A inteligência artificial deixou de ser assunto de laboratório e entrou na sala de aula. Mas há uma pergunta que quase ninguém tinha respondido com dados concretos: o que, afinal, está sendo ensinado quando uma escola diz que ensina IA?
Um estudo publicado na revista científica Computers and Education: Artificial Intelligence resolveu olhar para isso de perto. E fez algo curioso: usou os próprios modelos de linguagem (os “primos” do ChatGPT) para analisar aulas reais. O resultado é um retrato honesto — e um pouco desconfortável — de como a IA vem sendo ensinada às novas gerações.
Vale a pena entender o que eles descobriram. Porque as conclusões não valem só para a China, onde a pesquisa foi feita. Elas dizem muito sobre o caminho que a educação em tecnologia está tomando no mundo todo.
O estudo em poucas palavras
Os pesquisadores analisaram 98 vídeos de aulas de IA em cidades da região central da China, do ensino básico ao médio (o que por lá chamam de K-12). Em vez de assistir a tudo manualmente — o que levaria meses e depende muito da interpretação de cada avaliador —, eles montaram um sistema baseado em modelos de linguagem para “ler” cada aula e classificá-la.
E aqui vem o detalhe que dá credibilidade ao método: quando compararam a análise da máquina com a análise humana, a concordância passou de 90%. Ou seja, a IA não só acelerou o trabalho como chegou praticamente às mesmas conclusões que um especialista chegaria.
Pensa nisso como um corretor de provas incansável. Ele não substitui o professor que dá a aula — mas consegue avaliar 98 aulas com o mesmo critério, sem cansar e sem “dias ruins”. Foi essa consistência que permitiu enxergar padrões que passariam despercebidos numa análise caso a caso.
A maior descoberta: muita teoria, pouca criação
Aqui está o ponto que mais incomoda. Das 98 aulas analisadas, apenas 35,71% trabalhavam habilidades de nível mais alto — aquelas em que o aluno precisa avaliar e criar com IA, e não só entender o que ela é.
Traduzindo para o dia a dia: a maioria das aulas explica o que é inteligência artificial. Poucas colocam o estudante para construir algo, testar uma ideia ou julgar criticamente se um resultado da IA faz sentido.
É uma diferença enorme. Saber o que é um motor não é a mesma coisa que saber dirigir — e muito menos consertar o carro. Boa parte do ensino de IA, segundo o estudo, ainda está parada no “isto é um motor”.
Ética em IA: o grande ponto cego
Se a criação já aparece pouco, a ética aparece quase nada. O tema surgiu em apenas 5,1% das aulas.
Num momento em que se discute viés em algoritmos, uso de dados pessoais, desinformação gerada por máquina e o impacto da automação no emprego, é no mínimo estranho que esse assunto quase não chegue à sala de aula. As crianças aprendem a usar a ferramenta, mas raramente a questioná-la.
E esse talvez seja o alerta mais importante da pesquisa. Formar gente que sabe apertar botões é fácil. Formar gente que entende as consequências de apertá-los é outra história.
As três formas de ensinar IA na sala de aula
Para organizar o que viram, os pesquisadores dividiram as aulas em três grandes tipos. A tabela abaixo resume cada um e a fatia que representa:
| Tipo de aula | O que acontece | Fatia |
|---|---|---|
| Conceitual | Foco em explicar o que é IA e seus conceitos. O aluno escuta e compreende. | 50% |
| Experimental | O aluno põe a mão na massa, testa e experimenta na prática. | 31,63% |
| Heurística | O aluno investiga, resolve problemas e descobre caminhos por conta própria. | 18,37% |
Repara no desequilíbrio: metade das aulas é puramente conceitual. A parte mais rica — a heurística, em que o estudante pensa por si — é justamente a menor fatia. E não é coincidência que ela seja a mais difícil de planejar e conduzir.
A combinação que realmente funciona
Nem tudo é diagnóstico ruim. O estudo também encontrou uma receita que dá certo.
Ao cruzar os dados, os pesquisadores perceberam uma relação clara entre o método de ensino escolhido e o desenvolvimento do letramento avançado em IA. E uma dupla se destacou: aprendizagem baseada em projetos ou problemas (o famoso PBL) combinada com aprendizagem colaborativa.
Faz sentido, quando você para para pensar. Colocar um grupo de alunos para resolver um problema real com IA — em vez de só ouvir uma explicação — obriga cada um a avaliar opções, criar soluções e discutir o que funciona. É exatamente ali que nascem as habilidades de nível mais alto que andavam sumidas.
Em outras palavras: a forma como se ensina pesa tanto quanto o conteúdo. Não basta falar de IA. É preciso criar situações em que o aluno precise usá-la para chegar a algum lugar.
E o que isso tem a ver com o Brasil?
A pesquisa é chinesa, mas o espelho serve para todo mundo. Enquanto escolas e cursos correm para incluir “inteligência artificial” na grade, a pergunta que fica é: estamos ensinando as pessoas a criar e questionar a IA, ou só a repetir o que ela é?
Referências internacionais como a UNESCO, o projeto AI4K12 e a estrutura europeia DigComp já vêm defendendo que o letramento em IA não é só técnico — ele envolve conhecimento, habilidade e atitude crítica. Ou seja, saber usar, saber construir e saber duvidar.
Para quem estuda, ensina ou simplesmente acompanha a transformação tecnológica, fica a lição: a diferença competitiva do futuro não estará em saber que a IA existe. Estará em saber usá-la com critério — e ter coragem de olhar com desconfiança para o que ela devolve.
Conclusão
Este estudo tem um mérito duplo. Mostrou, com números, que o ensino de IA ainda engatinha na parte que mais importa — criar, avaliar e refletir sobre ética. E provou, de quebra, que os próprios modelos de linguagem podem ajudar a diagnosticar e melhorar a educação em escala.
A tecnologia já chegou às escolas. O desafio agora é ensinar não só a apertar o botão, mas a entender o que acontece depois. E isso, felizmente, ainda depende de gente.
Perguntas frequentes
O que é letramento em IA?
É a capacidade de entender, usar, criar e avaliar criticamente a inteligência artificial. Vai além de saber operar uma ferramenta: inclui compreender como ela funciona e questionar seus resultados e impactos.
Como os pesquisadores analisaram as aulas?
Eles usaram modelos de linguagem (LLMs) para “ler” e classificar 98 vídeos de aulas reais. O método alcançou mais de 90% de concordância com a análise feita por especialistas humanos.
Qual foi a principal falha encontrada no ensino de IA?
A ênfase excessiva em conteúdo conceitual. Apenas 35,71% das aulas trabalhavam habilidades avançadas, como criar e avaliar com IA, e só 5,1% abordavam ética.
Qual método de ensino se mostrou mais eficaz?
A combinação de aprendizagem baseada em projetos/problemas (PBL) com aprendizagem colaborativa foi a mais associada ao desenvolvimento de habilidades avançadas em IA.
Onde o estudo foi publicado?
Na revista científica Computers and Education: Artificial Intelligence, em 2024, sob licença de acesso aberto (CC BY-NC-ND).
Fonte: Wu, D., Chen, M., Chen, X., & Liu, X. (2024). Analyzing K-12 AI education: A large language model study of classroom instruction on learning theories, pedagogy, tools, and AI literacy. Computers and Education: Artificial Intelligence, 7, 100295.