A INCORPORAÇÃO DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO A DISTÂNCIA – EXPERIÊNCIAS E TENDÊNCIAS

REGISTRO DOI: 10.5281/zenodo.10152805

Laurita Christina Bonfim Santos^¹
Carlos André Martins Nascimento^²
Maurício Aires Vieira^³
Sérgio Henrique Barros Corrêa^⁴
Vanessa Vasconcelos Lima^⁵
Wilton Richard Claudino Valadares^⁶

RESUMO

A pandemia de COVID-19 trouxe mudanças significativas para a Educação. Uma das principais foi o aumento de cursos a distância. Com o objetivo de melhorar a qualidade do ensino online, muitas instituições de ensino estão buscando incorporar a Inteligência Artificial em suas plataformas educacionais. A Inteligência Artificial tem sido cada vez mais utilizada em diversos setores da sociedade, inclusive na educação. A sua inserção nos cursos à distância pode trazer diversas vantagens, como personalização do ensino, melhoria na avaliação e na interação entre alunos e professores. No entanto, também existem desafios a serem enfrentados, como a necessidade de adaptação dos materiais e da metodologia de ensino e a garantia da ética e da privacidade dos dados dos alunos. Este artigo apresenta algumas experiências brasileiras e estrangeiras acerca da utilização da IA nos cursos à distância, discutindo as principais vantagens e desafios, bem como as possibilidades que essa tecnologia oferece para a personalização do ensino e a melhoria da interação entre alunos e professores. Concluímos que a IA pode contribuir para a personalização do ensino, a melhoria na avaliação e no acompanhamento do desempenho dos alunos e a promoção de interações mais efetivas entre alunos e professores. No entanto, é preciso considerar os desafios relacionados à adaptação dos materiais e da metodologia de ensino, à garantia da ética e da privacidade dos dados dos alunos e à formação dos educadores para lidar com as tecnologias emergentes.

Palavras-chave: Inteligência Artificial. Educação à distância. Adaptação do ensino.

ABSTRACT

The COVID-19 pandemic brought significant changes to Education. One of the main ones was the increase in distance learning courses. With the aim of improving the quality of online education, many educational institutions are seeking to incorporate Artificial Intelligence into their educational platforms. Artificial Intelligence has been increasingly used in various sectors of society, including education. Its integration into distance learning courses can bring several advantages, such as personalized learning, improved evaluation, and interaction between students and teachers. However, there are also challenges to be faced, such as the need to adapt materials and teaching methodology and ensure ethics and privacy of student data. This article presents some Brazilian and foreign experiences regarding the use of AI in distance learning courses, discussing the main advantages and challenges, as well as the possibilities that this technology offers for personalized learning and improved interaction between students and teachers. We conclude that AI can contribute to personalized learning, improved evaluation and monitoring of student performance, and promotion of more effective interactions between students and teachers. However, it is necessary to consider the challenges related to adapting materials and teaching methodology, ensuring ethics and privacy of student data, and training educators to deal with emerging technologies.

Keywords: Artificial Intelligence. Distance Education. Teaching Adaptation.

1. Introdução

A Educação à Distância (EaD), também conhecida como Ensino a Distância, surgiu como uma alternativa viável ao ensino presencial convencional, ganhando reconhecimento principalmente devido às circunstâncias impostas durante o período da pandemia do COVID-19. Apesar de sua crescente popularidade, a EaD enfrenta desafios significativos, como a ausência de engajamento dos alunos, a falta de interação direta entre alunos e professores e a complexidade associada à adaptação do ensino a fim de atender às necessidades individuais de cada aluno.

Nesse cenário, o surgimento da Inteligência Artificial (IA) apresenta-se como um avanço tecnológico altamente promissor, com o poder de potencializar a qualidade do ensino a distância. Em virtude disso, a IA tem a capacidade de personalizar o processo de ensino, ajustando-o para atender às necessidades específicas de cada aluno, aumentando assim o aspecto de personalização. Além disso, aprimora os mecanismos de avaliação e promove uma melhor interação entre estudantes e educadores. No entanto, é importante reconhecer que a integração da IA em cursos à distância também apresenta desafios, incluindo a necessidade de adaptar materiais didáticos e metodologias de ensino, além de manter a garantia do uso ético da IA e proteção da privacidade dos dados dos alunos.

Antes de nos aprofundarmos sobre o tema, é importante estabelecer uma definição de Inteligência Artificial (IA) como uma área de estudo da ciência da computação que se concentra no desenvolvimento de algoritmos e criação de sistemas capazes de executar tarefas que normalmente exigiriam a inteligência humana. De acordo com as descobertas de Russell e Norvig (2010), a IA pode ser definida como a arte de criar máquinas que possuem a capacidade de executar funções que normalmente exigiriam as capacidades cognitivas de seres humanos.

Luger e Stubblefield (1993) descrevem a Inteligência Artificial como um campo interdisciplinar que abrange uma ampla gama de áreas do conhecimento, incluindo matemática, lógica, psicologia, filosofia e linguística. Os autores afirmam que a IA representa um dos maiores desafios no área de ciência da computação, pois exige a criação de algoritmos e sistemas capazes de lidar com a incerteza, ambiguidade e imprecisão inerente aos dados de forma eficaz. Rich et al. (2009) propõem que o objetivo fundamental da IA é criar sistemas que possam realizar tarefas que, atualmente, são executadas com mais eficiência por humanos do que por máquinas, ou tarefas que não possuem uma solução algorítmica viável através dos métodos de computação convencionais.

O processamento de linguagem natural (PLN) se destaca como um das principais aplicações da Inteligência Artificial, permitindo que computadores compreendam e gerem textos de maneira semelhante aos dos seres humanos. Jurafsky e Martin (2009) afirmam que a linguagem natural representa uma das principais fontes de dados disponíveis para a IA. O processamento dessa linguagem envolve técnicas como reconhecimento de fala, análise sintática/semântica e geração de texto.

O aprendizado de máquina (machine learning) surge como outra área de grande interesse na Inteligência Artificial. Esta subárea permite que os sistemas aprendam a partir de exemplos e dados, evitando a necessidade de programação explícita para cada tarefa. Como enfatiza Alpaydin (2021), o aprendizado de máquina constitui uma das principais abordagens da IA e encontra utilidade em diversas aplicações, como o reconhecimento de padrões, a classificação de dados e a tomada de decisão.

Portanto, a Inteligência Artificial é uma área em constante evolução, abrangendo uma infinidade de técnicas e abordagens para a criação de sistemas capazes de simular e, em alguns casos, superar a inteligência humana. Como afirmou Minsky (1988), a inteligência artificial representa a ciência da automação do pensamento, com o potencial de transformar profundamente a sociedade e revolucionar a maneira como interagimos com a tecnologia.

Neste artigo, conduzimos uma revisão bibliográfica referente à integração da Inteligência Artificial em cursos à distância, apresentando algumas experiências de instituições de ensino brasileiras e estrangeiras, além de discutirmos as principais vantagens e desafios associados ao tema.

2. Desenvolvimento

Diversos autores têm apontado os benefícios da incorporação da Inteligência Artificial nos cursos à distância. De acordo com Santos et al. (2021), a IA pode facilitar a personalização do ensino, aprimorar os métodos de avaliação e promover a interação entre alunos e professores. A personalização do ensino é possível por meio da análise de dados, permitindo a identificação das aptidões, habilidades e necessidades individuais, sugerindo conteúdos, atividades e materiais personalizados para cada aluno (Oliveira & Leite, 2021). Por meio da coleta e análise de dados, a IA pode identificar o perfil e o ritmo de aprendizado de cada estudante, oferecendo conteúdos e atividades personalizados que atendam às suas necessidades e dificuldades específicas. Além disso, a IA pode fornecer feedbacks instantâneos aos alunos e recomendações para melhorias, aumentando assim sua motivação e envolvimento no processo de ensino-aprendizagem.

A avaliação e o acompanhamento do desempenho também podem ser aprimorados por meio da utilização da análise de dados, facilitando assim a identificação de padrões e lacunas no aprendizado dos alunos. Isso, por sua vez, permite o fornecimento de feedbacks mais precisos e imediatos. Consequentemente, os professores passam a ter uma visão mais detalhada do desempenho dos alunos, permitindo que eles identifiquem rapidamente as áreas de dificuldades e potencialidades desses estudante, podendo intervir de forma mais efetiva (Santos et al., 2022). Além disso, a integração da IA pode automatizar vários processos, como por exemplo, a correção de atividades e avaliações, o que possibilita aos educadores uma economia de tempo e recursos valiosos.

Outra vantagem promovida pela integração da IA na EaD é a possibilidade de promover interações mais efetivas entre alunos e professores. Esse benefício é obtido a partir da implementação de tecnologias de assistentes virtuais (chatbots)e análise de sentimentos (Melo et al., 2022). Um assistente virtual, também conhecido como bot ou chatbot, é um programa de computador que utiliza inteligência artificial para imitar a comunicação humana. Ele é capaz de conduzir conversas em linguagem natural com os usuários de maneira automatizada e personalizada (Sousa et al., 2021). Um chatbot é um sistema capaz de conversar com um usuário em linguagem natural, de maneira a simular um diálogo humano (Kuyven et al., 2018). Os chatbots servem como um meio para tirar dúvidas e fornecer informações aos alunos, concedendo-lhes acesso a respostas mais rápidas e precisas.

Por outro lado, a análise de sentimentos auxilia na identificação das emoções e reações dos alunos em relação aos conteúdos e às atividades propostas, contribuindo assim para uma melhor compreensão de suas necessidades e expectativas. Consequentemente, isso pode levar a um maior engajamento dos alunos e a melhores resultados no processo de aprendizagem (Alencar & Netto, 2022). A análise de sentimentos dos alunos, por exemplo, pode ser realizada por meio da análise de texto escrito ou da detecção de expressões faciais. Essa análise pode auxiliar os professores a obter uma compreensão mais profunda das necessidades e estado emocional de seus alunos. Além disso, a personalização do ensino pode ser alcançada através de sistemas adaptativos de aprendizagem, que ajustam o conteúdo e as atividades baseadas no perfil comportamental e o desempenho de cada aluno (Veiga & Andrade, 2019).

A IA também pode auxiliar na identificação de problemas e dificuldades de aprendizagem, bem como na detecção precoce de alunos em situação de risco de evasão escolar. Através da análise de dados, a IA é capaz de identificar padrões no comportamento e no desempenho dos alunos, capacitando os professores a intervir de forma antecipada e fornecer suporte personalizado para mitigar o risco de evasão ou outros problemas relacionados à aprendizagem. Assim, a IA emerge como um elemento de extrema importância na identificação de áreas comuns de dificuldade entre os alunos, permitindo que os professores desenvolvam estratégias de ensino mais direcionadas, focadas e eficientes.

Apesar de toda a discussão acima, é preciso destacar que a incorporação da Inteligência Artificial nos cursos à distância também traz alguns desafios e limitações. Uma das principais desvantagens apontadas é a ausência de interação humana. Embora a IA seja capaz de personalizar o ensino e fornecer feedbacks instantâneos, ela ainda não é capaz de substituir o papel essencial que a interação humana desempenha no processo de ensino-aprendizagem. A interação com professores e colegas é essencial para o desenvolvimento de habilidades sociais e emocionais, além de contribuir para a formação de uma rede de contatos profissionais (networking).

Outra desvantagem de empregar a IA em cursos EaD é a dependência de tecnologias. A IA exige a utilização de sistemas complexos e sofisticados que estão suscetíveis a falhas, prejudicando o processo de ensino-aprendizagem. Além disso, a implementação da IA pode levar ao aumento das desigualdades no acesso à educação, uma vez que requer uma infraestrutura tecnológica adequada.

De acordo com Pedró et al. (2019), um dos principais desafios é a necessidade de adaptação dos materiais didáticos para a utilização da IA, o que pode se tornar um processo demorado, oneroso e complexo. Isso se deve ao fato de que a IA exige a utilização de dados e algoritmos específicos, que precisam ser integrados aos materiais didáticos e metodologias de ensino. Além disso, a introdução da IA também pode resultar na padronização das práticas de ensino, o que pode prejudicar a diversidade e a criatividade no processo de aprendizagem.

A formação dos educadores para lidar adequadamente com as tecnologias emergentes também é um desafio a ser levado em consideração. É preciso que os professores estejam equipados e preparados para utilizar adequadamente as tecnologias de IA com proficiência e integrá-las de forma efetiva no processo de ensino-aprendizagem (Santos et al., 2021). Em outras palavras, é necessário que os professores compreendam as potencialidades da IA e possuam o conhecimento necessário para incorporar essas tecnologias ao processo de ensino-aprendizagem. Além disso, é essencial que os educadores também estejam preparados para lidar com imprevistos e promover a interação e a colaboração entre os alunos. Isso requer formação continuada e atualização constante sobre as novas tecnologias e metodologias de ensino.

Outra desvantagem é a possibilidade de a IA perpetuar preconceitos e discriminações, uma vez que ela pode aprender a partir de dados históricos que refletem desigualdades sociais e culturais. Por exemplo, se um algoritmo for treinado para reconhecer um sotaque específico, ele poderá encontrar dificuldades em reconhecer sotaques diferentes, o que pode prejudicar os alunos que não se encaixam no padrão estabelecido. Portanto, é necessário o máximo cuidado com o treinamento dos algoritmos a fim de garantir que eles sejam projetados para serem imparciais e justos.

Outro desafio da inserção da IA nos cursos à distância é a garantia de práticas éticas e a privacidade dos dados dos alunos. Segundo Reiss (2021), a IA tem a capacidade de coletar um volume substancial de dados dos alunos, abrangendo informações pessoais, de desempenho e comportamentais. Consequentemente, é fundamental garantir que esses dados sejam armazenados e utilizados de forma ética e segura, respeitando a privacidade dos alunos e evitando qualquer uso indevido ou violação de seus direitos.

A implementação da IA no cenário educacional global está ocorrendo por meio de diversas metodologias inovadoras que buscam aprimorar o processo de ensino-aprendizagem em instituições educacionais em todo o mundo. Abaixo, estão elencados alguns exemplos ilustrativos dessas metodologias, de acordo com a Pearson High Education (2022):

Orientação virtual sem intervenção humana: a IA é aplicada na criação de assistentes virtuais que respondem de forma autônoma às perguntas dos alunos, fornecendo informações valiosas;
Gestores de avaliação de atividades: a IA é empregada para estabelecer e administrar avaliações, permitindo que os educadores se concentrem na prática pedagógica reduzam as tarefas administrativas e burocráticas;
Registro e avaliação individualizada do desempenho acadêmico: a IA é utilizada para monitorar o progresso dos alunos e fornecer feedback individualizado, contribuindo para a melhoria do desempenho acadêmico;
Aprimoramento da educação personalizada por meio do crowdsourcing: a IA é empregada para personalizar a educação, adaptando os materiais didáticos às necessidades exclusivas de cada aluno;
Suporte na criação de materiais didáticos personalizados: a IA é utilizada para gerar materiais didáticos personalizados, considerando as aptidões e dificuldades de cada aluno;
Ambiente virtual tridimensional (Metaverso): por meio da IA, educadores são capazes de criar encontros imersivos e interativos que superam as limitações do ensino tradicional;
Plataformas adaptativas na educação com IA: plataformas educacionais que incorporam IA são utilizadas para individualizar as experiências de aprendizado dos alunos (Pearson, 2022).

Esses exemplos evidenciam a versatilidade e o impacto da IA na transformação do ambiente educacional, oferecendo suporte abrangente tanto a alunos quantos a professores. Nesse contexto, apresentaremos algumas experiências de incorporação da Inteligência Artificial (IA) no processo de ensino-aprendizagem.

Os Open Learners Models (OLMs) ou Modelos Abertos de Aprendizagem são uma abordagem educacional que utiliza IA e consistem em representações da aprendizagem do aluno disponíveis para eles como um meio importante de apoio ao aprendizado. Isso implica na criação de uma interface acessível aos alunos e, em alguns casos, para outros que auxiliam seu aprendizado, incluindo colegas, pais e professores Os OLMs podem ajudar os alunos a entender seu progresso e processos de aprendizagem pois permitem que o aluno responda a perguntas do tipo “o que eu sei?”, “o quanto eu conheço desse assunto específico?”, “o que eu quero saber?” ou “como eu posso aprender esse novo assunto?” (Bull & Kay, 2010). Eles também fornecem informações úteis a todos envolvidos no processo de aprendizagem do aluno, com pais e professores, pois são configurados para desempenhar um papel cada vez mais relevante à medida que novas tecnologias de aprendizagem são desenvolvidas (Bull, 2020).

Os Modelos Abertos de Aprendizagem podem ser categorizados conforme o tipo de informação que contêm, como conhecimento, metacognição, afeto, habilidades, etc. Eles também podem variar em grau de abertura, que se refere à possibilidade de os aprendizes e outros interagirem com o modelo, visualizando, editando, questionando, negociando, etc. Assim, os OLMs podem servir a diversos propósitos educacionais, tais como aumento da motivação, auto-regulação, reflexão, colaboração, comunicação, feedback, adaptação, etc. Eles também ajudam os alunos a compreender melhor seus próprios processos e resultados de aprendizagem, bem como os de seus colegas. Exemplos de sistemas de aprendizagem que utilizam os OLMs incluem ELM-ART, INSPIRE, Prolog-Tutor, Concept Map, Narcissus, entre outros. Por outro lado, alguns desafios e questões em aberto na área de OLMs incluem validade, confiabilidade, privacidade, ética, personalização, avaliação, etc. (Bull & Kay, 2010).

Os OLMs já foram usados para apoiar o aprendizado de várias maneiras e ainda há direções a serem exploradas, com referência ao incentivo à atividade metacognitiva e ao aprendizado autodirigido (Bull & Kay, 2013). Os autores sugerem algumas direções futuras para a pesquisa e o desenvolvimento de Modelos Abertos de Aprendizagem, como explorar novas formas de representação, interação, compartilhamento e uso dos modelos (Bull & Kay, 2010).

No Brasil, um exemplo de aplicação dos OLMs é o ArCARE (Arcabouço Conceitual de Adaptação de Recursos Educacionais), um framework que permite a criação de Smart Learning Environments (SLEs) e a adaptação de recursos para alunos em Ambientes Virtuais de Aprendizagem (AVAs) no decorrer do curso. Este modelo é apresentado ao aluno por meio de Learning Analytics (LA), com o objetivo de permitir que ele conheça seu estado atual no curso, promovendo uma aprendizagem auto-regulada (Frota, 2017).

Uma experiência que vale a pena destacar é a do projeto “ALMA” (Adaptive Learning Models from texts and Activities), um ambiente de aprendizado adaptativo desenvolvido por Gasparinatou e Grigoriadou (2015), do Departamento de Informática e Telecomunicações da Universidade Nacional e Kapodistriana de Atenas, Grécia. Este projeto inovador apoia efetivamente os processos de aprendizagem e avaliação por meio da implementação de uma diversidade de estratégias. Essas estratégias incluem a apresentação de textos que exibem variações na coesão local e global, atendendo a estudantes com diferentes graus de conhecimento prévio (Gasparinatou & Grigoriadou, 2015) .

Assim, o ambiente ALMA se destaca como uma ferramenta valiosa que facilita os processos de aprendizagem e avaliação, fornecendo textos e atividades adaptados às características únicas de cada aluno. Esse novo ambiente é fundamentado no modelo de compreensão de texto de Kintsch e no inventário de estilos de aprendizagem de Kolb (Gasparinatou & Grigoriadou, 2015).

O modelo de Kintsch, desenvolvido pelo psicólogo Walter Kintsch em 1998, foca na compreensão de como as pessoas entendem e processam informações a partir de textos escritos. Ele sugere que a compreensão humana de um texto é um processo ativo, no qual os leitores constroem uma representação mental do conteúdo do texto à medida que o leem. Isso envolve a criação de conexões entre as informações do texto e o conhecimento prévio do leitor (Kintsch, 1998).

Por outro lado, o inventário de estilos de aprendizagem de Kolb, criado por David Kolb em 1984, é uma ferramenta que auxilia as pessoas a identificarem seu estilo de aprendizagem preferido. Kolb (1984) propôs quatro estilos de aprendizagem principais, baseados em dois eixos: observação reflexiva (pensamento) e ação (fazer), além de experimentação ativa e observação passiva. Os quatro estilos são: Divergente (reflexivo e observador), Assimilador (reflexivo e experimentador), Convergente (ativo e experimentador) e Acomodador (ativo e observador). Identificar o estilo de aprendizagem pode aprimorar a forma como o aluno absorve e processa informações.

O ambiente ALMA propõe uma versão personalizada do texto e um conjunto cuidadosamente sequenciado de atividades com base no conhecimento e no estilo de aprendizado existentes do aluno. Notavelmente, foi implementado com sucesso em cursos introdutórios à ciência da computação, aprofundando a compreensão dos alunos nos conceitos abordados nos textos (Gasparinatou & Grigoriadou, 2015).

As autoras realizaram um estudo empírico com 77 estudantes de graduação e suas interações com o ambiente ALMA. Os resultados indicaram que os estudantes concordaram com a versão do texto e a sequência de atividades propostas pelo ambiente, alinhando-se com seu conhecimento prévio e estilo de aprendizagem. Os estudantes também apresentaram bom desempenho nas atividades de compreensão de texto e expressaram opiniões positivas sobre o ambiente ALMA em termos de suporte ao processo de aprendizagem (Gasparinatou & Grigoriadou, 2015).

Diante disso, as autoras concluíram que o ambiente ALMA pode ser uma ferramenta valiosa para apoiar o processo de aprendizagem em cursos introdutórios de ciência da computação, auxiliando os estudantes a aprofundar sua compreensão dos conceitos abordados nos textos.

A Icapiedu é uma startup brasileira que oferece uma solução para combater o bullying no ambiente escolar. Através de sua plataforma, as crianças e adolescentes interagem com histórias gamificadas e a IA analisa os conteúdos socioemocionais, interacionais e sociais. Isso permite que a plataforma identifique possíveis casos de bullying e tome medidas para prevenir ou resolver essas situações. A Icapiedu é um exemplo de como a tecnologia e a IA podem ser usadas para criar um ambiente de aprendizado mais seguro e inclusivo (Oliveira, 2023).

A Slang, fundada em 2013 por Diego Villegas e por Kamran Khan, é uma edtech líder na capacitação do ensino de inglês profissional, com conteúdos técnicos voltados para empresas. Originada a partir de um projeto desenvolvido no Massachusetts Institute of Technology (MIT), a plataforma utiliza a Inteligência Artificial para combater o “analfabetismo profssional”, disponibilizando planos de estudos personalizados. Seu foco está em resolver a falta de domínio do idioma inglês na América Latina (Bevilaqua, 2022; Fleischmann, 2021).

A missão da Slang é abordar a carência de proficiência em inglês na região, e para isso, sua plataforma de treinamento profissional é construída a partir de uma combinação de aprendizado de máquina (machine learning) e uma abordagem baseada em dados. Utilizando esse banco de dados, a Slang emprega um gerador de currículo para criar cursos de inglês por tópico. Recentemente, a empresa captou US$ 14 milhões para expandir sua presença na América Latina, consolidando sua posição como uma das edtechs revolucionárias que utilizam a inteligência artificial no ensino de idiomas (Fleischmann, 2021).

O Duolingo, também focado no aprendizado de idiomas, é uma plataforma inovadora que integra a IA de várias maneiras para aprimorar a experiência de aprendizado dos usuários. De acordo com Pajak e Bicknell (2022), algumas das maneiras como o Duolingo emprega a IA incluem: Birdbrain: um método de personalização do ensino que complementa o sistema de IA pré-existente do Duolingo. Ele cria lições personalizadas por meio de machine learning e é capaz de adaptar os conteúdos de acordo com o nível de aprendizado do aluno. Isso gera mais engajamento ao incentivar a revisão de materiais e otimizar o tempo, evitando a entrega de conteúdos muito fáceis ou muito difíceis para o aluno (Nogueira; Lisboa, 2021).

Combinação de especialistas e IA: a criação de cursos no Duolingo ocorre em quatro etapas, que envolvem tanto pessoas quanto IA. Os estágios relacionados à variação e personalização dos exercícios demandam mais o uso da IA, enquanto os primeiros estágios contam com a participação ativa da equipe de especialistas em aprendizagem.
GPT-4 da OpenAI: em 2023, o Duolingo lançou um novo plano de assinatura que integra o GPT-4, uma tecnologia de IA, para auxiliar os estudantes de idiomas em dispositivos móveis (Gonçalves, 2023).
Parceria com a Microsoft: o Duolingo anunciou um novo componente de texto e fala, desenvolvido em parceria com a Microsoft, que proporcionará uma nova dimensão de entretenimento (Pajak & Bicknell, 2022).

Outro exemplo de experiência brasileira, podemos destacar a Universidade Virtual do Estado de São Paulo (UNIVESP), universidade pública que utiliza a tecnologia para oferecer cursos de graduação e pós-graduação a distância. Como parte de sua estratégia educacional, a UNIVESP utiliza a IA para aprimorar o processo de ensino e aprendizagem de seus alunos. Uma das principais formas de utilização da IA é por meio de sistemas de recomendação. Esses sistemas funcionam como assistentes virtuais que ajudam os alunos a escolherem quais materiais de estudo devem priorizar, com base em seus interesses e desempenho anterior. Esses sistemas também podem ajudar professores a identificarem quais alunos estão com dificuldades em determinados tópicos, permitindo que possam fornecer feedbacks mais personalizados.

Outra forma de utilização da IA na UNIVESP é por meio de chatbots, que são programas de computador que utilizam tecnologias de Processamento de Linguagem Natural (PLN) para dialogar com os alunos. Os chatbots podem ser utilizados para tirar dúvidas dos alunos, fornecer informações sobre o curso e até mesmo para realizar avaliações formativas.

A UNIVESP também utiliza técnicas de mineração de dados para analisar o desempenho dos alunos e identificar padrões de comportamento. Essas informações são utilizadas para aprimorar a eficácia do ensino e identificar possíveis falhas no processo.

É importante ressaltar que a utilização da IA na UNIVESP tem como objetivo principal melhorar a qualidade do ensino e da aprendizagem, e não substituir os professores. Segundo Lin et al. (2023), a IA pode ser vista como uma ferramenta que permite aos professores oferecerem um ensino mais personalizado e eficaz, permitindo que possam se concentrar em atividades mais relevantes e desafiadoras, como orientação e feedback.

Portanto, a UNIVESP utiliza a IA de forma estratégica e consciente para aprimorar o processo de ensino e aprendizagem de seus alunos. Essa abordagem demonstra como a tecnologia pode ser utilizada para complementar a experiência educacional, fornecendo soluções personalizadas e eficazes para os desafios enfrentados pelos estudantes.

3. Considerações Finais

Diante do exposto, é possível concluir que a inserção da Inteligência Artificial nos cursos EaD apresenta grande potencial na melhoria da qualidade e da eficiência do ensino, através da personalização do ensino, da avaliação mais precisa e imediata e da promoção de interações mais efetivas entre alunos e professores.

No entanto, também existem desafios a serem enfrentados, como a necessidade de adaptação dos materiais e da metodologia de ensino, a garantia da ética e da privacidade dos dados dos alunos e a formação dos educadores para lidar com as tecnologias emergentes. É importante ressaltar que os educadores e os desenvolvedores de tecnologia devem trabalhar juntos para encontrar soluções que aproveitem as vantagens da IA, sem comprometer a qualidade e a integridade do ensino.

Apesar dos desafios, a utilização da inteligência artificial nos cursos de EaD é uma tendência que deve se consolidar nos próximos anos, visto que as tecnologias de IA estão em constante evolução e os benefícios para a educação são significativos. É importante que as instituições de ensino e os profissionais da área estejam atentos às possibilidades e desafios da IA, e busquem formas de utilizá-la de maneira ética e eficiente para melhorar a qualidade do EaD.

Por fim, a inserção da IA nos cursos EaD também apresenta perspectivas promissoras para o futuro da educação. A IA pode contribuir para a democratização do acesso à educação, ao permitir que mais pessoas tenham acesso a cursos personalizados e adaptados às suas necessidades (Chiu & Mok, 2020). Outrossim, a IA pode ajudar a promover a inclusão e a diversidade na educação, ao permitir que alunos com diferentes habilidades e necessidades possam ter acesso a um ensino adaptado às suas necessidades.

Resumindo, a utilização da Inteligência Artificial na EaD apresenta grandes possibilidades e desafios. As vantagens incluem a personalização do ensino, o aumento da eficiência, a melhoria da experiência do aluno e a coleta de dados para análises preditivas. As desvantagens incluem questões éticas, a substituição de professores e o alto custo da implementação. No entanto, é importante lembrar que a IA não é uma solução completa para os problemas educacionais. Ela deve ser utilizada como uma ferramenta complementar para ajudar os professores a criar um ambiente de ensino mais eficiente e personalizado. Além disso, é essencial que a implementação da IA seja feita com cautela, levando em consideração questões éticas e de privacidade dos alunos. A IA deve ser utilizada de maneira transparente, com o objetivo de melhorar o ensino e não de monitorar os alunos.

Portanto, a IA pode ser uma ferramenta valiosa para melhorar a educação, mas sua implementação deve ser feita com cuidado e planejamento cuidadoso para garantir que ela seja usada de maneira ética e eficaz.

4. Referências Bibliográficas

Alencar, M. A. S., & Netto, J. F. M. (2022). Modelo para Análise de Sentimentos no AVA: um estudo de caso. Revista Novas Tecnologias na Educação, 20(1), 143–152. Disponível em https://doi.org/10.22456/1679-1916.126617. Acesso em 17 mar. 2023.

Alpaydin, E. (2021). Introduction to Machine Learning. Cambridge: MIT Press. Disponível em https://direct.mit.edu/books/book/5167/Machine-Learning. Acesso em 21 jan. 2023.

Bevilaqua, B. (2022). Edtechs Revolucionárias: Inteligência Artificial para o ensino de idiomas. Conexão Startup. Disponível em https://gazzconecta.com.br/vozes/conexao-startup/edtechs-revolucionarias-inteligencia-artificial-para-ensino-de-idiomas/. Acesso em 04 set. 2023.

Bull, S. (2020). There are Open Learner Models About! In: IEEE Transactions on Learning Technologies, 13(2), 425-448. Disponível em https://doi.org/10.1109/TLT.2020.2978473. Acesso em 04 set. 2023.

Bull, S., & Kay, J. (2010). Open Learner Models. In: Nkambou, R., Bourdeau, J., Mizoguchi, R. (eds) Advances in Intelligent Tutoring Systems. Studies in Computational Intelligence, vol 308. Springer, Berlin, Heidelberg. Disponível em https://doi.org/10.1007/978-3-642-14363-2_15. Acesso em 26 out. 2023.

Bull, S., & Kay, J. (2013). Open Learner Models as Drivers for Metacognitive Processes. In: Azevedo, R., Aleven, V. (eds) International Handbook of Metacognition and Learning Technologies. Springer International Handbooks of Education, 28(1). Springer, New York, NY. Disponível em https://doi.org/10.1007/978-1-4419-5546-3_23. Acesso em 06 jul. 2023..

Chiu, M. M., & Mok, M. M. C. (2020). Technology-enhanced learning and assessment, Educational Psychology, 40:9, 1053-1055, Disponível em https://doi.org/10.1080/01443410.2020.1810909. Acesso em 13 set. 2023.

Fleischmann, I. (2021). Edtech Slang capta US$ 14 milhões para vencer a falta do domínio do inglês na América Latina. Labs Latin American Business Stories. Disponível em https://labsnews.com/pt-br/artigos/negocios/edtech-slang-capta-us-14-milhoes/. Acesso em 13 set. 2023.

Frota, V. B. (2017). Arcabouço conceitual de adaptação de recursos educacionais. Tese (Doutorado em Informática) – Universidade Federal do Amazonas, Manaus. Disponível em https://tede.ufam.edu.br/handle/tede/6216. Acesso em 05 set. 2023.

Gasparinatou, A., & Grigoriadou, M. (2015) Supporting Student Learning in Computer Science Education via the Adaptive Learning Environment ALMA. Systems, 3(4), 237-263. Disponível em https://doi.org/10.3390/systems3040237. Acesso em 15 mar. 2023.

Gonçalves, A. L. D. (2023). Duolingo lança nova versão com a mesma tecnologia do ChatGPT. Tecmundo. Disponível em https://www.tecmundo.com.br/software/261751-duolingo-lanca-nova-versao-mesma-tecnologia-chatgpt.htm. Acesso em 04 set. 2023.

Jurafsky, D., & Martin, J. H. (2009). Speech and language processing: An introduction to natural language processing, speech recognition, and computational linguistics (2nd ed.). New Jersey: Prentice-Hall. Disponível em https://www.researchgate.net/publication/200111340_Speech_and_Language_Processing_An_Introduction_to_Natural_Language_Processing_Computational_Linguistics_and_Speech_Recognition. Acesso em 10 mai. 2023.

Kintsch, W. (1998). Comprehension: A paradigm for cognition. Cambridge: Cambridge University Press.

Kolb, D. (1984). Experiential Learning: Experience As The Source Of Learning And Development. Prentice-Hall. Disponível em https://www.researchgate.net/publication/235701029_Experiential_Learning_Experience_As_The_Source_Of_Learning_And_Development. Acesso em 12 ago. 2023.

Kuyven, N. L., Antunes, C. A., Vanzin, V. J. B., Silva, J. L. T., Krassmann, A. L., Tarouco, L. M. R. (2018). Chatbots na educação: uma Revisão Sistemática da Literatura. Revista Novas Tecnologias na Educação, Porto Alegre, v. 16, n. 1, 2018. Disponível em: https://doi.org/10.22456/1679-1916.86019. Acesso em 9 set. 2023.

Lin, CC., Huang, A.Y.Q. & Lu, O.H.T. (2023). Artificial intelligence in intelligent tutoring systems toward sustainable education: a systematic review. Smart Learn. Environ. 10(41). Disponível em https://doi.org/10.1186/s40561-023-00260-y. Acesso em 27 set. 2023.

Lisboa, A. (2021). Duolingo incrementa uso de inteligência artificial para personalizar aprendizado. Canaltech. Disponível em https://canaltech.com.br/apps/duolingo-incrementa-uso-de-inteligencia-artificial-para-personalizar-aprendizado-193454/. Acesso em 06 jun. 2023.

Luger, G. F., & Stubblefield, W. A. (1993). Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Benjamin Cummings San Francisco, CA, USA.

Melo, S. M., Pessoa, E. B., & Paschoal, L. N. (2022). Uma análise sistemática sobre o uso de chatbots para ensino de computação no Brasil. Revista Novas Tecnologias na Educação, Porto Alegre, v. 20, n. 2, p. 94–103, 2022. Disponível em https://doi.org/10.22456/1679-1916.129155. Acesso em 09 nov. 2023.

Minsky, M. (1988). The Society of Mind. New York: Simon and Schuster. Disponível em http://www.acad.bg/ebook/ml/Society%20of%20Mind.pdf. Acesso em 14 fev. 2023.

Nogueira, H. (2021). Duolingo anuncia novo recurso de Inteligência Artificial. O Povo. Disponível em https://www.opovo.com.br/noticias/tecnologia/opovotecnologia/2021/10/07/duolingo-anuncia-novo-recurso-de-inteligencia-artificial.html. Acesso em 07 out. 2023.

Oliveira, F. H. (2023). 5 empresas e instituições que estão usando a inteligência artificial para melhorar a educação. GazzConecta. Disponível em https://gazzconecta.com.br/gazz-conecta/5-empresas-e-instituicoes-que-estao-usando-a-inteligencia-artificial-para-melhorar-a-educacao/. Acesso em 7 out. 2023.

Oliveira, N. L., & Leite, B. S. (2021). Análise dos Critérios para uma Educação Personalizada em Artigos da Área de Ensino Publicados entre 2010-2020. Revista Exitus, 11(1), 1-25. Disponível em https://www.academia.edu/63758694/An%C3%A1lise_dos_crit%C3%A9rios_para_uma_educa%C3%A7%C3%A3o_personalizada_em_artigos_da_%C3%A1rea_de_ensino_publicados_entre_2010_2020. Acesso em 22 jan. 2023.

Pajak, B, & Bicknell, K. (2022). No Duolingo, humanos e inteligência artificial trabalham juntos para desenvolver um aprendizado de alta qualidade. Duolingo blog. Disponível em https://blog.duolingo.com/pt/como-os-especialistas-do-duolingo-trabalham-com-inteligencia-artificial/. Acesso em 12 set. 2023.

Pearson. Pearson High Education. (2022). 5 aplicações da inteligência artificial na educação. Plataformas de aprendizagem. Disponível em https://hed.pearson.com.br/blog/inteligencia-artificial-principais-aplicacoes-na-educacao. Acesso em 27 jul. 2023.

Pedró, F., Subosa, M., Rivas, A., & Valverde, P. (2019). Artificial intelligence in education: challenges and opportunities for sustainable development. Unesco Digital Library, 7(1). Disponível em https://unesdoc.unesco.org/ark:/48223/pf0000366994. Acesso em 15 fev. 2023.

Reiss, M. J. (2021). The use of AI in education: Practicalities and ethical considerations. London Review of Education, UCL Press. Disponível em https://uclpress.scienceopen.com/hosted-document?doi=10.14324/LRE.19.1.05. Acesso em 11 out. 2023.

Rich, E., Knight, K., & Nair, S. B. (2009). Artificial intelligence. 2.ed. New York: McGraw-Hill. Disponível em https://epdfx.com/queue/artificial-intelligence-by-rich-and-knight_5844fe1d6454a75274e58878_pdf?queue_id=598bc8f1dc0d60e82b300d19. Acesso em 17 out. 2023.

Russell, S., & Norvig, P. (2010). Artificial Intelligence: A Modern Approach. Upper Saddle River: Prentice Hall.

Santos, S. E. F., Jorge, E. M. F., & Winkler, I. (2021). Inteligência Artificial e Virtualização em Ambientes Virtuais de Ensino e Aprendizagem: desafios e perspectivas tecnológicas. Educação Temática Digital, 23(1), 2-19. Disponível em https://doi.org/10.20396/etd.v23i1.8656150. Acesso em 21 mai. 2023.

Sousa, A. C. S., Fecchio, R. L., & Corrêa, A. G. D. (2021). Chatbots no Apoio à Educação Superior: revisão de literatura. Adelpha Repositório Digital. Disponível em https://dspace.mackenzie.br/handle/10899/30969. Acesso em 14 abr. 2023.

UNIVESP. Inteligência Artificial aplicada à educação: conheça os benefícios. Disponível em: https://www.univesp.br/noticias/inteligencia-artificial-aplicada-a-educacao-conheca-os-beneficios. Acesso em 11 mar. 2023.

Veiga, F., & Andrade, A. (2019). Inteligência artificial e educação: uma revisão sistemática de literatura. Documento apresentado no II Seminário Internacional EXPRESSA: Re-imaginar a Comunicação Científica em Educação, Porto, Portugal. Disponível em http://hdl.handle.net/10400.14/38739. Acesso em 25 set. 2023.

1 Bacharel em Administração (UFAL). Licenciatura em Letras Português/Inglês (Facese). Pós-graduada em: Tecnologia da Informação (Facuminas), Business Intelligence (Facuminas) e Educação Digital (UNEB). Pós-graduanda em Educação a Distância (Unimontes) e em Educação Profissional e Tecnológica (DocentEPT/IFES). Mestre em Master of Science in Emergent Technologies in Education (Must University). Doutoranda em Ciencias de la Educación (Fics). E-mail: laurita.christina@gmail.com

2 Bacharel em Hotelaria (Universidade Anhembi Morumbi). Tecnólogo em Gestão em Alimentos e Bebidas (Universidade Anhembi Morumbi). Pós-graduação em Padrões Gastronômicos (Anhembi Morumbi). Mestrando em Master of Science in Emergent Technologies in Education (Must University). E-mail: chef.martins@hotmail.com.

3 Licenciado em Física (UFPel). Especialista em Psicopedagogia Institucional (Portal Faculdades). Mestre em Educação Ambiental (FURG). Doutor em Educação (PUC/RS). Bacharel em Direito (Anhanguera). Docente permanente do Programa de Pós-Graduação Mestrado Profissional em Educação (Universidade Federal do Pampa-UNIPAMPA). Professor Associado (UNIPAMPA). E-mail: mauriciovieira@unipampa.edu.br.

4 Bacharel em Teologia (FATERJ). Licenciado em Educação Física (UNIFIL). Tecnólogo em Desporto e Lazer (CEFET-AL). Pós-graduado em: Metodologia em Educação Física (FCE), Artes Visuais – cultura e criação (SENAC), Propaganda, Marketing e Comunicação (FABRAS), Ensino Religioso (FAVENI) e Educação Profissional e Tecnológica (DocentEPT/IFES). Mestre em Master of Science in Emergent Technologies in Education (Must University). E-mail: prsergiocorrea@gmail.com.

5 Graduada em Pedagogia (Universidade de Fortaleza-UNIFOR). Especialização em: Ciências Humanas e Sociais e o Mundo do Trabalho (IFPI), Psicopedagogia Clínica e Institucional (Universidade Estadual Vale do Acaraú-UVA), Gestão escolar, supervisão e coordenação pedagógica (Faculdade de Tecnologia de Palmas-FTP). Mestranda em Tecnologias Emergentes em Educação (Must University). E-mail: vanessa.vlima@hotmail.com.

6 Licenciado em Filosofia (UNIP). Pós-Graduação em Gestão e Tutoria EAD (FAPRO). Especialização em Neuro Optometria e Optometria Comportamental (Faculdade de Evolução Profissional-Fiep). Especialização em Ortóptica com Ênfase em Reabilitação Visual (Faculdade Gaúcha-FG). Mestre em Master of Science in Emergent Technologies in Education (Must University). E-mail: will.richard2013@gmail.com.