Content, implementation, and evaluation of artificial intelligence literacy education for nursing students : A scoping review

Os hospitais estão mudando. Durante décadas, as ferramentas da enfermagem foram estetoscópios, prontuários e as mãos firmes dos cuidadores. Agora, um novo tipo de ferramenta chegou: a inteligência artificial. São sistemas de computador que podem ler, escrever e resolver problemas, muitas vezes mimetizando a conversa humana. No mundo real, eles ajudam médicos a prever quais pacientes podem adoecer e a gerenciar vastas quantidades de registros médicos. Mas para os estudantes que se treinam para se tornarem enfermeiros hoje, essas ferramentas apresentam um desafio único. Não basta simplesmente saber como ligar a máquina. Um enfermeiro deve entender quando confiar na máquina, quando questionar suas respostas e como usá-la sem perder a conexão humana que define sua profissão. Esse novo conjunto de habilidades é chamado de alfabetização em IA. É a capacidade de usar essas tecnologias com sabedoria, de detectar seus erros e de manter a segurança do paciente no centro de cada decisão.

Uma equipe de pesquisadores partiu para ver como as escolas de enfermagem estão ensinando essa habilidade vital. Eles não procuraram por um único método perfeito, mas sim lançaram uma rede ampla para encontrar qualquer estudo, relatório ou currículo que tentasse ensinar estudantes de enfermagem como trabalhar com inteligência artificial. Eles pesquisaram através de milhares de registros de bases de dados ao redor do mundo, procurando por trabalhos publicados entre o início de 2018 e meados de 2026. Após uma revisão cuidadosa, afunilaram o foco para quatorze fontes específicas. Estas incluíam experimentos, relatórios de sala de aula e designs de currículos de países como Estados Unidos, China, Austrália e Turquia. Os estudantes envolvidos variavam desde aqueles no primeiro ano da faculdade até aqueles que estavam obtendo doutorados avançados.

O que os pesquisadores descobriram foi um campo que ainda é muito jovem, mas que se move em uma direção clara. A educação não é mais apenas sobre mostrar aos alunos como digitar uma pergunta em um computador. O foco mudou para algo muito mais profundo: uso responsável e pensamento crítico. Nas salas de aula que estudaram, a lição mais comum não era sobre as partes técnicas do software, mas sobre como fazer as perguntas certas, conhecidas como "prompting" (instrução), e como verificar as respostas que o computador fornece. Os alunos eram ensinados a tratar o computador como um assistente útil, porém falível. Eles aprenderam a verificar fatos, a procurar por vieses ocultos e a garantir que qualquer conselho gerado pela máquina se ajustasse às necessidades específicas de um paciente real.

A maneira como esse ensino acontece é frequentemente prática e direta. Em muitos dos programas, os alunos recebiam uma tarefa, como escrever um plano de cuidados ou analisar um estudo de caso, e então eram solicitados a usar uma ferramenta de IA para ajudá-los. Os instrutores não apenas os deixavam usar a ferramenta livremente; eles os guiavam através de um processo de gerar uma resposta, verificar erros e, então, refiná-la. Esse ciclo de "gerar, verificar e revisar" era o padrão mais comum. Os alunos praticavam o uso dessas ferramentas para redigir materiais de educação para pacientes ou para organizar informações médicas complexas. No entanto, os pesquisadores observaram que a parte mais difícil para os alunos não era usar a ferramenta, mas saber quando parar de depender dela. Quando as situações se tornavam altamente complexas ou envolviam necessidades emocionais profundas, os alunos frequentemente tinham dificuldade em determinar se a sugestão do computador era segura ou apropriada.

Os métodos usados para testar se os alunos estavam aprendendo eram bastante variados. Algumas escolas usavam questionários padrão onde os alunos avaliavam sua própria confiança ou conhecimento. Outras usavam rubricas de avaliação para avaliar a qualidade de um plano de cuidados escrito com ajuda de IA. Os resultados geralmente mostravam que os alunos se sentiam mais confortáveis com a tecnologia e sabiam mais sobre como ela funcionava. Eles tornaram-se melhores em detectar erros óbvios na escrita do computador. No entanto, os pesquisadores apontaram uma lacuna nas evidências. Embora os alunos possam passar em um teste ou escrever um relatório melhor em um ambiente de sala de aula, há pouca prova de que eles possam levar essas habilidades para um hospital real e movimentado. Não sabemos se um aluno que aprende a verificar o trabalho de uma IA em uma sala de aula silenciosa fará o mesmo quando um paciente estiver em sofrimento e o tempo for curto.

Os estudos também revelaram que a maior parte dessa educação acontece em surtos curtos, muitas vezes dentro de uma única aula ou de algumas semanas de um semestre. Pouquíssimos programas construíram um plano de longo prazo que integre a alfabetização em IA ao longo dos quatro anos de um curso de enfermagem. Os pesquisamdores descobriram que, embora algumas escolas tenham começado a criar estruturas para esse tipo de aprendizado de longo prazo, elas ainda não as testaram com grandes grupos de alunos. Isso significa que o cenário atual é uma coleção de experimentos promissores, em vez de um sistema unificado. O ensino está acontecendo, mas está disperso, e as formas de medir o sucesso ainda não são consistentes.

Em última análise, o quadro que emerge é de um progresso cauteloso. As escolas de enfermagem estão começando a perceber que a alfabetização em IA não é apenas um acréscimo técnico, mas uma parte central do julgamento profissional. O objetivo é produzir enfermeiros que possam usar essas ferramentas poderosas para aprimorar seus cuidados sem deixar que as ferramentas substituam seu próprio pensamento crítico. Os pesquisadores sugerem que, para isso funcionar, a educação deve ir além de lições curtas e tornar-se uma parte constante de todo o currículo de enfermagem. Os programas futuros precisam focar menos em como usar o software e mais em como julgar seu resultado na realidade desordenada e imprevisível do cuidado ao paciente. Até lá, o campo permanece em seus estágios iniciais, construindo uma base para um futuro onde enfermeiros humanos e máquinas inteligentes trabalhem juntos, com o humano sempre detendo a responsabilidade final pelo bem-estar do paciente.