A Systematic Review and Taxonomy of GenAI Usage in Programming Education: A Self-Regulation Perspective
Esta revisão sistemática de 58 estudos até outubro de 2025 propõe uma taxonomia quadridimensional para demonstrar que o impacto da IA Generativa na autorregulação do estudante no ensino de programação depende não da tecnologia em si, mas de estratégias de mediação pedagógica estruturadas que fomentam a autonomia versus contextos não orientados que encorajam a dependência cognitiva.
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
Imagine que você está aprendendo a andar de bicicleta. No passado, você tinha que balançar, cair e descobrir como se equilibrar sozinho. Agora, imagine uma rodinha mágica e invisível que pode falar com você. Ela pode dizer exatamente como pedalar, guiar você para longe de buracos e até consertar sua bicicleta se você cair. Isso é o que a Inteligência Artificial Generativa (GenAI) parece no mundo do aprendizado de programação. É um programa de computador super inteligente que pode escrever instruções de computador (código) para você, explicar ideias complexas e ajudar você a resolver problemas instantaneamente.
Mas aqui está a parte complicada: o Aprendizado Autorregulado. Este é um termo chique para "aprender a aprender". É a habilidade de definir seus próprios objetivos, manter seu foco quando as coisas ficam difíceis e verificar seu próprio trabalho para ver se você realmente o entende. A grande questão não é apenas "Este recurso mágico pode me ajudar a terminar minha lição de casa?", mas sim "Usar esta ferramenta me tornará um aprendiz melhor e mais independente, ou me tornará dependente da máquina?". Se a ferramenta fizer todo o pensamento por você, você pode até acertar a resposta, mas não aprenderá a andar de bicicleta por conta própria. Este é o exato enigma que os cientistas estão tentando resolver no campo da Educação em Programação.
A Grande Investigação do Ajudante de Código
Uma equipe de pesquisadores decidiu dar um passo atrás e olhar para o quadro geral. Eles não realizaram apenas um experimento; eles agiram como detetives, caçando 58 estudos diferentes publicados até outubro de 2025. Eles vasculharam milhares de artigos de pesquisa para descobrir: Como professores e alunos estão realmente usando essas ferramentas de IA para aprender a programar, e isso os ajuda a se tornarem pensadores independentes ou apenas robôs que copiam código?
Eles descobriram que a resposta não é um simples "sim" ou "não". É mais como uma receita. A ferramenta mágica (GenAI) é apenas um ingrediente; o que importa é como você cozinha com ela.
Os Quatro Ingredientes da Receita
Para dar sentido às diferentes maneiras pelas quais as pessoas estão usando a IA, os pesquisadores criaram um mapa especial chamado Taxonomia. Pense nisso como um menu em um restaurante que ajuda você a pedir a refeição certa. Eles organizaram os estudos em quatro categorias principais:
- O que estamos cozinhando? (Currículo Alvo): Estamos usando a IA para escrever um novo código do zero, corrigir um código quebrado (depuração/debugging) ou apenas explicar como as coisas funcionam? A maioria dos estudos focou na escrita de código, o que faz sentido, já que ferramentas como o ChatGPT são ótimas nisso.
- Quem é o chef? (Estratégia de Mediação): Esta é a parte mais importante. A IA está apenas sentada lá esperando você perguntar qualquer coisa (Uso Livre) ou o professor está guiando você sobre exatamente quando e como usá-la (Uso Guiado)?
- A Armadilha do "Uso Livre": Quando os alunos são deixados sozinhos com a IA, eles frequentemente a tratam como um atalho. Eles pedem a resposta, a obtêm e seguem em frente. Os pesquisadores descobriram que isso leva a uma "ilusão de competência" — você acha que sabe andar de bicicleta porque a roda invisível te sustentou, mas, na verdade, você não sabe.
- A Magia do "Guiado": Quando os professores estabelecem regras — como "Use a IA para explicar o erro, mas não deixe que ela escreva a correção para você" — os alunos realmente aprendem mais. É como ter um treinador que não empurra a bicicleta por você, mas lhe diz para qual lado você deve se inclinar.
- Como nos sentimos? (Impacto Cognitivo): Os alunos se sentiram mais motivados? Eles entenderam melhor o material? Ou eles se tornaram dependentes da ferramenta? Os resultados foram mistos. Alguns alunos se sentiram menos estressados e mais confiantes, enquanto outros sentiram que estavam perdendo sua capacidade de pensar criticamente.
- Que tipo de ferramenta é? (Abordagem Técnica): É um chatbot simples com o qual você conversa, um tutor inteligente integrado ao seu software de programação ou um robô especializado? O estudo descobriu que chatbots simples são os mais comuns, mas ferramentas especializadas projetadas por professores costumam funcionar melhor para o aprendizado profundo.
A Grande Descoberta: Tudo Depende das Regras
A descoberta mais emocionante deste artigo é que a tecnologia em si não é a heroína nem a vilã. A ferramenta de IA é neutra. É a mediação pedagógica — a maneira como professores e alunos a utilizam — que decide o resultado.
- Quando dá errado: Se você apenas deixar os alunos usarem a IA sem regras, eles tendem a se tornar "dependentes cognitivos". Eles param de tentar resolver os problemas por conta própria porque a ferramenta é fácil demais de usar. Eles podem tirar boas notas, mas não estão realmente aprendendo.
- Quando dá certo: Quando a IA é usada como um andaime (como rodinhas de treinamento que você remove lentamente), é incrível. Professores que utilizam estratégias como "peça uma dica para a IA, não a resposta" ou "use a IA para verificar sua lógica antes de escrever o código" veem seus alunos se tornarem mais motivados, mais engajados e melhores em resolver problemas por conta própria.
O Que Está Faltando?
Os pesquisadores também apontaram algumas lacunas no conhecimento atual. A maioria dos estudos que analisaram foram de curto prazo (apenas algumas semanas ou até mesmo uma única sessão de aula) e envolveram pequenos grupos de alunos. Ainda não sabemos realmente se usar IA durante um semestre inteiro torna os alunos melhores programadores a longo prazo, ou se apenas os torna mais rápidos em copiar. Além disso, a maioria dos estudos focou em alunos que já eram muito bons em programação; não sabemos o suficiente sobre como isso afeta iniciantes ou alunos com diferentes necessidades de aprendizagem.
A Conclusão
Este artigo nos diz que a IA Generativa é uma nova ferramenta poderosa na sala de aula, mas não é uma varinha mágica que resolve tudo sozinha. Se você apenas entregar uma varinha mágica a um aluno e disser "faça sua lição de casa", ele pode conseguir a resposta, mas não aprenderá a magia. No entanto, se um professor usar essa varinha como parte de uma lição estruturada — ensinando aos alunos como fazer as perguntas certas e quando guardar a varinha — então ela pode ajudá-los a se tornarem solucionadores de problemas independentes, confiantes e criativos.
O futuro da educação em programação não é sobre banir a IA ou deixá-la correr solta; é sobre encontrar o equilíbrio perfeito onde a IA apoia o cérebro do aluno sem substituí-lo.
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.