Divergent research orientations of affective and emotion concepts in artificial intelligence education through a bibliometric analysis
Através de uma análise bibliométrica de 401 documentos de 2020 a 2025, este estudo revela que, embora a pesquisa de afetividade e emoção impulsionada por IA tenha amadurecido para um ecossistema coerente com uma inflexão de crescimento significativa em 2023, os dois conceitos exibem orientações divergentes — onde a pesquisa de "afetividade" foca na prática educacional e a pesquisa de "emoção" no desenvolvimento tecnológico — necessitando de um proposto Modelo de Produção de Conhecimento Dual para orientar a colaboração interdisciplinar.
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
Imagine o campo da Inteligência Artificial na educação como um canteiro de obras imenso e movimentado. Durante anos, dois grupos diferentes de construtores trabalharam no mesmo projeto: ajudar os alunos a se sentirem bem e a aprenderem melhor. Um grupo se autodenomina a equipe "Afetiva", e o outro se autodenomina a equipe de "Emoção".
Por muito tempo, todos pensaram que esses dois grupos estavam apenas usando palavras diferentes para a mesma coisa. Mas este novo estudo, que analisou centenas de artigos de pesquisa de 2020 a 2025, descobriu algo surpreendente: eles estão, na verdade, construindo dois tipos de estruturas muito diferentes.
Aqui está o detalhamento do que o estudo descobriu, usando analogias simples:
1. Os Dois Projetos Diferentes
Os pesquisadores usaram uma "análise bibliométrica" (que é como um mapa de alta tecnologia que rastreia onde as ideias se conectam) para ver o que esses dois grupos estão realmente fazendo. Eles descobriram que, embora estejam no mesmo bairro, possuem projetos diferentes:
A Equipe de "Emoção" (Os Engenheiros):
- O que fazem: Eles são como técnicos de câmera. O objetivo principal deles é construir sensores e câmeras melhores que possam tirar instantaneamente uma foto do rosto de um aluno ou ouvir sua voz para adivinhar: "Eles estão felizes? Estão tristes?"
- Onde trabalham: Eles geralmente trabalham em laboratórios ou com grupos de teste genéricos. Eles se preocupam com a precisão da câmera.
- A Vibe: "Nossa máquina consegue detectar este sentimento agora?"
A Equipe "Afetiva" (Os Educadores):
- O que fazem: Eles se preocupam menos com a câmera e mais com o relacionamento. Eles querem saber como um aluno se sente ao longo de um semestre inteiro, como ele valoriza o aprendizado e como um professor pode usar a IA para apoiar o humor do aluno.
- Onde trabalham: Eles geralmente estão em salas de aula reais com alunos reais (como no ensino fundamental, médio ou superior). Eles se preocupam com a experiência.
- A Vibe: "Como esta ferramenta ajuda o aluno a crescer e se sentir apoiado?"
2. Os Quatro Bairros (Clusters)
O estudo mapeou todo o campo e descobriu que ele se estabeleceu em quatro "bairros" ou clusters distintos:
- O Laboratório de Tecnologia (Verde): Onde as pessoas estão programando algoritmos para ler rostos e vozes.
- A Sala de Aula (Vermelho): Onde os professores estão descobrindo como realmente usar essas ferramentas nas aulas e nos currículos.
- O Laboratório de Psicologia (Azul Escuro): Onde pesquisadores realizam experimentos rigorosos para ver como a IA afeta a ansiedade ou a confiança dos alunos.
- A Unidade de Cuidados Especiais (Amarelo): Onde a IA está sendo testada para ajudar grupos específicos, como crianças com autismo ou aquelas com medos específicos.
3. A Explosão da "GenAI"
O estudo notou uma explosão massiva de pesquisas começando em 2023.
- Antes de 2023: A IA era principalmente uma observadora passiva. Era como um segurança observando um aluno através de uma janela, tentando adivinhar seu humor baseado em uma expressão franzida.
- Depois de 2023 (A Mudança da GenAI): Com o surgimento de ferramentas como o ChatGPT, a IA tornou-se uma parceira ativa. Ela não está mais apenas observando; ela está conversando. A pesquisa mudou de "Como detectamos este sentimento?" para "Como podemos ter uma conversa que ajude o aluno a se sentir melhor?". É como se o segurança de repente começasse a ter uma conversa de apoio com o aluno.
4. A Descoberta do "Conhecimento Dual"
A descoberta mais importante é que a confusão entre as palavras "Afetivo" e "Emoção" não é apenas um erro; é um sinal de duas culturas diferentes.
- Se você vir a palavra "Emoção" em um artigo, isso geralmente significa que os pesquisadores estão focados no desenvolvimento tecnológico (tornar a máquina mais inteligente).
- Se você vir a palavra "Afetivo", isso geralmente significa que os pesquisadores estão focados na prática educacional (tornar a sala de aula melhor).
Os autores chamam isso de "Modelo de Produção de Conhecimento Dual". É como perceber que um grupo está construindo o motor de um carro (Emoção), enquanto o outro está projetando a experiência de direção para os passageiros (Afetivo). Ambos são necessários, mas eles estão fazendo trabalhos diferentes.
Resumo
Este artigo não diz que a IA está pronta para substituir professores ou que devemos usar essas ferramentas em todas as salas de aula amanhã. Em vez disso, ele simplesmente mapeia o cenário. Ele nos diz que o campo amadureceu para um ecossistema complexo com quatro áreas distintas, e que os pesquisadores de "Emoção" e os pesquisadores "Afetivos" são, na verdade, duas tribos diferentes com objetivos diferentes, embora estejam trabalhando no mesmo grande projeto.
O estudo sugere que, para o campo avançar, essas duas tribos precisam parar de pensar que são a mesma coisa e começar a colaborar — permitindo que os engenheiros construam motores melhores enquanto os educadores projetam melhores experiências de condução.
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.