Uma revisão sistemática de 19 estudos empíricos sobre chatbots de IA no ensino de ciências conclui que a maior parte das intervenções tem mirado ganhos de interesse e conteúdo, mas raramente aborda dimensões mais profundas da identidade científica, como afetos epistêmicos, participação em práticas científicas e reconhecimento social. O trabalho propõe um modelo “refinado” de identidade em ciência para orientar design pedagógico, formação docente e currículo, buscando evitar que a adoção de chatbots reduza a aprendizagem a interações motivacionais de curto prazo.

O QUE HÁ DE NOVO: O artigo “Science Identity and AI Chatbots: A Systematic Review of Empirical Studies in Science Education” analisa, com protocolo PRISMA, como pesquisas recentes têm usado chatbots (incluindo ChatGPT e sistemas baseados em regras) em contextos de educação científica. A revisão seleciona 19 estudos publicados até 2024 e mostra uma aceleração após o lançamento do ChatGPT: 10 trabalhos saíram entre 2023 e 2024, contra 9 entre 2013 e 2021. Os estudos cobrem 11 países (com maior presença de China e Estados Unidos, quatro cada) e se concentram sobretudo no ensino secundário (7) e superior (6), com intervenções que variam de 15 minutos a 14 semanas.

COMO FUNCIONA: Em vez de testar um chatbot específico, a revisão examina como os estudos desenharam e avaliaram o uso dessas ferramentas em sala de aula e na formação docente, classificando as evidências em quatro frentes: treinamento do chatbot, design técnico-pedagógico, resultados de aprendizagem visados e mudanças observadas. Para interpretar o que se considera “identidade científica”, o artigo contrasta um modelo tradicional (interesse, competência/desempenho e reconhecimento) com um modelo refinado que tenta capturar demandas contemporâneas da educação em ciências: afetos epistêmicos disciplinares (emoções ligadas a investigar, argumentar e lidar com surpresa e confusão), crença de auto-competência em práticas científicas e reconhecimento como “pessoa da ciência” por pares e pelo próprio chatbot.

PRINCIPAIS RESULTADOS: O panorama encontrado sugere que a maioria dos estudos favorece resultados associados a interesse e aquisição de conhecimento, enquanto quase não mede ou projeta intervenções para promover afetos epistêmicos disciplinares, práticas em comunidade e reconhecimento. Apenas dois estudos colocaram “interesse em ciências” explicitamente como desfecho, reportando aumentos após a intervenção (um deles com tamanho de efeito relatado como R=0,35; outro com ganho médio informado de +7,8 em comparação ao controle). Em paralelo, 11 dos 19 estudos reportaram melhora na aprendizagem de conteúdo, reforçando a tendência de uso do chatbot como apoio para explicação, estudo e respostas, mais do que como instrumento para consolidar participação em práticas científicas e construção de pertencimento.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para gestores, coordenadores e formuladores de políticas curriculares, o argumento central é que “funcionar” como ferramenta de estudo não equivale a contribuir para a formação de identidade científica, um fator ligado a aspirações de carreira e intenções acadêmicas. Se a escola adota chatbots principalmente para engajar ou “facilitar conteúdo”, pode haver um efeito colateral: estudantes se acostumam a consumir respostas prontas e a associar ciência à conversação agradável, em vez de à persistência em explicar, duvidar, testar e argumentar em comunidade. O artigo também sugere um risco social: a mediação por chatbots pode reduzir oportunidades de reconhecimento entre pares, elemento importante para o aluno se ver (e ser visto) como alguém que faz ciência.

INSIGHT CENTRAL: A proposta do modelo “refinado” desloca o foco de “interesse” para “afeto epistêmico disciplinar”: não basta o aluno gostar da atividade ou do chatbot; o objetivo seria induzir emoções e disposições típicas do trabalho científico (curiosidade, surpresa, frustração produtiva, satisfação ao validar evidências) que sustentam o engajamento em práticas ao longo do tempo. Na mesma linha, substituir “competência/desempenho” por “práticas em comunidade” tenta evitar um reducionismo de habilidade individual e recoloca a ciência como prática social: observar, coletar dados, justificar, revisar explicações e construir validade com outros, com ou sem IA.

SIM, MAS… A revisão também expõe fragilidades que dificultam transformar evidência em recomendação operacional. Há grande variação de desenho (pré e pós-teste, quase-experimentos, estudos de caso, pesquisas pós-intervenção), duração e série escolar, o que limita comparações diretas. Além disso, cinco estudos não especificaram o modelo de IA usado, um ponto sensível em pesquisa aplicada: sem clareza sobre o tipo de sistema (LLM, regras, BERT ou outros) e como foi configurado, fica difícil replicar resultados, estimar riscos (alucinação, vieses, privacidade) e orientar escolhas de adoção em redes de ensino.

O QUE VEM DEPOIS: Como próximos passos, o artigo defende que o modelo refinado de identidade científica seja incorporado ao desenho de atividades, à formação continuada e ao desenvolvimento curricular. Na prática, isso significa desenhar tarefas em que o chatbot ajude o estudante a sustentar investigação (e não só responder), estruturar rotinas de verificação e crítica de informações e criar interações que preservem o reconhecimento social, inclusive com “prompt engineering” para o chatbot reforçar a agência do aluno como alguém que faz ciência, sem substituir o papel dos pares e do professor. A revisão também sugere que novas pesquisas passem a medir afetos epistêmicos e reconhecimento, e não apenas motivação geral e acerto de conteúdo, para avaliar se chatbots estão contribuindo de fato para a identidade científica que reformas curriculares buscam promover.

Fonte: Science Identity and AI Chatbots: A Systematic Review of Empirical Studies in Science Education