🔬 physics

Students' Epistemological Beliefs and their Chatbot Preferences in AI-mediated Physics Learning

Este estudo investiga a relação entre as crenças epistemológicas de estudantes de física introdutória e suas preferências por comportamentos de chatbots de IA em um módulo de simulação de ondas, constatando que, embora os estudantes que favoreciam uma "combinação" de investigação guiada e respostas diretas tenham inicialmente demonstrado crenças mais sofisticadas, essas diferenças não foram estatisticamente significativas após a correção de Bonferroni.

Autores originais: Amogh Sirnoorkar, Omkar Mamidpalliwar

Publicado 2026-08-03

📖 4 min de leitura☕ Leitura rápida

CC BY 4.0

Autores originais: Amogh Sirnoorkar, Omkar Mamidpalliwar

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 tentando aprender a andar de bicicleta. Você tem duas opções de ajudante: um que apenas sobe na parte de trás e dirige para você, dizendo exatamente para onde ir, e outro que corre ao seu lado, perguntando: "Para que lado você acha que deve virar?" e só segura o guidão se você estiver prestes a bater. Este é o cerne de um canto fascinante da ciência chamado pesquisa em educação de física. Cientistas nesta área não se importam apenas se você obtém a resposta certa em uma prova; eles se importam com como seu cérebro pensa sobre o conhecimento em si. Eles estudam suas "crenças epistemológicas", que é uma maneira sofisticada de perguntar: Você acha que o conhecimento é uma lista fixa de fatos transmitidos por especialistas, ou você acha que é algo que você constrói por meio de esforço e erros?

Agora, entre o novo integrante do grupo: a IA Generativa. Estes são os chatbots superinteligentes que podem resolver problemas instantaneamente. À medida que os alunos começam a usar essas ferramentas para o dever de casa, surge uma grande questão: Será que os alunos que querem que a IA apenas "dê a resposta" pensam sobre o aprendizado de forma diferente dos alunos que querem que a IA os "guie através do problema"? Se conseguirmos descobrir isso, poderemos projetar tutores de IA que não apenas façam o trabalho pelos alunos, mas que realmente os ajudem a se tornarem pensadores melhores.

Este artigo, escrito por pesquisadores da Universidade de Purdue, mergulha justamente nessa questão. Eles criaram um playground digital para estudantes que cursavam uma disciplina de física baseada em cálculo. Os alunos foram convidados a explorar um tópico chamado "ondas" usando um módulo online feito sob medida. Este módulo possuía simulações legais e um chatbot integrado. Antes mesmo de começarem, os alunos foram solicitados a escolher seu estilo favorito de interação com o chatbot entre três opções:

Respostas Diretas: "Apenas me dê a resposta."
Inquérito Guiado: "Faça-me perguntas e me dê dicas para que eu descubra por conta própria."
Combinação: "Comece me fazendo perguntas, mas se eu ficar travado, apenas me dê a resposta."

Os pesquisadores também aplicaram aos alunos uma pesquisa padrão chamada EBAPS para medir suas "crenças epistemológicas" — basicamente, o quão sofisticadas eram suas ideias sobre aprendizagem e conhecimento. Eles queriam ver se o chatbot que o aluno desejava usar correspondia à forma como ele realmente pensava sobre o aprendizado.

Aqui está o que eles descobriram, e é um cenário misto. Primeiro, a escolha mais popular foi o estilo Combinação. Cerca de 52% dos alunos escolheram essa opção "guie-me primeiro, mas ajude-me se eu estiver travado". Um grupo menor, 39,6%, queria Respostas Diretas, e apenas 7,6% queria o Inquérito Guiado puro.

Quando os pesquisadores compararam as pontuações da pesquisa desses três grupos, observaram um padrão interessante. Os alunos que escolheram o chatbot de Combinação tendiam a ter crenças mais "sofisticadas" sobre o aprendizado do que aqueles que queriam apenas as Respostas Diretas. Especificamente, esses alunos da "Combinação" pareciam acreditar mais fortemente que:

O conhecimento não é apenas um conjunto de fatos imutáveis; ele pode evoluir e mudar conforme aprendemos mais.
Ser bom em ciências não é sobre nascer com um "gene da inteligência" especial; é sobre dedicar esforço e usar boas estratégias.

No entanto, os pesquisadores são muito cuidadosos para não gritar "Eureka!" ainda. Embora os números tenham mostrado uma diferença, a "confiança" estatística foi um pouco instável. Quando aplicaram um teste mais rigoroso para garantir que os resultados não fossem apenas um acaso (um método chamado ajuste de Bonferroni), a diferença entre os grupos desapareceu.

Então, o que isso significa? O artigo sugere que pode haver uma ligação entre querer um tutor de IA útil e equilibrado e ter uma mentalidade de crescimento sobre o aprendizado. Isso indica que alunos que acreditam que o esforço importa podem naturalmente preferir um chatbot que os desafie um pouco antes de desistir da resposta. Mas, como a evidência estatística não era totalmente sólida, os autores dizem que isso é mais um "indício sugestivo" do que um fato comprovado. Eles não encontraram nenhum vínculo forte entre as crenças dos alunos e aqueles que queriam perguntas puramente guiadas versus respostas puras.

A lição para o futuro? Se quisermos construir tutores de IA para a física que realmente ajudem os alunos a crescer, não devemos apenas permitir que eles apertem o botão de "atalho". Em vez disso, devemos projetar bots que comecem fazendo perguntas e estimulando os alunos a pensar, intervindo com a resposta apenas quando o aluno estiver verdadeiramente travado. Essa abordagem parece alinhar-se melhor com os alunos que possuem as atitudes mais saudáveis em relação ao aprendizado, mesmo que precisemos de mais pesquisas para ter 100% de certeza.

Resumo Técnico: Crenças Epistemológicas dos Estudantes e suas Preferências de Chatbot no Aprendizado de Física Mediado por IA

Problema
A rápida integração da IA Generativa no ensino superior apresenta uma faca de dois gumes: embora ofereça acesso imediato à informação, corre o risco de reduzir o engajamento dos estudantes em processos cognitivos essenciais, como modelagem, argumentação e construção de sentido (sensemaking). Apesar de um corpo crescente de Pesquisa em Ensino de Física (PER) examinando as interações dos estudantes com a IA, lacunas significativas permanecem. Especificamente, há uma escassez de pesquisas sobre as preferências dos estudantes por comportamentos específicos de chatbots (ex: investigação guiada versus respostas diretas) e uma falta de exploração sobre a interseção dessas preferências com as crenças epistemológicas dos estudantes (suas visões sobre a natureza do conhecimento e da aprendizagem) dentro do contexto da física. Este estudo aborda essas lacunas investigando a associação entre as preferências de comportamento de chatbot de estudantes de física introdutória e suas crenças epistemológicas.

Metodologia
O estudo foi conduzido em uma disciplina de física introdutória baseada em cálculo, de grande escala, para futuros engenheiros, em uma universidade R1 no Meio-Oeste dos Estados-Estados Unidos. O contexto foi um módulo online de crédito extra focado em ondas, utilizando simulações construídas sob medida integradas a um chatbot.

Participantes: Os dados foram coletados de 1.048 respostas sobrepostas de estudantes que participaram tanto da atividade do chatbot quanto do questionário Epistemological Beliefs Assessment for Physical Sciences (EBAPS) durante a Primavera de 2026.
Instrumentação:
- Preferência de Chatbot: Os estudantes foram solicitados a selecionar seu comportamento de chatbot preferido entre três opções: (1) Respostas Diretas (soluções imediatas), (2) Q&A Guiado (apenas dicas conceituais) ou (3) Combinação (investigação guiada inicial com respostas diretas se o estudante permanecer travado).
- Crenças Epistemológicas: O questionário EBAPS, um questionário de 30 itens, foi administrado para avaliar as crenças em cinco dimensões: Estrutura do conhecimento científico, Natureza do saber e aprender, Aplicabilidade na vida real, Conhecimento evolutivo e Fonte da capacidade de aprender. As pontuações foram normalizadas para porcentagens (escala de 0–100).
Análise de Dados: Os pesquisadores empregaram o teste de Kruskal-Wallis para comparar as pontuações do EBAPS entre os três grupos de preferência, seguido pelos testes de post-hoc de Dunn com correção de Bonferroni para identificar diferenças pareadas específicas. Tamanhos de efeito também foram calculados.

Principais Resultados
A análise revelou que 52% dos estudantes preferiam a abordagem de "Combinação", 39,6% preferiam "Respostas Diretas" e apenas 7,6% preferiam "Q&A Guiado".

Associações Estatísticas: No nível de significância nominal ( $\alpha = 0,05$ ), o teste de Kruskal-Wallis indicou diferenças significativas nas pontuações gerais do EBAPS e especificamente no Eixo 4 (Conhecimento evolutivo) e no Eixo 5 (Fonte da capacidade de aprender) entre os grupos de preferência.
Achados Específicos: A análise post-hoc mostrou que os estudantes que preferiam o chatbot de "Combinação" exibiram pontuações significativamente mais altas do que aqueles que preferiam "Respostas Diretas" em:
- Eixo 4: Equilíbrio entre absolutismo (conhecimento como algo fixo) e relativismo (distinguir evidência de opinião).
- Eixo 5: Visualização do sucesso na ciência como determinado pelo esforço e estratégia, em vez de habilidade inata.
Teste de Robustez: Ao aplicar um nível de significância ajustado por Bonferroni ( $\alpha = 0,0083$ ) para considerar múltiplas comparações, as diferenças observadas para a pontuação total e para os Eixos 4 e 5 não foram mais estatisticamente significativas. Os tamanhos de efeito também foram observados como pequenos, indicando que a preferência pelo chatbot explicava apenas uma proporção modesta da variabilidade nas pontuações epistemológicas.

Principais Contribuições
Este estudo contribui para a literatura ao mudar o foco de se os estudantes usam a IA para como eles preferem que a IA apoie seu aprendizado. Diferente de estudos anteriores que examinaram a adoção geral de IA ou crenças sobre a própria IA, esta pesquisa vincula especificamente as preferências de comportamentos de chatbot instrucional às crenças epistemológicas específicas do domínio da física. Fornece dados empíricos sugerindo um vínculo potencial, embora tentativo, entre crenças epistemológicas sofisticadas e uma preferência por ferramentas de aprendizagem híbridas que equilibram investigação com suporte.

Significância e Implicações
Os autores caracterizam seus achados como "sugestivos em vez de conclusivos" devido à falta de significância sob correções estatísticas conservadoras e aos modestos tamanhos de efeito. No entanto, eles propõem diversas implicações para o design e uso instrucional de chatbots no ensino de física:

Estratégia de Design: Os chatbots devem ser projetados para envolver inicialmente os estudantes em investigação guiada (raciocínio através de problemas), mas fornecer assistência direta quando os estudantes estiverem travados. Esta abordagem visa equilibrar o "esforço produtivo" (productive struggle) com suporte oportuno, evitando a frustração e evitando a inibição da construção de sentido.
Reforço Instrucional: Os achados referentes ao Eixo 5 sugerem que chatbots e instrutores devem reforçar a ideia de que a capacidade de aprendizagem é desenvolvida através de esforço e estratégia, não de talento inato. Chatbots podem ser programados para incentivar os alunos a revisitar conceitos, decompor problemas em etapas ou refletir sobre estratégias malsucedidas, enquadrando a assistência como uma ferramenta para desenvolver competência, em vez de um substituto para o pensamento.
Pesquisa Futura: O estudo convoca para investigações adicionais sobre se o uso sustentado de chatbots de estilo socrático pode alterar positivamente as crenças epistemológicas dos estudantes ao longo do tempo e como o uso de IA impacta o engajamento em jogos epistêmicos durante a resolução de problemas.

O artigo conclui que, embora as associações observadas justifiquem investigação adicional, elas oferecem uma base preliminar para o design de ambientes de aprendizagem mediados por IA que se alinhem a estruturas epistemológicas sofisticadas.

Mais como este