📄 social_science

Beyond Efficiency: Critical Thinking, Trust, and Learning Outcomes in Human-GenAI Partnerships within UAE Higher Education

Este estudo com estudantes de graduação em negócios dos Emirados Árabes Unidos revela que, embora a IA Generativa aumente o engajamento, a produtividade e a confiança, ela falha em melhorar significativamente o pensamento crítico e pode até induzir a procrastinação, destacando um descompasso crítico entre a eficiência impulsionada pela IA e os resultados de aprendizagem profunda.

Autores originais: charu banga, Amir Kincar, Hassan Mustafa

Publicado 2026-08-20

📖 6 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: charu banga, Amir Kincar, Hassan Mustafa

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

Na sala de aula moderna, um novo tipo de parceiro chegou. Não é um professor, nem um colega de classe, mas uma máquina capaz de escrever ensaios, resolver problemas e gerar ideias em segundos. Esta tecnologia, conhecida como inteligência artificial generativa, espalhou-se pelas universidades com uma velocidade surpreendente, mudando a forma como os estudantes abordam o seu trabalho. Durante décadas, os educadores confiaram em teorias sobre como a mente aprende, como a ideia de que os nossos cérebros têm uma quantidade limitada de energia mental para processar novas informações de cada vez. Quando uma ferramenta ajuda a reduzir o esforço pesado das tarefas básicas, esperava-se que essa energia libertada permitisse aos alunos pensar de forma mais profunda, raciocinar melhor e aprender de forma mais eficaz. A questão que agora paira sobre as universidades é simples, mas profunda: será que este poderoso novo assistente torna os alunos mais inteligentes ou apenas os torna mais rápidos?

Uma equipa de investigadores de uma universidade em Dubai decidiu responder a esta questão observando como os estudantes de gestão utilizavam realmente estas ferramentas nos seus estudos diários. Eles não se limitaram a perguntar aos alunos o que pensavam; rastrearam a frequência com que os estudantes utilizavam a tecnologia, como interagiam com ela e o que sentiam que tinham aprendido como resultado. O estudo focou-se num grupo específico de estudantes de graduação a quem era explicitamente permitido utilizar estas ferramentas de inteligência artificial para tudo, desde a elaboração de ideias até à redação de relatórios finais de projetos. Os investigadores queriam ver se o uso mais frequente da ferramenta levava a melhores notas, a uma compreensão mais profunda ou a capacidades de pensamento crítico mais aguçadas. Também procuraram comportamentos ocultos, tais como se a disponibilidade de uma resposta rápida causava o adiamento do início do trabalho pelos estudantes.

Os resultados revelaram uma história de dois caminhos diferentes. Por um lado, os estudantes que utilizaram as ferramentas de inteligência artificial de forma mais frequente e profunda tornaram-se muito mais envolvidos com os seus cursos. Relataram sentir-se mais produtivos, poupando quantidades significativas de tempo e sentindo-se mais criativos na abordagem aos problemas. As ferramentas pareciam funcionar exatamente como pretendido para estas tarefas, atuando como um motor fiável para a realização do trabalho. No entanto, os investigadores descobriram uma desconexão surpreendente quando analisaram a medida mais importante da aprendizagem profunda: o pensamento crítico. Embora as ferramentas tenham ajudado os alunos a concluir tarefas mais rapidamente e com mais ideias, o estudo descobriu que o simples uso da tecnologia não tornou os estudantes melhores a analisar informação ou a pensar criticamente. De facto, os dados mostraram que a capacidade de pensar criticamente permaneceu amplamente independente do quanto um estudante utilizava a inteligência artificial.

Esta descoberta desafia uma esperança comum de que a tecnologia melhore naturalmente as nossas competências de pensamento. O estudo sugere que, embora a inteligência artificial possa lidar com o trabalho pesado de recolha de informação e redação de textos, ela não ensina automaticamente um aluno a avaliar essa informação. Os estudantes no estudo não foram passivos; foram ativos. Uma grande maioria deles, quase 90 por cento, verificou os factos e as referências fornecidas pela máquina antes de os utilizar. Contudo, esta verificação cuidadosa não se traduziu num aumento mensurável nas suas pontuações de pensamento crítico. Os investigadores descobriram que o pensamento crítico era o preditor mais forte do sucesso global de aprendizagem de um aluno, mas não era uma competência que a própria ferramenta de inteligência artificial pudesse gerar. Em vez disso, parecia ser uma competência que os alunos já possuíam ou desenvolviam através de outros meios, a qual aplicavam ao utilizar a ferramenta.

Outro comportamento inesperado emergiu dos dados, que os investigadores descrevem como um atraso no início do trabalho. Como os estudantes sabiam que podiam contar com a inteligência artificial para os ajudar a terminar as tarefas rapidamente, tenderam a esperar mais tempo antes de começar os seus trabalhos. Um grupo de estudantes, que utilizava intensamente as ferramentas, começou os seus projetos cerca de uma semana e meia mais tarde do que teria feito de outra forma. Isto sugere que a eficiência ganha com a tecnologia veio acompanhada de um custo comportamental. A velocidade da ferramenta criou um sentido de urgência menos imediato, levando os alunos à procrastinação. Eles trocaram o tempo poupado durante o trabalho pelo tempo perdido no início, uma troca que pode não ser óbvia até que o prazo final se aproxime.

O estudo também destacou uma lacuna entre o que os alunos faziam e o que relatavam. Embora a maioria dos estudantes fosse cuidadosa ao verificar a informação que a máquina fornecia, muito poucos mencionavam formalmente o uso da ferramenta nas suas submissões finais. Apenas cerca de um terço dos estudantes citou a inteligência artificial no seu trabalho, mesmo tendo verificado a precisão do seu conteúdo. Isto cria uma situação complexa onde os alunos estão a agir de forma responsável ao verificar factos, mas não estão a seguir as normas académicas padrão sobre atribuição. Os investigadores notaram que este desfasamento entre a verificação e a citação é uma preocupação crescente no ensino superior, apontando para a necessidade de diretrizes mais claras sobre como utilizar estas ferramentas de forma ética.

Em última análise, a investigação traça o retrato de uma ferramenta que é excelente para a eficiência, mas neutra para o crescimento cognitivo profundo. A inteligência artificial ajudou os alunos a trabalhar mais depressa, a gerar mais ideias e a sentir mais confiança na sua capacidade de concluir tarefas. No entanto, não os tornou melhores pensadores críticos por si só. O estudo conclui que, para os alunos beneficiarem verdadeiramente desta tecnologia, devem trazer as suas próprias capacidades analíticas para a interação. A máquina pode fornecer a matéria-prima, mas a mente humana tem de continuar a fazer o trabalho pesado de avaliação e julgamento. Sem esse envolvimento ativo e crítico, a velocidade da ferramenta poderá simplesmente levar a uma aprendizagem mais rápida, mas mais superficial. O caminho a seguir para a educação, sugerem os investigadores, não reside em proibir a ferramenta ou assumir que ela ensinará tudo aos alunos, mas sim em desenhar lições que exijam que os estudantes utilizem a ferramenta enquanto praticam simultaneamente o trabalho difícil de pensar por si próprios.

Resumo Técnico: Além da Eficiência: Pensamento Crítico, Confiança e Resultados de Aprendizagem em Parcerias Humano-IA Generativa no Ensino Superior dos Emirados Árabes Unidos

Problema de Pesquisa
Apesar da rápida adoção da Inteligência Artificial Generativa (IA Gen) no ensino superior, uma questão empírica fundamental permanece sem resposta: se as ferramentas de IA Gen funcionam como verdadeiros coparceiros cognitivos que aprofundam a aprendizagem ou meramente como substitutos de eficiência que melhoram a produtividade às custas do desenvolvimento cognitivo. A literatura existente foca predominantemente nos padrões de adoção ou nos efeitos diretos nos resultados, tratando frequentemente o uso da IA Gen como um fenômeno binário. Além disso, existe uma lacuna geográfica e contextual significativa em relação ao impacto da IA Gen dentro do Conselho de Cooperação do Golfo (CCG) e dos Emirados Árabes Unidos (EAU), onde a evidência empírica que vincula a intensidade de uso a mecanismos cognitivos e comportamentais específicos é limitada. Este estudo aborda a falta de compreensão sobre como níveis variados de engajamento com a IA Gen ativam processos interconectados que moldam as experiências de aprendizagem e o desempenho acadêmico.

Metodologia
O estudo emprega um design de pesquisa quantitativo e explicativo, utilizando um censo transversal de 91 estudantes de graduação em administração (matriculados em Finanças, Gestão de Negócios Globais e Marketing) em uma instituição de ensino superior americana em Dubai durante o ano acadêmico 2025-2026. O contexto do estudo foi um ambiente instrucional estruturado onde o uso de IA Gen foi explicitamente permitido para avaliações, submissão de projetos e preparação de estudos.

A pesquisa utiliza um framework analítico de dois estágios:

Análise Descritiva: Para estabelecer padrões empíricos de uso, engajamento e resultados percebidos.
Modelagem de Equações Estruturais por Mínimos Quadrados Parciais (PLS-SEM): Para testar um modelo conceitual integrando a Teoria da Carga Cognitiva (TCC), a Teoria Cognitiva Social (TCS) e uma perspectiva de aprendizagem mediada pela tecnologia.

O modelo examina dois caminhos distintos que ligam a intensidade de uso da IA Gen aos resultados de aprendizagem:

Caminho de Engajamento Mediado Sequencial: Intensidade de uso $\rightarrow$ Engajamento $\rightarrow$ Produtividade/Criatividade/Pensamento Crítico $\rightarrow$ Resultados de Aprendizagem.
Caminho Afetivo-Avaliativo: Intensidade de uso $\rightarrow$ Confiança na IA $\rightarrow$ Resultados de Aprendizagem.

Os construtos foram medidos por meio de uma combinação de escalas Likert de cinco pontos (para variáveis perceptivas como confiança e pensamento crítico) e medidas ordinais/de frequência (para intensidade de uso e economia de tempo). A confiabilidade e a validade foram avaliadas via alfa de Cronbach, Confiabilidade Composta (CR), Variância Extraída Média (AVE) e razões HTMT.

Resultos Principais
A análise do modelo estrutural rendeu várias descobertas críticas:

Uso e Engajamento: A intensidade de uso da IA Gen é um forte preditor do engajamento dos estudantes ( $\beta = 0,720, p < 0,001$ ). O uso mais elevado leva a um envolvimento mais profundo na pesquisa, geração de ideias e redação.
Produtividade e Criatividade: O engajamento aumenta significativamente a produtividade percebida ( $\beta = 0,655$ ) e a criatividade ( $\beta = 0,400$ ).
O Paradoxo do Pensamento Crítico: Contrariamente às expectativas, o engajamento com a IA Gen não prediz significativamente o pensamento crítico ( $\beta = 0,124, p = 0,331$ ). No entanto, o pensamento crítico continua sendo o preditor direto mais forte dos resultados de aprendizagem ( $\beta = 0,377, p < 0,001$ ). Isso indica que o pensamento crítico opera independentemente dos padrões de engajamento com a IA Gen neste modelo.
O Desconecte Eficiência-Aprendizagem: Embora o engajamento impulsione a produtividade, a produtividade não se traduz significamente em melhores resultados de aprendizagem ( $\beta = 0,201, p = 0,099$ ). Da mesma forma, a confiança na IA, embora influenciada positivamente pela intensidade de uso, não prediz significativamente os resultados de aprendizagem ( $\beta = 0,171, p = 0,095$ ).
Trocas Comportamentais: O estudo identifica um "efeito de procrastinação", onde a disponibilidade da IA Gen correlaciona-se com o atraso na iniciação de tarefas (deslocando o início do projeto da semana 8,5 para a semana 10), apesar da economia de tempo relatada durante a execução.
Verificação vs. Atribuição: Existe uma lacuna significativa entre a verificação e a atribuição formal. Enquanto 89% dos estudantes cruzam referências geradas por IA, apenas 34,1% citam formalmente as ferramentas de IA, destacando um descompasso entre a verificação crítica e as práticas de integridade acadêmica.

Principais Contribuições
O artigo apresenta quatro contribuições específicas para a literatura:

Operacionalização da Intensidade: Ele vai além das métricas binárias de uso ao operacionalizar a intensidade de uso da IA Gen como um construto formativo que incorpora tanto a frequência quanto a profundidade do engajamento.
Modelagem Mecanística: Desenvolve e testa empiricamente um modelo estrutural sequencial mediado pelo engajamento dentro do contexto dos EAU, ligando a intensidade de uso aos resultados de aprendizagem através de mediadores cognitivos e comportamentais específicos.
Identificação de Fenômenos Comportamentais: Quantifica o "efeito de procrastinação" associado à disponibilidade da IA Gen e o "paradoxo da verificação-atribuição", onde os alunos verificam o conteúdo rigorosamente, mas falham em atribuí-lo formalmente.
Evidência Contextual: Fornece dados empíricos de nível populacional e baseados em intervenção do sub-representado setor de ensino superior dos EAU, desafiando a suposição de que o engajamento tecnológico desenvolve organicamente capacidades avaliativas.

Significância e Alegações
Os autores alegam que o estudo avança o campo de uma perspectiva focada na adoção para uma compreensão orientada ao processo da parceria humano-IA Generativa. A significância central reside na descoberta de que eficiência não equivale a aprendizagem. O estudo demonstra que, embora a IA Gen aumente a produtividade e o engajamento, ela não fomenta automaticamente o pensamento crítico ou melhora os resultados de aprendizagem, a menos que os alunos apliquem ativamente habilidades avaliativas.

O artigo postula que o pensamento crítico é um pré-requisito para uma aprendizagem significativa mediada pela IA, em vez de um subproduto dela. Consequentemente, os autores argumentam que as intervenções educacionais devem mudar de apenas treinar os alunos no uso de ferramentas para cultivar explicitamente as habilidades de avaliação crítica e estabelecer políticas claras para a atribuição de IA. Os achados sugerem que, sem o suporte pedagógico para garantir o engajamento cognitivo profundo, a IA Gen pode facilitar a conclusão de tarefas enquanto, inadvertidamente, incentiva o processamento superficial e o atraso na iniciação de tarefas.

Mais como este