Uma revisão sistemática publicada no periódico Expert Systems With Applications, assinada por pesquisadores chineses, examinou o campo da inteligência artificial (IA) na educação. Os autores analisaram 2.223 artigos por meio de mapeamento bibliométrico e leram em profundidade 125 estudos empíricos selecionados. O resultado é um retrato do que a pesquisa acumulou até aqui, organizado em quatro grandes categorias de aplicação: aprendizagem adaptativa e tutoria personalizada; avaliação e gestão inteligentes; perfilamento e predição; e produtos emergentes.
Do lado favorável, a evidência reunida é consistente. Sistemas de tutoria inteligente acompanham o percurso de cada aluno, diagnosticam lacunas e oferecem retorno imediato, algo que um professor com quarenta estudantes dificilmente consegue. A revisão registra impactos positivos sobre o desempenho acadêmico, sobretudo entre estudantes com menor conhecimento prévio, além de maior interesse e concentração. Os autores citam ainda ganhos de até 62% em resultados de provas com aprendizagem adaptativa, que convém tratar com reserva, pois vêm de fonte secundária e não do próprio estudo.
Leia Mais
Do lado crítico, os mesmos autores são cuidadosos. Assistentes conversacionais aumentam a interação e o volume de retorno ao aluno, mas sustentar o engajamento ao longo do tempo continua difícil. Mais grave é o capítulo dos riscos éticos, que a revisão identifica como área ainda pouco investigada. Três preocupações se destacam: privacidade, uma vez que a analítica de aprendizagem incentiva a coleta agressiva de dados e a vigilância do estudante; viés algorítmico, pois modelos podem ensinar conhecimento enviesado, os autores mencionam explicitamente o ChatGPT; e autonomia, quando professores passam a delegar às máquinas decisões sobre quais alunos precisam de ajuda.
Há também um risco mais silencioso, o que os autores chamam de abordagem reducionista do aprendizado profundo. Ao otimizar o que é mensurável, o sistema tende a estreitar a própria definição de aprender, privilegiando o que o algoritmo enxerga e ignorando o que ele não captura, como a dimensão emocional, que a revisão aponta como ausente na maioria das aplicações atuais. Além disso, a facilidade obtida com o processamento externo pode interferir na capacidade do aluno de se aprofundar em temas complexos.
A resposta à pergunta do título ainda é dúbia, o que os dados das pesquisas sugerem é que a inteligência artificial, em si, não melhora nem piora a educação; ela apenas reproduz de maneira amplificada as decisões adotadas no seu desenho e na adoção e, como o estudo sugere, é exatamente essa a razão que faz com que a ética precise ser tratada como componente do projeto desde a origem. Também contribui para a melhoria dos sistemas uma maior aproximação entre os engenheiros da computação, educadores e psicólogos, a fim de assegurar que a tecnologia de fato sirva ao aprendizado.
Siga nosso canal no WhatsApp e receba notícias relevantes para o seu dia
Para o Brasil, que ainda debate a base de sua política de dados na educação pública, a lição é oportuna. Adotar essas ferramentas sem transparência sobre os algoritmos, sem proteção efetiva dos dados dos estudantes e sem preservar o julgamento do professor equivale a trocar um problema pedagógico conhecido por um problema técnico invisível.