Um estudo quase-experimental em uma disciplina de formação docente comparou atividades híbridas com e sem inteligência artificial generativa e encontrou vantagens para o grupo que usou a tecnologia como assistente de aprendizagem. A proposta combinou diálogos com IA, trabalho colaborativo, registro das interações e revisão crítica das respostas, sugerindo que os ganhos dependem menos da simples disponibilidade da ferramenta do que do desenho pedagógico e das salvaguardas contra dependência e uso acrítico.
O QUE HÁ DE NOVO: Pesquisadores de uma universidade chinesa testaram, no semestre de primavera de 2024, um modelo de atividades de aprendizagem profunda apoiado por inteligência artificial generativa (IA generativa) na disciplina obrigatória “Tecnologia Educacional Moderna e Prática de Informatização”. Participaram 109 estudantes de licenciatura em Química, divididos por sorteio entre grupo experimental, com 54 alunos, e grupo de controle, com 55. Durante 15 semanas, ambos tiveram o mesmo docente, tarefas equivalentes, sala inteligente e plataforma on-line; a diferença foi o uso orientado da ferramenta Wenxin Yiyan 4.0 no grupo experimental.
COMO FUNCIONA: O modelo foi estruturado a partir da Teoria da Atividade, que trata a aprendizagem como resultado da interação entre estudantes, objetivos, ferramentas, comunidade, regras e divisão de responsabilidades. Antes das aulas, os alunos consultavam materiais na plataforma e recorriam à IA em conversas sucessivas para esclarecer conceitos; em sala, usavam a ferramenta para apoiar pesquisas em grupo, criar recursos e receber devolutivas sobre produtos parciais; depois, revisavam tarefas e buscavam aplicar o conhecimento a novos contextos. A orientação exigia perguntas que combinassem papel, tarefa, requisitos e explicação, além do registro dos comandos, respostas da IA, avaliação humana e reformulação do material.
No grupo de controle, os estudantes realizaram as mesmas atividades com buscas convencionais na internet e discussões em grupo, sem acesso a ferramentas generativas. Os pesquisadores acompanharam questionários de motivação, engajamento e satisfação, registros de interação na plataforma, prova final e planos de ensino produzidos pelos participantes. A análise dos trabalhos utilizou a taxonomia SOLO, uma escala que classifica a complexidade do raciocínio, para observar se os alunos relacionavam e transferiam conhecimentos, em vez de apenas lembrar informações.
PRINCIPAIS RESULTADOS: Ao término da intervenção, o grupo com IA generativa alcançou média de engajamento de 74 pontos, ante 66,64 no grupo de comparação, uma diferença de magnitude intermediária. A distância foi especialmente expressiva na frequência de interações em aula: 21,63 contra 18,20, com efeito elevado. Houve vantagem também nas dimensões comportamental, cognitiva e emocional do engajamento, embora o avanço cognitivo tenha sido menor que os demais, sinalizando que participação e interesse podem responder mais rapidamente à intervenção do que estratégias intelectuais mais duradouras.
Na avaliação final, os alunos que usaram a IA superaram os demais no domínio geral dos conteúdos, em conhecimentos básicos e, sobretudo, nas questões classificadas como aprendizagem profunda, aplicar, analisar, avaliar e criar. Nos planos de ensino avaliados, 51,85% dos participantes do grupo experimental chegaram aos níveis mais altos da taxonomia SOLO, contra 36,37% no controle. A satisfação com o curso também foi maior, de 91,98% ante 82,26%. Entrevistas indicaram que a possibilidade de perguntar e receber explicações imediatas foi valorizada, mas os próprios estudantes relataram a necessidade de conferir e corrigir respostas imprecisas geradas pela ferramenta.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A evidência sugere que a IA generativa pode contribuir para transformar uma ferramenta de produção rápida de respostas em um recurso de investigação, feedback e reflexão. Para a sala de aula, isso abre espaço para atividades em que o estudante compara fontes, questiona a saída automatizada e reconstrói argumentos ou soluções. Para docentes, o modelo desloca parte do trabalho de transmissão de conteúdo para o desenho de desafios, acompanhamento das interações e desenvolvimento de metacognição, a capacidade de o aluno monitorar a própria aprendizagem. Esse deslocamento é relevante sobretudo em cursos de formação de professores, cujos participantes levarão práticas e critérios de uso da IA para futuras escolas.
LIMITES E PRÓXIMOS PASSOS: Os resultados não permitem concluir que os efeitos serão iguais em outros cursos ou contextos: a amostra foi pequena, concentrada em duas turmas de uma única instituição e observada por cerca de quatro meses. Além disso, os dados detalhados não são públicos e a aprendizagem profunda foi inferida por um conjunto delimitado de indicadores. A implantação em escala exigirá infraestrutura e formação docente, mas também regras claras de autoria, integridade acadêmica e tratamento de históricos de conversa e trajetórias de aprendizagem. O estudo recomenda ampliar amostras, acompanhar estudantes por mais tempo e reunir dados multimodais; até lá, a principal implicação é que a IA tende a ser mais educativa quando sua utilização é deliberadamente orientada para avaliação crítica, e não para substituir o pensamento do aluno.
