Um estudo com 943 graduandos de 140 universidades na Turquia testou um modelo ampliado de aceitação de tecnologia para entender por que estudantes usam ferramentas de IA generativa. Os resultados sugerem que intenção de uso é explicada principalmente por atitudes e percepções individuais, como utilidade, autoconfiança e compatibilidade com rotinas de estudo, enquanto a pressão social (normas subjetivas) teve influência direta limitada, contrariando expectativas clássicas da literatura.
O QUE HÁ DE NOVO: A pesquisa investigou a aceitação e a intenção de uso de ferramentas de IA generativa (como ChatGPT, Gemini e Copilot) entre universitários na Turquia, combinando o modelo TAM (Technology Acceptance Model) com variáveis adicionais ligadas ao contexto atual da IA: normas subjetivas, prazer percebido, autoeficácia e compatibilidade. Com uma amostra ampla (943 estudantes de 147 cursos), o trabalho chama atenção por um achado específico: normas sociais, isto é, a percepção de pressão de colegas, professores ou pessoas importantes, não se mostraram determinantes diretas para a intenção de usar GenAI, apesar de essa variável ter papel central em muitas teorias de adoção tecnológica.
COMO FUNCIONA: Os autores aplicaram um questionário online com itens em escala Likert para medir oito construtos: intenção de uso, atitude em relação ao uso, facilidade de uso percebida, utilidade percebida, compatibilidade, autoeficácia, prazer percebido e normas subjetivas. Depois de ajustes no instrumento (remoção de itens com cargas fatoriais baixas), os dados foram analisados com modelagem de equações estruturais para estimar relações diretas e indiretas entre variáveis, com critério estatístico mais rigoroso (alfa de 0,001) e uso de bootstrapping para efeitos indiretos.
PRINCIPAIS RESULTADOS: A intenção de uso foi predita de forma significativa por atitude em relação ao uso, utilidade percebida, autoeficácia e compatibilidade. Ao mesmo tempo, as normas subjetivas não apresentaram efeito direto significativo sobre intenção, atitude ou utilidade percebida, um contraste com parte da literatura sobre adoção de tecnologia, que costuma atribuir peso relevante à influência social. O modelo, contudo, explicou uma parcela alta da variação na intenção de uso (78,5%), sugerindo que o conjunto de fatores capturou bem o fenômeno na amostra analisada.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para gestores e docentes no ensino superior, o estudo indica que estratégias de “empurrão social”, como depender de recomendações informais, modismos de turma ou simples sinalizações de adesão, podem ter alcance limitado quando o uso é voluntário e percebido como óbvio ou instrumental. Em vez disso, a adoção tende a crescer quando estudantes veem ganhos concretos (utilidade), se sentem capazes de usar bem a ferramenta (autoeficácia) e conseguem encaixá-la sem fricção em suas rotinas, valores e demandas acadêmicas (compatibilidade). Na prática, isso desloca o foco de campanhas genéricas para intervenções de desenho pedagógico, formação e integração curricular orientadas a usos específicos e responsáveis.
INSIGHT CENTRAL: O “pulo do gato” do trabalho está em reavaliar o papel das normas sociais em um cenário em que a IA generativa se tornou uma tecnologia de propósito geral, de adoção rápida e com benefícios percebidos de forma muito individual. A pesquisa sugere que, nesse contexto, a decisão do estudante se organiza mais como uma avaliação pessoal de custo-benefício e capacidade (“isso me ajuda e eu dou conta de usar”) do que como conformidade a expectativas do entorno. Ainda assim, o estudo aponta que influências sociais podem atuar de modo indireto, mediadas por outras crenças, o que abre espaço para pensar o papel de professores e políticas institucionais menos como “pressão” e mais como moldadores de condições de uso, legitimidade e clareza de fronteiras.
SIM, MAS…: Os resultados vêm de um desenho transversal e baseado em autorrelato, o que impede inferências causais e pode introduzir vieses (por exemplo, estudantes mais familiarizados com tecnologia tendem a avaliar positivamente sua própria capacidade). Além disso, o recorte, graduandos na Turquia, limita a generalização: a força de normas sociais varia por cultura, disciplina, tipo de curso e maturidade das políticas de integridade acadêmica. O próprio estudo reconhece que variáveis ausentes, como risco percebido, preocupações éticas e regras institucionais, podem alterar o peso da influência social, especialmente em contextos em que o uso de GenAI é ambíguo ou sujeito a sanções.
O QUE VEM DEPOIS: A agenda sugerida passa por pesquisas longitudinais e comparativas entre países e instituições para verificar se a baixa influência direta das normas subjetivas se repete em ambientes mais coletivistas ou mais regulados. Também há espaço para modelos que incluam risco percebido, integridade acadêmica e “clima de sala de aula” (como orientações explícitas em planos de ensino e práticas de avaliação), além de investigar como funcionalidades específicas, como feedback personalizado, integração com ambientes virtuais e suporte multimodal, mudam a percepção de utilidade, prazer e compatibilidade ao longo do tempo.
