📄 ciências sociais

From AI Assisted to Self-Regulated Learning: Roles of Digital Literacy, Critical Thinking, and Self-Efficacy among University Students

Fundamentado nas teorias da Cognição Social, Aprendizagem Autorregulada e Aceitação de Tecnologia, este estudo com 225 estudantes universitários somalis demonstra que a aprendizagem assistida por IA aumenta significativamente a aprendizagem autorregulada através da mediação parcial da literacia em IA e do pensamento crítico, com este último apresentando um efeito indireto mais forte, enquanto a autoeficácia em IA modera positivamente a relação entre a assistência de IA e a literacia.

Autores originais: Ali Abdi Mohamed, Mohamud Hassan Abdulle, Abdulkadir Jeilani Mohamud

Publicado 2026-09-11

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Ali Abdi Mohamed, Mohamud Hassan Abdulle, Abdulkadir Jeilani Mohamud

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 em curso. Durante décadas, os educadores sabem que os alunos mais bem-sucedidos não são necessariamente aqueles com as memórias mais aguçadas, mas aqueles que conseguem gerir a sua própria aprendizagem. Estes aprendizes autodirigidos estabelecem os seus próprios objetivos, acompanham o seu progresso e ajustam as suas estratégias quando as coisas se tornam difíceis. Esta capacidade de conduzir a própria educação é conhecida como aprendizagem autorregulada, e é uma competência que determina quão bem uma pessoa se adapta a novos desafios ao longo da vida. Ao mesmo tempo, uma nova ferramenta entrou em cena: a inteligência artificial. Estes são sistemas informáticos capazes de gerar texto, responder a perguntas e oferecer feedback personalizado, tal como um tutor incansável disponível a qualquer hora. À medida que as universidades começam a tecer estas ferramentas no seu ensino, uma questão crítica surgiu: será que o simples acesso a esta tecnologia torna os alunos melhores na gestão da sua própria aprendizagem, ou será necessário algo mais para fazer a conexão funcionar?

Uma equipa de investigadores na Somália partiu para responder a esta questão, observando atentamente como os estudantes universitários interagem com a IA. Eles estavam particularmente interessados em saber se o uso destas ferramentas ajuda os alunos a tornarem-se aprendizes mais independentes e, em caso afirmativo, o que acontece dentro da mente do estudante para tornar isso possível. Eles focaram-se em três competências mentais específicas que podem atuar como pontes entre o uso da tecnologia e tornar-se um melhor aprendiz. A primeira é a literacia de IA, que é simplesmente a capacidade de compreender como estes sistemas funcionam, conhecer os seus limites e utilizá-los de forma responsável. A segunda é o pensamento crítico, o hábito de questionar a informação, verificar erros e recusar-se a aceitar respostas sem provas. A terceira é a autoeficácia, um termo psicológico para a confiança de uma pessoa na sua própria capacidade de ter sucesso numa tarefa específica. Os investigadores queriam ver se o uso da IA constrói estas competências e se essas competências, por sua vez, ajudam os alunos a assumir o comando da sua educação.

Para encontrar as respostas, os investigadores realizaram um inquérito a 225 estudantes universitários de instituições públicas e privadas em toda a Somália. Estes estudantes já estavam a utilizar ferramentas de IA, como chatbots e sistemas de tutoria inteligente, para ajudar nos seus estudos. A equipa pediu aos estudantes que avaliassem a frequência com que utilizavam estas ferramentas, o quão confiantes se sentiam ao utilizá-las, quão bem conseguiam avaliar a informação que as ferramentas forneciam e o quanto sentiam que estavam a gerir os seus próprios processos de aprendizagem. Ao analisar estas respostas, os investigadores puderam mapear as relações entre estes diferentes fatores. Eles não perguntaram apenas se a IA ajudava; eles procuraram os caminhos específicos através dos quais essa ajuda viajava.

O estudo descobriu que os alunos que utilizavam ferramentas de aprendizagem assistida por IA eram, de facto, melhores a regular a sua própria aprendizagem. Eram mais propensos a estabelecer objetivos claros, monitorizar o seu progimento e ajustar os seus hábitos de estudo. No entanto, os investigadores descobriram que esta melhoria não era apenas um resultado direto da própria tecnologia. Em vez disso, a tecnologia funcionava ao fortalecer os "músculos mentais" dos estudantes. Os dados mostraram que o uso frequente de ferramentas de IA melhorou significativamente a literacia de IA dos estudantes. À medida que interagiam com os sistemas, aprendiam a verificar a informação que as ferramentas lhes davam e a utilizar a tecnologia de forma ética. Este novo entendimento da tecnologia ajudou-os, então, a tornar-se aprendizes mais autodirigidos.

Ainda mais importante, o estudo revelou que o pensamento crítico desempenhou um papel vital. Os alunos que utilizavam ferramentas de IA também eram melhores a analisar informações e a detetar inconsistências. Esta capacidade de pensar criticamente foi um poderoso motor da aprendizagem autorregulada. De facto, os investigadores descobriram que o aumento nas competências de pensamento crítico tinha uma influência ligeiramente mais forte na capacidade de um aluno gerir a sua própria aprendizagem do que o aumento na literacia técnica. Isto sugere que o verdadeiro valor da IA na educação não reside apenas nas respostas que ela fornece, mas na disciplina mental que incentiva os alunos a desenvolver. Quando os alunos são forçados a questionar e verificar o conteúdo gerado por IA, tornam-se pensadores mais ativos e independentes.

Havia uma peça final no puzzle: a confiança. O estudo mostrou que a crença de um aluno na sua própria capacidade de usar a tecnologia de IA importava muito. Os alunos que se sentiam confiantes nas suas competências ganhavam muito mais com as ferramentas de IA do que aqueles que se sentiam inseguros. Para estes alunos confiantes, a ligação entre o uso das ferramentas e a melhoria da sua literacia era muito mais forte. É como se a confiança atuasse como um multiplicador; quando um aluno acredita que pode dominar a tecnologia, ele interage com ela de forma mais profunda, aprende mais com ela e, em última análise, torna-se melhor a gerir a sua própria educação. Sem essa confiança, o potencial de benefícios da tecnologia é mais difícil de alcançar.

As conclusões deste estudo, conduzido numa nação em desenvolvimento onde a infraestrutura digital ainda está em evolução, oferecem uma mensagem clara para educadores e estudantes. Não basta simplesmente fornecer acesso à inteligência artificial. Para beneficiar verdadeiramente destas ferramentas, os alunos devem ser ensinados a utilizá-las criticamente e a confiar na sua própria capacidade de navegar nelas. A tecnologia em si não cria automaticamente aprendizes independentes. Em vez disso, ela cria um ambiente onde os alunos podem praticar as competências de verificação, análise e autogestão. Quando estas competências são nutridas, e quando os alunos são apoiados na construção da sua confiança, a IA torna-se uma parceira poderosa na jornada rumo a uma aprendizagem autodirigida e ao longo da vida.

Sumário Técnico: Da Aprendizagem Assistida por IA para a Aprendizagem Autorregulada

Declaração do Problema

Embora a Inteligência Artificial (IA) esteja transformando rapidamente o ensino superior ao oferecer experiências de aprendizagem personalizadas e adaptativas, existe uma lacuna significativa na compreensão dos mecanismos específicos através dos quais a aprendizagem assistida por IA potencializa a aprendizagem autorregulada (SRL - Self-Regulated Learning) dos estudantes. A literatura existente tem se concentrado predominantemente em efeitos diretos relativos ao desempenho, engajamento ou aceitação tecnológica, frequentemente baseando-se em estruturas teóricas únicas (ex.: Teoria Cognitiva Social, Teoria da Aprendizagem Autorregulada ou o Modelo de Aceitação de Tecnologia isoladamente). Além disso, as evidências empíricas estão fortemente inclinadas para nações desenvolvidas, deixando a dinâmica da adoção da IA em países em desenvolvimento, como a Somália, amplamente inexplorada. Especificamente, os papéis da literacia em IA, do pensamento crítico e da autoeficácia em IA como fatores mediadores e moderadores na relação entre a aprendizagem assistida por IA e a SRL permanecem insuficientemente investigados.

Metodologia

Este estudo empregou um delineamento de pesquisa quantitativa e transversal para testar um modelo teórico integrado fundamentado na Teoria Cognitiva Social (SCT), na Teoria da Aprendizagem Autorregulada (SRLT) e no Modelo de Aceitação de Tecnologia (TAM).

Participantes: O estudo utilizou uma técnica de amostragem por conveniência não probabilística para recrutar 225 estudantes universitários de instituições públicas e privadas na Somália. Os participantes deveriam ter experiência prévia no uso de tecnologias de aprendizagem baseadas em IA (ex.: ChatGPT, Gemini, Microsoft Copilot). A amostra consistiu em 79,1% de respondentes do sexo masculino e 20,9% do sexo feminino, sendo a maioria (63,6%) estudantes de graduação.
Instrumentação: Os dados foram coletados via um questionário estruturado online administrado através do KoboToolbox. O instrumento, traduzido e retrotraduzido do inglês para o somali para garantir equivalência cultural e semântica, mediu cinco construtos latentes usando 25 itens em uma escala Likert de 5 pontos:
1. Aprendizagem Assistida por IA (Variável Independente): Adaptado de Davis (1989) e Venkatesh et al. (2003).
2. Literacia em IA (Mediador 1): Adaptado de Ng (2012) e van Laar et al. (2017).
3. Pensamento Crítico (Mediador 2): Adaptado da literatura contemporânea sobre aprendizagem apoiada por IA.
4. Autoeficácia em IA (Moderador): Adaptado de Bandura (1982) e Compeau & Higgins (1995).
5. Aprendizagem Autorregulada (Variável Dependente): Adaptado de Artino Jr (2005) e Zimmerman (2000).
Análise de Dados: O estudo utilizou o PROCESS Macro de Hayes (2022) com 5.000 reamostragens de bootstrap para realizar análises de regressão, mediação e moderação. Antes do teste de hipóteses, os dados passaram por verificações de viés de método comum (teste de fator único de Harman), multicolinearidade (VIF e Tolerância) e normalidade residual.

Principais Contribuições

O artigo apresenta três contribuições primárias para a literatura:

Estrutura Teórica Integrada: Move-se além das abordagens de teoria única ao integrar SCT, SRLT e TAM para explicar como fatores tecnológicos, cognitivos e psicológicos moldam conjuntamente os comportos de aprendizagem em ambientes apoiados por IA.
Insight Mecanístico: Valida empiricamente os papéis mediadores paralelos da literacia em IA e do pensamento crítico, e o papel moderador da autoeficácia em IA, na relação entre a aprendizagem assistida por IA e a SRL.
Evidência Contextual: Fornece dados empíricos raros de um contexto de país em desenvolvimento (Somália), abordando a falta de pesquisa sobre aprendizagem assistida por IA em cenários educacionais de recursos limitados.

Resultados

A análise estatística gerou as seguintes descobertas:

Efeitos Diretos:
- H1 Suportada: A Aprendizagem Assistida por IA tem um efeito positivo significativo na Aprendizagem Autorregulada ( $\beta = 0,163, p = 0,003$ ).
- H2 Suportada: A Aprendizagem Assistida por IA melhora significativamente a Literacia em IA ( $\beta = 0,482, p < 0,001$ ).
- H3 Suportada: A Aprendizagem Assistida por IA melhora significativamente o Pensamento Crítico ( $\beta = 0,191, p = 0,001$ ).
- H4 Suportada: O Pensamento Crítico tem o efeito positivo mais forte na Aprendizagem Autorregulada ( $\beta = 0,497, p < 0,001$ ).
- H5 Suportada: A Literacia em IA tem um efeito positivo significativo na Aprendizagem Autorregulada ( $\beta = 0,176, p = 0,007$ ).
Efeitos de Mediação:
- H6 Suportada: A Literacia em IA media parcialmente a relação entre a Aprendizagem Assistida por IA e a Aprendizagem Autorregulada (efeito indireto = 0,085, 95% CI [0,007, 0,179]).
- H7 Suportada: O Pensamento Crítico media parcialmente a relação entre a Aprendizagem Assistida por IA e a Aprendizagem Autorregulada (efeito indireto = 0,095, 95% CI [0,014, 0,192]).
- Nota: O efeito indireto através do Pensamento Crítico foi ligeiramente mais forte do que através da Literacia em IA.
Efeito de Moderação:
- H8 Suportada: A Autoeficácia em IA modera positivamente a relação entre a Aprendizagem Assistida por IA e a Literacia em IA ( $\beta = 0,164, p = 0,002$ ). Estudantes com maior autoeficácia em IA obtêm maiores melhorias na literacia em IA a partir da aprendizagem assistida por IA em comparação com aqueles com menor confiança.

Significância e Alegações

Os autores alegam que este estudo demonstra que a aprendizagem assistida por IA promove a aprendizagem autônoma não meramente através da interação direta com as ferramentas, mas ao fomentar competências específicas: literacia em IA, pensamento crítico e autoeficácia.

Significância Teórica: O estudo valida que a aprendizagem assistida por IA funciona como um fator ambiental que molda o desenvolvimento cognitivo (literacia e pensamento crítico) e estados psicológicos (autoeficácia), que por sua vez impulsionam comportamentos de aprendizagem autorregulada. Destaca que o pensamento crítico é um mecanismo fundamental, exercendo uma influência indireta mais forte na SRL do que a literacia em IA isoladamente.
Significância Prática: Os achados sugerem que, para instituições de ensino superior, particularmente em contextos de países em desenvolvimento, fornecer apenas o acesso às tecnologias de IA é insuficiente. A integração eficaz requer:
- Currículos que desenvolvam explicitamente as habilidades de literacia em IA e pensamento crítico.
- Programas de treinamento desenhados para construir a confiança (autoeficácia) dos estudantes no uso de ferramentas de IA, pois essa confiança amplifica os benefícios da aprendizagem assistida por IA.
- Uma mudança de visão da IA como uma fonte passiva de informação para um parceiro cognitivo que exige avaliação e regulação ativas.

O artigo conclui que, embora o delineamento transversal limite a inferência causal, os resultados oferecem um arcabouço robusto para compreender como as tecnologias de IA podem ser aproveitadas para cultivar aprendizes autônomos, digitalmente competentes e criticamente engajados.