RESUMO: O SmartPD é um modelo de formação continuada para professores que reúne módulos curtos, colaboração entre pares, feedback automatizado e monitoramento de engajamento para desenvolver competências digitais previstas no DigCompEdu, referência da Comissão Europeia. Em um piloto de duas semanas, a proposta registrou melhora em todas as cinco dimensões avaliadas e boa receptividade dos participantes; a evidência, porém, é inicial e ainda não demonstra permanência das habilidades nem efeitos sobre a aprendizagem dos estudantes.
O QUE HÁ DE NOVO: O estudo desenvolveu e testou o SmartPD com 32 professores em exercício, de diferentes áreas e com experiências prévias variadas em tecnologias da informação e comunicação. A intervenção foi organizada como pesquisa baseada em design, abordagem que ajusta uma solução a partir do uso em contexto real, e usou o DigCompEdu para orientar e medir competências ligadas a recursos digitais, ensino e aprendizagem, avaliação, personalização das atividades e desenvolvimento da competência digital dos alunos.
COMO FUNCIONA: O programa distribuiu quatro módulos interativos em duas semanas, acessados de forma flexível. As atividades foram criadas em H5P, ferramenta de conteúdo interativo; fóruns, revisões de pares e vídeos assíncronos no Flipgrid sustentaram a troca entre docentes; e o ChatGPT foi empregado para oferecer devolutivas formativas sobre respostas abertas e questionários. Um painel baseado em Experience API, ou xAPI, registrou conclusão de tarefas, visualizações, participação em discussões, tempo de uso e tentativas de revisão.
Antes e depois do piloto, os participantes responderam a uma versão linguisticamente adaptada do instrumento de autoavaliação DigCompEdu. Reflexões abertas, observações, grupos focais voluntários e registros das respostas produzidas pela IA complementaram os dados. Durante o ciclo, prompts, feedbacks automatizados e atividades colaborativas eram ajustados diariamente de acordo com a participação e os retornos dos professores, em vez de seguir uma formação inteiramente fixa.
PRINCIPAIS RESULTADOS: As pontuações pós-intervenção aumentaram significativamente em todas as cinco áreas medidas, segundo os testes usados no estudo. Os maiores tamanhos de efeito foram reportados em facilitar a competência digital dos estudantes (d=5,963) e em ensino e aprendizagem (d=5,565), seguidos por avaliação (d=4,700), recursos digitais (d=4,640) e empoderamento dos alunos (d=3,344). Os participantes também destacaram a rapidez das devolutivas da IA, a adequação dos módulos breves à rotina e o valor da reflexão com colegas.
A análise exploratória encontrou associação moderada entre a capacidade de ampliar a autonomia dos alunos e a de apoiar seu desenvolvimento digital (r=0,491). As demais relações entre domínios foram fracas ou não significativas, um padrão que os pesquisadores relacionam à estrutura modular da formação: as habilidades foram trabalhadas em unidades específicas, sem pressupor que o avanço em uma área leve automaticamente ao de outra.
LIMITES E CUIDADOS: Os ganhos expressivos devem ser lidos à luz de limitações importantes: a amostra foi pequena e selecionada por interesse em formação em pedagogia digital, não houve acompanhamento de longo prazo nem grupo de comparação, e a principal medida de competência foi autorreportada. O estudo também realizou apenas um ciclo curto da pesquisa baseada em design. Além disso, a proposta depende de conectividade, equipamentos e letramento digital mínimos; sem essas condições, painéis analíticos e feedback por IA podem ampliar disparidades entre redes e escolas.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A formação digital docente costuma esbarrar em cursos genéricos, distantes das decisões tomadas em sala de aula, enquanto menos de 40% dos professores no mundo se consideram preparados para usar pedagogia digital. Ao dividir a aprendizagem em tarefas curtas e vinculá-la a situações de ensino, o modelo sugere uma alternativa para conciliar desenvolvimento profissional com tempo restrito dos educadores. Para gestores, os dados de participação podem ajudar a identificar demandas de apoio, desde que não sejam usados como mecanismo automático de vigilância ou avaliação punitiva.
A contribuição mais relevante está em posicionar a IA como apoio à prática reflexiva, e não como substituta do julgamento pedagógico do professor. Para que a proposta justifique adoção em escala, os próximos testes precisarão incluir grupos maiores e diversos, múltiplos ciclos de redesenho e indicadores observáveis de mudança na sala de aula e na aprendizagem dos alunos. Também será necessário definir governança para os dados coletados, transparência sobre as recomendações automatizadas e alternativas de baixo custo para contextos com infraestrutura limitada.
