Teaching About AI or With AI? In-Service Teachers’ Experiences in a Korean AI Convergence Education Program

Em salas de aula por toda a Coreia do Sul, uma transformação silenciosa está em curso. Durante décadas, os professores foram os especialistas em suas áreas, guiando alunos através da história, ciência ou literatura. Mas recentemente, uma nova disciplina chegou: a inteligência artificial. O governo decidiu que todos os alunos precisam entender como essas máquinas inteligentes funcionam, e o próximo passo lógico era treinar os professores. Isso criou uma situação única onde educadores experientes, que já sabem como gerir uma sala de aula, tiveram que voltar à escola para aprender uma linguagem técnica completamente nova. A questão central enfrentada por educadores e formuladores de políticas não é apenas se os professores podem aprender os fatos sobre a inteligência artificial, mas se eles podem pegar esses fatos e tecê-los nas aulas que já lecionam. Pode um professor de história usar a inteligência artificial para ajudar os alunos a compreender o passado, ou o novo conhecimento permanece trancado em uma caixa separada, útil apenas para as aulas de ciência da computação?

Esta história vem de um canto específico da Coreia do Sul, onde o governo lançou um programa massivo para requalificar professores. Desde 2020, trinta e oito universidades têm oferecido cursos de pós-graduação especiais para professores em exercício, focando no que é chamado de "educação de convergência de IA". A ideia é fundir a inteligência artificial com disciplinas tradicionais. Para entender como isso funciona no mundo real, dois pesquisadores das universidades de Seul e Hannam acompanharam um pequeno grupo de professores e um instrutor através deste programa. Eles não olharam apenas para notas de testes ou listas de verificação; eles sentaram-se com os participantes para ouvir suas histórias sobre como foi aprender este novo material e tentar usá-lo de volta em suas próprias escolas.

Os professores que aderiram ao programa não se inscreveram porque ficaram subitamente fascinados por robôs ou códigos. Eles se inscreveram principalmente em resposta a pressões práticas, como a necessidade de lidar com a IA em suas escolas, e porque o governo ofereceu subsídios de mensalidade que tornaram a decisão possível. Uma professora, que trabalha em uma escola secundária para alunos de ciências, descobriu que seus alunos estavam construindo projetos em linguagens de programação que ela não conseguia ler. Ela se sentiu deixada para trás e precisava alcançar o nível deles. Outra professora, uma instrutora do ensino fundamental, admitiu que sua motivação era "impura". Ela precisava do dinheiro da mensalidade oferecido pelo governo e também estava se preparando para um exame de promoção. No entanto, sob as razões práticas, havia um senso compartilhado de urgência. Eles sabiam que a inteligência artificial estava chegando às suas escolas e sabiam que seriam esperados para liderar o caminho. Eles entraram no programa de pós-graduação esperando encontrar um caminho claro a seguir.

Dentro das salas de aula universitárias, os professores aprenderam muito sobre a tecnologia em si. Eles estudaram como as máquinas aprendem, como analisar dados e como escrever código em uma linguagem chamada Python. Os instrutores, que eram especialistas em ciência da computação e dados, fizeram um bom trabalho ensinando essas habilidades técnicas. Uma professora disse que finalmente conseguia entender o que seus alunos estavam fazendo quando construíam projetos complexos. No entanto, uma lacuna começou a se formar entre o que aprenderam na universidade e o que precisavam fazer em suas próprias salas de aula. Os professores descreveram o currículo como "fragmentado". Eles aprenderam sobre análise de dados em uma aula e programação em outra, mas o programa nunca lhes mostrou como conectar essas peças a uma lição de história ou a uma discussão de ética. Eles estavam aprendendo sobre inteligência artificial, mas não estavam aprendendo como ensinar com ela.

Os professores viram-se presos em uma situação difícil. Eles entendiam a tecnologia, mas não consegravam descobrir como fazê-la caber em seus assuntos específicos. Uma professora descreveu o sentimento como estar "perdida". Ela queria enxertar a inteligência artificial em suas aulas, mas não sabia como fazer isso sem perder o foco de sua disciplina. Outra professora tentou usar um aplicativo de desenho para ajudar os alunos a ilustrar uma história, mas percebeu que isso era apenas usar uma ferramenta, não verdadeiramente fundir a tecnologia com a lição. O programa lhes deu as ferramentas, mas não lhes deu o projeto de como construir algo novo com elas. A responsabilidade de descobrir a conexão foi deixada inteiramente ao professor individual, que teve que resolver esse quebra-cabeça sozinho enquanto gerenciava um emprego de tempo integral.

Os pesquisadores descobriram que a dificuldade não era apenas a falta de habilidade, mas a natureza dos próprios assuntos. Para um professor de ciências, os dados estão em toda parte, então encontrar um lugar para a inteligência artificial é relativamente fácil. Mas para um professor de língua ou literatura, a conexão é muito mais difícil de encontrar. Um instrutor no programa, que ensina estudos sociais, admitiu que poderia ajudar um professor de matemática ou de ciências, mas sentia-se perdido quando um professor de línguas pedia ajuda. Ele poderia mostrar como analisar textos, mas não conseguia encontrar uma direção para usar os algoritmos mais profundos da inteligência artificial de uma forma que fizesse sentido para a literatura. Isso sugere que o desafio não é que os professores estejam falhando em aprender, mas que o elo entre a inteligência artificial e certas disciplinas não é óbvio, e o programa não forneceu suporte suficiente para construir essa ponte.

Outro grande obstáculo foi a estrutura das próprias escolas. Mesmo quando um professor conseguia criar um excelente plano de aula que misturava inteligência artificial com seu assunto, o sistema escolar muitas vezes tornava a execução impossível. Nas escolas primárias, os professores são movidos para diferentes séries e disciplinas todos os anos pelo diretor. Uma professora que passou dois anos aprendendo sobre inteligência artificial pode ser designada para uma série diferente no ano seguinte, sem tempo para implementar o que aprendeu. Nos colégios, o sistema de créditos torna difícil que professores de diferentes disciplinas trabalhem juntos em um único projeto. A política assumiu que, se você treinasse alguns especialistas, eles espalhariam o conhecimento para todos os outros. Mas a realidade da vida escolar diária significava que esse conhecimento muitas vezes ficava com o indivíduo, incapaz de criar raízes na comunidade escolar mais ampla.

O estudo também destacou uma confusão sobre qual era o objetivo real e uma falta de apoio prático. O programa foi nomeado "educação de convergência de IA", o que implica uma fusão profunda entre tecnologia e conteúdo disciplinar. No entanto, os professores descobriram que o programa ensinava principalmente como usar ferramentas de inteligência artificial ou entender os princípios básicos. Eles raramente eram mostrados como usar a tecnologia para resolver problemas específicos de seus próprios assuntos. Uma professora observou que os instrutores pareciam discordar sobre o objetivo: alguns diziam que era preciso entender a tecnologia primeiro, enquanto outros diziam que o foco deveria ser o assunto. Essa falta de uma visão clara e unificada deixou os professores sentindo que estavam tentando montar um quebra-cabeça com peças faltando. Além disso, os participantes relataram que a orientação prática sobre ética de IA era insuficiente. Em vez de suporte detalhado, os materiais de política eram frequentemente apenas "lançados" aos professores com instruções para ensinar o conteúdo, encontrar sites adequados e usar os fundos fornecidos, transformando a iniciativa em um novo trabalho sem a orientação necessária para torná-la significativa. Eles estavam aprendendo sobre a tecnologia, mas não estavam aprendendo como torná-la significativa para seus alunos.

Os pesquisadores concluíram que a peça que falta em todo este processo é o que eles chamam de "tradução pedagógica". Este é o trabalho árduo de pegar o conhecimento técnico e transformá-lo em uma lição que se ajuste a um assunto específico. Não se trata apenas de saber como uma máquina funciona; trata-se de saber como usar essa máquina para ajudar um aluno a compreender um poema, um evento histórico ou um conceito científico. Os programas atuais são bons em ensinar a primeira parte, mas não são bons em ensinar a segunda. Os professores não estão falhando; o sistema está simplesmente pedindo que eles façam um trabalho que ninguém lhes mostrou como fazer.

Este estudo sugere que simplesmente adicionar mais treinamento técnico aos professores não é suficiente. Para que a educação em inteligência artificial funcione, o treinamento precisa mudar. Ele precisa focar menos na tecnologia isolada e mais em como essa tecnologia pode servir aos objetivos específicos das aulas de história, língua ou ciências. Também precisa reconhecer que os professores não podem fazer este trabalho sozinhos. Eles precisam de apoio de suas escolas e dos programas que os treinam, com exemplos claros de como fundir esses mundos. Até que a lacuna entre aprender sobre inteligência artificial e aprender a ensinar com ela seja fechada, a promessa desta nova educação permanecerá fora de alcance para muitas salas de aula. Os professores estão prontos para aprender, mas precisam de um mapa que lhes mostre como atravessar a distância entre a sala de aula universitária e suas próprias carteiras escolares.