Ten recommendations for the use of generative artificial intelligence into epidemiology teaching: Results from an expert workshop
Após um workshop de especialistas de 2026, este artigo apresenta dez recomendações baseadas em evidências organizadas nos domínios de governança, competências e feedback para orientar instrutores de epidemiologia na integração responsável da IA generativa no ensino, preservando as habilidades científicas essenciais e abordando preocupações éticas.
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
No estudo de como as doenças se espalham e como as populações permanecem saudáveis, um campo conhecido como epidemiologia, o trabalho central sempre dependeu do julgamento humano. Os especialistas devem observar os dados, identificar padrões e decidir o que esses padrões significam para a saúde pública. Isso requer uma compreensão profunda de causa e efeito, a capacidade de detectar erros na forma como as informações são coletadas e a habilidade de explicar descobertas complexas de forma clara. Durante décadas, ensinar essas habilidades significava guiar os alunos através do trabalho árduo de pensar por si mesmos, garantindo que pudessem construir uma base sólida de conhecimento antes mesmo de tentarem resolver um problema. Agora, um novo tipo de tecnologia chegou que pode escrever textos, analisar números e gerar respostas quase instantaneamente. Esta tecnologia, chamada inteligência artificial generativa, oferece ferramentas poderosas que podem ajudar no aprendizado, mas também carrega um perigo oculto. Se os alunos usarem essas ferramentas cedo demais ou com muita facilidade, eles podem pular o trabalho árduo de pensar, tornando-se incapazes de resolver problemas por conta própria quando a tecnologia não estiver presente. A questão que os professores enfrentam hoje não é se devem usar essas ferramentas, mas como usá-las sem perder justamente as habilidades que tornam um especialista um especialista.
Um grupo de especialistas de universidades e institutos de pesquisa da Alemanha, Noruega e Áustria reuniu-se para responder a essa questão. Eles se reuniram durante três dias em um workshop para criar um conjunto de regras para o ensino da epidemiologia na era da inteligência artificial. Estas dez recomendações foram desenhadas para ajudar os instrutores a equilibrar os benefícios da nova tecnologia com a necessidade de manter os alunos atentos e capazes. O grupo, que incluiu professores experientes, estudantes e especialistas em inteligência artificial, decidiu que o objetivo não é banir essas ferramentas, mas integrá-las cuidadosamente para que os alunos aprendam a usá-las de forma responsável, enquanto ainda dominam os fundamentos de sua área.
O primeiro e mais importante passo que os especialistas recomendam é estabelecer regras claras. Cada aula precisa de uma política escrita que diga aos alunos exatamente o que eles podem e o que não podem fazer com a inteligência artificial. Isso inclui regras sobre que tipo de dados podem ser compartilhados com essas ferramentas, já que algumas informações são privadas e devem ser protegidas. As regras também devem explicar como os alunos devem admitir quando utilizaram a tecnologia, assim como um cientista deve admitir quando utilizou um método específico para obter um resultado. Se um aluno usar a ferramenta para verificar sua gramática ou para obter ajuda para entender um conceito difícil, ele deve declarar o uso. Se ele a usar para escrever um trabalho inteiro, isso geralmente é proibido. Os próprios professores devem seguir essas mesmas regras, mostrando aos alunos como usar a tecnologia de forma honesta e transparente.
Além de estabelecer regras, os especialistas enfatizam que os professores devem manter-se atualizados. A tecnologia muda tão rápido que um professor que aprendeu sobre ela no ano passado pode já estar atrasado. Os instrutores precisam de treinamento regular para entender como essas ferramentas funcionam, quais são seus limites e como usá-las de uma forma que ajude os alunos a aprender, em vez de substituir o processo de aprendizagem. Este treinamento deve abranger não apenas como digitar uma pergunta no computador, mas como julgar se a resposta que o computador fornece está correta. Os professores também devem aprender a identificar quando um aluno está dependendo demais da máquina, um problema que os pesquisadores chamam de "nunca-aprender" (never-skilling), onde um aluno nunca chega a aprender a habilidade porque a máquina fez o trabalho por ele.
Para evitar isso, os especialistas sugerem que os alunos devem primeiro aprender o básico sem qualquer ajuda da inteligência artificial. Antes de serem permitidos a usar as ferramentas para escrever código ou analisar dados, eles devem ser capazes de fazer essas coisas manualmente ou com softwares padrão. Eles precisam entender como calcular um risco, como detectar uma falha em um estudo e como interpretar um resultado por conta própria. Somente após construírem essa base é que deverão ser autorizados a usar as ferramentas para verificar seu trabalho, refinar sua escrita ou explorar novas ideias. Isso garante que a tecnologia atue como um auxiliar, não como uma muleta. Se um aluno não consegue explicar por que tomou determinada decisão em sua análise, ele não aprendeu verdadeiramente o material, mesmo que a resposta final pareça correta.
Quando se trata de testar o que os alunos aprenderam, os especialistas alertam que métodos antigos, como ensaios para levar para casa, não são mais suficientes, pois um aluno poderia simplesmente pedir ao computador para escrever o ensaio. Em vez disso, os professores devem usar diferentes formas de testar os alunos, tais como exames orais, apresentações presenciais ou sessões de escrita supervisionadas onde o uso de inteligência artificial não é permitido. Esses métodos forçam os alunos a demonstrar seu pensamento e explicar seu raciocínio em tempo real. Os especialistas também aconselham contra o uso de softwares que afirmam detectar se um aluno usou inteligência artificial. Essas ferramentas de detecção são frequentemente pouco confiáveis e podem cometer erros, punindo injustamente alunos que não violaram a integridade acadêmica. É melhor confiar em regras claras, divulgação honesta e julgamento humano para garantir a justiça.
As recomendações também destacam a importância de ensinar os alunos a falar com o computador de forma eficaz. Isso é conhecido como engenharia de prompt, que é simplesmente a habilidade de fazer as perguntas certas para obter a melhor resposta. Um aluno que faz uma pergunta vaga obterá uma resposta vaga, enquanto um aluno que faz uma pergunta específica e bem estruturada pode obter um resultado muito melhor. Os professores devem guiar os alunos nesta habilidade, mostrando-lhes como decompor problemas complexos em etapas menores e como verificar a informação que o computador fornece. Isso inclui verificar fatos, procurar erros e garantir que o computador não tenha inventado fontes ou dados que não existem.
Finalmente, os especialistas instam os professores a compartilhar o que aprendem uns com os outros. Como este é um campo novo, ninguém possui todas as respostas ainda. Os professores devem testar diferentes abordações, ver o que funciona e o que não funciona, e então comunicar isso aos seus colegas. Isso pode significar compartilhar um plano de aula que funcionou bem ou admitir que determinada ferramenta causou mais problemas do que soluções. Ao trabalharem juntos e aprenderem com as experiências uns dos outros, todo o campo da epidemiologia pode se adaptar a esta nova tecnologia de uma forma que mantenha os alunos seguros, capacitados e prontos para o futuro. O objetivo final é produzir epidemiologistas que possam usar estas ferramentas poderosas para realizar um trabalho melhor, mas que também possuam as habilidades de pensamento crítico para saber quando confiar na máquina e quando confiar em seu próprio julgamento.
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.