Pedagogical readiness in a structural equation model of generative artificial intelligence use and cognitive offloading among preservice teachers

Na sala de aula moderna, um novo tipo de ajudante chegou, capaz de escrever ensaios, resolver problemas e explicar ideias complexas em segundos. Esta tecnologia, conhecida como inteligência artificial generativa, mudou a forma como os alunos abordam seus trabalhos escolares. Para muitos, ela atua como um atalho poderoso, permitindo que terminem tarefas mais rápido ou compreendam conceitos difíceis com menos esforço. No entanto, essa conveniência vem com um porém. Quando um aluno depende excessivamente de uma ferramenta para pensar por ele, corre o risco de pular o esforço mental necessário para aprender verdadeiramente. Esse fenômeno é chamado de descarga cognitiva (cognitive offloading): o ato de transferir o trabalho mental de uma tarefa para um dispositivo externo. Embora isso possa ser uma estratégia inteligente para gerenciar cargas de trabalho pesadas, torna-se problemático se substituir o pensamento profundo necessário para dominar um assunto.

Esta questão é especialmente crítica para pessoas que estão treinando para se tornarem professores. Esses futuros educadores não são apenas alunos usando as ferramentas para si mesmos; eles são aqueles que eventualmente decidirão como ensinar essas ferramentas aos seus próprios alunos. Eles enfrentam um desafio duplo: devem aprender a usar a tecnologia de forma eficaz para seus próprios estudos e, simultaneamente, descobrir como orientar seus futuros alunos no uso responsável da mesma. A questão para os pesquisadores não é apenas se esses futuros professores estão usando a tecnologia, mas por que a estão usando, quais regras eles se sentem seguros em seguir e se a confiança deles em ensinar com a ferramenta altera a dependência que têm dela para o próprio aprendizado.

Uma equipe de pesquisadores da Universidade de Masaryk, na República Tcheca, propôs-se a compreender essas dinâmicas entre quase setecentos estudantes em formação docente. Eles queriam ver se as razões pelas quais as pessoas geralmente adotam novas tecnologias, como a facilidade de uso ou a pressão exercida por colegas e professores, realmente impulsionam o uso da inteligência artificial. Eles também queriam saber se regras claras da universidade faziam os alunos se sentirem mais seguros para admitir o uso da ferramenta e se o sentimento de estar preparado para ensinar com a tecnologia de fato impedia os alunos de usá-la como uma muleta para seu próprio pensamento.

Os pesquisadores coletaram dados de estudantes em vários estágios de sua formação de professores, desde graduações até mestrados avançados. Eles fizeram perguntas detalhadas sobre a frequência com que os alunos usavam a inteligência artificial generativa, para quais tarefas a utilizavam e como se sentiam em relação às regras que cercavam seu uso. Especificamente, observaram se os alunos sentiam que a universidade possuía diretrizes claras e se se sentiam seguros para admitir o uso da ferramenta sem medo de punição. Eles também mediram a confiança dos alunos em sua capacidade de usar a tecnologia para o ensino, uma competência conhecida como prontidão pedagógica, e compararam-na com a frequência com que deixavam a ferramenta assumir o trabalho mental por eles.

Os resultados revelaram uma história impulsionada quase inteiramente pela eficiência. A razão mais forte para os alunos usarem a tecnologia foi simplesmente que ela tornava o trabalho mais rápido e eficaz. Os pesquisadores descobriram que a crença de que a ferramenta os ajudaria a obter melhores resultados foi o fator isolado mais importante para prever a frequência de uso. Surpreendentemente, outros fatores que geralmente influenciam a adoção de tecnologia, como a facilidade de operar a ferramenta, a pressão de amigos ou até mesmo a influência de professores, não previram significativamente o uso da tecnologia pelos estudantes. Os alunos não estavam usando a ferramenta porque seus professores lhes disseram para fazer isso ou porque seus amigos estavam fazendo; eles a usavam porque funcionava.

O estudo também descobriu um vínculo vital entre regras claras e a tranquilidade do aluno. Quando os alunos sentiam que as regras da universidade sobre o uso da inteligência artificial eram claras e consistentes, relatavam sentir-se muito mais seguros. Essa segurança psicológica significava que eles estavam mais dispostos a serem transparentes sobre o uso da ferramenta. No entanto, os pesquisadores descobriram que esse sentimento de segurança não alterava a frequência com que os alunos usavam a tecnologia. Quer o aluno sentisse que o ambiente era de apoio ou de risco, ele ainda usava a ferramenta se acreditasse que ela era útil. As regras importavam para a honestidade, mas não para a decisão de usar a ferramenta em primeiro lugar.

Talvez a descoberta mais significativa tenha sido a relação entre o uso da ferramenta e o esforço mental que os alunos dedicavam ao seu trabalho. Os dados mostraram uma conexão forte: quanto mais frequentemente um aluno usava a inteligência artificial, mais ele relatava transferir a carga mental de suas tarefas para a máquina. Isso sugere que, à medida que os alunos usam a ferramenta com mais frequência, tornam-se cada vez mais propensos a deixar que ela cuide das partes difíceis do pensamento, como formular argumentos ou resolver problemas complexos. Essa tendência de realizar a descarga cognitiva não era reduzida pela confiança dos alunos em sua capacidade de ensinar com a tecnologia. Mesmo aqueles que se sentiam muito preparados e habilidosos para integrar a ferramenta em um contexto de sala de aula, eram tão propensos a depender dela para seus próprios estudos quanto aqueles que se sentiam menos preparados.

Essa descoberta desafia a ideia de que simplesmente saber como ensinar com a tecnologia impedirá os alunos de se tornarem excessivamente dependentes dela. Os pesquisadores observaram que, embora os alunos se sentissem confiantes em sua capacidade pessoal de usar a ferramenta para seus próprios estudos, sentiam-se muito menos confiantes sobre como usá-la de forma eficaz em um contexto de ensino. Havia uma grande lacuna entre o conforto pessoal com a tecnologia e a prontidão profissional para orientar outros em seu uso. Isso sugere que ser um usuário habilidoso não torna alguém automaticamente um professor habilidoso dessa tecnologia.

O estudo também destacou que, para o pequeno grupo de alunos que não utilizava a ferramenta de forma alguma, os motivos não eram dificuldade técnica ou falta de acesso. Em vez disso, eram motivados por preocupações éticas. Muitos desses alunos temiam que o uso da ferramenta fosse uma forma de desonestidade acadêmica ou que enfraqueceria suas próprias habilidades ao longo do tempo. Alguns até expressaram preocupações sobre o impacto ambiental da tecnologia. Esses alunos não tinham medo das regras; eles eram moralmente opostos à prática.

Em última análise, a pesquisa pinta o quadro de uma geração de futuros professores que são usuários pragmáticos da inteligência artificial. Eles são movidos pelo desejo de serem eficientes e de realizarem seu trabalho bem. Embora regras institucionais claras os ajudem a se sentirem seguros para serem honestos sobre seu uso, essas regras não os impedem de usar a ferramenta quando precisam. Além disso, sentir-se preparado para ensinar com a tecnologia não os protege da tentação de deixar a ferramenta realizar o trabalho pesado de seu próprio aprendizado. O estudo sugere que os programas de formação de professores precisam ir além de apenas ensinar como usar a tecnologia. Eles devem também ajudar os futuros educadores a compreender a linha tênue entre usar uma ferramenta para apoiar o aprendizado e usá-la para substituir o processo de pensamento inteiramente. Sem esse entendimento mais profundo, até mesmo os futuros professores mais confiantes podem se ver dependendo da tecnologia de maneiras que comprometem seu próprio aprendizado e, eventualmente, o aprendizado de seus alunos.