Exploring Students' Perceptions of Using Generative AI-Assisted Problem Posing

Imagine que você está tentando aprender a andar de bicicleta. Você poderia apenas sentar e observar outra pessoa andando, ou poderia tentar memorizar exatamente o caminho que ela percorreu. Mas a verdadeira mágica acontece quando você começa a construir suas próprias pequenas rampas, projetar seus próprios obstáculos e descobrir como se equilibrar em uma superfície instável que você mesmo inventou. No mundo da educação em física, esse ato de inventar seus próprios desafios é chamado de "proposição de problemas" (problem posing). É uma maneira sofisticada de dizer: em vez de apenas resolver um enigma matemático que alguém lhe deu, você altera as regras, muda os números ou imagina um novo cenário para ver se realmente entende como o universo funciona.

Agora, imagine que você tem um amigo robô superinteligente e onisciente (IA Generativa) que pode ajudá-lo a construir essas rampas. Mas aqui está o detalhe: se você apenas pedir ao robô, "Faça uma rampa de bicicleta difícil", ele pode te dar algo estranho ou inútil. No entanto, se você aprender a falar com o robô usando uma "linguagem secreta" especial chamada engenharia de prompt — onde você fornece instruções, papéis e etapas muito específicas — ele se torna um parceiro incrível. Este artigo explora o que acontece quando os alunos aprendem essa linguagem secreta. Os pesquisadores queriam saber: o ensino dessa linguagem secreta para falar com a IA muda a forma como os alunos a utilizam para inventar seus próprios problemas de física? E os alunos realmente gostam de usar esse amigo robô para estudar, ou acham que este é um método que prejudica o processo de aprendizagem?

---

O Experimento: Ensinando os Alunos a Falar com o Robô

Neste estudo, pesquisadores da Universidade de Purdue convidaram um grupo de estudantes universitários de um curso de física para jogar um jogo com a IA Generativa. O objetivo era ver se um pouco de treinamento poderia transformar uma interação desajeitada com a IA em uma poderosa ferramenta de estudo. Os alunos passaram por três estágios ao longo de uma semana.

Primeiro, na fase "Antes do Treinamento", os alunos foram instruídos a usar uma ferramenta de IA de sua escolha para criar uma nova versão de um problema de física que já haviam resolvido. Eles tiveram que conversar com a IA, criar um novo problema e, em seguida, escrever o que pensavam sobre a conversa. Neste ponto, a maioria dos alunos estava apenas fazendo perguntas básicas, como "Dê-me uma versão mais difícil disso".

Em seguida, veio a fase de "Treinamento". Os alunos assistiram a um vídeo de 15 minutos. Não era apenas uma palestra entediante; ensinava como usar a "engenharia de prompt". Pense nisso como aprender a dar direções muito específicas a um GPS. Em vez de apenas dizer "Dirija para a praia", você aprende a dizer: "Dirija para a praia, mas pegue a rota panorâmica, evite a rodovia e pare para tomar sorvete". O vídeo também ensinou uma maneira especial de pensar sobre problemas de física, ajudando-os a entender como mudar o contexto ou a dificuldade de um problema de forma significativa.

Finalmente, na fase "Depois do Treinamento", os alunos voltaram à IA. Eles foram solicitados a fazer exatamente a mesma coisa: criar um novo problema de física. Mas, desta vez, eles tinham que usar a nova "linguagem secreta" e as habilidades de pensamento que acabaram de aprender. Depois, refletiram sobre como a experiência pareceu diferente em comparação com a primeira vez.

O Que os Alunos Descobriram

Os resultados foram como observar um grupo de pessoas passando de um manuseio desajeitado de um controle de videogame para se tornarem jogadores profissionais. Quando os pesquisadores analisaram as reflexões dos alunos, descobriram que 76% dos estudantes sentiram uma mudança positiva na forma como interagiam com a IA após o treinamento.

Antes do treinamento, muitos alunos descreveram suas conversas com a IA como "básicas", "sem foco" ou como se estivessem recebendo respostas que não correspondiam exatamente ao que precisavam. Era como tentar pedir uma pizza personalizada apenas gritando "Eu quero pizza!" e torcendo pelo melhor. Após o treinamento, os alunos sentiram que suas conversas se tornaram mais parecidas com um diálogo real. Eles usaram técnicas como "role-playing" (pedir para a IA agir como um personagem específico) e "cadeia de pensamento" (pedir para a IA mostrar seu raciocínio passo a passo). Um aluno observou que, antes, as respostas pareciam menos detalhadas, mas, após aprender as novas técnicas, as respostas da IA tornaram-se "mais claras, mais completas e explicavam melhor as etapas envolvidas".

Curiosamente, os poucos alunos que não sentiram uma grande mudança eram geralmente aqueles que já sabiam como falar com a IA ou já estavam usando truques simples por conta própria. Para eles, o treinamento apenas deu nomes a coisas que já estavam fazendo.

Os Alunos Gostam de Usar a IA para Estudar?

A segunda grande questão era: os alunos realmente querem usar este método para estudar por conta própria? A resposta foi, em sua maioria, um alegre "Sim", mas com alguns "Não" rabugentos e alguns "Talvez".

Cerca de 68% dos alunos tiveram atitudes positivas em relação ao uso da IA para a proposição de problemas. Eles viram isso como uma forma de obter problemas de prática personalizados, receber feedback no estilo de tutoria e focar nas áreas específicas onde eram fracos. Eles imaginaram usar a ferramenta para se preparar para exames ou aprofundar sua compreensão de conceitos complicados. Era como ter um treinador pessoal que poderia inventar um milhão de exercícios diferentes apenas para você.

Outros 17% dos alunos tiveram sentimentos mistos. Eles acharam a ideia legal e que poderia ser útil, mas estavam hesitantes. Alguns temiam que a IA pudesse cometer erros ou fornecer problemas falsos, portanto, precisariam conferir tudo. Outros sentiram que, embora fosse útil, preferiam manter-se nos deveres de casa oficiais e nos testes práticos dados por seus professores. Eram como crianças que gostam da ideia de construir seu próprio castelo de LEGO, mas ainda querem garantir que as instruções sejam perfeitas antes de começar.

Finalmente, cerca de 9% dos alunos mantiveram visões negativas. Esses alunos eram firmemente contra o uso de IA para seus estudos. Seus motivos não eram sobre a qualidade dos problemas; eram sobre ética. Alguns sentiam que era moralmente errado usar IA para trabalhos escolares, enquanto outros estavam preocupados com o impacto ambiental da execução desses computadores poderosos. Eles acreditavam que os alunos conseguiam aprender física há anos sem IA, usando livros didáticos e professores humanos, e que a IA não deveria ser incentivada.

O Panorama Geral

Quando você junta todas as peças, o estudo sugere uma tendência clara: O treinamento importa. A vasta maioria dos alunos que sentiu que sua interação com a IA melhorou após o treinamento também acabou tendo uma visão positiva sobre o uso da IA para a proposição de problemas. Mesmo entre os alunos que eram céticos sobre a IA em geral, aqueles que viram sua interação melhorar ainda reconheceram que aprender a dar comandos à IA era crucial.

Os pesquisadores descobriram que, embora a maioria dos alunos esteja aberta a usar a IA como um parceiro de estudo, existe um pequeno grupo que nunca a usará devido a objeções morais. No entanto, para o restante, ensinar os alunos a falar com a IA adequadamente parece ser a chave para desbloquear seu potencial. Isso transforma uma ferramenta que pode apenas fornecer respostas em um parceiro que ajuda a construir o próprio entendimento. O estudo conclui que as escolas devem considerar o ensino dessas habilidades de "engenharia de prompt" para ajudar os alunos a tirar o máximo proveito da IA sem perder sua própria capacidade de pensar criticamente. Não se trata de substituir o aluno pelo robô; trata-se de ensinar o aluno a dirigir o robô.