💻 computer science

Did Alice Do Wrong? Cross-Cultural Differences in Student Perceptions of Generative AI Use in University Computing Education

Este estudo revela que, apesar de políticas institucionais idênticas, os estudantes universitários canadenses percebem o uso de IA generativa no ensino de computação como significativamente mais antiético do que os seus homólogos sul-coreanos, uma disparidade atribuída a diferenças culturais em individualismo, distância do poder e aversão à incerteza que ressalta a necessidade de diretrizes de IA culturalmente responsivas.

Autores originais: Brian Harrington, Irina Zlotnikova, Gayathri Nadarajan, Samuel Ekundayo

Publicado 2026-07-23

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Brian Harrington, Irina Zlotnikova, Gayathri Nadarajan, Samuel Ekundayo

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está entrando em uma sala de aula gigante e global, onde o professor acabou de entregar uma nova ferramenta mágica: um robô que pode escrever códigos, resolver problemas matemáticos e redigir ensaios em segundos. Esta ferramenta é chamada de IA Generativa (GenAI). É como ter um super-escritor fantasma que pode terminar seu dever de casa instantaneamente. Mas aqui está a grande questão: usar esse escritor fantasma é trapaça ou é apenas um estudo inteligente?

Por muito tempo, as escolas tiveram regras rígidas sobre "integridade acadêmica". Pense nisso como o código de honra da escola. Ele diz: "O que você entrega deve ser 100% seu". Se você copiar o trabalho de outra pessoa, isso é plágio, e é algo muito errado. Mas este novo robô muda o jogo. Ele borra a linha entre "eu fiz isso" e "o robô fez isso". Agora, educadores e estudantes em todos os lugares estão discutindo: é aceitável pedir ajuda ao robô? Importa se você entende o código que ele escreveu? E será que a resposta muda dependendo de onde você vive? Este é o quebra-cabeça que os pesquisadores estão tentando resolver. Eles querem saber se um estudante no Canadá vê esse robô de forma diferente de um estudante na Coreia do Sul, e o porquê.

O Grande Experimento "Alice"

Para descobrir isso, uma equipe de pesquisadores do Canadá, Botsuana, Nova Zelândia e Coreia do Sul decidiu jogar um jogo de "O Que Você Faria?". Eles criaram uma história sobre uma estudante chamada Alice.

Eles não apenas perguntaram aos estudantes: "A IA é trapaça?". Em vez disso, deram-lhes oito cenários diferentes, como pequenos clipes de filmes, mostrando Alice usando a ferramenta de IA de várias maneiras. Em algumas histórias, Alice usou a IA apenas para conseguir uma pequena ideia para um projeto. Em outras, ela deixou a IA escrever quase todo o código para ela. Em algumas, ela entendia exatamente o que a IA fez; em outras, ela apenas copiou e colou o resultado sem saber como ele funcionava.

Depois, eles pediram a estudantes de dois lugares muito diferentes para julgar Alice:

Canadá: Representando uma cultura que valoriza a conquista individual e a originalidade pessoal.
Coreia do Sul: Representando uma cultura que frequentemente valoriza a harmonia do grupo, o respeito pela autoridade e o conhecimento compartilhado.

Os pesquisadores fizeram aos estudantes uma pergunta simples para cada história: "Alice agiu de forma antiética?" e "O que Alice fez foi contra as regras?".

A Grande Surpresa: É Tudo Sobre Cultura

Aqui está a reviravolta: embora as escolas no Canadá e na Coreia do Sul tivessem exatamente as mesmas regras sobre IA (ou, pelo menos, nenhuma regra clara sobre o assunto), os estudantes julgaram Alice de forma muito diferente.

Os estudantes canadenses foram muito mais rigorosos. Eles foram mais propensos a dizer: "Sim, Alice trapaceou!" e "Sim, isso é contra as regras!". Os estudantes sul-coreanos foram mais tolerantes. Eles foram mais propensos a dizer: "Bem, talvez seja aceitável" ou "Depende".

É como dois grupos de pessoas olhando para uma pintura. Um grupo diz: "Isso é uma falsificação! O artista não pintou isso!". O outro grupo diz: "Não importa quem pintou; ainda é uma bela imagem". O artigo sugere que isso não é porque os estudantes coreanos são "maus" em seguir regras, mas porque sua cultura vê o conhecimento de forma diferente. Em muitas culturas coletivistas (como a da Coreia do Sul), compartilhar recursos e ajudar uns aos outros a ter sucesso é visto como uma virtude. Em culturas individualistas (como a do Canadá), o foco é na sua contribuição única e no seu esforço pessoal.

O Que Fez a Maior Diferença?

Os pesquisadores também observaram o que Alice realmente fez nas histórias para ver o que deixava os estudantes irritados. Eles descobriram uma coisa que fazia todos, em todos os lugares, terem mais probabilidade de chamar de trapaça: A Quantidade.

Quando Alice usou a IA para escrever uma parte enorme do código (como a função principal inteira), tanto os estudantes canadenses quanto os coreanos tiveram muito mais probabilidade de dizer: "Opa, isso é demais!". No entanto, mesmo quando a quantidade de código gerado por IA era a mesma, os estudantes canadenses ainda achavam que era mais antiético do que os estudantes coreanos achavam.

O estudo também verificou se outras coisas importavam, como:

Quando ela usou a IA (no início, no meio ou no fim do projeto).
O quão bem ela entendia o código que recebeu.

Embora esses fatores tenham alterado as respostas um pouco, o volume de código gerado por IA foi o maior fator determinante para saber se os alunos achavam que era errado.

Por Que Isso Importa?

O artigo sugere que não podemos simplesmente criar um conjunto de regras para o mundo inteiro e esperar que todos concordem. Se uma universidade no Canadá diz "IA é trapaça" e uma universidade na Coreia diz "A IA é um companheiro de estudos útil", os estudantes podem ficar confusos.

Os pesquisadores usaram uma teoria famosa chamada Dimensões Culturais de Hofstede para explicar isso. Eles compararam os dois países usando conceitos como:

Individualismo vs. Coletivismo: Nós focamos no "Eu" ou no "Nós"?
Distância de Poder: Nós questionamos as regras do professor ou as seguimos cegamente?
Evitação de Incerteza: Gostamos de regras claras ou estamos confortáveis com uma área cinzenta?

Eles descobriram que esses "traços de personalidade" culturais moldam a forma como os estudantes pensam sobre o certo e o errado. Os estudantes canadenses, vindos de uma cultura de baixa distância de poder e individualista, sentiam uma forte responsabilidade pessoal de serem originais. Os estudantes coreanos, vindos de uma cultura de maior distância de poder e coletivista, estavam mais focados no sucesso do grupo e na autoridade da instituição. Se a escola não dissesse explicitamente "Proibido IA", eles estavam mais propensos a assumir que era permitido usar.

A Conclusão

Este estudo não provou que uma cultura está certa e a outra errada. Em vez disso, mostrou que a cultura é a lente através da qual vemos a ética.

Os pesquisadores são cuidadosos ao dizer que suas descobertas baseiam-se no que os estudantes disseram que fariam em uma pesquisa, não necessariamente no que eles realmente fariam na vida real. Mas os resultados são claros: precisamos parar de assumir que todos veem a "trapaça" da mesma forma. Para fazer a IA funcionar de forma justa nas escolas ao redor do mundo, precisamos de regras que respeitem essas diferenças culturais, mantendo ainda o conceito central de honestidade vivo. Não se trata apenas de banir ou permitir robôs; trata-se de compreender os corações e as mentes humanas por trás das telas.

Resumo Técnico: "Alice agiu errado? Diferenças transculturais nas percepções de estudantes sobre o uso de IA Generativa no ensino de computação universitária"

Problema

A rápida integração da IA Generativa (GenAI) no ensino superior precipitou debates urgentes sobre integridade acadêmica, particularmente no ensino de computação, onde a geração de código é uma tarefa central. Enquanto as instituições lutam para regular essas ferramentas, existe uma lacuna crítica na compreensão de como os contextos culturais moldam as percepções dos estudantes sobre o que constitui o uso ético versus antiético da IA. A literatura existente frequentemente trata as normas de integridade acadêmica como universais ou foca em contextos de um único país, falhando em considerar como valores culturais profundos (como individualismo vs. coletivismo) influenciam a interpretação de "plágio" na era da IA. Este estudo aborda a falta de dados empíricos transculturais comparando os julgamentos de estudantes sobre o uso de GenAI em tarefas de computação, examinando especificamente se estudantes de diferentes origens culturais percebem práticas assistidas por IA idênticas de maneiras distintas, mesmo quando as políticas institucionais são funcionalmente idênticas.

Metodologia

Os pesquisadores empregaram um design de pesquisa quantitativa baseada em cenários, administrado no outono de 2024 a estudantes de duas instituições: a University of Toronto Scarborough (CAN) e a Sungkyunkwan University (KOR).

Participantes: O estudo pesquisou 262 estudantes da CAN (taxa de resposta de 62%) e 48 da KOR (taxa de resposta de 74%). A amostra da CAN consistiu em estudantes de introdução à programação que não eram da área de computação, enquanto a amostra da KOR incluiu estudantes de cursos relacionados à ciência de dados (bancos de dados relacionais, PLN e impacto ético/social de dados).
Design Experimental: A pesquisa utilizou oito vinhetas (cenários) distintas descrevendo uma estudante chamada "Alice" usando ferramentas de GenAI em uma tarefa de programação. Cada cenário foi sistematicamente variado através de três fatores ortogonais:
1. Quantidade: O volume de código gerado por IA na submissão final (Baixo, Médio, Alto).
2. Compreensão: O nível de compreensão demonstrado pelo estudante em relação ao código gerado (Baixo, Médio, Alto).
3. Estágio: O ponto no ciclo de vida do desenvolvimento em que a ferramenta foi utilizada (Inicial, Intermediário, Final).
Medição: Para cada cenário, os participantes responderam a dois prompts em uma escala Likert de cinco pontos:
1. "Alice agiu de forma antiética neste cenário."
2. "O que Alice fez seria contra as regras em minha instituição."
Controles Contextuais: Ambas as instituições possuíam políticas idênticas, baseadas na discrição do instrutor, em relação à GenAI no momento do estudo, sem mandatos explícitos em nível institucional. Isso controlou a variância de política, isolando a percepção cultural como a variável primária.
Análise Estatística: O estudo utilizou testes Mann-Whitney U para comparar respostas ordinais entre os dois países. Uma ANOVA de dois caminhos foi usada para avaliar o impacto do país e do ano de estudo, e uma ANOVA de medidas repetidas analisou a influência dos fatores do cenário (Quantidade, Compreensão, Estágio).

Resultados Principais

A análise revelou diferenças transculturais estatisticamente significativas nos julgamentos éticos, apesar da identidade funcional das políticas institucionais.

Divergência Cultural: Estudantes canadenses foram consistentemente mais propensos a perceber o uso de GenAI como tanto antiético quanto contra as regras institucionais em comparação com os estudantes coreanos em quase todos os cenários. A classificação média para "Agir de forma antiética" foi de 2,6 para estudantes da CAN versus 1,78 para estudantes da KOR (em uma escala de 5 pontos). Da mesma forma, a média para "Contra as regras" foi de 2,81 (CAN) versus 1,80 (KOR).
Fator Dominante: A "Quantidade de código gerado por IA" foi o preditor mais significativo do julgamento ético. Cenários envolvendo volumes altos ou médios de código copiado elicitaram a maior divergência entre os dois grupos. Embora os fatores "Compreensão" e "Estágio" tenham sido estatisticamente significativos, seus tamanhos de efeito foram menores do que o do volume de código.
Correlação: Houve uma forte correlação positiva ( $r = 0,85$ ) entre a percepção de um estudante sobre comportamento antiético e sua percepção de violação de regras, sugerindo que os estudantes frequentemente projetam padrões éticos pessoais sobre as expectativas institucionais.
Variáveis Não Significativas: O progresso acadêmico (ano de estudo) e as opiniões gerais sobre o impacto negativo da GenAI na integridade acadêmica ou na qualidade do aprendizado não mostraram diferenças estatisticamente significativas entre as duas populações.

Contribuições Principais

Evidência Empírica de Viés Cultural na Ética da IA: O estudo fornece evidências estatísticas robustas de que o histórico cultural influencia significativamente a avaliação ética do uso de GenAI no ensino de computação. Demonstra que políticas "idênticas" são interpretadas através de lentes culturais distintas, com culturas individualistas (Canadá) exibindo uma adesão mais estrita às normas de originalidade do que culturas coletivistas (Coreia do Sul).
Sensibilidade a Fatores Específicos: A pesquisa identifica que o volume de conteúdo gerado por IA é o principal motor da preocupação ética, mais do que o estágio de uso ou a compreensão demonstrada pelo estudante. Isso sugere que estruturas de políticas focadas apenas no "como" a IA é usada podem perder a variável crítica do "quanto" ela é usada.
Aplicação Teórica: Os achados são interpretados através do framework de dimensões culturais de Hofstede. Os resultados alinham-se com as expectativas teóricas:
- Individualismo vs. Coletivismo: Estudantes canadenses (individualistas) viram o uso de IA como uma violação da propriedade intelectual pessoal, enquanto estudantes coreanos (coletivistas) foram mais propensos a vê-la como um recurso compartilhado ou auxílio colaborativo.
- Distância do Poder: A maior distância do poder na Coreia pode levar os estudantes a deferir à autoridade ou assumir permissividade, a menos que seja explicitamente proibido, enquanto a baixa distância do poder no Canadá incentiva o questionamento e a adesão estrita a padrões éticos autoimpostos.

Significância e Alegações

O artigo afirma que a integração equitativa da GenAI na educação não pode depender de uma abordagem de política de "tamanho único". Os autores argumentam que as diretrizes institucionais devem ser culturalmente responsivas. Eles postulam que, embora os princípios fundamentais de honestidade acadêmica devam ser mantidos, a interpretação do que constitui uma violação é mediada por valores culturais como individualismo, coletivismo e aversão à incerteza.

O estudo conclui que o desenvolvimento de políticas e intervenções pedagógicas futuras deve reconhecer essas nuances culturais. Especificamente, os autores defendem a criação de diretrizes de uso de IA matizadas que sejam sensíveis aos contextos culturais locais, mantendo os padrões centrais de integridade acadêmica. Eles enfatizam que, sem tal responsividade cultural, as instituições correm o risco de interpretar mal o comportamento dos estudantes ou falhar em educar efetivamente populações estudantis diversas sobre o uso ético de tecnologias emergentes. Os autores observam modestamente que seus achados são limitados a duas instituições específicas e pedem pesquisas mais amplas, longitudinais e de métodos mistos para validar ainda mais esses padrões transculturais.