Learners’ Engagement with Artificial Intelligence: Validation of the Cognitive-Affective AI Engagement Model
Este estudo valida o Modelo de Engajamento de IA Cognitivo-Afetivo (CAAIEM) como um framework quadridimensional confiável para medir o engajamento de estudantes universitários com ferramentas de IA baseadas em LLM, demonstrando fortes propriedades psicométricas por meio de análise fatorial confirmatória de dados de 1.249 estudantes húngaros do primeiro ano, ao mesmo tempo em que observa a necessidade de uma validação transcultural adicional.
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
Na sala de aula moderna, uma revolução silenciosa está ocorrendo, impulsionada não por novos livros didáticos ou quadros negros, mas por programas de computador inteligentes capazes de escrever ensaios, resolver problemas e manter conversas. Essas ferramentas, conhecidas como modelos de linguagem de grande escala, saíram do reino da ficção científica para a vida cotidiana dos estudantes. Para educadores e pesquisadores, surgiu uma questão premente: como os alunos realmente se conectam com essas tecnologias? Será que o relacionamento deles com a inteligência artificial é meramente uma questão de marcar uma caixa de utilidade, ou envolve sentimentos, hábitos e esperanças futuras mais profundos? Para entender isso, os cientistas observam o engajamento, um conceito que descreve o quão profundamente uma pessoa está envolvida em uma atividade. Tradicionalmente, isso tem sido visto através da lente de se uma ferramenta é útil ou fácil de usar. No entanto, à medida que a inteligência artificial se torna mais conversacional e pessoal, os pesquisadores suspeitam que o quadro é mais complexo. Provavelmente envolve a frequência com que um aluno interage com a ferramenta, o quanto ele desfruta da experiência, o quanto se sente confiante em sua capacidade de usá-la de forma eficaz e se planeja continuar aprendendo com ela nos anos vindouros. Compreender essas camadas é crucial porque, se as escolas e os desenvolvedores focarem apenas se uma ferramenta funciona, eles podem perder os impulsionadores emocionais e comportamentais que fazem os alunos retornarem para aprender.
Uma equipe de pesquisadores da Universidade de Szeged, na Hungria, partiu para mapear este território inexplorado. Eles propuseram uma nova maneira de olhar para como os alunos se engajam com a inteligência artificial, sugerindo que não se trata de um único sentimento, mas de uma combinação de quatro partes distintas. Eles chamaram isso de Modelo de Engajamento de IA Cognitivo-Afetivo. A primeira parte é a intensidade de interação, que simplesmente mede a frequência e a profundidade com que um aluno utiliza essas ferramentas em sua vida diária e estudos. A segunda é a eficácia instrumental, que captura a crença do aluno de que a tecnologia realmente o ajuda a realizar seu trabalho de forma mais rápida e melhor. A terceira é o engajamento afetivo, um termo que se refere ao lado emocional da experiência: os alunos sentem prazer, conforto e um gosto genuíno ao usar a IA? A peça final é a intenção de continuidade da aprendizagem, que olha para o futuro, medindo se o aluno planeja continuar aprendendo sobre e utilizando essas tecnologias conforme elas evoluem.
Para testar se esse modelo de quatro partes refletia fielmente a realidade, os pesquisadores reuniram um grande grupo de estudantes universitários do primeiro ano. Eles convidaram 1.249 estudantes de várias faculdades da universidade para participar de um estudo. Os participantes, a maioria entre 18 e 22 anos, preencheram um questionário projetado para medir cada uma dessas quatro áreas. As perguntas pediam que relatassem com que frequência usavam aplicações de IA, o quanto concordavam que a IA melhorava seu desempenho, o quanto gostavam de usá-la e se pretendiam continuar aprendendo sobre ela no futuro. Os pesquisadores então utilizaram métodos estatísticos sofisticados para verificar se as respostas dos alunos se agrupavam naturalmente nas quatro categorias previstas pelo modelo, ou se os dados sugeriam uma estrutura diferente.
Os resultados foram claros e favoráveis ao novo modelo. Quando os pesquisadores analisaram os dados, descobriram que as quatro categorias propostas eram, de fato, a melhor maneira de descrever como esses alunos se engajavam com a inteligência artificial. Os dados não se ajustavam a um modelo mais simples onde todas as respostas apontavam para apenas um sentimento geral, nem se ajustavam a um modelo com apenas três categorias. Em vez disso, as quatro dimensões distintas destacaram-se como partes separadas, porém conectadas, da experiência total. As respostas dos alunos mostraram consistentemente que seu comportamento, suas crenças sobre utilidade, suas emoções e seus planos futuros eram todos aspectos mensuráveis e distintos de seu engajamento. O estudo confirmou que essas quatro partes trabalham juntas para formar um quadro completo de como um aluno se relaciona com a IA.
Os pesquisadores também verificaram para garantir que as perguntas feitas fossem confiáveis e que estivessem de fato medindo o que pretendiam medir. Descobriram que as perguntas para cada uma das quatro áreas eram consistentes; por exemplo, as perguntas sobre prazer estavam todas fortemente ligadas entre si, assim como as perguntas sobre planos futuros. Isso deu-lhes confiança de que o modelo era uma ferramenta sólida para compreender o comportamento dos alunos. Além disso, verificaram que essas quatro áreas eram suficientemente diferentes entre si para serem tratadas como conceitos distintos, embora fossem relacionadas. Por exemplo, um aluno que considerava a IA útil também tendia a gostar de usá-la, mas o estudo mostrou que utilidade e prazer não são a mesma coisa. Da mesma forma, um aluno que usava a IA frequentemente tinha motivações diferentes de um que simplesmente planejava usá-la no futuro.
Este estudo representa um passo significativo no entendimento do lado humano da inteligência artificial na educação. Ao decompor o engajamento nestes quatro componentes específicos, os pesquisadores forneceram uma estrutura que educadores e desenvolvedores podem usar para enxergar além das simples estatísticas de uso. Sugere que, para que os alunos realmente se beneficiem da IA, a tecnologia deve não apenas ser eficaz, mas também emocionalmente ressonante e alinhada com seus objetivos de aprendizagem de longo prazo. Os achados indicam que a integração bem-sucedida dessas ferramentas requer atenção a como os alunos se sentem em relação à tecnologia e como eles vislumbram seu uso no futuro, não apenas se a ferramenta os ajuda a completar uma tarefa hoje. Embora o estudo tenha focado em um grupo específico de estudantes na Hungria, o modelo que validou oferece uma nova linguagem para descrever a complexa relação entre os aprendizes e as máquinas inteligentes que estão, cada vez mais, moldando sua educação.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.