Contextual well-being and the perceived role of artificial intelligence among medical students and graduates: an interpretative phenomenological analysis

Resumo Técnico: Bem-estar Contextual e o Papel Percebido da Inteligência Artificial entre Estudantes de Medicina e Graduados

Problematização
A educação médica é caracterizada por uma pressão acadêmica sustentada, expectativas de alto desempenho e transições de desenvolvimento que frequentemente levam ao elevado sofrimento psicológico e ao esgotamento (burnout). Embora o bem-estar seja cada vez mais reconhecido como uma prioridade, ele é frequentemente conceituado como um estado interno estável ou um resultado discreto. No entanto, a literatura existente sugere um persistente "hiato entre saber e fazer" (knowing–doing gap), onde os estudantes possuem conhecimento de estratégias de bem-estar, mas falham em aplicá-las. Além disso, o papel das tecnologias emergentes, especificamente a Inteligência Artificial (IA), na moldagem dessas experiências permanece pouco compreendido. As pesquisas atuais frequentemente examinam o bem-estar dentro de domínios discretos (ex: mental, laboral ou financeiro) em vez de como um processo dinâmico negociado através de contextos educacionais, profissionais e pessoais sobrepostos. Este estudo aborda a lacuna na compreensão de como estudantes de medicina e médicos em início de carreira vivenciam o bem-estar como um fenômeno contextualmente mutável e como percebem o papel da IA dentro dessas realidades em evolução.

Metodologia
Este estudo qualitativo empregou uma abordagem de Análise Fenomenológica Interpretativa (API), fundamentada na fenomenologia hermenêutica e em uma postura interpretativista. O estudo visou explorar como jovens profissionais médicos (dos 18 aos 30 anos) dão sentido às suas experiências vividas em relação ao bem-estar e à IA.

• Participantes: A coorte final consistiu em oito participantes (quatro estudantes de medicina irlandeses e quatro estudantes internacionais da China, Índia, Nigéria e Canadá). A amostra incluiu tanto estudantes atuais quanto médicos em início de carreira. A amostragem foi por conveniência e snowball (bola de neve), priorizando a riqueza dos dados e a variação de contexto cultural e estágio de formação em detrimento do tamanho numérico, em conformidade com os compromissos idiográficos da API.
• Coleta de Dados: Entrevistas em profundidade, semiestruturadas, foram realizadas entre março e julho de 2025 na Irlanda (contexto pós-pandemia). As entrevistas duraram entre 50 e 70 minutos e foram conduzidas via Zoom ou presencialmente. O roteiro da entrevista era flexível, explorando o bem-estar através de contextos acadêmicos, clínicos, pessoais e tecnológicos, com estímulos específicos sobre o engajamento com a IA. Os participantes também forneceram pontuações auto-relatadas de bem-estar subjetivo e classificações de literacia de bem-estar.
• Análise: A análise de dados seguiu os princípios da API, envolvendo um engajamento hermenêutico iterativo. Isso incluiu a leitura próxima e repetida das transcrições, codificação exploratória detalhada e o desenvolvimento de temas emergentes no nível do caso individual antes de identificar padrões em todo o conjunto de dados. O processo utilizou o bracketing (suspensão de juízos) para gerenciar o viés do pesquisador, além de debriefing entre pares e uma trilha de auditoria para garantir a confiabilidade.

Principais Contribuições
O estudo contribui para a literatura ao reestruturar o bem-estar não como um traço estático, mas como uma capacidade contextual e negociada. Identifica uma restrição anteriormente não articulada que subjaz às dificuldades de bem-estar: um hiato de capacidade que opera a montante de comportamentos específicos de bem-estar. A pesquisa postula que o "hiato entre saber e fazer" não é meramente uma falha de motivação ou de priorização individual, mas um sinal de depleção da metacapacidade de julgamento contextual, regulação de ação e definição de prioridades sob pressão sustentada. Adicionalmente, o estudo integra o papel emergente da IA como um mecanismo de suporte pragmático e de baixo limiar que preenche lacunas nos sistemas de suporte tradicionais, enquanto destaca a ambivalência quanto à sua confiabilidade e impacto na identidade profissional.

Resultados
A análise dos relatos dos participantes revelou três temas superordenados inter-relacionados:

1. Flutuação Contextual do Bem-estar: O bem-estar foi experienciado como fundamentalmente dinâmico, mudando em qualidade e intensidade através de dimensões espaciais (físicas, sociais, digitais), temporais (passado, presente, futuro) e existenciais (identidade, significado, valores). Os participantes descreveram mudanças rápidas no bem-estar conforme navegavam entre salas de aula, ambientes clínicos e espaços pessoais. Para estudantes internacionais, o deslocamento espacial adicionou uma camada de tensão fundamental. O bem-estar não era um estado estável, mas uma recalibração contínua em resposta às demandas ambientais.
2. O Hiato entre Saber e Fazer: Existia um descompasso persistente entre a compreensão dos participantes sobre práticas de apoio e sua capacidade de executá-las. Esse hiato não foi atribuído à ignorância, mas a restrições estruturais, incluindo intensidade de carga de trabalho, pressões de avaliação e espaço limitado de decisão. Os participantes descreveram o autocuidado como algo que exige "permissão", que é frequentemente negada pelo calendário acadêmico ou como um recurso (energia) que eles já não possuíam mais. A regulação foi caracterizada como um processo ativo e esforçado de alocação de recursos finitos (ex: a metáfora do "copo de água") para manter um funcionamento mínimo em vez de prosperar.
3. Um Hiato de Capacidade Emergente e o Papel Percebido da IA: Os participantes descreveram um "hiato de capacidade não articulado" onde ajustes intuitivos e sensíveis ao contexto eram feitos para manter o funcionamento, embora estes não fossem reconhecidos como habilidades deliberadas. Nesse cenário, a IA emergiu como um potencial suporte compensatório. Os participantes utilizaram a IA para testagem de realidade emocional, simulação de conversas terapêuticas e recuperação de informações. No entanto, o engajamento foi caracterizado por uma cautela pragmática; a IA era vista como uma ferramenta situacional para necessidades imediatas, e não como um substituto para a conexão humana. A confiança na IA era condicional, fortemente dependente da autoridade institucional e da validação baseada em evidências.

Significância e Alegações
O artigo afirma que conceituar o bem-estar como contextual e relacionado à capacidade oferece uma explicação mais precisa para o motivo pelo qual a consciência não se traduz consistentemente em ação. O estudo sugere que o "hiato entre saber e fazer" é um sinal empírico de uma restrição mais profunda: a depleção da capacidade de navegar em ambientes de decisão complexos sob pressão sustentada.

A significância destes achados reside na mudança do foco de modelos de déficit individual (ex: falta de resiliência ou motivação) para um exame de como as estruturas institucionais e as ecologias de decisão moldam as condições sob as quais as ações de apoio tornam-se possíveis. O estudo postula que o treinamento médico serve como um contexto concentrado para observar como as demandas contextuais moldam o julgamento e a viabilidade da ação. Em relação à IA, o artigo conclui que ela está se tornando uma característica interligada do treinamento contemporâneo, servindo tanto como um suporte pragmático para gerenciar a pressão quanto como uma fonte de incerteza em relação à identidade e supervisão. A questão central identificada não é o que os estudantes sabem, mas as condições contextuais que determinam se as ações de apoio são viáveis e como a IA é integrada a essas condições.

Os autores reconhecem limitações, incluindo o pequeno tamanho da amostra e o contexto institucional único, o que limita a generalização estatística, mas apoia a geração de insights teoricamente fundamentados aplicáveis a outros contextos de transição e alta pressão.