📄 social_science

When Confidence Shifts Toward the Tool: AI Appropriation, Reliance Calibration, and School Guidance in High School Academic Work

Uma pesquisa com 1.444 estudantes do ensino médio dos EUA revela que a apropriação da IA envolve comportamentos de aprendizagem e de atalhos complexos e coocorrentes, enquanto o uso frequente correlaciona-se com a redução da autoconfiança e um alargamento do hiato de dependência, sugerindo que as escolas devem ir além de diretrizes gerais para fornecer prática direcionada e guiada por professores para uma calibração eficaz da dependência da IA.

Autores originais: Larry Zhiming Xu, Gabriel Velez, Aubrie Robinson

Publicado 2026-07-07

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Larry Zhiming Xu, Gabriel Velez, Aubrie Robinson

Artigo original sob licença CC BY 4.0 (https://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

O Panorama Geral: Não é sobre Se Eles Usam, mas Como

Imagine uma escola onde quase todos os alunos têm um tutor invisível e superinteligente no bolso (IA). Por volta do final de 2025, cerca de dois terços dos adolescentes dos EUA estavam usando essas ferramentas para o dever de casa.

Os pesquisadores perguntaram: Importa se um aluno usa IA?
A resposta deles: Não muito. Saber apenas que um aluno usa IA é como saber que um motorista tem um carro. Isso não diz se ele está dirigindo com segurança, correndo demais ou usando o GPS para pegar um atalho que não deveria.

Em vez de contar com que frequência os alunos usam a IA, este estudo observou como eles a usam (o que pedem para ela fazer) e como se sentem em relação a isso (eles confiam mais na IA do que no próprio cérebro?).

Conceito Chave 1: A "Apropriação" (Como Eles Usam a Ferramenta)

Os pesquisadores descobriram que os alunos não se encaixam em caixas perfeitas como "Bom Aluno" vs. "Trapaceiro".

A Analogia: Pense na IA como um Canivete Suíço.
O Achado: A maioria dos alunos usa o canivete para muitas coisas diferentes. O mesmo aluno que pede para a IA "explicar este conceito de matemática" (como usar o canivete para abrir uma carta) é frequentemente o mesmo aluno que pede para a IA "escrever todo este ensaio para mim" (como usar o canivete para cortar uma corda que eles mesmos deveriam ter amarrado).
A Lição: Você não pode julgar um aluno apenas pelo quanto ele usa a IA. Um aluno que a usa muito pode estar usando-a para aprender, para trapacear ou para fazer as duas coisas ao mesmo tempo. Os usos "bons" e "ruins" estão frequentemente misturados no fluxo de trabalho da mesma pessoa.

Conceito Chave 2: O "Abismo de Confiança" (A Mudança de Confiança)

Esta é a descoberta mais importante do artigo. Os pesquisadores mediram duas coisas:

O quão confiante um aluno se sente realizando o trabalho sem a IA.
O quão confiante ele se sente de que a IA pode ajudá-lo a realizar o trabalho.

Eles calcularam a diferença entre esses dois sentimentos, chamando-a de "Abismo de Confiança" (Reliance Gap).

A Analogia: Imagine um equilibrista.
- Baixo Abismo: O equilibrista confia mais em suas próprias pernas do que na rede de segurança. Ele sabe que consegue caminhar na corda, mas a rede está lá para o caso de emergência.
- Alto Abismo: O equilibrista confia mais na rede de segurança do que em suas próprias pernas. Ele se sente instável sozinho, mas sente-se seguro apenas quando a rede está lá.
O Achado:
- Alunos que não usam IA sentem-se muito confiantes em suas próprias habilidades e não confiam muito na IA.
- À medida que os alunos usam a IA com mais frequência, a confiança deles na própria capacidade cai ligeiramente, mas a confiança deles na IA dispara.
- O "Cruzamento": Entre os alunos que usam IA todos os dias, algo interessante aconteceu: a confiança deles na ajuda da IA tornou-se ligeiramente maior do que a confiança em sua própria habilidade. Eles não perderam suas habilidades, mas agora confiam mais na ferramenta do que em si mesmos.

Conceito Chave 3: O "Meio Termo Ausente" (O Que as Escolas Estão Fazendo de Errado)

Os pesquisadores perguntaram: "As escolas ajudam os alunos a entender como usar a IA corretamente?"

A Analogia: Imagine uma academia. A escola colocou um cartaz dizendo: "Você tem permissão para usar os pesos" (Isso é uma Política). Mas a escola não contratou um instrutor para te mostrar como levantar os pesos sem machucar as costas (Isso é a Prática).
O Achado:
- As escolas estão fornecendo principalmente Regras (ex: "Você pode usar IA se citá-la") e Recursos (links para sites).
- Os alunos estão clamando por Prática (ex: "Mostre-me como usar esta ferramenta para aprender, não apenas para obter uma resposta").
- O estudo descobriu que ter uma política escolar não ajudou a reduzir o "Abismo de Confiança". Alunos que sentiam ter boa orientação não necessariamente confiavam mais em si mesmos do que na IA.
- A Lacuna: A maior necessidade não atendida era que os professores guiassem os alunos através da prática real — mostrando quando usar a ferramenta e quando deixá-la de lado.

Os Quatro Tipos de Alunos (Perfis)

Os pesquisadores agruparam os alunos em quatro "personalidades" baseadas em seus hábitos:

O Independente Cético (18%): Raramente usa IA. Confia em si mesmo 100% e na IA 0%.
O Usuário de Rotina sem Suporte (36%): Usa IA com frequência, mas sente que a escola não está ajudando. Quer mais orientação, mas não a recebe.
O Usuário de Alta Eficácia Guiado (31%): Usa IA com frequência, mas possui bom suporte dos professores. Ainda confia mais em si mesmo.
O Usuário Poderoso Dependente de Atalhos (15%): Os "Usuários Pesados". Usam IA constantemente, principalmente para obter respostas ou escrever rascunhos. Confiam na IA mais do que em si mesmos. Este grupo tem o maior "Abismo de Confiança".

A Conclusão

O artigo argumenta que as escolas precisam parar de apenas perguntar "Você está usando IA?" e começar a perguntar: "Em quem você confia mais: no seu próprio cérebro ou na ferramenta?"

O objetivo não é banir a IA ou apenas dizer "está tudo bem". O objetivo é a Calibragem. As escolas precisam ensinar os alunos a usar a ferramenta como um assistente útil, sem deixar que a ferramenta se torne a mestre de seu pensamento. No momento, as escolas são boas em criar regras, mas são ruins em ensinar a prática de usar a ferramenta com sabedoria.

Em resumo: Os alunos estão usando a IA para fazer o dever de casa e, à medida que a usam mais, começam a confiar mais no robô do que em seus próprios cérebros. As escolas precisam intervir e ensiná-los a manter a própria confiança forte enquanto utilizam a ferramenta.

Resumo Técnico: Quando a Confiança se Desloca para a Ferramenta

Definição do Problema
À medida que a inteligência artificial (IA) permeia o ensino médio, as métricas tradicionais de "adoção" (ou seja, se os alunos usam IA e com que frequência) tornaram-se insuficientes para compreender o papel evolutivo da tecnologia. As escolas monitoram atualmente a frequência de uso e a existência de políticas formais, mas esses indicadores falham em capturar como os alunos integram a IA em seus processos cognitivos. Especificamente, as estruturas existentes não conseguem distinguir entre usos que apoiam a aprendizagem (ex: explicar conceitos) e aqueles que a contornam (ex: gerar rascunhos completos), nem podem avaliar se a confiança de um aluno em sua própria capacidade acadêmica está erodindo à medida que a dependência da ferramenta aumenta. O problema central é a falta de uma estrutura diagnóstica para medir a relação dinâmica entre as capacidades tecnológicas e as autopercepções de competência dos alunos em um ambiente onde a IA está prontamente disponível.

Metodologia
O estudo empregou um delineamento de pesquisa transversal com uma amostra de 1.444 alunos de uma rede de escolas católicas preparatórias para o ensino superior nos Estados Unidos. Os dados foram coletados na Primavera de 2025.

Medidas: O instrumento avaliou a frequência de uso da IA, a amplitude da ferramenta e propósitos específicos de "apropriação" (categorizados como orientados para a aprendizagem vs. orientados para atalhos). Crucialmente, mediu dois níveis distintos de confiança: a confiança em lidar com o trabalho escolar sem a IA e a confiança na capacidade da IA de ajudar com o trabalho escolar.
Construto Chave: O estudo operacionalizou a "calibragem de dependência" através da lacuna de dependência (reliance gap), definida como a diferença entre a confiança na ajuda da IA e a confiança na capacidade independente. Uma lacuna positiva indica que a confiança se deslocou para a ferramenta.
Análise: Os pesquisadores utilizaram regressões hierárquicas de mínimos quadrados ordinários (OLS) com erros padrão agrupados por escola para prever a lacuna de dependência. As variáveis incluíram demografia, frequência de uso, amplitude de propósito, crenças relacionadas à IA (autoeficácia e otimismo) e orientação escolar percebida. Adicionalmente, o agrupamento por k-means foi utilizado para gerar perfis descritivos de estudantes baseados em padrões de apropriação.

Principais Contribuições
O artigo apresenta três contribuições primárias:

Conceitual: Ele desloca o olhar analítico da "adoção" para a apropriação (como os usuários atribuem propósitos à tecnologia) e introduz a calibragem de dependência ao contexto educacional. Esta estrutura postula que a dependência apropriada depende não apenas da confiabilidade da ferramenta, mas da necessidade de desenvolvimento do aluno em construir competência independente.
Empírica: Captura uma ampla amostra de múltiplas escolas em um momento crítico — após o acesso à IA tornar-se rotineiro, mas antes que a orientação institucional amadurecesse. Fornece evidências de que usos orientados para a aprendizagem e para atalhos frequentemente coexistem nos mesmos alunos, desafiando a visão binária de usuários de IA "bons" vs. "ruins".
Prática: Identifica um "meio termo ausente" na orientação escolar, onde regras de nível de política existem, mas a prática pedagógica (instrução guiada pelo professor) é escassa. Argumenta que a lacuna de dependência é uma métrica mais diagnóstica do que a confiança independente isolada para entender a dinâmica aluno-IA.

Resultos

Padrões de Apropriação: 94% dos respondentes utilizaram pelo menos uma ferramenta de IA. Usos orientados para a aprendizagem (ex: tutoria, estruturação de tópicos) foram comuns (65% para tutoria), mas usos orientados para atalhos (ex: encontrar respostas, redação de textos) também foram substanciais (32% e 18%, respectivamente). Crucialmente, esses propósitos frequentemente coocorrem; alunos que usavam a IA para explicações eram frequentemente os mesmos que a utilizavam para obter respostas, sugerindo um padrão de uso complexo e interligado, em vez de grupos de usuários distintos.
A Lacuna de Dependência: A frequência de uso foi negativamente associada à confiança independente ( $r = -0,18$ ) mas fortemente associada positivamente à lacuna de dependência ( $r = 0,45$ ). Entre os usuários diários, a confiança na ajuda da IA ( $M=4,17$ ) excedeu ligeiramente a confiança na capacidade independente ( $M=4,02$ ), indicando um "crossover" onde a ferramenta se torna a âncora primária da confiança.
Preditores da Lacuna: A regressão hierárquica revelou que a frequência de uso, a amplitude dos propósitos de aprendizagem e de atalhos, e o otimismo em relação à IA foram preditores significativos de uma lacuna de dependência maior. Notavelmente, a orientação escolar percebida não previu significativamente a lacuna uma vez que o uso e as crenças foram contabilizados.
Descompasso de Orientação: Embora diretrizes gerais tenham sido a forma de suporte escolar mais relatada (48%), a maior demanda não atendida foi por prática guiada pelo professor (42% desejavam vs. 27% receberam) e aulas dedicadas à IA.
Perfis de Estudantes: Emergiram quatro perfis distintos:
1. Aprendizes independentes céticos à IA (18%): Usuários raros, alta confiança independente, lacuna negativa.
2. Usuários rotineiros sem suporte (36%): Usuários frequentes, baixa orientação, alto descompasso.
3. Usuários de alta eficácia guiados (31%): Usuários frequentes, alta orientação, mantiveram alta confiança independente.
4. Usuários avançados dependentes de atalhos (15%): Maior uso, uso universal de atalhos, menor confiança independente e o único grupo com uma lacuna de dependência positiva.

Significância e Alegações
O artigo argumenta que, à medida que a IA se torna parte da infraestrutura comum das tarefas escolares, o foco deve mudar de rastrear se os alunos usam a IA para entender como eles calibram sua dependência. O estudo afirma que a lacuna de dependência captura uma dinâmica crítica: o ponto em que o senso de capacidade acadêmica de um aluno se desloca de si mesmo para a ferramenta.

Os autores sustentam que a coocorrência de usos de apoio e substitutivos complica as dicotomias simples de "cola vs. aprendizagem", sugerindo que a fronteira entre o aumento (augmentation) e o descarte (offloading) é procedimental, não categórica. Além disso, o achado de que a orientação escolar percebida (especificamente regras de nível de política) não correlaciona com uma melhor calibragem implica que os modelos atuais de orientação estão desalinhados com as necessidades dos alunos. O artigo conclui que as escolas devem ir além das políticas de uso aceitável para fornecer "prática guiada" que ajude os alunos a distinguir entre a assistência da IA que apoia a aprendizagem e a assistência que desloca o trabalho cognitivo necessário para o desenvolvimento de habilidades. A lacuna de dependência é proposta como uma métrica prática e escalável para as escolas monitorarem esse deslocamento de confiança e competência.