Learning Energy for Sustainable Learning with Artificial Intelligence in Higher Education
Este artigo de perspectiva introduz o framework "Learning Energy", um modelo multidimensional que integra cinco teorias psicológicas para explicar como a IA generativa pode esgotar ou energizar os estudantes do ensino superior por meio da avaliação de recursos, oferecendo, assim, uma abordagem abrangente para compreender e sustentar o bem-estar acadêmico em ambientes mediados por 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 universidade moderna, o ato de aprender mudou silenciosamente sua textura. Por décadas, a educação baseou-se em compreender como os alunos se mantêm motivados, como se envolvem com materiais difíceis e como mantêm seu bem-estar mental. Estes são conceitos familiares: a motivação é a razão pela qual um aluno inicia uma tarefa, o engajamento é o esforço que ele dedica a ela, e o bem-estar é a sensação de que ele está funcionando de forma saudável. No entanto, uma nova força entrou na sala de aula, uma que não apenas repousa em uma prateleira, mas participa ativamente do processo de pensamento. A inteligência artificial generativa, a tecnologia capaz de redigir ensaios, explicar ideias complexas e oferecer feedback instantâneo, moveu-se da periferia para o centro da vida acadêmica cotidiana. Ela oferece velocidade e clareza, mas também traz um paradoxo. Um aluno pode terminar uma tarefa mais rápido enquanto pensa menos, ou pode usar a mesma ferramenta para aprofundar sua compreensão e verificar suas próprias ideias. A questão que os educadores e pesquisadores enfrentam não é mais apenas se essa tecnologia funciona, mas como ela altera o combustível interno que mantém um aprendiz em movimento.
Uma nova perspectiva da Universidade de Phuong Dong propõe uma maneira de medir esse combustível interno, chamando-o de "Energia de Aprendizagem". Este conceito não é um sentimento único como excitação ou cansaço, mas um recurso dinâmico que permite a uma pessoa iniciar, sustentar e regular sua aprendizagem. O autor, Van Huong Nguyen, sugere que essa energia é renovável e socialmente compartilhada. Não é algo que um aluno carrega sozinho em sua cabeça; é gerada e drenada pela forma como ele interage com a tecnologia, seus pares, seus professores e as regras de sua instituição. O artigo argumenta que não podemos entender o impacto da inteligência artificial olhando apenas para a nota final ou para a velocidade do trabalho. Em vez disso, devemos observar se a tecnologia ajuda o aluno a pensar com clareza, a sentir-se seguro o suficiente para assumir riscos, a persistir diante da dificuldade, a conectar-se com os outros e a permanecer o verdadeiro autor de seu próprio trabalho.
A pesquisa começa observando que as ideias existentes sobre aprendizagem são fragmentadas demais para explicar o que está acontecendo agora. Temos teorias sobre motivação, sobre como as pessoas gerenciam seus recursos e sobre como as conexões sociais nos ajudam a agir, mas elas são frequentemente estudadas de forma isolada. O artigo tece esses fios separados em um arcabouço coerente e único. Ele sugere que a energia de aprendizagem possui cinco dimensões distintas, porém conectadas. A primeira é a energia cognitiva, a clareza mental necessária para processar informações. A segunda é a energia emocional, o senso de segurança e confiança que permite ao aluno lidar com a incerteza. Terceira é a energia motivacional, a força que mantém o aluno trabalhando quando uma tarefa se torna difícil. Quarta é a energia sócio-relacional, a prontidão para aprender que advém de sentir-se conectado a colegas e professores. Finalmente, há a energia agêntica, a capacidade de permanecer o tomador de decisões e o autor responsável pelo trabalho.
O arcabouço explica que a inteligência artificial pode tanto construir essa energia quanto drená-la, dependendo de como é usada e de como o aluno a percebe. Quando um aluno usa a tecnologia para esclarecer uma ideia confusa, obter um exemplo rápido ou ensaiar um conceito difícil sem medo de julgamento, a ferramenta atua como um gerador. Ela reduz a barreira para iniciar uma tarefa e pode fazer o aluno sentir-se mais capaz. No entanto, a mesma ferramenta pode se tornar um dreno se levar à dependência excessiva. Se um aluno simplesmente copia o resultado sem pensar, ou se a tecnologia substitui a necessidade de verificar fatos, o esforço mental necessário para aprender desaparece, e com ele, o senso de propriedade. O artigo observa que isso pode levar a um estado de "isolamento eficiente", onde o aluno produz trabalhos rapidamente, mas sente-se desconectado de seus pares e incerto de suas próprias habilidades.
Para dar sentido a esses diferentes resultados, o autor delineia quatro perfis possíveis de como os alunos vivenciam esse ambiente. Um grupo, carente tanto de forte apoio humano quanto de uso eficaz da tecnologia, pode sentir-se esgotado e ansioso. Outro grupo, fortemente apoiado por professores e colegas, mas com menor dependia da tecnologia, pode demonstrar resiliência. Um terceiro grupo, utilizando altos níveis de inteligência artificial mas carecendo de conexão humana, pode encontrar-se em um estado de isolamento eficiente, onde a velocidade ocorre às custas da aprendizagem profunda e do pertencimento social. O perfil ideal, descrito como "co-agência energizada", ocorre quando uma inteligência artificial de alta qualidade é combinada com um forte apoio humano. Neste cenário, a tecnologia ajuda a gerar ideias, mas o aluno, guiado por professores e colegas, verifica, critica e refina essas ideias. O resultado é um processo de aprendizagem onde o aluno sente-se claro, confiante, conectado e totalmente no comando.
O artigo enfatiza que essa energia não é um traço fixo, mas um ciclo que sobe e desce. Um aluno pode iniciar uma tarefa com alta energia, usando a tecnologia para um começo rápido. À medida que o trabalho progride, se as demandas por verificação e pensamento crítico crescerem sem apoio, essa energia pode se esgotar. No entanto, se o aluno pausar para refletir, discutir o trabalho com um colega ou receber orientação clara de um professor, essa energia pode ser regenerada. O arcabouço sugere que a aprendizagem sustentável depende dessa capacidade de recuperação. Não basta simplesmente ter acesso a ferramentas poderosas; o ambiente educacional deve fornecer as condições para que o aluno recupere seus recursos mentais e emocionais. Isso inclui políticas claras que reduzam a ansiedade sobre as regras, métodos de avaliação que valorizem o processo de pensamento acima do produto final, e uma cultura onde os alunos sejam incentivados a questionar e verificar o que a tecnologia lhes diz.
O autor propõe que esta nova forma de olhar para a aprendizagem oferece uma solução para a confusão que envolve a inteligência artificial na educação. Ela desloca a conversa para além das simples perguntas sobre se a tecnologia é boa ou má. Em vez disso, pergunta se a forma específica como um aluno utiliza a ferramenta o ajuda a pensar, sentir e agir como um aprendiz responsável. A pesquisa sugere que, quando a inteligência artificial apoia a necessidade de autonomia, competência e conexão de um aluno, ela alimenta sua aprendizagem. Quando ela substitui suas escolhas ou o isola, ela o esgota. O artigo não afirma ter resolvido o problema de como ensinar com a inteligência artificial, mas fornece um vocabulário e um mapa para compreender os custos e benefícios ocultos da tecnologia. Convida os educadores a projetar experiências de aprendizagem que não produzam apenas resultados mais rápidos, mas que preservem e renovem a capacidade humana de aprender, pensar e florescer em um mundo cada vez mais moldado pelas máquinas.
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.