Connecting Knowledge: Challenges and Opportunities of Artificial Intelligence in 21st Century Education
DOI:
https://doi.org/10.55892/jrg.v7i17.1430Keywords:
artificial intelligence, education, teacher training, educational inequalities, technology in educationAbstract
This article addresses the growing influence of Artificial Intelligence (AI) in education, highlighting challenges and opportunities inherent in this transformation. Based on a robust theoretical and methodological foundation, we analyze the perceived resistance to adopting AI tools, revealing gaps in teacher training that hinder the full integration of this technology into educational practices. We propose strategies to overcome this challenge, such as promoting continuous education, encouraging active participation of teachers in the development and implementation of AI tools, and fostering collaboration between teachers and students. Exploring the global landscape, we emphasize disparities between developed and developing countries in adopting AI in education. Infrastructure limitations, financial resource scarcity, and a lack of technological skills are challenges faced mainly by less developed nations. We propose that educational policies consider these barriers, focusing on investments in infrastructure and teacher training. In the realm of challenges, we discuss the excessive dependence on AI, warning of potential impacts on students' autonomy and creativity, along with ethical concerns related to privacy and algorithmic bias. We emphasize the need to address these concerns ethically and equitably, promoting policies and practices that ensure the responsible use of AI in education. The results highlight the importance of a careful and deliberate approach to integrating AI into education, aiming at educational development and the well-being of those involved in the teaching-learning process. The article concludes with a call to action for educators, researchers, policymakers, and society at large, emphasizing the need for collaborative and long-term commitment to harness the full potential of AI in transforming education.
Downloads
References
AWARI. Inteligência Artificial na Educação: Como a IA está revolucionando o ensino. 2023. Disponível em: (1) Nova Mensagem! (awari.com.br). Acesso em: 13 fev. 2024.
BAKER, Ryan; SIEMENS, George. Mineração de Dados Educacionais e Análise de Aprendizagem. 2014. In ABELL, Sandra K.; LEDERMAN, Norman (Eds.). Manual de Pesquisa em Educação Científica. Nova York: Routledge, 2008.
BAROCAS, Sólon; SELBST, André. O Impacto Disparado dos Big Datas. California Law Review, 2016. Disponível em: O impacto díspar do Big Data por Solon Barocas, Andrew D. Selbst :: SSRN. Acesso em: 11 fev. 2024.
BRASIL. LEI Nº 9.394, DE 20 DE DEZEMBRO DE 1996. Estabelece as diretrizes e bases da educação nacional. Disponível em: L9394 (planalto.gov.br). Acesso em: 13 fev. 2024.
BRASIL. Ministério da Educação. Base Nacional Comum Curricular. Brasília, 2018. Disponível em: anexo_texto_bncc (mec.gov.br). Acesso em: 13 fev. 2024.
BRYNJOLFSSON, Erik; MCAFEE, André. A Segunda Era das Máquinas: Trabalho, Progresso e Prosperidade em uma Época de Tecnologias Brilhantes. W. W. Norton & Company. 2014. Disponível em: The second machine age: Work, progress, and prosperity in a time of brilliant technologies. (apa.org). Acesso em: 12 fev. 2024.
DIESEL, Aline Diesel; BALDEZ, Alda Leila Santos; MARTINS, Silvana Neumann. Os princípios das metodologias ativas de ensino: uma abordagem teórica. Revista Thema, v. 14, nº 1, 2017. Disponível em: Vista do Os princípios das metodologias ativas de ensino: uma abordagem teórica (ifsul.edu.br). Acesso em: 13 fev. 2024.
FLORIDI, Luciano. A Lógica da Informação: Uma Teoria da Filosofia como Design Conceitual. Oxford University Press, 2019.
GUIMARÃES, Ueudison Alves et al. Metodologias ativas: docência com Inteligência Artificial. RECIMA21: Revista Científica Multidisciplinar, v.4, n. 7, 2023. Disponível em: Vista do METODOLOGIAS ATIVAS: DOCÊNCIA COM INTELIGÊNCIA ARTIFICIAL (recima21.com.br). Acesso em: 13 fev. 2024.
INTELIGÊNCIA ARTIFICIAL WEB. Inteligência artificial na educação: benefícios e desafios. Disponível em: Inteligência artificial na educação: benefícios e desafios - Inteligência Artificial Web (inteligenciaartificialweb.com.br). Acesso em: 13 fev. 2024.
LECUN, Yann; BENGIO, Yoshua; HINTON, Geoffrey. Aprendizado profundo. 2015. Disponível em: Aprendizagem profunda | Natureza. Acesso em: 11 fev. 2024.
MARCONI, Marina de Andrade; LAKATOS, Eva Maria. Fundamentos de Metodologia Científica. Editora Atlas, 2010.
MCCARTHY, João; MINSKY, Marvin L.; ROCHESTER, Natanael; SHANNON, Claude E. Uma Proposta para o Projeto de Pesquisa de Verão de Dartmouth sobre Inteligência Artificial. Revista de IA, 1956. Disponível em: Uma Proposta para o Projeto de Pesquisa de Verão de Dartmouth sobre Inteligência Artificial, 31 de agosto de 1955 | Revista AI (aaai.org). Acesso em: 11 fev. 2024.
NEWELL, Allen; SHAW, J. C.; SIMON, Hebert. A. Relatório sobre um programa de solução de problemas em geral. Atas da Conferência Internacional sobre Processamento de Informações,1959. Disponível em: Report on a General Problem-Solving Program - The Edward A. Feigenbaum Papers - Spotlight at Stanford. Acesso em: 11 fev. 2024.
OLIVA, Aline. Inteligência Artificial (IA) na educação: Impacto e Exemplos. Disponível em: Inteligência Artificial (IA) na educação: Impacto e Exemplos (questionpro.com). Acesso em: 12 fev. 2024.
PACETE, Luiz Gustavo. O que diz a carta assinada por Musk e milhares contra experimentos de IA? Forbes Brasil, 2023. Disponível em: O que diz a carta assinada por Musk e milhares contra experimentos de IA? - Forbes. Acesso em: 13 fev. 2024.
PARDOS, Zachary. A.; BERGNER, Yoav; SEATON, Daniel T. Inteligência Artificial na Educação: Promessas e Armadilhas. In WRIGHT, J. D. (Ed.), Enciclopédia Internacional das Ciências Sociais e Comportamentais. 2ª ed., pp. 25-32, Elsevier,2020. Disponível em: International Encyclopedia of the Social and Behavioral Sciences - IESBS (Elsevier) | Biblioteca Digital (fgv.br). Acesso em: 13 fev. 2024.
ROSENBLATT, F. O perceptron: Um modelo probabilístico para armazenamento e organização de informações no cérebro. Psychological Review, 1958. Disponível em: rosenblatt58.pdf (uic.edu). Acesso em: 12 fev. 2024.
TURING, Alan. Computação e Inteligência de Máquinas. Mente, 59(236), 433-460, 1950. Disponível em: Microsoft Word - TuringTest.doc (umbc.edu). Acesso em: 12 fev. 2024.
WEIZENBAUM, Joseph. ELIZA - um programa de computador para o estudo da comunicação em linguagem natural entre o homem e a máquina. Comunicações da ACM, 9(1), 36-45, 1966. Disponível em: ELIZA — um programa de computador para o estudo da comunicação em linguagem natural entre homem e máquina | Comunicações do ACM. Acesso em: 11 fev. 2024.