From Fragmentation to Integration: A Delphi-Validated AI Literacy Competency Framework for Higher Education Teachers in China

O ensino superior está atualmente navegando por uma mudança profunda. A inteligência artificial generativa, a tecnologia por trás de ferramentas que podem escrever ensaios, resolver problemas complexos e manter conversas, chegou às universidades com uma velocidade surpreendente. Para os professores, esta tecnologia apresenta uma realidade dual: oferece formas poderosas de personalizar a aprendizagem e apoiar a investigação, mas também introduz questões sérias sobre a integridade académica, a privacidade de dados e a própria natureza da aprendizagem. Para navegar neste novo cenário, os educadores precisam de mais do que apenas a capacidade de premir botões; eles precisam de uma compreensão profunda de como estas ferramentas funcionam, de como utilizá-las eticamente e de como as integrar no seu ensino sem perder a sua própria agência profissional. Embora os governos e as universidades tenham começado a redigir diretrizes para esta nova era, estas instruções existem frequentemente de forma isolada, criando um mosaico de regras que pode ser confuso e inconsistente.

Em resposta a esta fragmentação, uma equipa de investigadores partiu para a construção de um mapa unificado para os professores universitários chineses. Eles procuraram criar um quadro único e coerente que definisse o que significa ser literato em inteligência artificial dentro do contexto específico do ensino superior chinês. Os investigadores não se limitaram a adivinhar o que os professores precisavam; eles começaram por comparar cuidadosamente quatro documentos oficiais e quadros de políticas existentes na China, juntamente com dois modelos internacionais. Esta análise inicial revelou um desfasamento significativo. Alguns documentos tratavam a IA como uma simples ferramenta a ser utilizada, enquanto outros a viam como uma parceira no processo de aprendizagem. Alguns listavam competências como uma lista de verificação estática, enquanto outros tentavam descrever um caminho de crescimento. Os investigadores identificaram três tensões principais que travavam o campo: a luta entre criar uma regra padrão para todos versus permitir o contexto local, o conflito entre listar competências como um conjunto fixo versus mostrar como elas se desenvolvem ao longo do tempo, e o desacordo sobre se a IA é meramente uma máquina ou um participante ativo na educação.

Para resolver estas tensões, os investigadores sintetizaram um quadro preliminar composto por vinte e sete competências e entendimentos específicos, organizados em três camadas distintas de desenvolvimento. A primeira camada, Fundamentos, cobre o básico: compreender o que é a IA, saber como utilizar as ferramentas e compreender as regras éticas. A segunda camada, Prática, foca-se na sala de aula: desenhar aulas que utilizem a IA, criar novos materiais de aprendizagem e avaliar os alunos de forma justa num ambiente rico em IA. A terceira camada, Inovação, olha para o futuro: redesenhar cursos inteiros, liderar investigações e orientar colegas. Crucialmente, os investigadores colocaram a ética não como uma única caixa para marcar, mas como um fio condutor que percorre todas as três camadas, garantindo que o uso responsável seja considerado em cada etapa.

Este quadro de rascunho foi então testado através de um processo rigoroso de consulta de especialistas conhecido como estudo Delphi. Os investigadores convidaram quinze académicos eminentes e administradores universitários, todos com vasta experiência em educação e tecnologia, para reverem as competências propostas. Na primeira ronda, estes especialistas avaliaram cada um dos vinte e sete indicadores quanto à importância e clareza. O feedback foi imediato e específico. Os especialistas sugeriram fundir alguns itens sobrepostos, remover um que era redundante e adicionar três novas competências críticas que estavam ausentes, tais como o uso da IA para tornar o ensino mais acessível para estudantes com deficiências. Eles também insistiram que a dimensão ética fosse elevada a um princípio transversal, em vez de apenas mais um item numa lista.

Na segunda ronda, os especialistas reveram o quadro revisto. Os resultados foram decisivos. Vinte e seis dos vinte e sete indicadores alcançaram um consenso forte, o que significa que os especialistas concordaram que eram essenciais e claramente definidos. Estas vinte e seis competências formam agora o núcleo de um quadro de competências validado para professores universitários chineses. No entanto, um indicador relativo à gestão da dinâmica de sala de aula quando os alunos utilizam IA não atingiu o nível de concordância exigido. Os especialistas sentiram que esta área ainda era demasiado nova e incerta para ser declarada um requisito padrão. Consequentemente, os investigadores mantiveram esta competência específica separada, rotulando-a como um item provisório que requer mais estudos antes de poder ser formalmente adotado.

O resultado final é um guia estruturado e baseado em evidências que vai além de uma simples lista de competências técnicas. Oferece um caminho de desenvolvimento, reconhecendo que os professores começam com uma consciência básica e podem crescer até se tornarem líderes que redesenham a abordagem das suas instituições à tecnologia. O quadro estende os modelos internacionais existentes ao adaptá-los explicitamente ao contexto chinês e ao organizar as competências numa progressão clara, desde a aprendizagem do básico até à inovação com a tecnologia. Embora este quadro forneça uma base sólida para as universidades desenharem programas de formação e para os decisores políticos estabelecerem padrões, os investigadores alertam que este ainda não é uma ferramenta de medição acabada. Foi validado pela opinião de especialistas, mas ainda não foi testado em sala de aula para ver se prevê com precisão o desempenho de um professor. O próximo passo para o campo é utilizar este quadro para construir testes reais e observar os professores em ação, garantindo que o mapa que desenharam conduz verdadeiramente ao destino de um ensino eficaz, ético e centrado no ser humano na era da inteligência artificial.