REGISTRO DOI: 10.69849/revistaft/cl10202512151324
Joice Marisa Görgen Junqueira1
Naiara Cristina de Souza Garajau2
Ramon Santos Costa3
Marcus Vinícius da Silva4
Maria Elenice Pereira da Silva5
Júlio Sousa da Costa6
Isaac Peron Cunha Carvalho7
Elâine Correia Jacobina8
Graziella Plaça Orosco de Souza9
Tiago Augusto de Figueiredo10
Luiz Fernando Gonçalves da Silva Araújo11
Jacineide Virgínia Borges Oliveira da Silva Santana12
Resumo: A incorporação da inteligência artificial (IA) à educação tem provocado reconfigurações profundas no trabalho docente, na dinâmica da sala de aula e nos modos contemporâneos de produção do conhecimento. Apesar de seu potencial pedagógico, a IA também gera resistências, tensões e incertezas entre professores, especialmente quando tecnologias emergentes são introduzidas sem formação adequada e sem reflexão crítica. Este artigo discute, com base em referenciais da formação docente (Tardif; Nóvoa), dos letramentos digitais e críticos (Rojo; Lankshear & Knobel) e dos estudos críticos da tecnologia (Selwyn; Williamson), as razões que sustentam a resistência docente e a necessidade de uma formação crítica em IA. Defende-se que a resistência não é sinônimo de oposição irracional, mas expressão legítima de identidades profissionais, condições de trabalho e percepções éticas sobre a autonomia docente e a mediação tecnológica. Com base nesse debate, propõe-se um conjunto de caminhos para uma formação crítica em IA que articule compreensão técnica, letramento algorítmico, reflexão ética e práticas pedagógicas contextualizadas. O artigo contribui para o campo ao oferecer uma análise conceitual fundamentada e uma abordagem teórica que posiciona o professor como agente crítico, e não como mero executor de tecnologias.
Palavras-chave: inteligência artificial; formação docente; letramento digital; letramento algorítmico; pedagogia crítica.
Abstract: The integration of artificial intelligence (AI) into education has profoundly reshaped teaching practices, classroom dynamics, and contemporary forms of knowledge production. Despite its pedagogical potential, AI also generates resistance, tensions, and uncertainties among teachers, especially when emerging technologies are implemented without adequate training or critical reflection. Drawing on theoretical frameworks from teacher education (Tardif; Nóvoa), digital and critical literacy studies (Rojo; Lankshear & Knobel), and critical technology research (Selwyn; Williamson), this article examines the underlying reasons for teacher resistance and the need for critical AI literacy in teacher education. It argues that resistance is not merely a form of irrational opposition but a legitimate response rooted in professional identities, working conditions, and ethical concerns regarding autonomy and technological mediation. Based on this discussion, the article proposes pathways for a critical AI-oriented teacher education that integrates technical understanding, algorithmic literacy, ethical reflection, and contextualized pedagogical practice. This study contributes to the field by offering a grounded conceptual analysis and positioning teachers not as passive technology users but as critical and reflective agents.
Keywords: artificial intelligence; teacher education; digital literacy; algorithmic literacy; critical pedagogy.
1. Introdução
A presença crescente da inteligência artificial (IA) na educação tem produzido transformações significativas no trabalho docente, nas práticas de ensino e nos modos contemporâneos de circulação do conhecimento. Em meio a discursos que ora celebram a automação, ora denunciam riscos éticos e epistemológicos, professores se veem desafiados a reinterpretar seu papel diante de tecnologias que reconfiguram processos de leitura, escrita, avaliação e mediação pedagógica. Não se trata apenas de aprender novos instrumentos, mas de compreender como a IA participa da reorganização social, cognitiva e cultural das práticas educativas — uma discussão que exige posicionamento crítico e formação sólida.
A literatura aponta que as resistências docentes à IA não são sinais de imobilismo, mas expressões legítimas das condições materiais do trabalho, da defesa da autonomia profissional e da preservação de práticas pedagógicas construídas historicamente. Tardif (2014) destaca que os saberes docentes são produzidos ao longo da experiência e constituem parte da identidade profissional; por isso, qualquer inovação tecnológica incide diretamente sobre os modos de ser professor. Nóvoa (2009) reforça que a formação precisa reconhecer os professores como sujeitos de saber, evitando abordagens prescritivas que tratam a tecnologia como solução universal. Nesse cenário, a resistência emerge como gesto crítico, e não como recusa irracional.
A incorporação da IA, portanto, demanda uma formação que articule domínio técnico, letramento digital crítico e reflexão ética. Autores como Lankshear e Knobel (2008) e Rojo (2013) enfatizam que a cultura digital exige práticas de leitura e escrita que problematizem algoritmos, dados, plataformas e seus efeitos sociais. Selwyn (2019) e Williamson (2020), ao analisarem a crescente “dataficação” da educação, alertam que tecnologias não são neutras, mas carregam interesses, vieses e modelos de governança que afetam diretamente a profissão docente. A ausência desse debate favorece apropriações superficiais da IA, resultando em usos tecnicistas que pouco contribuem para a formação crítica dos estudantes.
Diante desse cenário, este artigo argumenta que a formação docente em IA precisa superar modelos meramente operacionais e construir caminhos que sustentem uma prática pedagógica crítica, reflexiva e situada. Propõe-se compreender a resistência docente não como obstáculo, mas como ponto de partida para uma ação formativa que reconheça tensões, incertezas e potencialidades. Nesse sentido, assumir uma formação crítica significa compreender a IA como fenômeno sociotécnico, refletir sobre suas implicações éticas, desenvolver letramento algorítmico e produzir práticas pedagógicas autorais e contextualizadas.
Parto, assim, da questão central que orienta este estudo: como construir processos formativos capazes de transformar resistências docentes à IA em ação crítica e consciente, preservando a autonomia profissional e fortalecendo práticas pedagógicas éticas e reflexivas? A resposta exige articulação entre teoria, análise crítica e proposições formativas, de modo a posicionar o professor como agente ativo na cultura digital.
Para desenvolver essa discussão, o artigo está organizado em cinco movimentos:
(1) apresenta fundamentos teóricos sobre resistência docente, identidade profissional e cultura digital;
(2) discute a IA como fenômeno sociotécnico, enfatizando riscos, promessas e disputas contemporâneas;
(3) analisa razões que sustentam as resistências docentes, situando-as em perspectivas éticas, pedagógicas e políticas;
(4) propõe um Modelo de Formação Crítica em Camadas, articulando compreensão técnica, letramento algorítmico, integração pedagógica e autoria docente;
e (5) tece as considerações finais, destacando caminhos para consolidar uma prática docente crítica na era da IA.
2. Referencial Teórico
A formação docente, especialmente quando relacionada a tecnologias emergentes, precisa ser compreendida a partir de um conjunto de referenciais que articulam saberes profissionais, letramentos digitais e críticas sociotécnicas. Esse arcabouço teórico é fundamental para analisar tanto a resistência quanto às possibilidades de ação docente frente à inteligência artificial no contexto educacional contemporâneo. Assim, esta seção organiza-se em três eixos: (1) os saberes e a identidade docente, segundo autores clássicos da formação de professores; (2) os letramentos digitais e algorítmicos, que constituem a base epistemológica para a compreensão crítica da IA; e (3) as perspectivas críticas sobre tecnologia e educação, que revelam os impactos sociopolíticos e discursivos dos sistemas algorítmicos.
2.1. Saberes Docentes e Identidade Profissional
A compreensão das resistências docentes em relação ao uso de tecnologias — incluindo a IA — exige recuperar a discussão sobre os saberes profissionais da docência. Para Tardif (2014), os saberes docentes são construídos ao longo da carreira a partir da intersecção entre saberes experienciais, curriculares, disciplinares e pedagógicos. Esses saberes formam um corpo relativamente estável, que organiza a prática e constitui a identidade profissional. Quando tecnologias disruptivas são introduzidas, elas muitas vezes tensionam esse conjunto de saberes, provocando reinterpretações, inseguranças e reconfigurações da prática. Assim, a resistência não é apenas técnica, mas epistemológica, porque questiona formas de ensinar e de entender o ensino.
Nóvoa (1992; 2009) destaca que a identidade docente é construída em processos coletivos de reflexão e na relação histórica dos professores com suas escolas e comunidades. Qualquer inovação que altera a organização do trabalho ou o papel do professor pode ser percebida como ameaça à autonomia docente — elemento central na profissão, segundo o autor. Por isso, quando ferramentas de IA são introduzidas sem diálogo ou sem formação continuada, elas podem ser percebidas como dispositivos de controle, automação ou desprofissionalização. Selwyn (2016) reforça que tecnologias educacionais são frequentemente apresentadas como soluções neutras, mas acabam funcionando como instrumentos de padronização e vigilância do trabalho docente, o que naturalmente gera resistência.
Ao discutir a construção das identidades profissionais, Dubar (2005), explica que essas identidades são narrativas sociais que conferem estabilidade aos sujeitos em seus contextos de trabalho. A IA, ao modificar rotinas, tarefas e modos de avaliação, pode alterar essas narrativas, provocando rupturas identitárias. Isso explica por que, para muitos professores, a resistência não se reduz ao desconhecimento técnico: trata-se de preservar significados e valores centrais da profissão, como o vínculo pedagógico, a autoria, a mediação humana e o exercício ético da docência.
Assim, pensar a formação docente em IA requer reconhecer que os professores não são “não usuários” ou “resistentes” por falta de adaptação, mas sujeitos que possuem saberes legítimos e que demandam espaços dialógicos para compreender criticamente novas tecnologias. Ignorar esses saberes — como frequentemente fazem políticas públicas tecnocráticas — acentua o distanciamento e fragiliza processos formativos, reforçando a resistência.
2.2. Letramentos Digitais e Algorítmicos
O segundo eixo teórico diz respeito aos letramentos digitais e críticos, fundamentais para compreender como professores podem se posicionar diante da IA. O conceito de letramento digital vai além do domínio instrumental e envolve capacidades de leitura crítica, navegação, análise de informações e produção discursiva em ambientes mediados por tecnologias (Coscarelli, 2016; Xavier, 2011). Rojo (2013) enfatiza que os letramentos digitais fazem parte de um conjunto plural — os “multiletramentos” — que incluem práticas sociais de linguagem híbridas, multimodais e distribuídas. A IA generativa, por sua vez, amplia esse cenário ao funcionar como produtora e reorganizadora de textos, exigindo dos professores um novo tipo de letramento.
Lankshear e Knobel (2011), ao discutirem “novos letramentos”, explicam que práticas digitais transformam o que significa participar da cultura escrita. A IA intensifica essas transformações, pois produção textual, síntese, recombinação e análise de linguagem passam a ser realizadas também por máquinas. Assim, compreender a IA exige desenvolver o que diversos pesquisadores denominam de letramento algorítmico — a capacidade de interpretar criticamente como algoritmos produzem textos, organizam dados, geram recomendações e influenciam práticas sociais (Pangrazio & Selwyn, 2020). Esse letramento não é técnico no sentido da programação, mas epistemológico e sociocultural.
Williamson (2020) descreve a educação contemporânea como sendo profundamente influenciada por infraestruturas digitais que operam segundo lógica algorítmica. Para o autor, compreender essas infraestruturas é essencial para que educadores possam avaliar riscos, identificar vieses e agir de forma crítica. Em paralelo, Buckingham (2019) argumenta que a educação digital deve preparar sujeitos para compreender como tecnologias moldam representações, identidades e discursos — ou seja, a alfabetização digital não pode prescindir do pensamento crítico.
No caso da IA, esse pensamento crítico envolve reconhecer como modelos de linguagem são treinados, como reproduzem padrões de discurso, como podem reforçar desigualdades culturais e como exigem mediação ética na escola. A ausência desse letramento algorítmico gera dependência acrítica e pode levar professores a utilizar IA de modo inadequado ou perigoso. Por isso, a resistência, quando analisada sob o prisma dos letramentos, revela não apenas medo, mas falta de condições adequadas para compreender o funcionamento das tecnologias.
2.3. Perspectivas Críticas da Tecnologia e da IA na Educação
O terceiro eixo teórico situa a IA em uma perspectiva crítica, evitando sua romantização ou adoção acrítica. Selwyn (2019) argumenta que a tecnologia educacional deve ser analisada a partir de suas dimensões políticas, econômicas e sociais, e não apenas a partir de sua “utilidade” pedagógica. Para o autor, tecnologias sempre carregam visões de mundo, interesses corporativos e projetos de sociedade. Por isso, a introdução da IA não pode ser analisada apenas como tendência tecnológica, mas como parte de um movimento mais amplo de dataficação e automação da educação.
Williamson e Piattoeva (2021) mostram que sistemas de IA operam dentro de infraestruturas que classificam estudantes, medem comportamentos, produzem métricas e influenciam decisões pedagógicas. Esses processos podem afetar a autonomia docente e reduzir o ensino a práticas orientadas por dados. Isso reforça a necessidade de que professores desenvolvam um olhar crítico sobre as tecnologias, e não apenas aprendam a manuseá-las. A resistência docente, nesse sentido, pode sinalizar preocupação ética e cuidado com a responsabilização excessiva por resultados automatizados.
Ao discutir educação crítica, Freire (1996), destaca que o educador deve ser capaz de ler criticamente o mundo e os mecanismos que mediam a produção do conhecimento. Transportar esse princípio para o campo da IA significa compreender que softwares de escrita, chatbots e sistemas preditivos não são neutros, mas carregam escolhas, narrativas e ideologias. Marcuschi (2008) complementa essa análise ao evidenciar que cada tecnologia introduz novos gêneros, novas práticas e novas formas de interação. A IA, ao simular interlocução, problematiza ainda mais o campo da linguagem e exige do professor uma leitura mais profunda das práticas discursivas mediadas por máquinas.
Portanto, este estudo se fundamenta na articulação desses três eixos — saberes docentes, letramentos digitais e crítica sociotécnica — para sustentar que a formação docente em IA não pode ser instrumental, descontextualizada ou impositiva. Ao contrário, deve promover reflexão crítica e autonomia pedagógica, permitindo que professores transitem da resistência para ações conscientes, éticas e criativas.
3. Desafios e Resistências Docentes diante da Inteligência Artificial
A resistência docente à inteligência artificial não pode ser entendida como oposição irracional à tecnologia, mas como resposta às condições históricas que marcam a relação entre educação e inovação. Como aponta Selwyn (2016), tecnologias chegam à escola acompanhadas de discursos de eficiência e modernização produzidos fora do campo educacional, frequentemente sem diálogo com as práticas docentes. Esse movimento tecnocrático gera tensão porque transforma a tecnologia em prescrição, e não em construção pedagógica compartilhada. A resistência, nesse sentido, emerge menos da IA em si e mais dos modos como ela é introduzida.
Um dos fatores centrais está nas condições concretas de trabalho. Tardif e Lessard (2014) lembram que o trabalho docente é profundamente relacional e depende de decisões complexas. Quando a IA é implementada sem infraestrutura adequada, formação continuada ou tempo institucional para estudo, produz sobrecarga e insegurança. Nóvoa (2009) reforça que muitas políticas responsabilizam individualmente o professor pela adoção tecnológica, desconsiderando limitações estruturais. Assim, resistir também pode significar denunciar condições precárias e modelos de implementação que desconsideram o cotidiano escolar.
A resistência também se relaciona à identidade profissional. Para Dubar (2005), identidades se constroem em narrativas que dão sentido ao trabalho. Quando a IA parece assumir funções tradicionalmente atribuídas ao professor, como explicar conteúdos ou corrigir textos, instala-se a sensação de ameaça à autonomia. Williamson (2020) mostra que sistemas algorítmicos podem reforçar uma lógica de “gestão por dados”, deslocando a decisão pedagógica para plataformas e dashboards. Nesse cenário, os alertas de Freire (1996) permanecem atuais: o docente não pode ser reduzido a executor de instruções externas.
Outro elemento relevante é a falta de compreensão sobre o funcionamento da IA. Pesquisas de Pangrazio e Selwyn (2020) indicam que a opacidade algorítmica alimenta receios e mitos, dificultando um uso crítico e consciente. Sem letramento algorítmico, professores podem superestimar ou subestimar a tecnologia, comprometendo seu potencial pedagógico, como argumenta Rojo (2013) ao tratar dos letramentos digitais como práticas socioculturais e não apenas técnicas.
Há, ainda, resistências fundamentadas em preocupações éticas. Williamson e Piattoeva (2021) mostram que algoritmos reproduzem vieses existentes nos dados, podendo reforçar desigualdades educacionais. Professores que se recusam a adotar determinadas ferramentas não o fazem por desconhecimento, mas por consciência crítica. Buckingham (2019) destaca que proteger estudantes de usos problemáticos faz parte da responsabilidade pedagógica.
Por fim, reduzir a resistência a medo ou falta de preparo simplifica um fenômeno complexo. Selwyn (2021) argumenta que dizer “não” pode ser exercício legítimo de agência profissional. Freire (1996) já defendia que qualquer mediação tecnológica deve servir à humanização. Assim, resistir pode significar preservar valores pedagógicos diante de tecnologias que ameaçam subordiná-los a lógicas mercadológicas.
Em síntese, a resistência docente à IA resulta da articulação de fatores pedagógicos, identitários, técnicos e éticos. Ela não deve ser combatida, mas compreendida como indicadora das tensões contemporâneas da profissão e como ponto de partida para processos formativos dialógicos, críticos e contextualizados — condição indispensável para que a IA seja incorporada à educação de modo ético, consciente e emancipatório.
4. Competências Necessárias para o Trabalho Docente na Era da Inteligência Artificial
A emergência da inteligência artificial na educação exige que os professores desenvolvam um conjunto complexo de competências que ultrapassam o domínio técnico das ferramentas digitais. Trata-se de um campo que envolve dimensões éticas, epistemológicas, discursivas e pedagógicas, demandando uma compreensão ampliada da relação entre tecnologia, linguagem e formação humana. Autores como Mishra e Koehler (2006), ao proporem o modelo TPACK, já indicavam que tecnologias digitais só podem ser integradas de modo significativo quando articuladas ao conhecimento pedagógico e ao conhecimento do conteúdo. No entanto, o cenário da IA expande esse modelo, pois não se trata apenas de ferramentas que ampliam possibilidades didáticas, mas de sistemas que processam linguagem, produzem textos e tomam decisões com base em dados. Assim, as competências necessárias aos professores tornam-se mais sofisticadas e abrangentes, exigindo aprofundamento teórico, postura crítica e capacidade reflexiva contínua.
Uma das primeiras competências fundamentais é a compreensão básica do funcionamento da IA, o que não significa conhecimento técnico avançado, mas familiaridade com conceitos como modelos de linguagem, treinamento de dados, vieses algorítmicos e limitações estruturais dessas tecnologias. Pangrazio e Sefton-Green (2021) destacam que compreender os princípios de funcionamento da IA é essencial para que educadores possam usá-la de forma consciente e evitar tanto a demonização quanto a idealização acrítica da tecnologia. Essa competência permite que o professor reconheça quando a IA pode ser útil e quando pode ser inadequada ou prejudicial no processo de aprendizagem. Em outras palavras, trata-se de desenvolver aquilo que Buckingham (2019) chama de “literacia crítica em mídia digital”, ampliada aqui para o domínio da IA.
Outra competência central é o letramento algorítmico, conceito discutido por autores como Pangrazio & Selwyn (2020) e Williamson (2020). Esse letramento envolve compreender como os algoritmos organizam, filtram e produzem informações, além de reconhecer que esses processos não são neutros. Para Rojo (2013), os letramentos digitais exigem postura de leitura crítica, interpretação de interfaces e consciência dos fluxos de informação. No contexto da IA, isso inclui entender como sistemas generativos constroem respostas, como podem replicar vieses socioculturais e como influenciam práticas discursivas. Professores com letramento algorítmico são capazes de avaliar a confiabilidade das respostas geradas pela IA, identificar limitações, corrigir distorções e orientar estudantes para que adotem postura crítica ao interagir com essas tecnologias.
A terceira competência essencial é a competência ética, que envolve a capacidade de analisar as implicações morais do uso da IA na educação. Selwyn (2019) e Williamson e Piattoeva (2021) alertam que professores precisam saber identificar riscos associados à coleta de dados, à vigilância algorítmica e à automação de processos educacionais. Além disso, devem compreender como a IA pode reforçar desigualdades educacionais e culturais, exigindo sensibilidade ética para mediar usos responsáveis e equitativos. Freire (1996) lembra que toda prática educativa é prática ética, e que a mediação tecnológica não pode se afastar dos princípios de autonomia, humanização e respeito aos sujeitos. Portanto, a competência ética envolve tanto o domínio de debates contemporâneos quanto a tomada de decisões cotidianas que protejam estudantes de usos inadequados da IA.
A quarta competência refere-se ao letramento digital crítico, fundamentado nos estudos de Lankshear & Knobel (2011) e de Coscarelli (2016). Enquanto o letramento algorítmico foca nos mecanismos tecnológicos, o letramento digital crítico enfatiza a participação discursiva e cultural dos professores em ambientes digitais. Isso significa ser capaz de analisar criticamente informações online, compreender gêneros discursivos emergentes, interpretar multimodalidades e reconhecer como tecnologias moldam práticas de leitura e escrita. A IA, ao produzir textos automaticamente, introduz novas camadas de complexidade que exigem habilidades interpretativas avançadas. Professores precisam ser capazes de identificar quais textos são adequados para uso pedagógico, como orientar estudantes sobre autorias híbridas e como promover práticas de escrita que integrem, mas não sejam substituídas, pela IA.
A quinta competência essencial é a competência pedagógica para a integração crítica da IA, articulada com a reflexão sobre metodologias e processos de ensino. Mishra e Koehler (2006), ao formularem o TPACK, destacam que o professor precisa compreender como articular conhecimento tecnológico, pedagógico e de conteúdo para transformar práticas educativas. No caso da IA, isso envolve saber planejar atividades que utilizem a tecnologia como mediadora do pensamento crítico, da produção textual e da pesquisa, e não como substituta da criatividade ou do esforço cognitivo. Também implica a capacidade de avaliar quando a IA contribui para o processo de aprendizagem e quando pode prejudicá-lo, especialmente em temas como autoria, leitura interpretativa e desenvolvimento da argumentação, que são centrais na educação linguística.
Outra competência emergente é a competência avaliativa, relacionada à capacidade de analisar criticamente as soluções geradas pela IA e orientar estudantes nesse processo. Como observam Buckingham (2019) e Williamson (2020), a IA pode produzir textos coerentes, mas que carecem de profundidade interpretativa, precisão conceitual ou valores éticos. Professores precisam desenvolver critérios para avaliar não apenas a forma, mas o conteúdo das respostas geradas por sistemas automatizados, reconhecendo limitações e potencialidades. Isso implica promover atividades metacognitivas em que os estudantes aprendam a revisar, corrigir e complementar produções feitas com auxílio da IA, fortalecendo a autonomia intelectual.
Por fim, uma competência crucial é a competência reflexiva, que integra todas as anteriores e se apoia na concepção de docência como prática investigativa, defendida por Schön (1983) e Nóvoa (2009). Professores precisam ser capazes de refletir sobre o impacto da IA em suas práticas, analisar criticamente seus próprios usos da tecnologia e revisar concepções pedagógicas à luz de novos desafios. Essa competência reflexiva permite que a integração da IA não seja um processo mecânico, mas dialógico, adaptativo e contextualizado, respeitando a singularidade de cada escola, professor e turma.
Assim, as competências necessárias para o trabalho docente na era da IA não se reduzem à habilidade técnica ou operacional. Elas formam um conjunto articulado de capacidades críticas, éticas, linguísticas e pedagógicas que colocam o professor em posição ativa na mediação tecnológica. Desenvolvê-las é condição indispensável para que a formação docente permita a transição da resistência para a ação crítica, sustentada por reflexão, autonomia e compreensão ampliada das transformações sociotécnicas contemporâneas.
5. Proposta de Formação Crítica para Professores: Um Modelo em Camadas
A formação docente em inteligência artificial não pode limitar-se ao treinamento técnico ou ao domínio instrumental de ferramentas digitais. Diversos autores alertam que formações centradas apenas na dimensão operacional tendem a fracassar, pois ignoram os saberes profissionais, a identidade docente e a necessidade de reflexão crítica sobre os impactos sociotécnicos das tecnologias. Nóvoa (2009) e Imbernón (2010) defendem que a formação deve situar-se na confluência entre experiência, reflexão e colaboração, possibilitando ao professor transformar o conhecimento técnico em prática pedagógica contextualizada. Selwyn (2019) reforça que qualquer iniciativa de formação tecnológica precisa problematizar discursos neoliberais e tecnocráticos, permitindo que docentes compreendam a IA como fenômeno sociopolítico e não apenas como ferramenta pedagógica. Com base nesse conjunto de referenciais, propõe-se aqui um Modelo de Formação Crítica em Camadas, que articula quatro dimensões essenciais: compreensão técnica básica, letramento algorítmico crítico, integração pedagógica e produção docente autoral. Esse modelo busca oferecer um percurso formativo progressivo, coerente e fundamentado, capaz de transformar a resistência em ação consciente.
5.1. Primeira Camada: Compreensão Básica da Inteligência Artificial
A primeira camada do modelo diz respeito à familiarização dos professores com os conceitos fundamentais da IA. Essa etapa não se confunde com formação técnica avançada, mas com o desenvolvimento de compreensão conceitual mínima sobre como sistemas de IA funcionam, como são treinados e quais são suas limitações. Pangrazio e Sefton-Green (2021) argumentam que a falta de compreensão sobre mecanismos algorítmicos cria uma distância entre professores e tecnologia, alimentando medos e mitos que dificultam sua integração pedagógica. Ao explicar conceitos como “modelo de linguagem”, “aprendizado de máquina” e “dataset”, formadores não apenas esclarecem o funcionamento da IA, mas criam condições para que docentes compreendam a lógica interna desses sistemas.
Essa camada também envolve discutir o caráter probabilístico e não inteligente da IA, desmistificando a ideia de que algoritmos são neutros ou capazes de substituir a racionalidade humana. Autores como Crawford (2021) e O’Neil (2016) evidenciam que sistemas de IA são construções sociotécnicas, impregnadas de valores e interesses. Ao apresentar essa perspectiva, evita-se que professores desenvolvam expectativas irreais ou dependência excessiva, e promove-se uma postura crítica desde o início do processo formativo. Essa camada, portanto, é fundamental para diminuir a sensação de “caixa-preta” e proporcionar base conceitual para camadas posteriores.
5.2. Segunda Camada: Letramento Algorítmico Crítico
A segunda camada aprofunda o olhar crítico dos professores em relação à IA por meio do desenvolvimento do letramento algorítmico. Esse conceito, discutido por Pangrazio & Selwyn (2020), refere-se à capacidade de compreender como algoritmos organizam informações, classificam dados, geram textos e moldam práticas sociais. No contexto educacional, trata-se de capacitar professores para analisar criticamente como sistemas de IA influenciam as práticas de leitura, escrita e avaliação.
Rojo (2013) argumenta que os letramentos digitais precisam ser entendidos como práticas sociais que envolvem interpretação crítica e participação reflexiva. No caso da IA generativa, isso inclui analisar como respostas são produzidas por padrões estatísticos, como vieses podem emergir e como determinados discursos podem ser reforçados. Williamson (2020) destaca que a educação contemporânea está profundamente “dataficada”, e que compreender os mecanismos que organizam esses dados é fundamental para evitar que professores e estudantes se tornem sujeitos passivos de decisões algorítmicas.
A formação nessa camada deve incluir práticas de análise de outputs gerados por IA, identificação de vieses, discussão de implicações éticas e exercícios de comparação entre produções humanas e automatizadas. Dessa forma, o professor desenvolve uma visão crítica e contextualizada, capaz de orientar estudantes e promover debates sobre autoria, confiabilidade e mediação tecnológica.
5.3. Terceira Camada: Integração Pedagógica da IA
A terceira camada corresponde à dimensão pedagógica da formação, baseada na articulação entre saberes docentes e tecnologias digitais. Mishra e Koehler (2006), ao proporem o modelo TPACK, destacam que o uso pedagógico de tecnologias só se torna significativo quando ocorre a interseção entre conhecimento tecnológico, pedagógico e de conteúdo. No caso da IA, isso implica planejar atividades que não substituam a ação docente nem simplifiquem processos cognitivos, mas ampliem as possibilidades de aprendizagem crítica.
A integração pedagógica crítica envolve organizar práticas didáticas em que a IA seja utilizada como mediadora, e não como solucionadora. Isso implica, por exemplo, utilizar IA para comparar versões de textos, analisar argumentos, explorar gêneros discursivos ou promover atividades metacognitivas. Coscarelli (2016) argumenta que tecnologias podem atuar como mediadoras da escrita, desde que não substituam a autoria, mas dialoguem com ela. Assim, o papel do professor é orientar o estudante a compreender como a IA pode apoiar o processo de escrita, sem comprometer sua capacidade de raciocínio, interpretação e criação.
Essa camada também envolve refletir sobre limites da IA na educação. Conforme Selwyn (2019) aponta, integrar tecnologia não significa aderir a discursos de automação ou eficiência, mas reconhecer quando a intervenção algorítmica pode prejudicar a aprendizagem, especialmente em áreas como leitura crítica e formação ética. Portanto, a integração pedagógica precisa ser situada, contextualizada e fundamentada em princípios pedagógicos sólidos, respeitando as especificidades de cada área do conhecimento.
5.4. Quarta Camada: Produção Docente Autoral e Prática Reflexiva
A quarta camada do modelo é dedicada à produção docente autoral, à reflexão crítica e à criação de práticas pedagógicas originais. Schön (1983), ao discutir o conceito de “profissional reflexivo”, destaca que a capacidade de refletir sobre a ação e na ação é fundamental para a transformação da prática. Nóvoa (2009) reforça que o professor deve se reconhecer como intelectual que produz saberes, e não apenas como consumidor de programas formativos. No contexto da IA, isso significa promover espaços para que professores criem sequências didáticas, experimentem usos da tecnologia, avaliem resultados e compartilhem suas experiências com colegas.
Essa camada também valoriza a autoria docente, que pode ser ameaçada por discursos que apresentam a IA como capaz de automatizar completamente tarefas pedagógicas. Freire (1996) insiste que o educador precisa assumir posição de sujeito de sua prática, o que inclui tomar decisões fundamentadas sobre quando, como e por que utilizar determinadas tecnologias. A produção autoral com IA permite que docentes desenvolvam autonomia, testem estratégias pedagógicas inovadoras e articulem teoria e prática de modo contextualizado.
Além disso, essa camada promove práticas colaborativas, em consonância com Imbernón (2010), que defende a importância do trabalho coletivo na formação continuada. Grupos de estudo, laboratórios pedagógicos e comunidades de prática podem se tornar espaços fecundos para elaboração e aprimoramento de projetos mediadores de IA. Dessa forma, a formação não se encerra no curso, mas torna-se processo contínuo, sustentado por redes de colaboração e construção conjunta.
Figura 1: Resumo
Fonte: Criado pelos autores, 2025
5.5. Síntese do Modelo
O Modelo de Formação Crítica em Camadas articula progressivamente as dimensões técnica, crítica, pedagógica e reflexiva, permitindo que professores avancem da compreensão básica da IA à produção autoral. Diferentemente de formações tradicionais centradas em ferramentas, este modelo reconhece o professor como sujeito epistemológico e agente crítico, alinhando-se ao pensamento de Freire, Nóvoa, Selwyn e outros autores que defendem a profissionalidade docente como prática ética e política. Ao promover essa progressão, o modelo contribui para transformar a resistência em ação crítica fundamentada, fortalecendo a autonomia e a capacidade reflexiva dos professores diante das transformações tecnológicas contemporâneas.
6. Discussão
A discussão sobre formação docente crítica em inteligência artificial exige compreender que a tecnologia não se integra às práticas pedagógicas de modo neutro ou linear; ao contrário, ela opera em meio a disputas simbólicas, políticas, epistemológicas e profissionais que moldam tanto a aceitação quanto a resistência dos professores. Como afirmam Selwyn (2016; 2019) e Williamson (2020), tecnologias educacionais, especialmente aquelas baseadas em IA, carregam projetos sociotécnicos que frequentemente ultrapassam o espaço escolar, refletindo interesses de mercado, agendas governamentais e expectativas sociais sobre eficiência, mensurabilidade e automação. Assim, ao discutir os resultados apresentados nas seções anteriores, observa-se que a resistência docente não é apenas individual, mas contextual e estrutural, emergindo como resposta a pressões externas, transformações no trabalho pedagógico e redefinições de identidade profissional.
Ao relacionar os desafios identificados à proposta de formação crítica em camadas, torna-se evidente que a formação não pode ser concebida como mecanismo de adaptação do professor à tecnologia. Autores como Nóvoa (2009) e Freire (1996) insistem que qualquer processo formativo deve fortalecer a autonomia, a reflexão e a autoria docente, e não submeter o professor a prescrições tecnológicas. A discussão aqui aponta para a necessidade de um movimento epistêmico duplo: de um lado, compreender a IA em seus aspectos técnicos e funcionais; de outro, situá-la criticamente como produção humana inscrita em relações de poder. A formação crítica, portanto, não visa ensinar o professor a “usar” a IA, mas a compreender sua lógica, suas contradições, seus limites e suas possibilidades pedagógicas, promovendo, assim, usos situados e eticamente orientados.
Nesse sentido, ao relacionar as competências discutidas com as camadas do modelo, percebe-se que elas se sobrepõem e se complementam na constituição de uma profissionalidade docente ampliada. A compreensão técnica básica (Camada 1) permite desmistificar o caráter supostamente “inteligente” ou “autônomo” da IA, reduzindo o estranhamento e criando bases racionais para o diálogo crítico. O desenvolvimento do letramento algorítmico crítico (Camada 2) amplia essa compreensão ao oferecer instrumentos interpretativos para analisar como sistemas de IA geram textos, algoritmizam práticas sociais e podem reforçar desigualdades. Tal articulação confirma o que alerta Buckingham (2019): o domínio crítico da tecnologia é condição indispensável para uma atuação educativa voltada à emancipação, e não à repetição de discursos hegemônicos.
A integração pedagógica (Camada 3) constitui um desafio maior, pois envolve reinterpretar a IA não como substituto do professor, mas como mediadora do processo educativo. Aqui, o diálogo com Mishra e Koehler (2006) torna-se fundamental, especialmente quando se reconhece que a inserção de tecnologias impactam o modo como se ensina, como se aprende e como se produz conhecimento. Essa reflexão reforça o argumento de Coscarelli (2016) de que tecnologias digitais, incluindo a IA, não devem ser entendidas como atalhos cognitivos, mas como elementos que podem ampliar o repertório didático quando incorporados de maneira crítica. A discussão evidencia, portanto, que a dimensão pedagógica da IA não reside no automatismo, mas na mediação, exigindo escolhas éticas, metodológicas e epistemológicas.
A camada da autoria docente (Camada 4) revela talvez a dimensão mais política da formação. Schön (1983) e Nóvoa (2009) defendem uma docência baseada na reflexão, na investigação e na produção de sentidos próprios. Ao inserir a IA nesse contexto, a formação precisa evitar que a tecnologia se torne fonte de heteronomia. Professores devem ser capazes de criar práticas autorais que dialoguem com a IA, mas que não se submetam a ela — um equilíbrio delicado que demanda reflexão profunda. A discussão, portanto, aponta que a autoria docente funciona como antídoto contra modelos pedagógicos tecnocráticos e reforça a capacidade do professor de exercer sua autonomia intelectual. Isso ressoa diretamente com Freire (1996), para quem a ação docente só é verdadeiramente libertadora quando atravessada pela consciência crítica e pela problematização da realidade.
Outra dimensão relevante na discussão diz respeito à própria natureza da resistência docente. Enquanto muitos discursos políticos e empresariais tratam a resistência como obstáculo, este trabalho a interpreta como fenômeno complexo, multifacetado e, muitas vezes, profundamente racional. Selwyn (2021) afirma que resistir pode ser forma de agency, uma resposta legítima a modelos de inovação que não dialogam com valores, tempos e ritmos da educação. Ao situar a resistência no contexto da formação crítica, a discussão permite reinterpretá-la não como impedimento, mas como indicador de tensões que precisam ser consideradas em qualquer processo de implementação tecnológica. Assim, o modelo de formação proposto não visa eliminar a resistência, mas compreendê-la e transformá-la em reflexão e ação consciente.
Por fim, discutir o modelo em camadas também implica reconhecer os limites e desafios de sua implementação. Formações desse tipo exigem tempo, políticas públicas integradas, condições de trabalho adequadas e espaços de colaboração docente — elementos frequentemente ausentes na realidade educacional brasileira. Imbernón (2010) lembra que formação continuada só tem sentido quando articulada a práticas institucionais coletivas e quando reconhece o professor como protagonista de seu processo formativo. Portanto, o modelo proposto depende de compromissos institucionais e sistêmicos que ultrapassam práticas individuais. A discussão final revela que, embora a IA apresente potenciais pedagógicos significativos, sua integração efetiva e crítica só se torna possível quando sustentada por políticas, condições e culturas escolares que valorizem a reflexão, a autonomia e o diálogo profissional.
Em síntese, a discussão articula os conceitos, competências e camadas formativas em um horizonte maior: a construção de uma prática docente crítica em tempos de IA. A tecnologia, nesse cenário, aparece não como protagonista, mas como elemento catalisador de debates epistemológicos, éticos e pedagógicos que reafirmam a centralidade do professor como sujeito intelectual, ético e político. O caminho entre resistência e ação, portanto, não é linear nem prescritivo; é processo reflexivo que exige compreender, questionar, dialogar e reinventar a prática pedagógica diante das transformações tecnológicas contemporâneas.
7. Considerações Finais
As discussões desenvolvidas ao longo deste artigo evidenciam que a presença crescente da inteligência artificial na educação produz um cenário marcado simultaneamente por inovações e inquietações. A resistência docente, longe de representar oposição infundada, revela-se como expressão legítima das identidades profissionais, das condições concretas de trabalho e das preocupações éticas que acompanham a mediação tecnológica. Reconhecer essa resistência como parte constitutiva da profissão é fundamental para compreender a complexidade do ofício docente na contemporaneidade.
Argumentou-se que a formação crítica em IA precisa ir além do domínio instrumental das ferramentas, incorporando dimensões como letramento algorítmico, análise política das tecnologias, compreensão do papel das plataformas e reflexão sobre autonomia, autoridade pedagógica e justiça social. Esse movimento requer condições institucionais, tempo formativo e políticas educacionais que reconheçam o professor como agente intelectual e não como mero executor de soluções tecnológicas.
Retomando o título deste artigo, entende-se que a resistência e a ação constituem forças complementares no trabalho docente: resistir permite problematizar, questionar e demarcar limites éticos; agir possibilita criar, adaptar e transformar práticas pedagógicas de modo contextualizado e crítico. Dessa forma, a profissão docente na era da IA se configura como um espaço de tensões e possibilidades formativas, exigindo constante reflexão sobre identidades, responsabilidades e práticas pedagógicas.
Assim, conclui-se que a formação docente crítica em inteligência artificial só será efetiva quando reconhecer a complexidade do trabalho docente, valorizar a autonomia profissional e promover condições para que professores se posicionem de forma ética, consciente e criativa diante das tecnologias emergentes. Mais do que preparar docentes para operar ferramentas, trata-se de fortalecer sujeitos capazes de compreender, interpretar e transformar o mundo digital em que vivem e educam.
REFERÊNCIAS
BUCKINGHAM, David. The Media Education Manifesto. Cambridge: Polity Press, 2019.
CRAWFORD, Kate. Atlas of AI: power, politics, and the planetary costs of artificial intelligence. New Haven: Yale University Press, 2021.
DUBAR, Claude. A socialização: construção das identidades sociais e profissionais. São Paulo: Martins Fontes, 2005.
FREIRE, Paulo. Pedagogia da autonomia: saberes necessários à prática educativa. São Paulo: Paz e Terra, 1996.
IMBERNÓN, Francisco. Formação docente e profissional: formar-se para a mudança e a incerteza. 9. ed. São Paulo: Cortez, 2010.
MISHRA, Punya; KOEHLER, Matthew. Technological Pedagogical Content Knowledge: a framework for teacher knowledge. Teachers College Record, v. 108, n. 6, p. 1017–1054, 2006.
O’NEIL, Cathy. Weapons of math destruction: how big data increases inequality and threatens democracy. New York: Crown, 2016.
PANGRAZIO, Lucia; SELWYN, Neil. Critical data literacies: reading and writing ‘the self’ through data. Learning, Media & Technology, v. 45, n. 1, p. 1–14, 2020.
PANGRAZIO, Lucia; SEFTON-GREEN, Julian. Learning to Live with Datafication: educational case studies and initiatives from around the world. New York: Routledge, 2021.
ROJO, Roxane. Letramentos na contemporaneidade: práticas sociais e linguagens. São Paulo: Parábola Editorial, 2013.
SELWYN, Neil. Education and technology: key issues and debates. 2. ed. London: Bloomsbury, 2016.
SELWYN, Neil. Should robots replace teachers? AI and the future of education. Cambridge: Polity Press, 2019.
SELWYN, Neil. Digital societies and the education of the future. London: Routledge, 2021.
TARDIF, Maurice; LESSARD, Claude. O trabalho docente: elementos para uma teoria da docência como profissão de interações humanas. 9. ed. Petrópolis: Vozes, 2014.
WILLIAMSON, Ben. Big Data in Education: the digital future of learning, policy and practice. London: Sage, 2020.
WILLIAMSON, Ben; PIATTOEVA, Nelli. Education governance and datafication. Oxford Research Encyclopedia of Education, 2021.
1Mestranda em Educação – Cultura, Linguagens e Tecnologias – Unilasalle Canoas RS E-mail: junqueirajoice@gmail.com
2Licenciatura em Ciências Biológicas – Instituto Federal de Alagoas, Penedo AL. E-mail: naiaragarajau5@gmail.com
3Mestre em Educação em Ciências e Matemática – Instituição: UESC. E-mail: rscosta@uesc.br
4Licenciatura em Física – Instituição: UFPE. E-mail: profmarcusvinicius10@gmail.com
5Mestrado Profissional em Propriedade Intelectual e Transferência de Tecnologia para a Inovação – PROFNIT – Instituição de ensino /cidade: Instituto Federal de Educação, Ciência e Tecnologia da Paraíba – IFPB. E-mail: maria.elenice@ufpi.edu.br
6Graduação Especialista – Currículo e Práticas docentes Instituição: UFPI. E-mail: juliosousa.c@gmail.com
7Licenciatura plena em História – Universidade federal do Piauí – Especialista em currículo e prática docente nos anos iniciais do ensino fundamental – UFPI. E-mail : isaacccunha21@gmail.com
8Especialista em Estudos Geoambientais e Licenciamento IFPI. E-mail: elainejacobina@hotmail.com
9Pós-doutoranda em Geografia pela Unesp. Pós-doutoranda em arquitetura pela Univag. Doutora em Geografia pela Unesp. E-mail: grazaorosco@gmail.com
10Mestre em Gestão e Planejamento de Ensino pela Unincor, Três Corações, MG – FADIVA – Faculdade de Direito de Varginha, docente professor.tiagoaugusto@yahoo.com.br
11Graduação em Administração, Mestrado em Gestão de Empresas e Doutorando em Educação – Instituição: Universidade Federal de Goiás – UFG. E-mail: luizfernandogoncalves@ufg.br
12Mestrado em Letras Universidade Federal da Paraíba (UFPB). E-mail: jacineidevirginia@gmail.com