From transactional use to reflective engagement: Higher education students’ evolving understandings of academic integrity and generative AI
Este estudo qualitativo longitudinal revela que as compreensões de estudantes de graduação e pós-graduação sobre integridade acadêmica evoluem de ver a IA Generativa como uma mera ferramenta de eficiência para interagir com ela de forma mais reflexiva e ética por meio de interação sustentada, sugerindo que as universidades devem priorizar abordagens educacionais que promovam a reflexão crítica em vez de políticas orientadas à detecção.
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 se instalou, não com o rugido de máquinas, mas com o suave zumbido de uma tela de computador. Durante décadas, as universidades confiaram em um conjunto de regras escritas e não escritas para garantir que o trabalho entregue por um estudante fosse verdadeiramente seu. Esse conceito, conhecido como integridade acadêmica, baseia-se na ideia de que o aprendizado é uma jornada pessoal de crescimento, onde a honestidade, a responsabilidade e a coragem de realizar o trabalho árduo importam mais do que simplesmente obter uma nota. É a crença de que um diploma deve representar uma mente que foi esticada e moldada pelo esforço, não uma que foi contornada. Recentemente, uma nova força entrou neste cenário: a inteligência artificial generativa. São programas de computador capazes de escrever ensaios, resolver problemas e criar ideias que parecem e soam como se tivessem vindo de um ser humano. Eles oferecem uma velocidade e conveniência incríveis, mas também confundem as linhas de quem está realmente pensando. A questão central para educadores e estudantes tornou-se difícil de responder: quando uma máquina ajuda você a escrever, onde o seu aprendizado começa e termina?
Uma equipe de pesquisadores de uma universidade regional na Austrália decidiu parar de adivinhar e começou a observar. Em vez de tirar um único instantâneo de como os alunos se sentem em relação a essas ferramentas, eles embarcaram em uma longa jornada, acompanhando um grupo de vinte estudantes ao longo de quinze meses. Eles queriam ver se e como a compreensão dos estudantes sobre honestidade e aprendizado mudava enquanto viviam com essas tecnologias dia após dia. Os pesquisadores entrevistaram os estudantes quatro vezes, perguntando não apenas o que eles faziam, mas como se sentiam sobre isso, do que se preocupavam e como davam sentido ao trabalho que estavam produzindo. O objetivo era entender a história da mente de um estudante enquanto ela se adaptava a um mundo onde as respostas estão a apenas um clique de distância.
A história que emergiu não foi um conto simples de estudantes fazendo mau uso da tecnologia ou tornando-se subitamente perfeitos. No início, os estudantes viam a inteligência artificial como uma ferramenta para velocidade. Eles a usavam para terminar tarefas rapidamente, para polir sua gramática ou para gerar uma estrutura para um relatório. Nesta fase, o foco era inteiramente no resultado: concluir a tarefa de forma eficiente. Para muitos, a ideia de integridade acadêmica era uma questão simples de evitar problemas; eles queriam garantir que não fossem pegos fazendo algo errado, mas ainda não estavam pensando profundamente sobre quem era o dono das ideias ou o que estavam realmente aprendendo. A máquina era um atalho, e o estudante era o motorista, mas o motor estava fazendo a maior parte do trabalho.
À medida que os meses passavam, o quadro começou a mudar. Os estudantes começaram a encontrar as limitações da tecnologia. Eles descobriram que a IA às vezes dava respostas que eram muito vagas, factualmente incorretas ou simplesmente não se ajustavam às necessidades específicas de sua tarefa. Um estudante descreveu receber uma resposta tão genérica que teve que pedir ao computador para tentar novamente com palavras diferentes. Outro percebeu que, como dependera excessivamente da máquina, não conseguia explicar seu próprio trabalho para um professor. Esses momentos de fricção foram cruciais. Eles forçaram os estudantes a parar e pensar. Eles começaram a questionar a confiabilidade da ferramenta e, mais importante, a questionar seu próprio papel no processo. Eles começaram a perceber que, se não entendessem o trabalho que estavam entregando, não haviam realmente aprendido nada.
Na fase final do estudo, um novo padrão havia emergido para muitos dos participantes. Eles não estavam mais apenas usando a IA para terminar uma tarefa; estavam usando-a para testar o próprio entendimento. Eles pediam ao computador para explicar um conceito e, em seguida, verificavam essa explicação com seus próprios livros didáticos. Usavam a ferramenta para fazer um brainstorming de diferentes perspectivas, mas depois reescreviam as ideias com suas próprias palavras para garantir que realmente compreendiam o significado. Alguns até começaram a ajudar seus colegas a usar a tecnologia de forma responsável, incentivando-os a vê-la como uma parceira de aprendizagem, em vez de um atalho. Os estudantes haviam passado de um relacionamento transacional com a máquina, onde trocavam comandos por respostas, para um relacionamento reflexivo, onde usavam a ferramenta para aprofundar seu próprio pensamento. Eles estavam retomando a posse de seu aprendizado, mas desta vez com uma consciência nova e mais crítica da tecnologia que os cercava.
Os pesquisadores descobriram que essa mudança não era uma linha reta que todos os estudantes seguiam. Alguns estudantes continuavam a usar as ferramentas principalmente para velocidade, enquanto outros tornavam-se mais reflexivos apenas em certas aulas ou quando as tarefas exigiam um pensamento profundo. A mudança dependia de muitos fatores, incluindo o feedback que recebiam dos professores, as expectativas de seu campo de estudo específico e as oportunidades que tinham para discutir essas questões com seus pares. O estudo sugere que a capacidade de usar essas ferramentas eticamente não é algo que um estudante possui ou não possui; é uma habilidade que pode ser desenvolvida através da experiência e da reflexão. Não se trata de seguir um conjunto rígido de regras para evitar punições, mas de aprender a fazer bons julgamentos sobre quando e como usar um novo e poderoso recurso.
Esta visão de longo prazo oferece um caminho diferente para as universidades. Em vez de focar apenas em flagrar estudantes que fazem uso indevido da tecnologia, as descobertas sugerem que as escolas devem projetar experiências de aprendizagem que incentivem esse tipo de pensamento crítico. Quando as tarefas pedem aos estudantes que expliquem seu raciocínio, verifiquem informações ou justifiquem suas escolhas, elas criam um espaço onde os estudantes devem se envolver profundamente com o material, tornando mais difícil depender cegamente de uma máquina. O estudo indica que, quando os estudantes têm espaço para refletir sobre seu próprio aprendizado e o papel da tecnologia, eles naturalmente começam a desenvolver uma abordagem mais responsável e ponderada. O desafio para a educação não é banir as novas ferramentas, mas ajudar os estudantes a aprender como usá-las de uma forma que fortaleça, em vez de substituir, suas próprias mentes.
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.