Uma revisão de 31 estudos empíricos indica que a inteligência artificial generativa pode apoiar o desempenho, a motivação e o desenvolvimento de habilidades, mas seus benefícios dependem de como os estudantes trabalham com as respostas produzidas. Para escolas e universidades, a distinção central é entre usar a ferramenta para explicar, questionar e revisar ideias ou apenas para concluir tarefas com menos esforço intelectual.

O QUE HÁ DE NOVO: Uma revisão de escopo reuniu pesquisas sobre o uso de IA generativa por estudantes em diferentes disciplinas e etapas de ensino, publicadas entre 2022 e junho de 2024. Dos 31 estudos incluídos, 29 foram realizados no ensino superior e dois na educação básica. A síntese organiza os achados em quatro dimensões, desempenho, habilidades, atitudes diante da aprendizagem e processos de estudo, para examinar por que os resultados variam entre contextos.

COMO FUNCIONA: A revisão selecionou trabalhos empíricos em inglês nas bases Scopus e Web of Science que descreviam uma atividade educacional com IA generativa e mediam ao menos um resultado de aprendizagem. Os estudos usaram testes, notas, rubricas, questionários e registros de interação; parte deles comparou grupos com e sem acesso à ferramenta ou avaliou os alunos antes e depois da atividade. Por se tratar de um mapeamento de evidências, não houve uma estimativa única de efeito nem exclusão de estudos com base em uma avaliação formal de qualidade metodológica.

Nas experiências analisadas, estudantes interagiram principalmente com o ChatGPT, além de outros chatbots e sistemas generativos, para pedir explicações, receber feedback, revisar textos, desenvolver projetos e resolver problemas. As ferramentas em geral foram incorporadas a atividades planejadas, não apresentadas como substitutas autônomas do ensino. Essa variedade de usos importa: uma resposta pronta para uma redação e uma sugestão que o aluno precisa verificar e justificar representam formas distintas de participação no aprendizado.

PRINCIPAIS RESULTADOS: Em 27 dos 31 estudos, houve relato de efeito positivo em pelo menos uma dimensão; dois apresentaram resultados mistos e dois, resultados nulos ou negativos. Isso não significa que 87,1% dos alunos melhoraram nem que a IA tenha causado ganhos equivalentes em todos os estudos. Houve, por exemplo, melhora em testes de terminologia médica com apoio de ferramentas de IA em comparação com livros didáticos, mas nenhuma diferença significativa nas notas finais de um experimento com estudantes de programação incentivados a usar ChatGPT.

O desempenho foi medido em 22 estudos; habilidades e atitudes, em 18 cada; e processos de aprendizagem, em apenas dez. Embora menos observados, esses processos ajudam a interpretar os contrastes: em pesquisas sobre escrita e elaboração de projetos, alunos com melhores resultados tendiam a examinar sugestões, incorporar feedback e revisar o trabalho em ciclos. A revisão propõe, a partir desses padrões, dois caminhos possíveis, apoio ao raciocínio ou delegação do raciocínio à IA,, mas esse modelo explicativo ainda não constitui uma validação causal.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula, a questão deixa de ser apenas permitir ou proibir o uso da IA e passa a incluir o que a atividade exige do estudante. Comparar uma explicação gerada com o conteúdo da disciplina, apontar erros e justificar alterações pode transformar o feedback imediato em oportunidade de aprendizagem; aceitar a saída como resposta final pode produzir um trabalho melhor apresentado sem evidência equivalente de compreensão.

Para professores e gestores, isso favorece avaliações que considerem também versões intermediárias, justificativas de revisão e decisões tomadas pelo aluno, sem abandonar a análise do produto final. Também exige formação docente para desenhar tarefas e ensinar verificação, além de regras claras sobre autoria e assistência permitida. Políticas institucionais precisam considerar acesso às ferramentas e diferenças de conhecimento prévio: sem esses cuidados, alunos mais preparados podem aproveitar melhor o apoio disponível, enquanto outros ficam mais expostos à dependência e a respostas incorretas.

LIMITES E PRÓXIMOS PASSOS: A predominância de universitários, a concentração geográfica da amostra e a busca restrita a estudos em inglês de duas bases reduzem a possibilidade de generalizar os achados para outras redes e faixas etárias. Como muitas intervenções foram curtas e poucos trabalhos examinaram diferenças entre grupos de alunos, ainda faltam respostas sobre retenção do aprendizado, transferência para novas tarefas e efeitos sobre desigualdades. Estudos com acompanhamento prolongado, especialmente na educação básica, serão necessários antes de atribuir à IA benefícios duradouros ou recomendar sua adoção ampla.

Fonte: Exploring the effects of generative AI (GenAI) on learning outcomes: A scoping review