trabalho dos estudantes para processar conceitos complexos e relacioná-los ao contexto profissional. Essa energia cognitiva “poupada” seria reinvestida em reflexão, comparação de fontes e formulação de argumentos próprios, fortalecendo a autoeficácia e, indiretamente, o desempenho.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Do ponto de vista da sala de aula, o modelo de “AI-powered learning loop” sugere que políticas permissivas, quando combinadas com defesa oral e checagem de fontes, podem transformar a IA de atalho para cola em ferramenta de estudo ativo. A pesquisa registrou aumento na participação e na disposição dos alunos para debater suas respostas quando a IA era permitida, o que indica potencial para ampliar engajamento e aprofundar a compreensão conceitual, especialmente em disciplinas que exigem análise de casos e aplicação de teoria à prática.
Para o trabalho docente e a gestão de cursos de graduação, o estudo oferece um caminho intermediário entre proibir e liberar totalmente a IA. Em vez de investir apenas em sistemas de detecção cada vez menos eficazes, a faculdade reorganizou a avaliação para que a etapa realmente insubstituível — a capacidade do estudante de explicar, relacionar e defender suas ideias — tenha peso crescente na nota. Isso abre espaço para currículos que incorporem explicitamente competências ligadas ao uso crítico de IA, como verificação de veracidade, análise de vieses e distinção entre conhecimento tácito (incorporado pela prática) e respostas prontas de sistemas generativos.
SIM, MAS…: Os próprios autores reconhecem que se trata de um estudo exploratório, com amostra pequena, concentrado em uma única faculdade privada de negócios, o que limita a generalização para outras áreas, instituições públicas ou contextos culturais distintos. Além disso, os dados dependem em grande parte de auto-relato dos estudantes e de observações do professor-pesquisador, o que pode introduzir vieses de desejabilidade social. Há também riscos de implementação: a abordagem exige professores preparados para conduzir discussões individuais, tempo de aula para defesa de trabalhos e infraestrutura mínima para que todos tenham acesso a ferramentas de IA e a materiais de referência confiáveis.
Do ponto de vista da equidade, o modelo ainda precisa ser testado em instituições com estudantes de perfis socioeconômicos mais diversos e com menor acesso a dispositivos pessoais ou conexão estável. Outro ponto em aberto é a sustentabilidade cognitiva: a longo prazo, o uso intensivo de IA pode, para alguns estudantes, reduzir o treino de habilidades básicas de escrita e síntese, caso os cursos não incorporem intencionalmente atividades que exijam produção original sem apoio tecnológico. Esses fatores indicam que a adoção de políticas tolerantes deve vir acompanhada de monitoramento cuidadoso dos efeitos sobre diferentes grupos de alunos.
O QUE VEM DEPOIS: Os autores defendem que o “AI-powered learning loop” seja validado em pesquisas futuras, com amostras maiores e métodos quantitativos capazes de testar, por exemplo, se a redução de carga cognitiva e o aumento de autoeficácia medidos por escalas padronizadas se traduzem em notas mais altas e retenção de longo prazo do conteúdo. Eles sugerem iniciar esses testes em outras áreas das ciências sociais, antes de tentar extrapolações para cursos de STEM, onde a natureza das tarefas e das competências pode alterar o funcionamento do ciclo. Para formuladores de políticas, o estudo aponta a necessidade de diretrizes institucionais claras sobre uso aceitável de IA, formação docente específica e mecanismos de avaliação que combinem produção assistida por IA com defesa oral, reflexão escrita e checagem de fontes.
NOSSA LEITURA: A experiência da faculdade kuwaitiana ilustra uma transição importante no debate sobre IA no ensino superior: da tentativa de controle total para a busca de arranjos pedagógicos que reconheçam o uso inevitável dessas ferramentas e o convertam em oportunidade de aprendizagem. O “ciclo de aprendizagem com IA” proposto ainda é uma hipótese, mas oferece um mapa conceitual útil para gestores que desejam alinhar políticas de integridade, objetivos de aprendizagem e preparo para o mercado de trabalho em um cenário de automação crescente. Para instituições brasileiras, a pergunta estratégica talvez não seja mais se os estudantes vão usar IA, mas como reconfigurar currículos, avaliações e códigos de conduta para que essa inevitabilidade se converta em ganho real de competência e não em atalho para a aprovação.
Fonte(s): https://www.emerald.com/lthe/article/doi/10.1108/LTHE-03-2025-0014/1308540
