Understanding dynamic learning profiles in AI-supported environments in Vietnam: Evidence from a three-wave latent transition analysis
Este estudo longitudinal com 725 estudantes universitários vietnamitas revela que a adaptação bem-sucedida à aprendizagem apoiada por IA é caracterizada por alta autoeficácia e regulação metacognitiva com baixo descarregamento cognitivo, um perfil "Ótimo" estável que produz consistentemente um desempenho acadêmico superior aos padrões mal-adaptativos de dependência excessiva da IA.
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 remodelando a forma como os alunos aprendem. A inteligência artificial deixou a periferia da educação para ocupar o centro, oferecendo ferramentas que podem gerar ideias, explicar conceitos complexos e resolver problemas. Essa mudança altera a própria natureza do pensamento. Quando um aluno utiliza um sistema de IA, ele não está mais trabalhando sozinho; está trabalhando em uma parceria com uma máquina. Essa nova dinâmica levanta uma questão fundamental sobre a mente humana: quando entregamos o trabalho pesado do pensamento a um computador, o que acontece com nossa própria capacidade de aprender? Para entender isso, pesquisadores observam três coisas específicas. Primeiro, é a confiança do aluno no uso da tecnologia. Segundo, é a extensão em que eles deixam a máquina realizar o trabalho real de gerar ideias ou resolver problemas, um processo conhecido como descarga cognitiva (cognitive offloading). Terceiro, é a capacidade do aluno de manter um olhar atento sobre seu próprio aprendizado, verificando se a máquina está ajudando ou se está assumindo o controle excessivo. Esse equilíbrio entre usar uma ferramenta e manter o controle é a chave para entender se a tecnologia nos torna mais espertos ou apenas mais rápidos.
Uma equipe de pesquisadores da Universidade Nacional do Vietnã, em Hanói, propôs-se a mapear exatamente como os estudantes navegam por esse novo cenário. Eles acompanharam 725 alunos de graduação ao longo de um único semestre, rastreando seus hábitos e notas em três momentos diferentes. Os pesquisadores não estavam apenas observando o quanto a IA era usada, mas sim os padrões específicos de comportamento que emergiam quando a confiança, a delegação e o autocontrole se misturavam. Ao observar esses alunos enquanto percorriam seus cursos, a equipe descobriu que os aprendizes não se dividiam em uma única categoria de usuários "bons" ou "ruins". Em vez disso, eles se agruparam em três grupos distintos, cada um com sua própria maneira única de lidar com a tecnologia.
O primeiro grupo, que os pesquisadores chamaram de perfil "Otimizado", consistia em alunos que tinham alta confiança em sua capacidade de usar a IA, mas mantinham um controle rígido sobre seu próprio pensamento. Esses alunos utilizavam a tecnologia como um assistente poderoso, mas raramente permitiam que ela assumisse o trabalho central de compreensão e raciocínio. Eles mantinham um forte autocontrole, verificando constantemente o resultado da máquina para garantir que fizesse sentido. O segundo grupo, o perfil "Moderado", apresentava uma mistura de traços. Esses alunos possuíam uma confiança média e usavam a IA em um grau moderado, nem dependendo totalmente dela, nem resistindo totalmente a ela. Eles estavam em um estado de transição, ainda tentando encontrar o equilíbrio correto. O terceiro grupo, o perfil "Maladaptativo", contava uma história diferente. Esses alunos estavam dispostos a usar a tecnologia, mas entregavam todo o trabalho cognitivo pesado. Eles deixavam a IA gerar ideias, construir explicações e resolver problemas, muitas vezes sem o suficiente supervisão ou avaliação crítica.
O estudo revelou que esses padrões não eram apenas momentos passageiros, mas formas estáveis de aprendizagem que persistiam ao longo do semestre. Os pesquisadores descobriram que os alunos do grupo Otimizado alcançavam consistentemente as notas acadêmicas mais altas. O sucesso deles não se devia simplesmente ao uso da tecnologia, mas ao fato de a utilizarem enquanto mantinham sua própria autoridade mental. Em contraste, os alunos do grupo Maladaptativo, que dependiam fortemente da máquina para pensar por eles, acabavam com as notas mais baixas. Os dados mostraram um forte vínculo entre os dois: à medida que os alunos delegavam mais de seu pensamento à IA, sua capacidade de regular o próprio aprendizado caía significamente. Isso sugere que o perigo da IA não é a ferramenta em si, mas a perda da supervisão humana. Quando os alunos param de monitorar o processo, seu aprendizado torna-se superficial.
Ao longo do semestre, os pesquisadores observaram uma mudança gradual no corpo discente geral. Em média, os alunos tornaram-se ligeiramente mais confiantes no uso da IA e passaram a depender um pouco menos dela para o trabalho pesado do pensamento. Ao mesmo tempo, sua capacidade de monitorar e controlar o próprio aprendizado melhorou. Isso sugere que, com o tempo e a experiência, muitos alunos naturalmente aprendem a reequilibrar a relação entre humano e máquina, movendo-se em direção a uma forma mais eficaz de trabalhar. No entanto, o estudo também observou que os padrões estabelecidos precocemente eram bastante persistentes. Alunos que começaram no grupo Maladaptativo tendiam a permanecer nele, enquanto aqueles no grupo Otimizado permaneciam lá. O caminho para o sucesso não era sobre usar mais IA, mas sobre usá-la com uma mão firme.
As descobertas desafiam a ideia de que simplesmente ter acesso à tecnologia avançada garante um aprendizado melhor. A pesquisa indica que os alunos mais bem-sucedidos são aqueles que tratam a IA como uma parceira, e não como um substituto. Eles usam a ferramenta para expandir suas capacidades sem entregar os processos centrais de compreensão. Para educadores e alunos, a lição é clara: o valor da inteligência artificial na educação depende inteiramente da capacidade humana de manter o comando. A tecnologia pode lidar com os dados e os rascunhos, mas a mente deve permanecer o arquiteto. Sem esse controle ativo e regulador, a eficiência da máquina ocorre ao custo da profundidade do pensamento humano.
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.