Impacto do ChatGPT: visão Educacional

Tempo de leitura: 42 minutes

Loading

Resumo

Tem havido muitos comentários na mídia sobre o possível impacto da Inteligência Artificial (IA) generativa, como o ChatGPT, no campo da educação, mas há pouca análise em escala de como os educadores acreditam que a aprendizagem e a avaliação devem mudar como resultado da IA generativa. Impacto do ChatGPT: visão Educacional, é um estudo de métodos mistos que examina os pontos de vista de educadores (n = 318) de diversos níveis de ensino, níveis de experiência, áreas disciplinares e regiões sobre o impacto da IA no ensino e na avaliação, as maneiras pelas quais eles acreditam que o ensino e a avaliação devem mudar e as principais motivações para mudar suas práticas.

A maioria dos professores achava que a IA generativa teria um impacto importante ou profundo no ensino e na avaliação, embora uma minoria considerável achasse que teria pouco ou nenhum impacto. O nível de ensino, experiência, área disciplinar, região e o gênero influenciaram significativamente a percepção do impacto da IA generativa no ensino e na avaliação. Níveis mais altos de conscientização sobre a IA generativa previam maior impacto percebido, apontando para a possibilidade de um “efeito de ignorância”.

A análise temática revelou as mudanças específicas no currículo, na pedagogia e na avaliação que os professores consideram necessárias como resultado da IA generativa, que se concentram no aprendizado com IA, no pensamento de ordem superior, nos valores éticos, no foco nos processos de aprendizado e relacional cara a cara. Os professores se mostraram mais motivados a mudar suas práticas de ensino e avaliação para aumentar a expectativa de desempenho de seus alunos e deles próprios. Concluímos discutindo as implicações dessas descobertas em um mundo com IA cada vez mais predominante.

A Inteligência Artificial Generativa como uma ruptura educacional

O lançamento do GPT3 em novembro de 2022 pela OpenAI foi um marco para a humanidade, anunciando uma nova era de Inteligência Artificial (IA) generativa poderosa e de fácil acesso. Capturando a atenção generalizada do público e da mídia (por exemplo, Mollman, 2023; Roose, 2023; Wingard, 2023), o ChatGPT (OpenAI, 2023) agora podia fornecer respostas de texto estendidas a uma ampla variedade de solicitações de linguagem natural que muitas vezes passavam por prosa humana inteligente e informada. Entre essas reportagens da mídia, havia várias opiniões sobre as possíveis implicações da IA generativa para a educação e o que os professores poderiam pensar, mas nenhuma delas era baseada em evidências de pesquisa.

É importante entender as crenças dos educadores sobre como o ensino e a avaliação precisarão mudar em resposta à IA generativa, pois isso sustenta os tipos de mudanças que podemos esperar ver nas instituições educacionais em todo o mundo. Compreender as motivações dos professores para a mudança em resposta à IA generativa permitirá que os líderes educacionais ofereçam um aprendizado profissional impactante que se baseie nos sistemas de crenças dos professores. Portanto, o objetivo deste estudo é examinar as percepções dos educadores sobre como devemos mudar o ensino e a avaliação em resposta à IA generativa e suas motivações para mudar. O estabelecimento das crenças e motivações dos professores também servirá de base para pesquisas futuras, à medida que os professores e as tecnologias de IA generativa mudarem com o tempo.

A IA tem se tornado cada vez mais uma parte incorporada da vida contemporânea por meio de seu uso aceito em tecnologias que fornecem assistência pessoal (por exemplo, Siri, Alexa), previsão do tempo, reconhecimento facial, diagnósticos médicos, suporte jurídico e muito mais (Holmes et al., 2019). Nesse ambiente, foram identificadas várias maneiras pelas quais a IA poderia beneficiar a educação, por exemplo, por meio de plataformas de aprendizagem personalizadas, sistemas de avaliação adaptativa, análise preditiva inteligente e fornecimento de agentes de conversação (Akgun & Greenhow, 2021). No entanto, a capacidade do ChatGPT e de ferramentas de IA generativas semelhantes de fornecer aos alunos e professores respostas frequentemente de alta qualidade a uma ampla gama de tarefas educacionais comuns levantou questões fundamentais sobre o que os educadores de todo o mundo deveriam estar ensinando e como os alunos deveriam ser avaliados.

Há algum tempo existem questões epistemológicas e pedagógicas profundas sobre o uso da IA na educação, com Holmes et al. (2019) perguntando provocativamente: “Se você pode pesquisar ou fazer com que um agente inteligente encontre qualquer coisa, por que aprender alguma coisa? O que realmente vale a pena aprender?” (p. 3). Touretzky et al. (2019) afirmam que não basta saber como usar as ferramentas de IA de forma eficaz, mas que a IA precisa se tornar um tópico obrigatório em todo o currículo para que todos os alunos desenvolvam o entendimento necessário de como a IA funciona. A questão de saber se e como a IA deve ser usada pelos alunos em sala de aula foi comparada à questão de saber se o uso de corretores ortográficos e calculadoras pelos alunos deve ser permitido (Popenici & Kerr, 2017). No entanto, a nova e sofisticada IA generativa, como o ChatGPT, constitui um grande salto em relação às tarefas cognitivas e de aprendizagem que podem ser substituídas pela tecnologia, com a possibilidade de os alunos simplesmente enviarem resultados copiados e colados do ChatGPT em resposta a especificações de avaliação bastante elaboradas.

Nosso estudo aborda uma lacuna importante na literatura de pesquisa. Há várias revisões de IA na educação que resumem categorias amplas de usos de IA em sala de aula (por exemplo, Celik et al., 2022; Chen et al., 2020; Chiu et al., 2023b; Xu & Ouyang, 2022; Zawacki-Richter et al., 2019; Zhai et al., 2021). Também houve uma série de comentários de especialistas em educação com orientação mais filosófica sobre como o ensino e a avaliação precisam mudar em um mundo de IA cada vez mais poderosa (por exemplo, Cope et al., 2021; Markauskaite et al., 2022; Schiff, 2021). No entanto, há uma escassez de estudos que examinem, em escala, as percepções dos professores sobre a IA na educação.

Uma exceção notável foi o estudo de Chounta et al. (2022) que explorou as percepções de professores estonianos do ensino fundamental e médio. Entretanto, ao examinar apenas um país e um nível de ensino, não foi possível detectar se diferentes fatores regionais, de nível ou outros fatores demográficos influenciaram as percepções dos professores. Mais importante ainda, não houve um estudo em grande escala que examinasse as percepções dos professores à luz das novas e mais poderosas ferramentas de IA generativa, como o ChatGPT, portanto, não há indicação de como os professores responderão ou deverão responder. Há também uma necessidade premente de entender o que motiva os professores a mudar seu ensino e avaliação em resposta à IA generativa, para que possamos oferecer o apoio adequado e as configurações de políticas para a integração eficaz da IA generativa nos sistemas educacionais.

Consequentemente, este estudo aborda as seguintes questões de pesquisa:

  • RQ1 Até que ponto os professores acreditam que as ferramentas de IA generativa, como o ChatGPT, terão um impacto em suas práticas de ensino e avaliação, e como isso varia de acordo com fatores demográficos e contextuais?
  • RQ2 Como o ensino e a avaliação devem mudar como resultado da Inteligência Artificial generativa, como o ChatGPT?
  • RQ3 O que motiva os educadores a mudar seu ensino e avaliação como resultado da Inteligência Artificial generativa?

Abordar essas questões de pesquisa logo após o lançamento de ferramentas de IA generativa, como o ChatGPT, também oferece uma linha de base para comparação à medida que as crenças dos professores evoluem com o tempo.

Revisão da literatura

Definição de inteligência artificial na educação

A definição de inteligência artificial é desafiadora, principalmente por causa das diferentes maneiras como a inteligência pode ser concebida (Wang, 2019). Baker et al. (2019) definem Inteligência Artificial como “computadores que realizam tarefas cognitivas, geralmente associadas a mentes humanas, especialmente aprendizado e solução de problemas” (p. 10). No entanto, para os fins deste documento, definimos Inteligência Artificial (IA) como “sistemas de computação capazes de se envolver em processos semelhantes aos humanos, como aprendizado, adaptação, síntese, autocorreção e uso de dados para tarefas de processamento complexas” (Popenici & Kerr, 2017, p. 2), porque ela descreve de forma mais completa os processos cognitivos relevantes e destaca a importância dos dados subjacentes.

Os sistemas de IA na educação (AIED) podem assumir muitas formas e podem ser categorizados em sistemas de AIED voltados para o aluno, como os sistemas de tutoria inteligente (ITS), sistemas de AIED voltados para o educador, como painéis de controle do professor e suporte automático de notas, e sistemas de AIED para suporte institucional que podem identificar alunos em risco de atrito (Luckin et al., 2022). Mais recentemente, surgiram sistemas de IA generativa, baseados em modelos de linguagem ampla (LLMs), capazes de responder a uma gama mais ampla de perguntas e de forma mais inteligente do que as plataformas de IA anteriores baseadas em interações dialógicas ou dialéticas com os usuários (Ouyang et al., 2022).

Como funciona a IA generativa baseada em texto

Os sistemas de IA generativa, como GPT-3, ChatGPT, GPT-4 e Bing Chat, baseiam-se em modelos transformadores que aprendem “contexto e, portanto, significado, rastreando relacionamentos em dados sequenciais” (Merritt, 2022; consulte também Vaswani et al., 2017). Esses sistemas são treinados em uma grande coleção de corpora (um conjunto de textos em formato digital) textuais extraídos da Internet. Por exemplo, para o GPT-3, um conjunto de dados de 45 TB de texto (aproximadamente 409 bilhões de “tokens”) de várias fontes foi passado por um codificador. O texto foi extraído de fontes como a Wikipedia e outros sites indexados pelo mecanismo de busca Bing da Microsoft.

Para treinar o modelo, esses corpora são passados pelo BERT (Bidirectional Encoder Representations for Transformers), que permite que o modelo trate o texto não apenas como um “saco de palavras” não ordenado, mas como uma sequência de palavras (na verdade, tokens, que também podem incluir pontuação, emoji e outros caracteres), onde o que vem antes ou depois é importante (Brown et al., 2020; Devlin et al., 2018). Os tokens são então processados pelo decodificador BERT, um modelo auto-regressivo projetado para prever o próximo token. Em suma, essa etapa final é usada para prever, iterativamente, a próxima palavra ou outro token, dada a sequência de tokens até aquele ponto. O modelo inicialmente atribui probabilidades aleatórias, mas é treinado ao longo de muitas iterações de feedback para ser cada vez mais preciso em suas previsões. Quando o usuário apresenta o modelo treinado com um prompt, o codificador BERT trabalha no texto como acima. Espelhando o treinamento do modelo, os recursos de texto (tokens) são usados para prever quais recursos textuais provavelmente estarão associados a eles no próximo token. Essas previsões são então decodificadas em tokens que podem ser enviados de volta ao usuário. Por meio desse processo, os sistemas de IA generativa treinados em grandes corpora de dados podem fornecer respostas “inteligentes” semelhantes às humanas para uma grande variedade de solicitações.

Uso de IA nas aulas

Embora o surgimento popular da IA generativa seja relativamente recente, a IA tem sido usada na educação de várias outras maneiras. As pesquisas sobre o uso da IA nas aulas têm se concentrado em como a IA pode ser usada para o feedback dos alunos, para apoiar o raciocínio, para permitir a aprendizagem adaptativa, para facilitar a encenação interativa e para apoiar a gamificação (Zhai et al., 2021). Uma análise recente da IA na educação constatou que a aplicação da IA na sala de aula pode ser dividida em quatro funções principais:

  • (i) atribuir tarefas com base na competência individual,
  • (ii) proporcionar conversas homem-máquina,
  • (iii) analisar o trabalho do aluno para obter feedback e
  • (iv) aumentar a adaptabilidade e a interatividade em ambientes digitais (Chiu et al., 2023b).

Os sistemas de tutoria inteligente são uma aplicação particularmente comum da IA, apoiando a aprendizagem por meio do ensino do conteúdo do curso, diagnosticando pontos fortes ou lacunas no conhecimento do aluno, fornecendo feedback automatizado, selecionando materiais de aprendizagem com base nas necessidades individuais do aluno e até mesmo facilitando a colaboração entre os alunos (Zawacki-Richter et al., 2019).

O uso da IA oferece vários benefícios nas aulas, incluindo a seleção da atividade de aprendizagem ideal com base no feedback da IA, facilitando a intervenção oportuna, acompanhando o progresso do aluno, tornando o processo de ensino mais interessante e aumentando a interatividade para os alunos (Celik et al., 2022). Os professores propuseram uma variedade de possíveis projetos de aprendizado que integram a IA, que se concentram em aprendizado interdisciplinar, resolução autêntica de problemas e tarefas de criatividade (Kim et al., 2022). Recentemente, surgiram novos projetos de aprendizagem baseados em sistemas de IA mais poderosos, como o uso de IA nas aulas do ensino médio para incentivar os alunos a explorar diferentes recursos poéticos (Kangasharju et al., 2022), ou o uso de orientação induzida por IA para otimizar os resultados da aprendizagem, mantendo os alunos na zona de desenvolvimento proximal durante a aprendizagem por descoberta (Ferguson et al., 2022).

Esses usos são uma grande promessa para um futuro com IA geradora cada vez mais poderosa. No entanto, há preocupações de que a IA possa apenas ajustar o acesso ao conteúdo sem impactar substancialmente as práticas educacionais essenciais (Zhai et al., 2021). De importância pedagógica fundamental é a relação entre o aluno e as plataformas de IA que estão sendo usadas, que pode variar de dirigida por IA (aluno como destinatário) a apoiada por IA (aluno como colaborador) e capacitada por IA (aluno como líder) (Ouyang & Jiao, 2021, em Xu & Ouyang, 2022).

IA como uma área de tópico no currículo

O aprendizado sobre IA começou a se tornar parte do currículo escolar e universitário (Dai et al., 2020; Touretzky et al., 2019; Xu & Ouyang, 2022). A Declaração de Pequim da UNESCO sobre Inteligência Artificial na Educação identifica o desenvolvimento de habilidades de alfabetização em IA necessárias para a colaboração eficaz entre homem e máquina como uma prioridade fundamental em todos os níveis da sociedade (UNESCO, 2019). Holmes et al. (2019) fazem a importante distinção entre “aprender sobre IA” e “aprender com IA”, sendo que o primeiro é um pré-requisito para o segundo. De acordo com Touretzky et al., aprender sobre IA significa desenvolver um entendimento fundamental de como os computadores funcionam, incluindo processos como criação de modelos, aprendizado de máquina e interação humano-computador.

Alguns estudiosos argumentam que, juntamente com um currículo explícito sobre IA, é fundamental sobrepor capacidades e disposições gerais para que os alunos (e a sociedade) prosperem em um mundo de IA cada vez mais poderosa. Markauskaite et al. (2022) destacam a necessidade de um pensamento crítico bem desenvolvido, habilidades de avaliação, criatividade, autorregulação, empatia e ética ao usar a IA. Carvalho et al. (2022) argumentam de forma semelhante que as práticas pedagógicas que enfatizam as habilidades humanas (criatividade, resolução de problemas complexos, pensamento crítico e colaboração) são necessárias para apoiar a capacidade de se comunicar e colaborar com as ferramentas de IA na vida, no aprendizado e no trabalho. Holmes et al. (2019) defendem a necessidade de metas de aprendizagem mais profundas que enfatizem a versatilidade, a relevância, a interdisciplinaridade, a transferência e a incorporação de habilidades, caráter e meta-aprendizagem no ensino de domínios de conhecimento tradicionais. Não está claro, de forma mais ampla, o que os professores acreditam ser importante em termos de integração da IA ao currículo.

Uso de IA para avaliação

A IA pode auxiliar os professores nos processos de avaliação, por exemplo, por meio da construção de perguntas de avaliação, fornecendo análises de redação, uso automatizado de dados do processo de aprendizagem e criando uma avaliação mais adaptável e personalizada (Swiecki et al., 2022). Outro caso de uso importante da IA nas escolas é a classificação e avaliação automatizadas de trabalhos e exames, por exemplo, por meio de interpretação de texto, reconhecimento de imagens e assim por diante (Chen et al., 2020). A IA às vezes é usada para avaliar o envolvimento dos alunos e a integridade acadêmica e tem o potencial de gerar tarefas de avaliação personalizadas com base nas necessidades específicas de cada aluno (Zawacki-Richter et al., 2019). A IA também oferece mais oportunidades de se concentrar na avaliação orientada por processos e na avaliação do desempenho colaborativo (Kim et al., 2022).

No entanto, há também uma série de desafios que precisam ser abordados ao usar a IA na avaliação, incluindo a marginalização da especialização, o adiamento da responsabilidade, a adoção de uma pedagogia de vigilância e uma separação potencialmente improdutiva entre humanos e máquinas no processo de avaliação (Swiecki et al., 2022). No caso do aumento do acesso a ferramentas de IA generativas, também há preocupações sobre identidade, plágio e garantia de aprendizado (por exemplo, Hisan & Amri, 2023). Se os alunos puderem ser aprovados em tarefas de avaliação enviando trabalhos que não são de sua autoria, o objetivo e a integridade da educação poderão ser prejudicados (Cotton et al., 2023). Embora as ferramentas de detecção de IA tenham surgido quase tão rapidamente quanto a própria IA generativa (por exemplo, AI Text Classifier, GPTZero, AI Cheat Check, AI Content Detector), esses sistemas são probabilísticos em vez de exatos, e há o risco de os professores não conseguirem distinguir se a redação de um aluno é seu próprio trabalho (Cotton et al., 2023).

IA e prática do professor

Em termos de assistência ao trabalho do professor, a IA pode ser usada para ajudar a apoiar a tomada de decisões educacionais com evidências, fornecer estratégias de ensino adaptáveis e apoiar a aprendizagem profissional do professor (Chiu et al., 2023b). A função do professor e como ele posiciona o uso da IA na sala de aula está surgindo como uma influência crítica na aprendizagem. Um estudo que examinou o uso de chatbots de IA com alunos do 10º ano constatou que o apoio do professor influenciou significativamente a motivação e a competência para aprender com a plataforma de IA (Chiu et al., 2023a). Por outro lado, outra pesquisa constatou que nem todos os alunos se beneficiam igualmente do uso da IA na educação, e abordagens passivas/mecânicas para o uso da IA podem, na verdade, levar à redução do desempenho (Wang et al., 2023). Portanto, é necessário entender o papel do professor ao ajudar os alunos a aprender com IA, em termos da abordagem de aprendizagem que eles adotam.

O uso da IA pelos professores envolve desafios, incluindo a confiabilidade, a capacidade e a aplicabilidade limitadas da IA (Celik, 2023). Os acadêmicos destacaram a importância da equidade, responsabilidade, transparência e ética da IA na educação, incentivando o uso da IA eXplicável (XAI), em que os motivos das decisões tomadas pela IA são transparentes e estão disponíveis (Khosravi et al., 2022). A gama de questões éticas que precisam ser abordadas é extensa e cheia de nuances, por exemplo, a perpetuação do preconceito e da discriminação sistêmicas existentes, a privacidade e o uso inadequado de dados, bem como a ampliação da desigualdade para alunos de grupos desfavorecidos e marginalizados (Akgun & Greenhow, 2021; Miller et al., 2018). As diferenças no acesso às plataformas de IA têm o potencial de ampliar as lacunas de desigualdade para determinadas subpopulações, por exemplo, estudantes de baixo nível socioeconômico, mulheres e indígenas (Celik, 2023). Os professores podem desempenhar um papel fundamental na abordagem dessas questões.

Embora os professores tenham uma noção geral de que a IA também pode apresentar uma série de oportunidades para a educação, muitos têm conhecimento limitado sobre IA e como integrá-la efetivamente em seu ensino (Chounta et al., 2022). Alguns professores têm pouco interesse ou motivação para integrar a IA em suas aulas (Celik, 2023; Chiu et al., 2023b). O importante, entretanto, é que os professores tenham a prontidão necessária para a IA, por meio da qual eles entendam, pelo menos em termos não técnicos, como a IA funciona e o que ela é capaz de realizar, para que possam integrá-la de forma eficaz em suas aulas, se assim desejarem (Luckin et al., 2022). Revisões recentes estabeleceram que muitas vezes há uma falta de conexão entre as tecnologias de IA e seu uso no ensino (Chiu et al., 2023b) e uma necessidade de explorar mais as abordagens educacionais para aplicar a IA na educação (Zawacki-Richter et al., 2019).

Teorização da IA na pesquisa educacional

A pesquisa educacional relacionada à IA tende a ser pouco teorizada (Zawacki-Richter et al., 2019). Foram sugeridas várias posições teóricas para conceituar a IA, incluindo: realismo social, diálogo mediado por IA, aprendizagem em rede, conhecimento artístico, IA centrada no ser humano, Abordagem de Capacidade de Sen, 4Cs da Criatividade Humana, Aprendizagem Autorregulada, Aprendizagem em Rede e sistemas cognitivos híbridos (Markauskaite et al., 2022). Para este estudo, que examina as crenças e as motivações para mudar o uso da tecnologia, nos referimos à versão mais recente da estrutura da Teoria Universal de Aceitação e Uso da Tecnologia, o modelo UTAUT2 (Venkatesh et al., 2012).

A estrutura UTAUT2 (Venkatesh et al., 2012) consiste em sete fatores que influenciam as intenções comportamentais de usar a tecnologia: expectativa de desempenho, expectativa de esforço, influência social, condições facilitadoras, motivação hedônica, valor do preço e hábito. O modelo foi usado para estudar as percepções dos professores sobre uma série de tecnologias na educação, incluindo o software de apresentação PowerPoint (Chávez Herting et al., 2020), Cursos Online Abertos e Massivos (Tseng et al., 2022) e Realidade Virtual Imersiva (Bower et al., 2020). Quando usado quantitativamente, descobriu-se que o modelo descreve 74% da variação na intenção comportamental de usar a tecnologia (Venkatesh et al., 2016). O alto poder explicativo do modelo e sua capacidade de fornecer um modelo qualitativo para examinar as motivações dos professores (por exemplo, Bower et al., 2020) fez com que ele fosse usado como uma estrutura a priori para codificar as motivações dos professores neste estudo.

Metodologia

O objetivo deste estudo foi entender se os professores acreditam que as ferramentas de IA generativas, como o ChatGPT, terão impacto no ensino e na avaliação e, em caso afirmativo, como. Além disso, o estudo procurou determinar as motivações dos professores para mudar suas práticas de ensino e avaliação, e os fatores demográficos e contextuais podem influenciar suas crenças. Uma tendência geral na pesquisa educacional de IA é a preferência por trabalhos quantitativos (80%) e teóricos ou descritivos (17%) em relação à pesquisa qualitativa (2%) ou de métodos mistos (3%) (Tang et al., 2021). Ao adotar uma abordagem de métodos mistos neste estudo de IA generativa, os resultados qualitativos puderam oferecer uma visão explicativa dos dados quantitativos que foram coletados (Almalki, 2016). Fornecer insights sobre as motivações para a mudança também permite que os líderes educacionais entendam melhor como podem afetar a mudança no uso da IA generativa pelos professores.

Para coletar os dados, foi usada uma pesquisa elaborada propositadamente, devido à conhecida capacidade dos métodos de pesquisa de coletar com eficiência respostas padronizadas de um grande número de participantes geograficamente dispersos (Nardi, 2018). Os métodos de pesquisa são frequentemente usados para realizar pesquisas de alta qualidade. Um artigo de revisão sistemática recente constatou que a realização de pesquisas foi o terceiro método de pesquisa mais popular no campo da tecnologia educacional, com 57 dos 365 artigos (16%) usando abordagens de pesquisa (Lai & Bower, 2019). O uso frequente de métodos de pesquisa para realizar pesquisas de alta qualidade na área de tecnologia educacional também está de acordo com outras revisões (Baig et al., 2020; Escueta et al., 2017).

Instrumento da Pesquisa

A pesquisa foi construída para abordar as perguntas específicas, com itens da escala Likert relacionados ao impacto percebido pelos participantes das ferramentas de IA generativas, como o ChatGPT, sobre o que eles ensinam e como avaliam, bem como itens abertos relacionados aos tipos de mudanças que eles acreditavam que deveriam fazer em seu ensino e avaliação. O instrumento também incluía perguntas abertas que questionavam os participantes sobre o que os motivava a mudar o ensino e a avaliação. Itens demográficos relacionados a idade, gênero, país, experiência de ensino, níveis de ensino (por exemplo, fundamental, médio, universitário), disciplina de ensino (por exemplo, física, filosofia) também foram incluídos para esclarecer o impacto das circunstâncias individuais.

Os participantes também foram solicitados a classificar seu conhecimento prévio de ferramentas de IA generativas, como o ChatGPT, como uma variável moderadora em potencial. A pesquisa também incluiu outras perguntas relacionadas à aprendizagem profissional e à qualidade das respostas do ChatGPT que não foram incluídas neste estudo. Para aumentar a validade do conteúdo e da construção do instrumento, um protótipo da pesquisa foi enviado a sete colegas com ampla experiência em pesquisa e especialização no campo da Inteligência Artificial. Esses especialistas foram selecionados com base em sua experiência na publicação de pesquisas relacionadas à IA, bem como na experiência com o desenvolvimento de instrumentos de questionário de pesquisa. O feedback desses especialistas em pesquisa foi fornecido sobre a clareza do texto em relação ao foco pretendido das perguntas, que foi posteriormente incorporado ao design final da pesquisa. O instrumento final da pesquisa está incluído no Apêndice 1.

Para evitar que as pessoas não soubessem o que eram ferramentas de IA generativas ou como elas poderiam ser usadas no ensino e na aprendizagem, foi fornecido um link para uma visão geral básica em vídeo que incluía uma introdução ao ChatGPT e uma explicação de como ele poderia ser usado pelos alunos para responder a uma série de tarefas de avaliação diferentes. O vídeo evitou fazer julgamentos específicos sobre o impacto da IA no ensino e na avaliação, ou sobre como as pessoas poderiam precisar mudar seu ensino, para não influenciar indevidamente as respostas dos participantes. Também foi solicitado aos participantes que indicassem se assistiram ao vídeo, para que o impacto da visualização do vídeo sobre as percepções dos participantes pudesse ser medido.

Distribuição e participantes

Todos os protocolos de pesquisa adotados neste estudo foram aprovados pelo Comitê de Ética Humana da Macquarie University, número de referência 520231285244798. A pesquisa foi distribuída por meio de mídias sociais (por exemplo, Twitter, Facebook, LinkedIn) e lista de servidores de ensino profissional. Os exemplos incluem o grupo de professores de ensino médio do LinkedIn, a Society for Teaching and Learning in Higher Education e o Australian Council for Computers in Education. Os participantes forneceram consentimento completo e informado antes de preencherem a pesquisa. Os participantes tiveram a oportunidade de participar de um sorteio de um iPad ou de um vale-compras de US$ 50 da Amazon como incentivo para responder. Foi usada uma abordagem de bola de neve, em que os destinatários foram incentivados a encaminhar a pesquisa a colegas que pudessem estar interessados em responder. O período de coleta de dados se estendeu de 24 de janeiro a 9 de março de 2023, período em que o GPT3.5 foi o modelo predominante. Foi recebido um total de 763 respostas à pesquisa.

Depois de excluir as respostas incompletas, que não estavam em inglês e que eram falsas, restaram 318 respostas de participantes na amostra que foram usadas como base da análise. De acordo com a pesquisa de Pérez-Sanagustín et al. (2017), nossa amostra de 318 participantes coloca o tamanho da nossa amostra bem dentro do terço superior dos estudos publicados na revista de tecnologia educacional mais bem classificada do mundo, Computers & Education (9% superior dos estudos qualitativos, 43% superior dos estudos quantitativos e 25% superior dos estudos de métodos mistos). Os participantes eram 129 mulheres e 183 homens (0 não binário, 6 preferiram não indicar o gênero). A idade média foi de M = 47 anos, DP = 10,6 anos. A experiência média de ensino foi de M = 17 anos, DP = 9,8 anos. Havia 14 professores de ensino fundamental, 82 professores de ensino médio e 222 professores universitários na amostra. O esquema Web of Science Research Domain (Clarivate Analytics, 2023) foi usado para categorizar as áreas de ensino. Isso revelou uma ampla gama de áreas de ensino: 71 Artes e Humanidades, 14 Ciências da Vida e Biomedicina, 40 Ciências Físicas, 129 Ciências Sociais e 59 Tecnologia.

Resultado

Mudanças no ensino como resultado da IA generativa

Impacto percebido da IA generativa sobre o que deve ser ensinado

A Figura 1 mostra a porcentagem de entrevistados em cada categoria. A categoria modal e mediana é “importante” e, com as categorias numeradas de 1 = nenhuma a 4 = profundo, a média é 2,7, DP 0,9. Mais de um terço dos entrevistados está em cada uma das categorias “menor” e “maior” (37% e 38%), enquanto a maioria dos outros está na categoria “profundo” (18%); apenas 7% selecionaram “nenhum”.

Como devemos mudar o ensino e a avaliação em resposta à Inteligência Artificial generativa cada vez mais poderosa?
Resultados da pesquisa com professores sobre o ChatGPT”.

Figura 1

Mudanças no que deve ser ensinado como resultado da IA generativa

Um total de 546 referências foi codificado, com resultados relacionados ao que ensinar (currículo), como ensinar (pedagogia) e outros comentários. Em termos de currículo, a resposta mais frequente dos participantes sobre as mudanças no que ensinar foi ensinar os alunos a usar a IA (n = 53) como parte integrada das atividades de aprendizado em sala de aula. As respostas variaram de ideias amplas, como o uso do ChatGPT para “apoiar o aprendizado”, “fazer perguntas específicas” e “coletar informações”, as aplicações mais detalhadas para áreas de aprendizado específicas, como, por exemplo, “traduzir textos em latim”, usar o ChatGPT “como instrutor” em aulas de espanhol e aproveitar sua capacidade de oferecer suporte individual ao aprendizado dos alunos, principalmente com a escrita.

Muitos entrevistados indicaram que já estavam confiantes com a integração de ferramentas digitais em seu ensino, revelando que a IA lhes proporcionou a oportunidade de ampliar suas tarefas habituais, por exemplo, usando-a “para aprimorar nosso fluxo de trabalho digital de criação e pesquisa multimídia”. Muitos professores consideraram importante ensinar especificamente como as ferramentas de IA funcionam (n = 40), incluindo “o que são, bem como os recursos e as limitações” e sua “utilidade”.

Da mesma forma, a importância de ensinar aos alunos o pensamento crítico, especialmente em relação à avaliação das respostas de IA, foi muito enfatizada pelos professores (n = 38). Muitos detalharam como era imperativo fazer com que os alunos deixassem de ser receptores passivos da IA, por exemplo, ficando “alertas e criticando o que é oferecido como ‘conhecimento'”. Os professores reconheceram a importância de ensinar sobre o uso ético e responsável da IA (n = 26), fazendo comentários gerais (por exemplo, “como usá-la eticamente”) e específicos.

Este gráfico apresenta como os professores planejam mudar seus métodos de ensino e currículos em resposta à integração da inteligência artificial (IA). Ele detalha as respostas em três categorias principais: Currículo, Pedagogia e Outros Comentários, subdivididas em temas específicos discutidos pelos professores. Isso ilustra as prioridades e preocupações deles em relação ao uso da IA na educação.

 

As respostas detalhadas incluíram o ensino sobre “dilemas éticos”, “por que a citação é importante” e um foco maior no ensino sobre plágio e integridade acadêmica. Por fim, 17 entrevistados descreveram como usariam o ChatGPT em suas aulas para fornecer exemplos ou modelos para seus alunos. Desde “explicar códigos relacionados a estatísticas” até “analisar e editar” uma resposta do ChatGPT, os professores descreveram como o uso da IA dessa forma ajudou a fornecer exemplos trabalhados para que os alunos criticassem, elaborassem ou usassem como sugestões de andaimes para produzir um aprendizado mais aprofundado.

De acordo com os resultados quantitativos, também houve vários participantes que indicaram que não mudariam seu ensino (n = 31). É interessante notar que apenas três pessoas indicaram que desencorajariam o uso da IA, o que é um número pequeno na amostra de 318 entrevistados. Vários formadores de professores também expressaram que mudariam o currículo ensinando os professores em treinamento a ensinar usando IA (n = 8). Eles afirmaram que os novos professores precisavam estar equipados para ensinar sobre IA nas escolas para “desenvolver a alfabetização digital dos alunos mais jovens”.

Juntamente com a identificação de mudanças no que seria ensinado, os professores também descreveram como seu ensino (ou seja, a pedagogia) mudaria em resposta às ferramentas de IA. A subcategoria mais frequente foi a especificação de sua abordagem pedagógica alterada (n = 60). Muitas respostas identificaram como os estilos de ensino atuais precisavam ser adaptados para promover o envolvimento ativo e a participação dos alunos por meio de mais trabalho em grupo, pensamento de ordem superior, processos criativos e atenção do professor na sala de aula. Por exemplo, os professores mencionaram “mais projetos presenciais e em grupo”, maior monitoramento do progresso das tarefas por meio de “processos de elaboração”, “observações e entrevistas em sala de aula” e “utilização de mídia criativa”.

Da mesma forma, os professores descreveram como o design das tarefas de aprendizado precisaria ser modificado (n = 28). Aqui, também, os professores identificaram a necessidade de projetar atividades com modificações criativas e de ordem superior e usar menos redações, recordações ou explicações simples que poderiam ser geradas pela IA. Muitas respostas indicaram um foco maior no “processo de redação”, ou seja, concluir a redação em etapas, para maior responsabilidade. É interessante notar que um professor detalhou como a IA seria incorporada para “criar um avatar de uma figura histórica”, proporcionando uma nova abordagem interessante e envolvente para os alunos realizarem entrevistas.

Os professores também reconheceram como a IA poderia ser utilizada para apoiar sua prática de ensino (n = 23), relatando-a como uma ferramenta conveniente e eficiente para “melhorar o fluxo de trabalho”. Os professores usaram a IA para criar materiais de recursos, coletar ideias para aulas e comparar seus próprios recursos com os criados pela IA (“comparar meu material e avaliar com o material principal utilizado pelas ferramentas de IA”). Notadamente, foi reconhecido que a IA poderia criar recursos diferenciados de forma rápida e eficiente para os alunos “personalizados de acordo com seus interesses e também calibrados de acordo com suas habilidades”. Por fim, dezesseis professores forneceram declarações gerais refletindo que sua pedagogia mudaria, embora acreditassem que o conteúdo geral permaneceria inalterado.

A outra categoria incluiu reflexões ou opiniões gerais sobre o ChatGPT/AI não relacionadas a mudanças em seu próprio ensino (n = 13), respostas sobre mudanças necessárias em nível de política em vez de identificar mudanças em seu próprio ensino (n = 11) ou respostas pouco claras (n = 16).

Motivações para mudar o ensino

Um total de 370 referências foi codificado, com uma média de 1,2 por respondente (Tabela 2 do Apêndice). A maioria das respostas (n = 233) foi classificada como Expectativa de Desempenho, ou seja, os entrevistados foram motivados a mudar como e o que ensinarão devido à crença de que a IA os ajudará, e a seus alunos, em seu desempenho futuro. É interessante notar que as respostas mais frequentes foram sobre o desempenho futuro de seus alunos e não sobre o seu próprio desempenho. Mais de um terço dos participantes foi motivado pela expectativa de desempenho de seus alunos (n = 136), comentando que a IA “aprimoraria o aprendizado dos alunos”, proporcionaria a eles “uma experiência de aprendizado autêntica” e lhes forneceria “conhecimentos e habilidades”. Um senso de urgência no léxico ficou evidente: educadores preocupados com o fato de que seus alunos “não estão perdendo”, “precisam ser conscientizados” ou “precisam estar prontos” para um futuro integrado à IA. A segunda categoria de resposta mais alta foi a expectativa de desempenho dos próprios professores (n = 97). Por exemplo, os professores viram benefícios na utilização da IA para se manterem atualizados com seus conhecimentos “a fim de aumentar minha capacidade de compartilhar conhecimentos de ponta com minha classe” e “facilitar um melhor aprendizado e ensino”. Ser “relevante” ou “autêntico” como educador foram termos comumente usados para justificar sua motivação de mudança.

Este gráfico apresenta as diversas motivações dos educadores para mudar o ensino com o uso de IA. As categorias vão desde a expectativa de desempenho dos alunos e professores até a influência social e a motivação hedônica.

 

Três categorias tiveram um número visivelmente menor de respostas codificadas: condições facilitadoras (n = 36), expectativa de esforço (n = 26) e influência social (n = 24). Os entrevistados reconheceram que estavam motivados a mudar devido à infraestrutura para IA já existente (ou seja, condições facilitadoras). Isso é demonstrado em comentários como “Os chatbots estão aqui”, estamos “…cercados de tecnologia” e que a IA continuará a se transformar com a tecnologia já disponível para se tornar “onipresente no futuro”. As respostas codificadas de acordo com a expectativa de esforço (o esforço previsto para aprender e ensinar usando IA na sala de aula) geralmente usaram palavras como “eficiente”, “conveniente”, “rápido” e “economia de tempo” para descrever o uso da IA como um recurso para sua prática de ensino. Apenas 7% dos participantes foram motivados a mudar devido à persuasão de outras pessoas ou à pressão da sociedade (influência social). Enquanto alguns foram motivados a “seguir a tendência”, outros foram pragmáticos, quase derrotistas, em seu raciocínio: “Não tenho escolha… seria irresponsável da minha parte não preparar meus alunos para o mundo que está por vir” e “… não há realmente uma escolha. Evoluir ou ‘morrer'”. A linguagem usada nessas respostas foi principalmente negativa.

Apenas 15 educadores (5%) expressaram sua motivação para a mudança devido à diversão ou ao prazer decorrente da IA (motivação hedônica). Eles observaram que a IA era “extraordinária” e que a tecnologia era frequentemente mencionada como “fascinante” e “empolgante”. A linguagem apaixonada foi encorajadora, com um entrevistado declarando: “Eu adoro ferramentas revolucionárias!”. Em comparação com a categoria Influência social, essas 15 respostas foram formuladas de forma positiva e pareciam animadas em seu entusiasmo pela IA. Não houve respostas codificadas para as duas categorias de Valor de preço ou Hábito. Isso sugere que os participantes não estavam motivados a usar a IA devido ao seu custo ou à falta dele (Price Value), o que é uma descoberta interessante, já que as versões básicas da tecnologia são de uso gratuito. O hábito (execução automática de um comportamento) não foi reconhecido pelos participantes como uma motivação para a mudança, o que não surpreende, dada a novidade do ChatGPT. Por fim, 26 entrevistados não tinham certeza do que os motivava ou reiteraram que não estavam fazendo nenhuma mudança em seu ensino. Houve 10 respostas ambíguas.

Mudanças na avaliação como resultado da IA generativa

Impacto percebido da IA generativa sobre como devemos avaliar

A Figura 2 mostra a porcentagem de entrevistados em cada categoria. A categoria modal e mediana é “grande” (e se as categorias forem numeradas de 1 = nenhuma a 4 = profunda, a média é 2,8, DP 0,9). Mais de um terço dos entrevistados está na categoria “maior” (38%), quase um terço na categoria “menor” (32%) e quase um quarto está na categoria “profundo” (23%). Apenas 7% selecionaram “nenhum”.

Este gráfico apresenta a percepção geral de que a inteligência artificial terá um impacto significativo na educação e na aprendizagem.

Mudanças na forma como devemos avaliar como resultado da IA generativa

Um total de 567 referências relacionadas à avaliação foram codificadas, representando 1,8 códigos por pessoa (consulte a Tabela 3 do Apêndice para obter detalhes sobre o esquema de codificação). Os principais temas estavam relacionados aos tipos de tarefas de avaliação, ao conteúdo das avaliações, aos meios de avaliação, à abordagem de supervisão e à assistência de IA para os processos de avaliação.

Os entrevistados discutiram uma série de diferentes tipos de tarefas de avaliação (n = 67) que eram adequadas para um mundo com IA geradora cada vez mais poderosa. As tarefas mencionadas com mais frequência foram as faladas (n = 29), como “discussões em tempo real” e “avaliação verbal, como mini-viva”. Os exames (n = 21) foram o segundo tipo de avaliação mencionado com mais frequência, seguidos pelas abordagens com papel e caneta (n = 7). Às vezes, esses subtemas eram citados juntos, como, por exemplo, “os alunos precisam fazer todas as avaliações em uma situação de exame e com papel e caneta”. Outros tipos de tarefas de avaliação sugeridos incluíram produção de vídeo ou ensaio visual (n = 7) e portfólio (n = 3).

Os entrevistados identificaram que as mudanças nos tipos de conteúdo incluídos na avaliação eram necessárias para resolver os problemas de IA. Um grande número de entrevistados identificou que as tarefas de avaliação precisavam ser inclinadas para o pensamento de ordem superior (n = 71), incluindo “pensamento crítico e aplicação” e “perguntas do tipo avaliação”. Outras sugestões foram mudanças em direção a tarefas mais autênticas (n = 65) e foco no processo de avaliação (n = 50), como “incorporar muito mais metodologias orientadas por processos (redação, livretos de pesquisa etc.)”. Outras recomendações para tarefas mais personalizadas (n = 35), como “comentários reflexivos sobre o aprendizado anterior e outras experiências vividas”, e tarefas que exigem o fornecimento de referências e citações precisas (n = 12) foram propostas.

O gráfico apresenta as várias considerações dos professores sobre a mudança nas práticas de avaliação devido à IA. As categorias abrangem desde tarefas orais e exames até o impacto mínimo ou inexistente da IA nas avaliações, passando por tópicos como pensamento de ordem superior e tarefas autênticas.

Houve uma concordância generalizada quanto à necessidade de mais supervisão das tarefas de avaliação (n = 69), incluindo a sugestão de que seria necessária uma avaliação presencial e com verificação para ajudar a lidar com a possibilidade de os alunos plagiarem a partir de ferramentas de IA, como o ChatGPT. Algumas pessoas também sugeriram os benefícios de ter tarefas de avaliação mais colaborativas e baseadas em pares (n = 10). Por exemplo, um respondente propôs fazer “mais uso do trabalho em grupo …. em vez de depender de uma redação”. Os professores também sugeriram mudar os processos de avaliação (n = 11) para lidar com o trabalho criado por IA, por exemplo, “reformulando as tarefas de avaliação e as rubricas para criar tarefas que possam ser menos geradas com o ChatGPT”.

Surpreendentemente, muitos entrevistados propuseram o uso de assistência de IA para “ajudar nas tarefas de avaliação” (n = 54). Alguns participantes sugeriram incorporar a IA nas tarefas de avaliação, por exemplo, “pedir aos alunos que criem o primeiro rascunho no ChatGPT ou equivalente e depois mostrem como o aprimoraram, bem como uma reflexão sobre o uso da IA no campo” e “usar o ChatGPT na fase de coleta de informações antes da avaliação para construir uma plataforma de compreensão”.

Alguns professores comentaram que a IA teria um impacto mínimo ou nenhum impacto em suas tarefas de avaliação (n = 36), seja porque a natureza das “avaliações não pode realmente ser concluída com IA”, seja porque eles acreditam que a IA não faria um trabalho melhor do que o humano – “Não estou impressionado com o código que o ChatGPT produz atualmente”. Houve uma série de outros comentários e reflexões mais gerais (n = 49), por exemplo, “Há muitos recursos excelentes por aí e estamos trabalhando para descobrir e ter ideias também. Ainda estamos nos primeiros dias e a forma como avaliamos evoluirá continuamente à medida que essas ferramentas evoluírem”.

Motivações para mudar a avaliação

Um total de 360 motivações para mudar a avaliação foi codificado, com mais de 70% (264 respostas) relacionadas à expectativa de desempenho. Semelhante aos resultados das motivações para mudar seu ensino, a maioria dos professores expressou a intenção de mudar as tarefas de avaliação para influenciar a expectativa de desempenho de seus alunos (n = 160). Os participantes acreditavam que a mudança permitiria que “os alunos desenvolvessem suas próprias competências e habilidades”, “preparariam os alunos para a vida e o local de trabalho com a IA” e queriam “desmotivar os alunos a usar a IA como uma forma de trapacear em seus trabalhos de curso”. Algumas das respostas de expectativa de desempenho estavam relacionadas aos professores (n = 104). Por exemplo, os professores reconheceram que o uso da IA poderia melhorar seu desempenho ao ajudá-los com “verificações de plágio” e permitir que eles “garantissem que a avaliação fosse justa e uma representação verdadeira do que o aluno é capaz de fazer”. Além disso, eles esperavam poder usar o “ChatGPT para personalizar algumas das avaliações para atender às necessidades dos alunos”.

O apresenta as motivações dos educadores para mudar as práticas de avaliação devido à influência da IA. A maioria dos educadores está motivada pela expectativa de desempenho, tanto dos alunos quanto dos próprios professores. Outras motivações incluem esforço, condições facilitadoras, influência social e motivação hedônica. Uma parcela menor de respondentes indicou que não planeja fazer mudanças.

Com relação à expectativa de esforço (n = 15), os professores estavam motivados a usar as ferramentas de IA porque “elas facilitam muito a avaliação”. Eles perceberam que a aplicação de ferramentas de IA “poderia me tornar mais eficiente no fornecimento de feedback”. Algumas motivações para mudar a avaliação se deveram às condições facilitadoras (n = 12), sendo que o surgimento generalizado de ferramentas de IA no ensino e na aprendizagem foi um catalisador ambiental (“para mim, faz parte da transformação digital da educação”). Outros indivíduos/partes interessadas desempenharam algumas funções para motivar os professores a aplicar ferramentas de IA em seus processos de avaliação (influência social, n = 10). Eles declararam explicitamente que “havia muitas pessoas usando” e “não há onde se esconder” das ferramentas de IA. Eles concordaram em “se adaptar” às novas mudanças para “não ficar para trás”. Alguns professores indicaram que a motivação hedônica (n = 7) foi um dos motivos pelos quais mudaram a forma de avaliar os alunos (“Estou empolgado com a IA”). Nenhuma das respostas indicou uma motivação para mudar suas práticas de avaliação por causa do Valor do Preço ou do Hábito. 19 entrevistados comentaram que não estavam motivados a fazer nenhuma alteração nas tarefas de avaliação atuais.

Discussão

Percepções dos professores sobre o impacto da IA generativa no ensino e na avaliação

Houve uma grande variedade de percepções dos educadores sobre o impacto das ferramentas de IA generativa, como o ChatGPT, no ensino e na avaliação. Embora a maioria dos professores acreditasse que as ferramentas de IA generativas teriam um impacto importante ou profundo no ensino e na avaliação, também havia uma minoria considerável que acreditava que elas não teriam nenhum impacto ou teriam um impacto menor. A conscientização sobre as ferramentas de IA, como o ChatGPT, teve uma influência significativa sobre o impacto que os educadores achavam que a IA generativa teria no ensino e na avaliação, sendo que uma maior conscientização e experiência com as ferramentas de IA levou à crença de que tais ferramentas teriam um impacto maior. Esse resultado aponta para um “efeito de ignorância”, em que pessoas com pouca experiência com ferramentas de IA podem não acreditar que a IA terá impacto no ensino e na avaliação porque não compreendem totalmente os recursos de tais ferramentas.

Houve outros fatores demográficos e contextuais que influenciaram as crenças dos educadores sobre o impacto da IA no ensino e na avaliação. Os professores do ensino fundamental achavam que a IA generativa teria menos impacto no ensino e na avaliação do que os professores do ensino médio ou universitário, o que não é surpreendente, dada a natureza menos sofisticada das tarefas nos anos mais jovens, bem como a maior dependência do ensino e da avaliação presenciais. A interação entre experiência de ensino e região global foi, a princípio, surpreendente para nossa equipe de pesquisa. Depois de refletir, fazia sentido que regiões diferentes pudessem ter percepções diferentes sobre o impacto da IA generativa devido a diferenças na cobertura da mídia ou na natureza de seus sistemas educacionais, e que poderia haver diferenças nas percepções de acordo com a experiência de ensino. Esse resultado é um lembrete importante de como os fatores situacionais significam que o uso, a aceitação e as percepções da tecnologia podem variar de acordo com o contexto.

Crenças dos professores sobre como o ensino deve mudar como resultado da IA generativa

Os participantes fizeram uma série de sugestões sobre como mudar o ensino em resposta à IA generativa. Os professores sentiram que o currículo precisava mudar para ensinar aos alunos como a IA funciona, como usá-la, bem como as habilidades de pensamento crítico e os valores éticos necessários para trabalhar em um mundo saturado de IA. O ensino era visto como algo que precisava mudar para enfatizar os processos de aprendizagem que incluíam criatividade, colaboração e multimídia, e para obter eficiência usando a IA para auxiliar o projeto pedagógico e a administração. As ideias criativas incluíam o uso de IA generativa para exemplares, simulações, prática de técnicas de entrevista e exemplos para crítica. É importante observar que as sugestões não constituem evidência empírica do que deve mudar, mas sim as percepções dos professores. Essas mudanças no ensino são bem diferentes dos temas identificados em análises anteriores de IA na educação (por exemplo, Chiu et al., 2023b; Zhai et al., 2021). Essas possibilidades educacionais estão de acordo com algumas das abordagens mais inovadoras sugeridas em trabalhos emergentes de professores (por exemplo, Kim et al., 2022) e destacam a gama de novas oportunidades de ensino que a IA generativa oferece. Curiosamente, a maioria das mudanças sugeridas pelos professores estava de acordo com o que já é considerado uma boa prática de ensino em termos das pedagogias subjacentes (Churchill et al., 2016; Hattie, 2023).

As respostas dos professores revelaram relativamente pouco foco futuro do impacto da IA em relação às suas capacidades e possibilidades na educação, em comparação com a literatura de pesquisa. Por exemplo, das quatro funções descritas por Chiu et al. (2023b) que podem ser atribuídas à IA na sala de aula, as respostas dos professores neste estudo se concentraram principalmente na função de “aumentar a adaptabilidade e a interatividade em ambientes digitais” (p. 3). Surpreendentemente, houve um reconhecimento relativamente limitado do uso da IA para proporcionar diferenciação individual, conversas homem-máquina ou fornecer feedback aos alunos. Da mesma forma, pesquisas recentes descrevem como a IA pode ser utilizada pelos professores, por exemplo, para intervenção ou diferenciação individual, monitoramento do progresso do aluno (Celik et al., 2022; Chiu et al., 2023a), fornecimento de feedback (Zhai et al., 2021) e utilização da IA para manter uma zona de desenvolvimento proximal para os alunos (Ferguson et al., 2022). É importante ressaltar que essas possibilidades de como a IA pode ser usada pelos professores não foram refletidas pela maioria dos participantes deste estudo, possivelmente indicando que muitos professores podem ter conhecimento limitado sobre todo o potencial da IA. Essa observação está de acordo com os achados quantitativos referentes a uma associação entre o conhecimento da IA e o impacto futuro percebido.

Crenças dos professores sobre como a avaliação deve mudar como resultado da IA generativa

Os participantes também identificaram várias maneiras pelas quais a avaliação deve mudar como resultado da IA generativa. A maioria dos professores pareceu perceber os desafios que a IA propõe para a avaliação e fez sugestões explícitas sobre diferentes maneiras de avaliar melhor os alunos (por exemplo, tarefas faladas, avaliações presenciais com verificação, exames, produção de vídeos etc.). Eles geralmente recomendavam que a natureza das tarefas de avaliação mudasse para incluir “pensamento crítico e de ordem superior”, bem como “tarefas autênticas e criativas”, o que se alinha com as sugestões da literatura (por exemplo, Kim et al., 2022). As mudanças propostas se deveram às preocupações dos professores com as questões de integridade acadêmica e plágio relacionadas ao uso não autorizado da IA, preocupações que foram levantadas por outros pesquisadores (Hisan & Amri, 2023). Essas justificativas estão de acordo com a importância identificada de “Equidade, Responsabilidade, Transparência e Ética (FATE)” para a IA na educação (Khosravi et al., 2022), abordando o trabalho criado pela IA para tornar a avaliação o mais justa possível, tanto do ponto de vista dos professores quanto dos alunos.

Os professores deste estudo propuseram várias maneiras de alterar as avaliações para promover a equidade e melhorar os resultados da aprendizagem (por exemplo, ajustando as rubricas de marcação para levar em conta a IA). Embora as sugestões dos participantes possam fornecer ideias úteis para os educadores considerarem em resposta à IA generativa, mais uma vez, é importante lembrar que elas não constituem evidência de que essas mudanças sejam eficazes. Além disso, relativamente poucos professores deste estudo se concentraram em processos de avaliação assistidos por IA mais divergentes e avançados, por exemplo, sistemas de avaliação automatizados e adaptativos, sistemas de aprendizagem personalizados e análise preditiva inteligente (Akgun & Greenhow, 2021). Apenas uma minoria de professores indicou ter conhecimento sobre como a IA pode ajudar nos processos de avaliação por meio da “construção de perguntas de avaliação” e do “fornecimento de análises de redação” (Swiecki et al., 2022). Portanto, parece crucial oferecer desenvolvimento profissional aos professores sobre como a IA pode ajudá-los a tornar seus processos de avaliação mais eficazes e eficientes.

Motivações para mudar o ensino e a avaliação como resultado da IA generativa

Quase três quartos dos professores deste estudo estavam motivados a mudar seu ensino por acreditarem que a IA ajudaria a eles e a seus alunos em seu desempenho futuro. Essa forte motivação para o desempenho indicou que a maioria dos professores tinha a intenção de se manter atualizada com os desenvolvimentos tecnológicos inovadores e ajudar seus alunos a se prepararem para o local de trabalho integrado à IA. A implicação é que os professores estão dispostos a aprender e integrar a IA na sala de aula, vendo-a como um desenvolvimento tecnológico que precisa ser abordado em vez de ignorado. Portanto, a aprendizagem profissional para desenvolver o conhecimento e a compreensão da IA parece ser a principal preocupação para garantir que as mudanças feitas em seu ensino sejam eficazes e abranjam a diversidade de possibilidades pedagógicas sugeridas pela literatura sobre IA.

A maioria dos professores (70%) estava motivada a mudar as tarefas de avaliação porque isso ajudaria os alunos e professores a melhorar diferentes aspectos de seu desempenho. Essa motivação de desempenho muito alta está de acordo com as sugestões de Swiecki et al. (2022) de que um dos principais motivadores do uso da IA na avaliação é melhorar a qualidade dos processos de avaliação. Embora relacionados ao desempenho, um número relativamente menor de entrevistados indicou que aumentar o envolvimento dos alunos e detectar a integridade acadêmica eram os principais motivadores (conforme descrito por Zawacki-Richter et al., 2019). Os professores indicaram com menos frequência que a eficiência era uma motivação para mudar os processos de avaliação, por exemplo, por meio de feedback e classificação, conforme proposto por Chen et al. (2020). Essas omissões podem ser devidas à falta de conscientização dos professores sobre as inúmeras maneiras pelas quais a IA pode ser usada para apoiar a avaliação, o que aponta para a relação entre motivação e compreensão e, consequentemente, para a necessidade de desenvolvimento profissional dos professores.

Limitações e pesquisas futuras

Este foi o primeiro estudo que encontramos relacionado às percepções dos professores sobre ferramentas de IA generativas, como o ChatGPT, e a influência dessas ferramentas sobre o que deve ser ensinado e como a avaliação deve ocorrer. No entanto, deve-se observar que os entrevistados se auto-selecionaram por meio de convites de canais profissionais de mídia social, de modo que as respostas podem não representar com precisão a distribuição das percepções entre todos os professores. Embora a amostra tenha sido a maior que pudemos encontrar sobre o tópico das percepções dos professores sobre IA, o número de participantes em cada uma das categorias demográficas (por exemplo, região, idade, experiência de ensino etc.) não poderia, de forma alguma, representar com precisão as respectivas populações. Em vez disso, os resultados fornecem indicações exploratórias de possíveis tendências e fatores que poderiam levar a diferenças. Deve-se reconhecer também que o tamanho da amostra adotado neste estudo não permitiu que os resultados relacionados aos esquemas de codificação fossem determinados de forma definitiva. Fornecemos os valores de Kappa de confiabilidade entre avaliadores para que os leitores possam interpretar a confiabilidade dos resultados para seus contextos e usos. Todos os resultados devem ser interpretados com a devida cautela.

O surgimento de ferramentas poderosas de IA generativa oferece uma base rica e importante para pesquisas futuras. Os resultados de nosso estudo destacam a relevância de investigar contextos específicos, que podem variar de acordo com o nível de ensino, a disciplina, a experiência do professor e assim por diante. Além disso, acreditamos que há uma necessidade urgente de investigar como os educadores podem desenvolver com eficácia o entendimento e a alfabetização em IA de que eles e seus alunos precisarão para prosperar em um mundo de IA geradora cada vez mais poderosa. Os professores fizeram uma série de recomendações valiosas sobre como melhorar o ensino e a avaliação em sala de aula, incluindo o uso da IA generativa como instrutor, tradutor, fonte de feedback, exemplo para crítica, fonte de dados, parceiro de diálogo e ferramenta para agilizar seus fluxos de trabalho digitais, por exemplo, por meio da criação de tarefas de avaliação e rubricas. É imperativo pesquisar a eficácia desses padrões de design para que possamos oferecer aos professores recomendações baseadas em evidências sobre a melhor forma de usar a IA generativa em suas práticas de ensino. Além disso, recomendamos a pesquisa sobre as necessidades de aprendizagem profissional dos professores como uma área importante a ser compreendida se quisermos equipar o campo educacional para responder com rapidez e competência ao rápido surgimento da IA generativa cada vez mais poderosa. Por fim, assim como as descobertas deste estudo podem informar a elaboração de políticas na área de uso de IA generativa na educação, são necessárias mais pesquisas para entender as implicações pedagógicas e sociais de diferentes configurações de políticas.

Conclusão

A mídia em geral fez uma série de conjecturas sobre o impacto da IA generativa na educação, mas sem nenhuma base de evidências para sustentar sugestões sobre como ela pode mudar o ensino e a avaliação. Este estudo responde a isso fornecendo uma amostra internacional e multinível que revela as maneiras pelas quais os educadores acreditam que o ensino e a avaliação devem mudar como resultado da IA generativa. Esses resultados, por sua vez, ajudam o setor educacional de forma mais ampla a ter uma noção das mudanças que talvez precisem ser feitas e que estão prontas para acontecer. Além disso, a compreensão das motivações dos professores para mudar em resposta à IA generativa fornece percepções poderosas que podem ser usadas para projetar a aprendizagem profissional com base nos aspectos do ensino e do uso da tecnologia que são os principais motivadores para os educadores.

Houve uma grande variedade na forma como os professores participantes deste estudo acharam que as ferramentas de IA generativa, como o ChatGPT, influenciarão a educação, o que significa que não há uma solução única para todos quando se trata das percepções dos professores. Alguns professores acham que a IA generativa influenciará profundamente o ensino e a avaliação, enquanto outros acreditam que ela não terá impacto algum em suas práticas. Neste estudo, descobrimos que as percepções podem variar de acordo com a conscientização sobre a IA generativa, a experiência de ensino, o nível de ensino, a disciplina, a região e o gênero. Esses resultados são um lembrete oportuno de como o impacto da tecnologia pode diferir muito entre os contextos e também das percepções das pessoas, que, por sua vez, podem ser influenciadas pela exposição e familiaridade. Não devemos buscar uma resposta única sobre o impacto da IA generativa na educação, mas sim nos esforçar para entender seu impacto diferenciado em contextos e professores específicos.

No entanto, houve um consenso geral dos professores sobre as maneiras pelas quais o ensino e a avaliação precisam mudar como resultado da IA generativa. Em geral, os professores perceberam a necessidade de ensinar aos alunos como a IA funciona, como usar a IA de forma eficaz, o pensamento crítico, os valores éticos, a criatividade, a colaboração, com maior foco pedagógico nos processos de aprendizagem em vez de nos produtos de aprendizagem. A avaliação foi vista como uma necessidade de mudança em direção a tarefas mais presenciais e com verificação que envolvam maior autenticidade, personalização, pensamento de ordem superior e divulgação de fontes. Todas essas são mudanças que podem ser consideradas pedagogicamente ideais, independentemente da IA generativa, e, como tal, a tecnologia pode estar atuando como um valioso catalisador para mudanças educacionais positivas, como já aconteceu em muitas ocasiões ao longo da história recente (Bower, 2017; Matzen & Edmunds, 2007).

Os resultados deste estudo têm várias implicações para uma ampla gama de partes interessadas. Os professores podem usar os resultados relacionados a como o ensino e a avaliação precisam mudar para informar suas práticas, por exemplo, em relação aos usos críticos, éticos e focados no processo da IA generativa em suas aulas. Os projetistas de aprendizado profissional podem usar os resultados motivacionais para sustentar a criação de workshops e recursos de IA generativa, que poderiam, por exemplo, ser centrados principalmente nos benefícios para os resultados de desempenho de alunos e professores. Os líderes educacionais podem usar os resultados relacionados ao impacto percebido para responder melhor à variedade de percepções que podem existir entre seus funcionários, desde pessoas que podem ser “ignorantes” quanto ao impacto potencial da IA generativa até usuários experientes que podem perceber implicações profundas. Os formuladores de políticas podem usar as descobertas deste estudo para embasar o projeto de estruturas para o uso da IA generativa na educação, tanto em termos de práticas que devem ser aplicadas (por exemplo, modelagem, invigilação) quanto nos casos em que os professores podem precisar de mais orientação (por exemplo, administração de professores e feedback dos alunos).

Muitos aspectos do mundo ao nosso redor devem mudar profundamente devido à IA generativa, o que significa que o papel dos professores crescerá em complexidade e importância à medida que eles tentam preparar os alunos para um futuro cada vez mais difícil de prever. A IA generativa operará em uma variedade cada vez maior de mídias, com a produção não apenas de textos e imagens de alta qualidade, mas também de vídeo, multimídia, realidade virtual e aumentada, além de operação física por meio da aplicação em robótica. Podemos esperar que a IA generativa aumente sua qualidade de modo que possa superar os seres humanos em praticamente qualquer tarefa intelectual ou criativa. No entanto, os seres humanos continuarão querendo e precisando ser os árbitros finais do mundo em que vivemos e, nesse sentido, é fundamental que os professores estejam bem equipados para ajudar os alunos a desenvolver as habilidades e disposições fundamentais de pensamento de que precisarão, como pensamento crítico, criatividade, solução avançada de problemas, bem como valores éticos, volição e empatia, como uma questão de suma importância. Nesse sentido, um foco maior em como desenvolver de forma mais eficaz esses recursos subjacentes, com base no aprendizado profissional dos professores, é uma área essencial para pesquisa e desenvolvimento futuros.

 

 

Autores; Matt BowerJodie TorringtonJennifer W. M. LaiPeter Petocz & Mark Alfano
Fonte: Education and Information Technologies
Artigo original: bit.ly/4d89oeX

 

Referências

Fernando Giannini

Pesquisador de tecnologia aplicada à educação, arquiteto de objetos virtuais de aprendizagem, fissurado em livros de grandes educadores e viciado em games de todos os tipos. Conhecimentos aprimorados em cursos de grandes empresas de tecnologia, principalmente no Google Business Educational Center e Microsoft. Sócio-proprietário da Streamer, empresa que alia tecnologia e educação. Experiência de 18 anos produzindo e criando objetos de aprendizagem, cursos a distância, design educacional, interfaces para sistemas de aprendizagem. Gestor de equipe para projetos educacionais, no Ensino Básico, Médio e Ensino Superior. Nesse período de trabalho gerenciou equipes e desenvolveu as habilidades de liderança e gestão. Acredita na integração e aplicação prática dos conhecimentos para a realização de projetos inovadores, sólidos e sustentáveis a longo prazo. Um dos grandes sonhos realizados foi o lançamento do curso gratuito Mande Bem no ENEM que atingiu mais de 500 mil estudantes em todo o Brasil contribuindo para a Educação Brasileira.

Participe da nossa comunidade no Whatsapp sobre Educação e Tecnologia

0 comentários

Enviar um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

Posts Relacionados

Competências essenciais na era digital

A proliferação da IA em muitos aspectos da vida humana - desde o lazer pessoal até o trabalho profissional, passando pelas decisões políticas globais - impõe uma questão complexa sobre como preparar as pessoas para um mundo interconectado e em rápida mudança, que está...

Educação digital para prevenir abusos sexuais online

Depois de participar de uma aula incrível com a professora Beatriz Lorencini e o Felipe, fui tirado da bolha onde costumo estar a maior parte do meu tempo se não o tempo todo. Quando percebi eu estava em choque por "não saber ou escolher não saber" que existem...

Cinco passos para utilizar o ChatGPT na sala de aula

Como professor, é quase certo que você já tenha utilizado inteligência artificial (IA), mesmo que uma vez ou diariamente em seus trabalhos acadêmicos sem saber ou se importar como ela funciona. Um exemplo disso é a filtragem de spam de e-mail e o verificador...

43 exemplos de inteligência artificial aplicados na educação

O potencial do uso da inteligência artificial na educação para aprimorar o aprendizado, auxiliar os professores e estimular um aprendizado individualizado mais eficaz é empolgante, mas também um pouco assustador. Para se ter uma conversa inteligente sobre IA na...

Impacto de robôs na curiosidade infantil

Resumo A curiosidade é fundamental para o aprendizado, mas as crianças em idade escolar apresentam variações em sua vontade de adquirir informações. Pesquisas recentes sugerem que outras pessoas têm uma forte influência no comportamento exploratório das crianças. Será...

10 práticas para utilizar IA em sala de aula

Nos primeiros dias de dezembro de 2022, tarde da noite, sob o manto da escuridão, digitei avidamente "ChatGPT" em minha barra de pesquisa do Google. Entrei no mundo da IA com nervosismo e entusiasmo, como quando entrava em uma loja de doces quando criança e era...

Tag Cloud

Posts Relacionados

[dgbm_blog_module posts_number=”4″ related_posts=”on” show_categories=”off” show_pagination=”off” item_in_desktop=”2″ equal_height=”on” image_size=”mid” author_background_color=”#ffffff” disabled_on=”off|off|on” module_class=”PostRelacionado” _builder_version=”4.16″ _module_preset=”default” title_font=”Montserrat||||||||” title_text_color=”#737373″ title_font_size=”19px” title_line_height=”25px” meta_text_color=”#666″ meta_font_size=”13px” content_font_size=”13px” content_line_height=”30px” author_text_color=”#666666″ custom_css_content_container=”display:flex;||flex-wrap:wrap;” custom_css_image-container=”padding-top:70%;||overflow:hidden;” custom_css_image=”position:absolute;||top:0;||left:0;||bottom:0;||right:0;||object-fit: cover;||height:100%;||width:100%;” custom_css_title=”padding:20px;||margin-top:0;||order:2;” custom_css_content=”padding:0 20px 20px;||order:3;” custom_css_post-meta-middle=”order:1;||padding:20px;||border-bottom:1px solid #dcdcdc;||border-top:1px solid #dcdcdc;” border_width_all_post_item=”0px” border_width_all_content=”0px” box_shadow_style_container=”preset1″ box_shadow_blur_container=”5px” box_shadow_spread_container=”1px” box_shadow_color_container=”rgba(0,0,0,0.1)” global_colors_info=”{}”][/dgbm_blog_module]

Receba a nossa newsletter

Fique por dentro e seja avisado dos novos conteúdos.

Publicações mais recentes