A Sovereignty Centred Model of AI Literacy for African Higher Education
Este artigo critica a natureza cega ao contexto das estruturas de alfabetização em IA predominantes no ensino superior africano e propõe o modelo de Alfabetização em IA para Aprendizagem Soberana (AIL-SL), que integra capacidades cognitivo-técnicas, crítico-epistêmicas, ético-normativas e sociocultural para fomentar a soberania epistêmica em vez de mera dependência técnica.
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 universidade moderna, uma revolução silenciosa está remodelando a forma como o conhecimento é criado, compartilhado e julgado. Durante séculos, a educação dependeu de autores humanos e textos físicos, onde um estudante podia rastrear uma ideia até sua origem e compreender o contexto em que ela nasceu. Hoje, sistemas de inteligência artificial geram texto, resumem pesquisas e decidem qual informação aparece como mais credível. Esses sistemas atuam como intermediários poderosos, posicionando-se entre o aprendiz e o mundo das ideias. Enquanto as escolas correm para ensinar os alunos a usar essas ferramentas, uma questão crítica permanece sem resposta: saber operar uma máquina significa que você realmente compreende o conhecimento que ela produz? Este é o cerne de uma nova perspectiva que emerge do ensino superior africano, onde acadêmicos questionam se aprender a usar a tecnologia importada sem compreender seus pressupostos ocultos poderia, na verdade, tornar os alunos mais dependentes, em vez de mais livres.
Os pesquisadores por trás dessa perspectiva, uma equipe de acadêmicos da República Democrática do Congo e de outros lugares, argumentam que a forma atual de ensinar a "literacia em IA" é fundamentalmente falha para o seu contexto. A maioria dos programas existentes trata as habilidades de IA como uma lista de tarefas: aprender a escrever um comando, aprender a detectar erros, aprender a usar o software. Eles assumem que, se um aluno se tornar melhor nessas tarefas, ele se tornará um pensador mais independente. Os autores sugerem que este é um erro perigoso. Eles propõem que, em lugares onde a tecnologia é construída em outro lugar, treinada com dados de outras culturas e governada por corporações distantes, simplesmente tornar-se melhor no uso da ferramenta pode aprofundar a dependência do aluno em relação a ela. Um estudante pode tornar-se fluente em pedir respostas à máquina, mas perder a capacidade de questionar se essas respostas são verdadeiras ou relevantes para sua própria realidade.
Para enfrentar isso, a equipe desenvolveu um novo framework chamado modelo de Literacia em IA para Aprendizagem Soberana. Em vez de ver a literacia como um amontoado de habilidades separadas, eles a veem como uma relação complexa entre quatro capacidades diferentes. Primeiro, a habilidade técnica para operar o sistema. Segundo, a capacidade crítica de questionar o que o sistema sabe e de onde vem seu conhecimento. Terceiro, o senso ético para julgar como o sistema afeta a equidade e a justiça. Quarto, a capacidade cultural de entender como o sistema se ajusta — ou falha em se ajustar — às formas locais de pensar e às necessidades da comunidade. Os autores argumentam que a verdadeira independência, ou "soberania epistêmica", só acontece quando essas quatro capacidades crescem juntas. Se um estudante se torna altamente habilidoso no uso da tecnologia, mas carece das habilidades críticas ou culturais para questioná-la, ele não se torna autônomo; ele se torna um servo mais eficiente da máquina.
O artigo desafia a ideia de que se pode simplesmente adicionar uma lição sobre "ética" ou "soberania" a uma aula de informática padrão e esperar um bom resultado. Os pesquisadores sugerem que a ordem em que os alunos aprendem importa profundamente. Se um currículo ensina aos alunos como usar as ferramentas antes que aprendam a analisar criticamente os vieses do sistema, os alunos podem desenvolver um falso senso de confiança. Eles podem confiar na produção da máquina simplesmente porque sabem como fazê-la funcionar bem. Os autores alertam que isso cria um tipo específico de dependência, onde o aprendiz fica tão confortável com a tecnologia que deixa de notar suas limitações. Eles argumentam que, para estudantes na África, e de fato em qualquer lugar onde a tecnologia não seja de propriedade local, o pensamento crítico deve ser a base sobre a qual as habilidades técnicas são construídas, e não um pensamento tardio.
Esta perspectiva também destaca uma lacuna na forma como medimos o sucesso. Os autores apontam que, embora existam dezesseis testes diferentes projetados para medir a literacia em IA, nenhum deles foi devidamente testado para ver se funciona através de diferentes culturas. Um teste projetado em uma parte do mundo pode assumir que o "pensamento crítico" tem uma certa aparência, perdendo as formas específicas pelas quais um estudante de uma cultura diferente poderia identificar viés ou erro. Os pesquisadores sugerem que, sem corrigir isso, as universidades correm o risco de importar ferramentas que medem as coisas erradas, dando um falso senso de segurança a instituições que estão, na verdade, tornando-se mais dependentes de sistemas estrangeiros.
As implicações para os professores são significativas. O artigo argumenta que o maior gargalo neste novo tipo de aprendizagem são os próprios professores. Embora um aluno possa aprender a digitar um comando lendo um manual, aprender a questionar criticamente a visão de mundo do sistema requer um professor que possa modelar esse comportamento. Se um professor não desenvolveu seu próprio entendimento crítico e cultural da IA, ele não pode guiar seus alunos para fazerem o mesmo. Os autores sugerem que o desenvolvimento profissional dos educadores deve mudar o foco de apenas ensinar o software para ajudar os professores a compreender as questões mais profundas de conhecimento, poder e cultura que o software levanta.
Finalmente, os pesquisadores enfatizam que o aprendizado individual não pode resolver o problema sozinho. Mesmo que uma universidade produza pensadores críticos brilhantes, esses estudantes não podem mudar o sistema se a própria universidade não tiver voz sobre quais tecnologias compra ou como elas são usadas. O artigo clama para que as instituições criem canais onde estudantes e funcionários possam influenciar as decisões sobre a adoção de IA. Sem esses canais, o árduo trabalho de desenvolver mentes críticas pode ser desperdiçado, conforme a instituição continua a adquirir e utilizar sistemas que reforçam as mesmas dependências que os alunos estão aprendendo a resistir.
Os autores tomam o cuidado de notar que seu trabalho é uma proposta conceitual, um mapa de como pensar sobre o problema, em vez de um relatório de experimentos finalizados. Eles ainda não testaram suas previsões específicas com novos dados, mas construíram seu argumento com base em uma revisão cuidadosa de pesquisas existentes e na experiência vivida de acadêmicos africanos. Eles oferecem um conjunto de afirmações claras que podem ser testadas no futuro, convidando outros pesquisadores a verificar se o seu modelo se sustenta. Ao deslocar o foco da simples proficiência técnica para uma forma de independência mais profunda e culturalmente fundamentada, este trabalho oferece uma nova direção vital para a educação em uma era de máquinas inteligentes. Sugere que o objetivo da educação não deve ser apenas ensinar os alunos a usar as ferramentas do futuro, mas garantir que eles permaneçam mestres de suas próprias mentes ao fazê-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.