Conectando Saberes: Desafios e Oportunidades da Inteligência Artificial na Educação do Século XXI
DOI:
https://doi.org/10.55892/jrg.v7i17.1430Palavras-chave:
inteligência artificial, educação, formação docente, desigualdades educacionais, tecnologia na educaçãoResumo
Este artigo aborda a crescente influência da Inteligência Artificial (IA) na educação, destacando desafios e oportunidades inerentes a essa transformação. Com base em uma fundamentação teórico-metodológica robusta, analisamos a resistência percebida em adotar ferramentas de IA evidenciando lacunas na formação docente que impedem a plena integração dessa tecnologia nas práticas educacionais. Propomos estratégias para superar esse desafio, como a promoção de formação continuada, estimulando uma participação ativa dos professores no desenvolvimento e implementação de ferramentas de IA, e fomentando a colaboração entre professores e alunos. Ao explorar o cenário global, destacamos disparidades entre países desenvolvidos e em desenvolvimento na adoção da IA na educação. Limitações de infraestrutura, escassez de recursos financeiros e falta de habilidades tecnológicas são desafios enfrentados principalmente por nações menos desenvolvidas. Propomos que políticas educacionais considerem tais barreiras, enfocando investimentos em infraestrutura e capacitação de professores. No âmbito dos desafios, discutimos a dependência excessiva da IA alertando para possíveis impactos na autonomia e criatividade dos alunos, além de preocupações éticas relacionadas à privacidade e viés algorítmico. Enfatizamos a necessidade de abordar essas preocupações de maneira ética e equitativa, promovendo políticas e práticas que garantam o uso responsável da IA na educação. Os resultados destacam a importância de uma abordagem cuidadosa e deliberada na integração da IA na educação, visando o desenvolvimento educacional e o bem-estar dos envolvidos no processo de ensino-aprendizagem. O artigo conclui com uma chamada à ação para educadores, pesquisadores, legisladores e a sociedade em geral, destacando a necessidade de colaboração e compromisso a longo prazo para aproveitar todo o potencial da IA na transformação da educação.
Downloads
Referências
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.
Downloads
Publicado
Como Citar
Edição
Seção
ARK
Licença
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.