REGISTRO DOI: 10.69849/revistaft/ch10202601311355
Danilo da Mata de Oliveira
Orientador(a): Prof. Msc. Michelle de Oliveira Borges
RESUMO
Este estudo analisa o uso da Inteligência Artificial (IA) nas práticas pedagógicas do Ensino Médio brasileiro, por meio de uma revisão sistemática da literatura fundamentada no protocolo PRISMA 2020. Foram investigados nove artigos científicos publicados entre 2024 e 2025, com foco na identificação de benefícios, desafios e possibilidades da IA no contexto educacional. A pesquisa adota abordagem qualitativa, baseada na análise interpretativa dos estudos selecionados, organizados em categorias analíticas. Os resultados indicam que a IA contribui para a personalização do ensino, o desenvolvimento da autonomia discente e o aumento do engajamento nas atividades de aprendizagem. Entretanto, persistem desafios relacionados à formação docente, à desigualdade digital e a questões éticas. Conclui-se que a integração efetiva da IA na educação depende de políticas públicas, formação crítica de professores e uso pedagógico intencional, visando à promoção de uma educação mais inclusiva e humanizada.
Palavras-chave: Inteligência Artificial; Ensino Médio; Educação; ChatGPT; Revisão Sistemática
ABSTRACT
This study analyzes the use of Artificial Intelligence (AI) in Brazilian high school pedagogical practices through a systematic literature review based on the PRISMA 2020 protocol. Nine scientific articles published between 2024 and 2025 were examined, focusing on identifying the benefits, challenges, and possibilities of AI in the educational context. The research adopts a qualitative approach, grounded in the interpretative analysis of the selected studies, organized into analytical categories. The results indicate that AI contributes to personalized learning, the development of student autonomy, and increased engagement in learning activities. However, challenges related to teacher training, digital inequality, and ethical issues remain. It is concluded that the effective integration of AI in education depends on public policies, critical teacher training, and intentional pedagogical use, aiming to promote a more inclusive and humanized education.
Keywords: Artificial Intelligence; High School; Education; ChatGPT; Systematic Review
1. Introdução
Nas últimas décadas, a Inteligência Artificial (IA) deixou de ser apenas um campo da ciência da computação e passou a ser incorporada progressivamente às práticas educacionais em diferentes níveis de ensino (VOGEL, 2025). A literatura recente evidencia um movimento crescente de experimentação, análise e adaptação da IA no processo de ensino-aprendizagem, em especial a partir de 2023, com a popularização dos modelos de linguagem generativa (FISCHER; JULIANI; BLEICHER, 2024). É essencial nos dias de hoje se utilizar da IA para os mais variados fins como na medicina com diagnósticos mais precisos, por isso percebe-se a importância de entender como essa tecnologia está sendo aplicada na educação. O crescente uso de ferramentas baseadas em modelos de linguagem de grande escala (LLMs) já impacta a educação, o recorte temporal adotado nesta pesquisa, os anos de 2024 e 2025 foram definidos com base na emergência de uma nova fase no uso educacional da IA, marcada pela consolidação de ferramentas como ChatGPT, Google Gemini, Grok e outras IAs generativas no cotidiano de professores e estudantes.
A partir de 2022, com o lançamento a público do ChatGPT 2, essas tecnologias começaram a integrar nosso cotidiano e a ser aplicadas de forma mais estruturada na educação básica, o que impulsionou uma série de estudos acadêmicos avaliando seus impactos, limitações e possibilidades (SANTOS, 2024). Esse recorte permite à pesquisa concentrar-se nas evidências mais recentes, dialogando com um contexto pós-pandemia, onde a digitalização da educação deixou de ser apenas uma tendência e passou a integrar efetivamente as práticas pedagógicas.
Além disso, o período selecionado coincide com uma expansão significativa da produção científica sobre IA aplicada à educação, especialmente em revistas nacionais voltadas ao Ensino Médio, à formação docente e às tecnologias educacionais (SOUZA, 2025: CARVALHO, 2024). Os avanços científicos e tecnológicos possibilitaram o surgimento de sistemas de IA cada vez mais sofisticados, com destaque para os modelos de linguagem baseados em machine learning e deep learning conhecidas como Chatbots e assistentes virtuais vêm revolucionando diversos setores da sociedade, automatizando tarefas que antes exigiam exclusivamente a intervenção humana chamada também de quarta revolução industrial (VIERA, 2023). No entanto, mais do que um processo de substituição, a IA deve ser compreendida como um instrumento de apoio e potencialização de processos humanos, especialmente no campo educacional, onde necessita da parte humana (RUSSEL; NORVING, 2013). No contexto do ensino, particularmente no Ensino Médio, a IA tem sido gradualmente adotada como ferramenta de suporte à prática pedagógica (SOUZA, 2025). Entretanto, a incorporação da IA também impõe desafios consideráveis, como a carência de formação específica para os docentes, questões éticas quanto à sua utilização e as desigualdades no acesso às tecnologias nas redes de ensino (NASCIMENTO; LEITE, 2025).
A pesquisa também se justifica pelo potencial da IA em democratizar o acesso ao conhecimento, promovendo adaptações pedagógicas que atendam a estudantes com dificuldades de aprendizagem (SANTOS, 2025; SOUZA, 2025). Em contextos de vulnerabilidade social, a IA pode representar uma ponte entre o estudante e os saberes escolares, desde que seu uso esteja inserido em projetos pedagógicos críticos, colaborativos e socialmente contextualizados (CLEMENTINO; CARVALHO, 2025). Assim, a sistematização das evidências disponíveis não só revela o que tem sido feito, mas também aponta caminhos para ações futuras baseadas em experiências reais e contextualizadas (FUNAKI; CORRALLO, 2024).
Diante desse cenário, o presente artigo tem como objetivo analisar, por meio de uma revisão sistemática da literatura, o uso da IA nas práticas pedagógicas do Ensino Médio brasileiro entre os anos de 2024 e 2025. Busca-se, ainda, compreender como essas tecnologias têm sido aplicadas nas práticas pedagógicas e de que forma os professores podem se adaptar a um ambiente educacional cada vez mais mediado por soluções digitais inteligentes (SANTOS, 2024).
Dessa forma, a análise sintática das produções acadêmicas sobre IA no Ensino Médio não apenas sustenta a base teórica deste trabalho, mas também revela a importância de se analisar como a linguagem molda — e é moldada — pelas transformações tecnológicas em curso. Nesse contexto, a IA é simultaneamente objeto de estudo e ferramenta de análise, exigindo um olhar atento para os modos de enunciação, os sujeitos discursivos e os sentidos atribuídos à sua presença na educação.
2. Referencial Teórico
A rápida evolução da (IA) e sua inserção nas práticas educacionais têm provocado profundas transformações no cenário pedagógico do Ensino Médio. A literatura recente revela que a IA tem se consolidado como uma ferramenta multifacetada, oferecendo desde assistência no planejamento docente até apoio direto ao aprendizado dos estudantes. Dito tudo isso, o uso do ChatGPT no contexto da Educação Profissional e Tecnológica (EPT) tem potencial para personalizar o ensino, promover a autonomia discente e dinamizar o processo de ensino-aprendizagem (FISCHER; BLEICHR, 2024). Essa perspectiva, destaca-se o papel da IA em promover aprendizagens significativas por meio da adaptação de conteúdos ao ritmo e estilo cognitivo dos alunos (CLEMENTINO; CARVALHO, 2025).
As potencialidades da IA no ensino da matemática se evidenciam na personalização do aprendizado e na detecção de lacunas conceituais. Plataformas e sistemas inteligentes são capazes de analisar erros comuns e sugerir caminhos de estudo adaptados a cada ritmo de aprendizagem (SOUZA, 2025).
Ferramentas de IA também têm sido reconhecidas por sua capacidade de promover o engajamento e facilitar a compreensão de conceitos complexos. Os estudantes de licenciatura em Física reconhecem o valor dos Chatbots como recursos ágeis e práticos, ainda que apontem limitações relacionadas à sua aplicabilidade em áreas exatas de (CORRALLO; FUNAKI, 2024). No ensino de Ciências da Natureza, Carvalho (2024) destaca que a IA pode facilitar o desenvolvimento de habilidades cognitivas como a resolução de problemas e o
pensamento crítico, especialmente quando integrada a metodologias ativas, como a Sala de Aula Invertida ou a abordagem STEAM. Contudo, os benefícios pedagógicos atribuídos à IA precisam ser analisados à luz de aspectos éticos, estruturais e didáticos. (CLEMENTINO; CARVALHO, 2025). Ao investigar o letramento matemático Souza (2025), reforça que o uso da IA exige planejamento pedagógico criterioso para evitar a substituição da mediação humana pela automação tecnológica. Nessa mesma linha aponta que, mesmo em estratégias inovadoras como a gamificação, a eficácia depende da intencionalidade metodológica e da inclusão digital real nas instituições de ensino (SANTOS, 2024).
A maior parte dos artigos revisados articula seus argumentos por meio de estruturas sintáticas que valorizam a IA como sujeito ativo da aprendizagem: verbos como “promover”, “auxiliar”, “transformar”, “personalizar” e “mediar” são recorrentes, o que evidencia uma construção discursiva voltada à legitimação da IA como agente educativo. Essa estrutura sintática reforça a ideia de que a IA, especialmente em suas formas generativas como o Chat
GPT ou o Gemini, atua como colaboradora da mediação docente, e não como sua substituta (GASPARACCO; 2024). Conforme observam, existem o uso frequente de subordinadas explicativas e consecutivas, indicando relações de causa e efeito entre o uso da IA e os resultados educacionais. Essa construção favorece a leitura de que a eficácia pedagógica é diretamente influenciada pela presença da IA, desde que acompanhada de estratégias conscientes de mediação (SOUZA, 2025). No plano morfossintático, a presença de termos como “personalização”, “aprendizagem significativa”, “autonomia” e “mediação” se repete em substantivações que funcionam como núcleos argumentativos. Essa escolha lexical aponta para uma intenção discursiva de ancorar a IA em paradigmas pedagógicos críticos, ligados à formação integral, à inclusão e à autonomia dos sujeitos (CARVALHO, 2024).
Há um equilíbrio entre a apresentação objetiva de dados e a defesa de posicionamentos teóricos, principalmente quando tratam dos riscos éticos da automação ou da necessidade de formação docente, como enfatizam Clementino e Carvalho (2025). Essa abordagem sintática e discursiva reforça a ideia de que a IA não pode ser compreendida de forma neutra. Seu uso educacional está entrelaçado a discursos de inovação, eficiência e democratização, mas também de controle, exclusão e automatização. Cabe ao educador, portanto, compreender criticamente a linguagem com que se fala da IA para também refletir criticamente sobre a linguagem da IA, isto é, os padrões de resposta, estilo e estrutura textual que essas tecnologias reproduzem (SOARES, 2024).
2.1 Inteligência Artificial
A IA, frequentemente associada aos chamados Chatbots (ou “robôs de conversa”), é um campo da ciência da computação voltado para o desenvolvimento de sistemas capazes de simular aspectos da inteligência humana, como aprendizado, raciocínio, tomada de decisões e resolução de problemas (Vogel; 2025). Por meio de técnicas como machine learning, deep learning e aprendizado por reforço (reinforcement learning), esses sistemas vêm sendo incorporados a diferentes áreas, como veículos autônomos, diagnósticos médicos, análise de dados, reconhecimento de imagens e, mais recentemente, ao setor educacional (CLEMENTINO; CARVALHO, 2025; FISCHER; JULIANI; BLEICHER, 2024).
2.1.1. Diferença entre IA e Chatbots
Embora relacionados, IA e Chatbots não são termos sinônimos. A IA representa um campo amplo, voltado à construção de agentes computacionais autônomos, adaptativos e capazes de aprender com o ambiente. Já os Chatbots é uma aplicação específica da IA, desenvolvida para interagir com seres humanos por meio de linguagem natural, seja por texto ou voz. Existem desde os mais simples — baseados em roteiros fixos — até os modelos generativos mais sofisticados, como ChatGPT, Google Gemini, Grok e DeepSeek, que operam com base em Modelos de Linguagem de Grande Escala (LLMs), treinados com bilhões de parâmetros (ESSEL et al., 2024; SKAAR, 2024).
Essas ferramentas vêm revolucionando a forma como os humanos acessam e produzem conhecimento, como observa, ao analisar o uso do Gemini na resolução de problemas matemáticos (SANTOS, 2025). A IA não apenas facilita a compreensão de conceitos abstratos, como também ajuda a organizar o raciocínio lógico, beneficiando especialmente os alunos com maior dificuldade. Dessa forma, esses modelos atuam como apoio cognitivo, contribuindo para reduzir frustrações no processo de aprendizagem, desde que bem mediados pelo professor (SOUZA 2025).
2.2. Limites e desafios dos modelos de linguagem
Apesar da sofisticação de ferramentas como o ChatGPT e o Gemini, estudos demonstram que esses modelos não possuem consciência, pensamento generalizável ou raciocínio lógico autônomo (SHOJAEE, 2025). Embora capazes de compressão semântica e síntese textual, seu desempenho declina significativamente diante de tarefas complexas, especialmente aquelas que exigem planejamento em múltiplas etapas, tomada de decisão ética ou compreensão crítica. Esse ponto de vista, o alerta para os riscos de uso acrítico da IA na educação, como o reforço de respostas estereotipadas, plágio automatizado ou ausência de contextualização pedagógica (JULIANI; BLEICHER, 2024).
Por isso ressaltado a IA deve ser compreendida como um instrumento de apoio à atividade humana, e não como o princípio da docência. Sua inserção no ambiente escolar requer reflexão sobre seus limites, sua função pedagógica e sua adequação às realidades sociais dos estudantes (CLEMENTINO; CARVALHO, 2025). Quando mal utilizada, a IA pode comprometer a autonomia do aluno, reproduzir desigualdades e favorecer práticas intuicionistas automatizadas — mas, quando usada de forma crítica e contextualizada, pode ser um potente aliado da aprendizagem significativa. Esses modelos são treinados com vastas quantidades de dados e bilhões de paramentos, além de demonstram capacidades notáveis na compreensão, síntese e geração de linguagem (ESSEL et al., 2024; SKAAR, 2024). Desde sua popularização em 2023, as IA têm transformado práticas de trabalho, educação e criação de conteúdo digital. Ainda que sua base tecnológica já fosse conhecida anteriormente — como apresentado em canais de divulgação científica como Universo Programado, que introduzia conceitos de machine learning desde 2021 — foi a implementação em larga escala que despertou atenção global. Portanto, o uso crítico da IA requer uma compreensão clara de seu funcionamento e de seus limites (SHOJAEE, 2025). Quando bem aplicada, a IA pode ser uma poderosa aliada para quem busca excelência, principalmente no ambiente educacional. No entanto, cabe aos professores, pesquisadores e estudantes compreender em seu papel como mediadores — e não como protagonista — no processo de ensino-aprendizagem.
3. Procedimentos Metodológicos
A presente pesquisa adota uma abordagem qualitativa, uma vez que se concentra na análise interpretativa de produções acadêmicas, buscando compreender sentidos, categorias, discursos e tendências relacionadas ao uso da IA nas práticas pedagógicas do Ensino Médio. Não há mensuração estatística ou tratamento numérico dos dados, mas sim a interpretação crítica dos conteúdos dos artigos selecionados, considerando seus objetivos, metodologias, resultados e implicações educacionais. A revisão sistemática, fundamentada no protocolo PRISMA 2020, é utilizada como estratégia metodológica para organizar e analisar qualitativamente as evidências científicas, permitindo identificar benefícios, desafios e perspectivas do uso da IA no contexto educacional brasileiro.
Para garantir o rigor da seleção dos estudos qualitativamente, este trabalho segue os critérios da metodologia PRISMA 2020, que orientam a busca sistemática em bases acadêmicas, a aplicação de filtros de elegibilidade e a organização transparente das etapas da revisão. A adoção dessa metodologia visa não apenas conferir confiabilidade aos dados obtidos, mas também possibilitar a replicação e o aprofundamento da pesquisa por outros estudiosos da área. Este artigo, portanto, adota a metodologia PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), que permite a seleção criteriosa das fontes, o rastreamento transparente das etapas da revisão e a apresentação dos dados de forma rigorosa e acessível. Com isso, pretende-se oferecer uma visão abrangente e fundamentada sobre como a IA tem sido integrada às práticas pedagógicas no Ensino Médio, contribuindo para a construção de novas abordagens educativas mais justas, críticas e inovadoras (Vogel, Ramos 2025).
Foram estabelecidos critérios de restrição, optando por estudos escritos em português, publicados nos último 2 anos, de 2023 a 2025, considerando os fluxos informais na gestão do conhecimento nas organizações. A busca foi realizada nas bases de dados, Web of Science e Google Academico, em 06 de junho de 2024, com a utilização da estratégia de busca “fluxo da informação” OR “Informal information” OR “informal flows” AND “gestão da informação” OR “knowledge management” OR “information management” (ZANELA, MARILUCI; GRACIOSA, MARIA LIDIANE HERCULANO; FERREIRA,BERENICE RODRIGUES; RABELO, LEILIANE SODRÉ; RABELO, LILIANE MENEZES, 2024).
Figura 1.
Os artigos foram selecionados, com base em critérios previamente definidos, seguindo o protocolo metodológico PRISMA 2020, a partir de buscas sistemáticas em bases acadêmicas (Google Acadêmico e Web of Science), com recorte temporal, idioma e critérios de inclusão e exclusão claramente estabelecidos.
Tabela 1.
| Estudos | Artigos | Autores | Ano |
| 1 | Possibilidades de Uso do ChatGPT nas Práticas Pedagógicas da Educação Profissional e Tecnológica (EPT): uma Revisão Sistemática de Literatura | Carlos Fischer, Douglas Juliani, Sabrina Bleicher | 2024 |
| 2 | “Utilização da Inteligência Artificial para o Ensino de Ciências da Natureza: Uma Revisão Bibliográfica” | Prof. Wellington Gasperacco | 2024 |
| 3 | “Inteligência Artificial no Ensino de Química: Uma Revisão Integrativa” | Leonardo Figueiredo Soares e Maria Goretti de Vasconcelos Silva (UFC) | 2024 |
| 4 | Inteligência Artificial na Educação: Aprendizagens Significativas para o Ensino Médio” | Luiz Cândido Clementino e Eliete Martins Cardoso de Carvalho | 2025 |
| 5 | Inteligência Artificial e Letramento Matemático: Inovação Pedagógica ou Risco de Dependência Tecnológica?” | Ednilson Sergio Ramalho de Souza – Universidade Federal do Oeste do Pará (UFOPA) | 2025 |
| 6 | “Abordagens Pedagógicas com o Google Gemini no Ensino de Matemática” | Thiago Santos – Universidade Federal de Ouro Preto (UFOP) | 2025 |
| 7 | Transformando a educação com Large Language Models (LLMs): benefícios, limitações e perspectivas | Daniela Vogel (UFSC). Alexandre Moraes Ramos (UFSC). Ana Maria Bencciveni Franzoni (Unesp) | 2025 |
| 8 | Inteligência Artificial no ensino de Língua Portuguesa: uma análise de planos de aula da plataforma Nova Escola na perspectiva do letramento digital | Danielle Constantino de Lima Nascimento (Univali). Maria Alzira Leite (Univali) | 2025 |
| 9 | Inteligência Artificial e a Educação: Uma Análise de Teses e Dissertações | Zenildo Santos (UESB). Claudinei de Camargo Sant’Ana (UESB). Irani Parolin Sant’Ana (UESB) | 2025 |
Da mesma forma, o quadro de análise também por min, a partir da leitura integral dos artigos selecionados. A IA foi utilizada apenas como ferramenta de apoio, auxiliando na organização textual, na síntese de informações e na revisão da escrita acadêmica, sem substituir as decisões metodológicas, analíticas ou interpretativas, que são de responsabilidade exclusiva do autor.
Quanto à análise, cada um dos trabalhos foi analisado individualmente, considerando seus objetivos, metodologia, resultados e contribuições, sendo posteriormente organizados em categorias analíticas comuns (benefícios, desafios e formas de uso da IA), conforme apresentado na seção de Análise e Resultados.
4. ANÁLISE E RESULTADOS
Na análise do uso do ChatGPT por alunos do Ensino Médio em atividades de Matemática, foi observado que a IA se destacou por fornecer explicações adaptadas às dúvidas individuais, possibilitando que estudantes com diferentes ritmos de aprendizagem avançassem com mais segurança (SOUZA, 2025). A IA “favorece aprendizagens significativas quando integrada a práticas pedagógicas reflexivas e atentas às condições sociocognitivas do aluno” (CLEMENTINO; CARVALHO, 2025). A mediação docente é fundamental para que a IA atue como parceira da aprendizagem e não como substituta do processo educativo. Por sua vez, ao investigar o uso da IA em roteiros de aula investigativos nas Ciências da Natureza, observa que os alunos demonstraram maior engajamento ao interagir com o sistema, e destaca que “a IA contribuiu para a construção de hipóteses pelos próprios estudantes, estimulando a curiosidade científica” (CARVALHO, 2024). Outro aspecto relevante dessa é a capacidade da IA de gerar resposta imediata, o que contribui para o desenvolvimento de autonomia e autogestão da aprendizagem. O Gemini, ao ser utilizado como orientador de tarefas em sala de aula, funcionou como “uma espécie de tutor digital, permitindo que o aluno testar hipóteses e recebesse devolutivas antes mesmo da intervenção do professor” (LIMA; LEITE, 2025). Além disso, IA possibilita metodologias criativas, como produção de vídeo, letras com IA, simulações e tutoria virtual, assim amplia o engajamento e reduz frustrações com conteúdo matemático. Apoio às práticas pedagógicas de professores não só em organização más também o contexto de dificuldades didáticas sendo possível consultor, Assim, como a melhoria na aprendizagem de conteúdos devido ao advento dos “chatbots” e ambientes virtuais de aprendizagem (SOARES; SILVA, 2024).
A formação docente, nesse sentido, deve ir além do aspecto instrumental. Desse modo, é necessário investir na formação reflexiva e crítica dos educadores, capacitando-os a compreender tanto o funcionamento técnico das IAs quanto os seus limites pedagógicos, sociais e epistemológicos. Essa formação é fundamental para que a tecnologia não seja vista como uma solução mágica, mas como uma ferramenta subordinada aos objetivos educacionais e humanos da escola (CLEMENTINO; CARVALHO, 2025). A relevância desta pesquisa está diretamente associada ao momento atual vivido pelas escolas brasileiras, em que a transformação digital tem se acelerado, porém de forma desigual e desarticulada (NASCIMENTO; LEITE 2025) Nesse cenário, compreender como a IA tem sido utilizada na prática educacional torna-se essencial não apenas para atualizar os métodos de ensino, mas também para garantir que essas inovações estejam alinhadas aos princípios da equidade, da inclusão e da qualidade na educação básica (VIERA, 2023).
No campo da Matemática, Santos (2025) demonstrou que ferramentas como o Google Gemini são capazes de resolver problemas complexos com clareza, ajudando na compreensão de conceitos abstratos. De forma semelhante, observa que os modelos de linguagem contribuem para reduzir frustrações no aprendizado matemático, principalmente entre alunos com dificuldades ou deficiências (SOUZA, 2025). No entanto, os desafios são igualmente destacados dentre os principais estão: a falta de formação docente específica (CLEMENTINO; CARVALHO, 2025), a desigualdade de acesso a recursos digitais (FUNAKI; CORRALLO, 2024), e as limitações técnicas e éticas das ferramentas de IA, como imprecisão de respostas e risco de uso não supervisionado (CARVALHO, 2024; FISCHER; JULIANI; BLEICHER, 2024). Além disso, alerta que, apesar dos avanços, muitas aplicações ainda carecem de funcionalidades pedagógicas estruturadas, como acompanhamento do progresso individual ou ambientes gamificados com foco educativo (SANTOS; 2024).
Apesar dos avanços observados em outros níveis de ensino, o Ensino Médio ainda carece de estudos mais aprofundados e sistemáticos sobre a aplicação da IA em sala de aula. Grande parte das pesquisas concentra-se no ensino superior ou em contextos tecnicamente especializados, como cursos de ciência da computação ou engenharia (SOUZA 2025). No entanto, é justamente no Ensino Médio que se encontram desafios específicos, como altos índices de evasão, desmotivação dos estudantes e disparidades no acesso às tecnologias, fatores que tornam esse nível de ensino particularmente relevante para a investigação. A adoção de ferramentas de IA no Ensino Médio não pode ser pensada de forma tecnicista ou descontextualizada. Pelo contrário, é necessário considerar as dimensões sociais, culturais, cognitivas e afetivas dos sujeitos envolvidos no processo educativo (CARVALHO 2025). Ademais, como demonstram os artigos de Fischer, Juliani e Bleicher (2024) e Carvalho (2024), a implementação da IA no cotidiano escolar exige reconfigurações didáticas, formação continuada dos professores e reflexões éticas sobre a mediação tecnológica da aprendizagem. Trata-se de um processo complexo, que envolve muito mais do que a simples introdução de novas ferramentas: é preciso repensar as finalidades da educação, os papéis dos educadores e o protagonismo dos estudantes na era digital (CARVALHO 2024). Nesse sentido, a presença da IA nas escolas exige novas formas de atuação pedagógica, que não se limitem ao domínio técnico das ferramentas, mas que estejam fundamentadas em princípios pedagógicos, éticos e inclusivos. A mediação do professor continua sendo essencial, mesmo diante de tecnologias cada vez mais autônomas com as IAs (SANTOS; CARVALHO 2024).
4.1 Benefícios da IA
Apoio à aprendizagem: auxilia na produção de textos, resposta a tarefas, planejamento de aulas e atividades avaliativas, personalização do ensino: possibilita ensino personalizado e acessível, engajamento dos estudantes: aumenta a motivação e o interesse. Autonomia: favorece a autonomia dos discentes na pesquisa e na busca de informação. Inclusão digital: promove letramento digital e inclusão por meio de metodologias ativas.
Multidisciplinaridade: aplicável em várias áreas (engenharias, exatas, linguagens, etc.), além de um Potencial emancipador: promove pensamento crítico, resolução de problemas e formação cidadã. (FISCHER; JULIANI; BLEICHER; 2024).
Personalização do aprendizado por meio de assistentes virtuais e sistemas adaptativos, opinião em tempo real, auxiliando professores e estudantes. Apoio à aplicação de metodologias ativas, como Sala de Aula Invertida, PBL, STEAM e Cultura Maker, engajamento e motivação dos alunos com simulações e realidade virtual. Auxílio no planejamento de aulas, elaboração de questões e organização de conteúdo. Aprimoramento de habilidades do século XXI, como pensamento crítico, criatividade, resolução de problemas e colaboração. Inclusão de alunos com deficiência, por meio de tecnologias como assistentes de voz (GASPERACCO, 2024).
No contexto da prática pedagógica, a IA contribui para a melhoria da aprendizagem em áreas específicas, como a Química, por meio do uso de Chatbots e ambientes virtuais de aprendizagem, facilitando o acesso à informação, a resolução rápida de dúvidas e o estímulo à aprendizagem colaborativa e ativa, integrada a abordagens como a robótica educacional (SOARES; GORETTI; SILVA, 2024; CLEMENTINO; CARVALHO, 2025). De modo complementar, no ensino de Matemática, a IA possibilita o diagnóstico de lacunas conceituais, o feedback imediato e a inclusão educacional de estudantes com dificuldades específicas, como a discalculia, promovendo maior autonomia, engajamento e redução de frustrações diante de conteúdos matemáticos (SOUZA, 2025).
Resolução precisa de problemas matemáticos (ex: volume e matemática financeira). Geração de soluções detalhadas e explicativas, favorecendo a compreensão. Capacidade de interpretar dados e instruções contextuais, com mais flexibilidade do que outros modelos de IA. Aprimora o engajamento dos estudantes e promove maior interatividade no processo de aprendizagem. Contribui para a democratização do conhecimento com acesso gratuito (versão básica). Possibilita práticas personalizadas e contextualizadas, quando mediadas por professores (SANTOS, 2025).
Personalização do aprendizado: Adaptação de conteúdos às necessidades individuais dos alunos. Parecer instantâneo e adaptativo: Ferramentas como Chat GPT fornece correções e explicações contextualizadas. Eficiência na criação de materiais educacionais: Geração automatizada de planos de aula, exercícios e avaliações Desenvolvimento de habilidades críticas: Promoção de pensamento crítico e criativo por meio de diálogos com IA Acessibilidade: Suporte a estudantes com deficiência (ex: fala para texto) e ampliação de recursos educacionais (RAMOS; FRANZONI; 2025).
Personalização do aprendizado: Atividades adaptadas às necessidades individuais dos alunos, como produção textual com feedback automatizado (ex: uso do *Copilot*). Desenvolvimento de competências digitais: Integração de habilidades como leitura crítica, escrita criativa e uso ético de tecnologias, alinhadas à BNCC. Inovação pedagógica: Planos de aula com atividades interativas (ex: debates sobre IA, projetos de jornal escolar) que estimulam o pensamento crítico. Acessibilidade: Sugestões de adaptações inclusivas para alunos com diferentes níveis de habilidades digitais ou necessidades especiais (NASCIMENTO; LEITE; 2025).
Inovação pedagógica: Desenvolvimento de materiais educacionais avançados e personalizados (ex: jogos educacionais com IA, Chatbotss). Personalização do ensino: Sistemas tutores inteligentes adaptados às necessidades individuais dos alunos). Eficiência no aprendizado: Ferramentas como ChatGPT e Copilot auxiliam na produção de conteúdos e resolução de problemas. Interdisciplinaridade: Integração da IA em disciplinas como Matemática, Biologia e Língua Inglesa, promovendo abordagens críticas e criativas (CAMARGO SANT’ANA; PAROLIN SANT’ANA; 2025).
4.2 Dificuldades e desafios
Os estudos analisados apontam que, apesar das potencialidades da Inteligência Artificial no contexto educacional, sua incorporação às práticas pedagógicas ainda enfrenta limitações técnicas, éticas e estruturais significativas. Entre os principais entraves, destacam-se respostas imprecisas, erros de interpretação e baixa adaptabilidade dos sistemas de IA, além do uso ainda recente dessas tecnologias, o que demanda maior número de estudos empíricos, especialmente no âmbito da Educação Profissional e Tecnológica (Fischer; Juliani; Bleicher, 2024). Soma-se a isso a ausência de regulamentações claras e de políticas públicas consistentes que orientem o uso pedagógico da IA de forma segura e eficaz.
A literatura também evidencia problemas relacionados à infraestrutura tecnológicainsuficiente, como acesso limitado à internet e à dispositivos digitais nas escolas, bem como a baixa formação docente para o uso pedagógico intencional da IA. Esses fatores dificultam a integração crítica da tecnologia ao currículo e ampliam as desigualdades educacionais entre redes públicas e privadas (Gasperacco, 2024; Soares; Goretti; Silva, 2024). Além disso, emergem riscos éticos relevantes, incluindo plágio, violação de direitos autorais, comprometimento da privacidade e da proteção de dados dos estudantes, bem como a reprodução de vieses e preconceitos algorítmicos.
Outro aspecto recorrente refere-se ao risco de dependência excessiva das ferramentas de IA por parte dos estudantes e à possível desumanização do processo educativo, caso a tecnologia substitua, em vez de mediar, a interação pedagógica entre professor e aluno. Nesse sentido, os estudos reforçam a necessidade de formação continuada dos educadores, investimentos em infraestrutura e elaboração de políticas públicas que garantam uma implementação ética, crítica e inclusiva da IA na educação, evitando a substituição da mediação humana por processos automatizados e assegurando o uso responsável dessas tecnologias (Clementino; Carvalho, 2025; Souza, 2025).
Falta de funcionalidades específicas para o ensino de matemática, como ambientes interativos e recursos didáticos adaptativos. Risco de dependência tecnológica, reduzindo a autonomia dos alunos. Ausência de análise contínua de desempenho e progressão do aluno. Limitações na personalização para diferentes perfis de aprendizagem. Necessidade de mediação docente efetiva, evitando que o uso da IA substitua o papel pedagógico do professor. Google Gemini apresentou desempenho inferior ao GPT-4V em estudos comparativos educacionais recentes (SANTOS; 2025).
Vieses éticos e culturais: Respostas discriminatórias devido a dados de treinamento tendenciosos. Desigualdade de acesso: Risco de ampliar disparidades educacionais. Limitações técnicas: “Alucinações” (respostas fictícias) e dificuldade em lidar com subjetividade. Privacidade de dados: Preocupações com vazamento de informações sensíveis. Dependência excessiva: Comprometimento de habilidades humanas, como autonomia e julgamento crítico (Ramos; Franzoni; 2025).
Falta de formação docente: Carência de capacitação para uso eficaz da IA em sala de aula. Infraestrutura inadequada: Escolas com acesso limitado a dispositivos, internet de qualidade ou softwares avançados. Tempo insuficiente: Planos exigem mais aulas do que o disponível na grade curricular. Letramento digital desigual: Professores e alunos com níveis variados de familiaridade com tecnologias. Questões éticas: Preocupações com plágio, dependência de ferramentas e vieses em respostas automatizadas (NASCIMENTO; LEITE; 2025).
Falta de formação docente: Carência de capacitação para uso ético e eficaz da IA. Escassez de pesquisas na Educação Básica: Poucos estudos focam na aplicação prática em escolas (apenas 15 teses/dissertações identificadas entre 2004-2023). Desigualdade tecnológica: Limitações de infraestrutura (acesso a dispositivos, internet) em escolas públicas. Questões éticas: Riscos de viés algorítmico, dependência excessiva e substituição de interações humanas. (CAMARGO SANT’ANA; PAROLIN SANT’ANA; 2025).
Além disso, os modelos de linguagem utilizados nas ferramentas de IA — como ChatGPT, Gemini e DeepSeek — operam com base em dados amplos, porém não neutros. Eles reproduzem padrões linguísticos, culturais e ideológicos presentes nos conjuntos de dados com os quais foram treinados, isso implica riscos éticos, como a difusão de desinformação, vieses algorítmicos, plágio e dependência tecnológica (SOARES; GORETTI; SILVA; 2024). É nesse ponto que a atuação do professor como mediador crítico se torna ainda mais importante: para orientar, questionar, complementar e contextualizar as respostas fornecidas pelos sistemas automatizados. Diferente disso, é importante destacar que tais avanços dependem diretamente da mediação intencional do professor, que consideram essencial “a atuação docente como curadora do processo educativo, mesmo em ambientes mediados por IA” (JULIANI; BLEICHER; FISCHER 2024).
Nesse sentido o uso pedagógico da IA “ainda não faz parte do currículo regular dos cursos de licenciatura nem das políticas de formação continuada para professores da educação básica”. Essa lacuna gera um cenário em que o educador, diante da IA, ou adota a ferramenta de forma superficial, ou a rejeita por insegurança técnica ou epistemológica (CLEMENTINO; CARVALHO 2025). A essa formação deficiente, soma-se a resistência institucional à adoção de tecnologias emergentes. Em seu estudo de caso, Carvalho (2024) observou que “a gestão escolar nem sempre compreende a IA como aliada da prática pedagógica, o que gera obstáculos burocráticos e simbólicos para sua adoção em sala de aula”. Isso inclui desde o bloqueio de sites até a exigência de justificativas rígidas para a experimentação com novas metodologias. Outro desafio é o uso descontextualizado das ferramentas de IA, que, sem um projeto pedagógico claro, são implementadas “como soluções rápidas, sem planejamento, avaliação ou articulação curricular”. Isso pode gerar efeitos colaterais negativos, como dependência tecnológica, desvalorização do trabalho docente ou a banalização do conteúdo (SANTOS 2025).
Conforme afirmam Fischer, Juliani e Bleicher (2024), “não basta dispor da tecnologia- é preciso criar ecossistemas pedagógicos onde a IA faça sentido para os sujeitos da escola e seja uma ferramenta a serviço da aprendizagem e da cidadania”. Assim a IA foi utilizada como apoio à resolução de exercícios de Matemática. O ChatGPT, nesse caso, funcionava como um “orientador” digital: o estudante digitava o enunciado e recebia sugestões de estratégias de resolução, explicações passo a passo e feedbacks (SOUZA 2025). Os alunos relataram maior confiança para lidar com equações e funções, e o autor aponta que “o uso da IA estimulou a retomada de conteúdos prévios, funcionando como reforço escolar individualizado”. Assim a IA foi integrada ao ensino de Ciências em uma abordagem investigativa. Os estudantes utilizavam a IA para formular hipóteses, consultar conceitos e planejar experimentos. O autor ressalta que “a IA foi um mediador cognitivo que favoreceu a curiosidade científica e o desenvolvimento da autonomia na aprendizagem” (CARVALHO 2024).
A IA era usada para “responder dúvidas, reorganizar o material didático e propor novos desafios”, de forma personalizada. A prática mostrou-se eficiente para atender alunos com dificuldades de concentração e leitura, pois “os retornos adaptados da IA reforçavam pontos de fragilidade com linguagem acessível”. Assim apresentam formas de uso da IA por docentes, com foco na elaboração de atividades, planejamento de aula e feedbacks automatizados. No estudo, professores utilizaram o ChatGPT para criar questões abertas e fechadas, resumos e materiais didáticos (CLEMENTINO; CARVALHO 2025). O uso consciente da IA permite ao professor economizar tempo e focar em mediações mais estratégicas. Além disso, a IA como ferramenta de formação docente. Professores em curso de atualização utilizaram o ChatGPT como interlocutor reflexivo, simulando situações de aula, levantando perguntas e avaliando intervenções (FUNAKI; CORRALLO 2024). A IA foi percebida como “um espelho pedagógico que, apesar de artificial, contribuiu para o aprimoramento das decisões docentes”. Desse modo, essas práticas revelam diferentes níveis de complexidade no uso da IA, desde tarefas mais mecânicas, como revisão de textos, até atuações mais elaboradas, como apoio a projetos investigativos.
Além disso, a IA como ferramenta de formação docente. Professores em curso de atualização utilizaram o ChatGPT como interlocutor reflexivo, simulando situações de aula, levantando perguntas e avaliando intervenções (FUNAKI; CORRALLO 2024). A IA foi percebida como “um espelho pedagógico que, apesar de artificial, contribuiu para o aprimoramento das decisões docentes”. Desse modo, essas práticas revelam diferentes níveis de complexidade no uso da IA, desde tarefas mais mecânicas, como revisão de textos, até atuações mais elaboradas, como apoio a projetos investigativos.
Outro ponto de vista é a desigualdade estrutural, evidenciada por Funaki e Corrallo (2024). A análise mostrou que a IA ainda é mais acessível em escolas privadas ou centros urbanos com boa infraestrutura tecnológica. Isso indica o risco de que, em vez de promover inclusão, a IA agrave as assimetrias regionais e sociais no acesso à educação de qualidade — a menos que políticas públicas sejam formuladas com intencionalidade distributiva. Em termos de síntese, pode-se afirmar que: A IA amplia o repertório didático do professor, mas não o substitui; Seu impacto depende da mediação pedagógica, da intencionalidade e do contexto de uso; O uso ético, crítico e equitativo da IA requer políticas de formação e infraestrutura; A IA potencializa a aprendizagem ativa, reflexiva e personalizada, especialmente em estratégias como ensino híbrido e projetos investigativos; Ainda há lacunas de pesquisa sobre sua eficácia em longo prazo devido essa tecnologia ser muito recente, bem como sobre seus impactos nos processos de avaliação e desenvolvimento de habilidades socioemocionais.
Por fim, a IA é usado na construção de mapas conceituais e síntese de conteúdos interdisciplinares, favorecendo o raciocínio lógico e a articulação entre temas. O artigo destaca o uso da IA em atividades de revisão, construção de fichamentos e elaboração de debates simulados. Como concluem Clementino e Carvalho (2025), “a IA não deve ser vista como solução mágica para os problemas educacionais, mas como mais um recurso que, quando bem utilizado, pode humanizar e aprofundar os processos de ensino e aprendizagem”.
CONSIDERAÇÕES FINAIS
De forma semelhante, o uso de IA em roteiros investigativos de Ciências da Natureza potencializou a curiosidade científica e o raciocínio crítico dos estudantes, enfatizaram o papel da IA como instrumento formativo para professores, especialmente na construção de planos de aula e materiais personalizados. Por outro lado, os estudos também revelaram limitações importantes. A falta de formação docente específica e a desigualdade digital entre escolas públicas e privadas continuam sendo entraves significativos à efetivação do uso pedagógico da IA. Em muitos contextos, a tecnologia ainda é utilizada de maneira superficial ou desvinculada de objetivos pedagógicos claros, o que pode gerar dependência tecnológica e comprometer o desenvolvimento da autonomia intelectual dos alunos. Além disso, surgem desafios éticos relacionados ao plágio, à confiabilidade das informações geradas e à autoria do conhecimento, exigindo novas discussões sobre letramento digital e responsabilidade acadêmica a IA deve ser compreendida como uma “ferramenta mediadora, e não substitutiva, do pensamento e da prática docente”, sendo essencial que sua utilização esteja ancorada em uma intencionalidade pedagógica crítica e humanizada. Assim, a IA se apresenta como uma tecnologia de duplo potencial: pode aprofundar desigualdades se usada de forma acrítica, mas também pode democratizar o acesso ao conhecimento quando integrada a práticas pedagógicas contextualizadas e socialmente comprometidas.
Esta revisão sistemática atingiu seu objetivo ao analisar como a Inteligência Artificial vem sendo incorporada às práticas pedagógicas no Ensino Médio brasileiro, evidenciando tanto suas potencialidades quanto seus limites. A análise dos sete estudos publicados entre 2024 e 2025 demonstrou que a IA tem se consolidado como um recurso pedagógico relevante para a personalização do ensino, o apoio ao trabalho docente e o aumento do engajamento dos estudantes, contribuindo para aprendizagens mais significativas, interativas e individualizadas. Os resultados indicam que o uso pedagógico intencional da IA favorece a autonomia discente, o protagonismo estudantil e o desenvolvimento do pensamento crítico, especialmente quando integrada a metodologias ativas e a práticas investigativas.
Entretanto, os estudos também evidenciam desafios estruturais e formativos que limitam a efetividade da IA na educação básica, como a insuficiência de formação docente específica, a desigualdade no acesso às tecnologias e o uso superficial dessas ferramentas em alguns contextos escolares. Além disso, emergem preocupações éticas relacionadas à autoria, ao plágio e à confiabilidade das informações, reforçando a necessidade de políticas públicas, letramento digital e mediação pedagógica crítica. Assim, conclui-se que a IA deve ser compreendida como uma ferramenta mediadora — e não substitutiva — do processo educativo, cujo potencial democratizador depende de planejamento, formação continuada e compromisso pedagógico. Recomenda-se, portanto, o aprofundamento de pesquisas sobre os impactos de longo prazo da IA na aprendizagem, seus efeitos cognitivos e éticos e suas implicações para práticas avaliativas no Ensino Médio
REFERÊNCIAS
BASONI, Diana Torres et al. Tecnologias Digitais de Informação e Comunicação no ensino da Matemática no ensino médio: uma revisão sistemática de literatura (2012-2022). Caderno Pedagógico, v. 22, n. 5, p. e14845-e14845. 2025.
FISCHER, Carlos; JULIANI, Douglas; BLEICHER, Sabrina. Possibilidades de uso do ChatGPT nas práticas pedagógicas da Educação Profissional e Tecnológica (EPT): uma revisão sistemática de literatura. TE & ET, 2024. “Utilização da Inteligência Artificial para o Ensino de Ciências da Natureza: Uma Revisão Bibliográfica”. Prof. Wellington Gasperacco. 2024
FUNAKI, Larissa Domingues Cugler; CORRALLO, Marcio Vinicius. Chatbots no Ensino de Física: Possibilidades e Desafios. EaD em Foco, v. 14, n. 1, p. e2142-e2142. 2024.
SANTOS, José Leonardo Cruz. Gamificação como estratégia de aprendizagem em aulas remotas: uma revisão sistemática. 2024.
“Inteligência Artificial no Ensino de Química: Uma Revisão Integrativa”. Leonardo Figueiredo Soares (SEDUC-CE / UFC) e Maria Goretti de Vasconcelos Silva (UFC). 2024
“Inteligência Artificial na Educação: Aprendizagens Significativas para o Ensino Médio”. Luiz Cândido Clementino e Eliete Martins Cardoso de Carvalho. 2025
SOARES, Leonardo Figueiredo; DE VASCONCELOS SILVA, Maria Goretti. Inteligência artificial no ensino de química: uma revisão integrativa. Revista Interagir, n. 125, p. 48-50. 2024.
CARVALHO, Carlos Mendonça Bittencourt. Utilização da inteligência artificial para o ensino de ciências da natureza: uma revisão bibliográfica. 2024.
BASONI, Diana Torres et al. Tecnologias Digitais de Informação e Comunicação no ensino da Matemática no ensino médio: uma revisão sistemática de literatura (2012-2022). Caderno Pedagógico, v. 22, n. 5, p. e14845-e14845. 2025.
ZANELA, Mariluci; GRACIOSA, Maria Lidiane Herculano; FERREIRA, Berenice Rodrigues; RABELO, Leiliane Sodré; RABELO, Liliane Menezes. Fluxos informais e a gestão do conhecimento: uma revisão de escopo. Eixo 4 – Ciência da Informação: diálogos e conexões. Modalidade: Trabalho Completo. [S. l.: s. n.], 2024.
SANTOS, Thiago. Abordagens pedagógicas com o Google Gemini no ensino de matemática. 2025. Trabalho acadêmico (Artigo científico) – Universidade Federal de Ouro Preto, Ouro Preto, 2025.
VOGEL, Daniela; RAMOS, Alexandre Moraes; FRANZONI, Ana Maria Bencciveni. Transformando a educação com large language models (LLMs): benefícios, limitações e perspectivas. 2025. Trabalho acadêmico (Artigo científico) – Universidade Federal de Santa Catarina; Universidade Estadual Paulista, 2025.
NASCIMENTO, Danielle Constantino de Lima; LEITE, Maria Alzira. Inteligência artificial no ensino de língua portuguesa: uma análise de planos de aula da plataforma Nova Escola na perspectiva do letramento digital. 2024. Trabalho acadêmico (Artigo científico) – Universidade do Vale do Itajaí, Itajaí, 2024.
Inteligência Artificial e a Educação: Uma Análise de Teses e Dissertações. Zenildo Santos (UESB). Claudinei de Camargo Sant’Ana (UESB). Irani Parolin Sant’Ana (UESB). 2025.