Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence

Resumo Técnico: Generativismo: Rumo a uma Teoria da Aprendizagem para a Era da Inteligência Artificial Generativa

Problema
A proliferação da inteligência artificial (IA) generativa nos ambientes educacionais expõe limitações conceituais significativas nas quatro teorias de aprendizagem dominantes: o behaviorismo, o cognitivismo, o construtivismo e o conectivismo. Esses frameworks foram formulados antes do surgimento de sistemas de IA capazes de gerar, sintetizar e raciocinar sobre o conhecimento. Consequentemente, eles lutam para abordar questões críticas relativas à aprendizagem na era da IA: Como a aprendizagem é definida quando os processos cognitivos estão distribuídos entre humanos e máquinas? O que ocorre quando os aprendizes produzem outputs sofisticados antes de compreenderem plenamente os conceitos subjacentes? E quando o descarregamento de tarefas cognitivas para a IA apoia ou compromete a aprendizagem? Os autores argumentam que as teorias existentes falham em considerar a mudança qualitativa de uma tecnologia como um repositório de informações para uma tecnologia como um parceiro generativo na cognição.

Metodologia
Este artigo emprega uma síntese teórica e análise crítica em vez de coleta de dados empíricos. A metodologia envolve:

1. Exame Crítico: Uma revisão sistemática das premissas centrais do behaviorismo, cognitivismo, construtivismo e conectivismo para identificar pontos específicos de fricção com as capacidades da IA generativa.
2. Síntese Interdisciplinar: Baseia-se em estudos existentes sobre cognição distribuída, teoria da mente estendida, colaboração humano-IA (especificamente modelos "centauro"), letramento em IA, descarregamento cognitivo e pesquisa metacognitiva.
3. Construção de Framework: Integra essas vertentes teóricas para propor uma nova teoria da aprendizagem, o "Generativismo", organizada em torno de quatro princípios distintos.

Principais Contribuições
A principal contribuição do artigo é a proposta do Generativismo, uma teoria da aprendizagem desenhada especificamente para a era da IA generativa. Os autores distinguem este termo da gramática gerativa de Chomsky, definindo-o, em vez disso, como uma teoria de como os humanos aprendem em parceria com sistemas de IA generativa. O framework é ancorado por quatro princípios centares:

1. Parceria Epistêmica: A aprendizagem é redefinida como a co-construção iterativa de conhecimento entre aprendizes humanos e sistemas de IA. Nesta parceria, a IA fornece velocidade e capacidade generativa (explicações candidatas, exemplos), enquanto o aprendiz fornece objetivos, contexto, valores e julgamento avaliativo. Isso altera a visão da IA de uma ferramenta passiva para um parceiro cognitivo ativo.
2. Agência Distribuída: A agência não é transferida para a IA, mas é exercida através de negociação. O framework enfatiza a alocação explícita, intencional e pedagogicamente propositada do trabalho cognitivo. Ele destaca a importância da "Agência de Nível de Decisão", onde os aprendizes mantêm o controle sobre intenções e compromissos, garantindo que não adotem passivamente opções direcionadas pela IA.
3. Letramento Generativo: Indo além da competência funcional ou ética, este princípio define o letramento como a capacidade de solicitar (prompt), avaliar, refinar e integrar artefatos de conhecimento gerados por IA. Compreende quatro capacidades: competência de prompt, julgamento avaliativo, vigilância epistêmica (escrutínio crítico de outputs fluentes) e síntese integrativa (combinar o output da IA com o conhecimento prévio).
4. Metacognição Adaptativa: Este princípio aborda o paradoxo do "descarregamento cognitivo". Ele postula que a aprendizagem eficaz exige que o aprendiz monitore e regule continuamente a divisão do trabalho cognitivo entre si e a IA. Os aprendizes devem detectar a dependência excessiva, realocar o esforço e refletir sobre como a IA molda seu pensamento para garantir a compreensão genuína em vez de mera performance.

Resultados e Implicações Teóricas
O artigo não apresenta resultados empíricos, mas oferece um conjunto de implicações teóricas para a prática educacional:

• Design Instrucional: Os autores sugerem afastar-se de proibir a IA ou usá-la de forma acrítica. Em vez disso, propõem o design para a "fricção produtiva", onde as tarefas exigem que os aprendizes avaliem, revisem e justifiquem os outputs gerados pela IA. As estratégias incluem a "inversão de produção-compreensão" (usar rascunhos de IA como pontos de partida para análise crítica) e tornar visível a distribuição do trabalho cognitivo.
• Avaliação: A avaliação deve diferenciar entre contextos que exigem performance independente e aqueles onde a colaboração com a IA é a competência alvo. O artigo propõe novos indicadores de avaliação alinhados aos quatro princípios, como avaliar a capacidade de um aprendiz de questionar os outputs da IA, explicar sua delegação de tarefas e demonstrar vigilância epistêmica.
• Desenvolvimento de Expertise: A expertise é reconceituada não meramente como a acumulação de conhecimento de domínio (que a IA pode acessar), mas como a capacidade de uma parceria epistêmica eficaz. Isso envolve saber quando confiar na IA, quando sobrepor-se a ela e como estruturar a colaboração para alcançar resultados que superem ambos os parceiros isoladamente.

Significância e Limitações
Os autores posicionam o Generativismo como uma resposta preliminar aos desafios transformadores da IA generativa. Sua significância reside em fornecer uma lente conceitual para que educadores, designers e formuladores de políticas repensem o design instrucional, a aprendizagem e a avaliação em ambientes ricos em IA. O artigo argumenta que, sem tal framework, as partes interessadas carecem de ferramentas para navegar as fronteiras fluidas entre a cognição humana e a artificial.

Os autores reconhecem explicitamente as limitações deste trabalho:

• Natureza Conceitual: O Generativismo é um framework conceitual que ainda não foi testado empiricamente; seus princípios requerem validação sistemática.
• Equidade: O framework não aborda totalmente as questões de acesso e equidade relativas ao acesso diferencial às ferramentas de IA generativa em diferentes contextos socioeconômicos.
• Volatilidade Tecnológica: O ritmo acelerado do desenvolvimento da IA significa que as tecnologias específicas referenciadas podem evoluir, potencialmente alterando as dinâmicas de aprendizagem humano-IA de formas que o atual framework não consegue antecipar.

Em conclusão, o artigo afirma que, embora as teorias de aprendizagem existentes permaneçam valiosas, elas são insuficientes para abordar as dinâmicas únicas da IA generativa. O Generativismo oferece uma base teórica necessária para investigar e refinar a compreensão da aprendizagem em uma era onde a cognição é cada vez mais compartilhada com sistemas generativos.