IMPACTS OF ARTIFICIAL INTELLIGENCE ON AUTONOMOUS LEARNING: A STUDY WITH A VIRTUAL PROGRAMMING MENTOR ON WHATSAPP
REGISTRO DOI: 10.69849/revistaft/ch10202509261328
Fillipe Pinheiro da Silva1
Erick Santos Menezes2
João Victor Teotonio De Sousa Almeida3
Resumo
Este artigo apresenta o desenvolvimento e a avaliação de um mentor virtual de programação, baseado em Inteligência Artificial e integrado ao WhatsApp, como recurso de apoio à aprendizagem autônoma no contexto da Educação Profissional e Tecnológica. O estudo tem como objetivo analisar os impactos dessa ferramenta sobre a autonomia dos estudantes, a personalização da aprendizagem e a conciliação entre estudo e trabalho. A pesquisa foi realizada com 81 estudantes de cursos técnicos de Ciências de Dados e Programação de Computadores, com idades a partir de 18 anos e diferentes níveis de experiência em programação. Adotou-se uma abordagem mista, combinando métodos quantitativos e qualitativos. Os dados foram coletados por meio de formulários de avaliação e análise de métricas de engajamento e usabilidade, sendo organizados em tabelas e gráficos para facilitar a interpretação. Os resultados indicam que 88,9% dos participantes relatam maior autonomia de estudo, 66,7% percebem ganhos em eficácia e personalização da aprendizagem e 55,6% destacam maior facilidade em conciliar estudo e trabalho. Em contrapartida, 66,7% apontam preocupações ligadas à privacidade, segurança da informação e dependência tecnológica. A análise crítica demonstra que os benefícios percebidos se alinham às tendências já apontadas pela literatura, mas também revelam lacunas quanto à ética e à sustentabilidade do uso da IA em larga escala. Conclui-se que o mentor virtual contribui para ampliar a personalização e democratização da aprendizagem, reforçando o papel da IA como prática emancipatória na Educação Profissional e Tecnológica. Contudo, evidencia-se a necessidade de estratégias pedagógicas e políticas que assegurem o uso ético, inclusivo e responsável dessa tecnologia.
Palavras-chave: Tutoria Inteligente. Personalização do Ensino. Educação Profissional e Tecnológica. Educação Digital.
1 INTRODUÇÃO
A Inteligência Artificial (IA) vem se consolidando como uma das tecnologias mais transformadoras do século XXI, com impactos diretos em diferentes setores sociais, entre eles a educação. Sua incorporação em ambientes de ensino tem despertado interesse por sua capacidade de promover personalização, ampliar o acesso ao conhecimento e oferecer suporte adaptado às necessidades dos estudantes (PICÃO et al., 2023). Na Educação Profissional e Tecnológica (EPT), esse movimento adquire relevância ainda maior, considerando-se os desafios enfrentados por estudantes que conciliam formação com responsabilidades profissionais e pessoais.
O ensino de programação, em particular, exige do estudante não apenas o domínio de conceitos técnicos complexos, como algoritmos e estruturas de dados, mas também competências de organização, persistência e autonomia. Diversos estudos apontam que a IA pode contribuir para a construção de processos de ensino mais eficazes e inclusivos, ao favorecer o acompanhamento individualizado, a oferta de feedback imediato e a adaptação de conteúdos de acordo com o ritmo de cada aprendiz (XAVIER & TORRES, 2021; CAMPOS & MATOS, 2024). No entanto, o simples uso da tecnologia não garante resultados positivos, sendo necessário integrá-la a práticas pedagógicas que assegurem protagonismo estudantil e mediação docente qualificada (CARDOSO et al., 2023).
Diante desse cenário, emergem preocupações relacionadas à privacidade, à segurança dos dados e ao risco de dependência tecnológica, aspectos que têm sido amplamente discutidos na literatura recente (SILVA & FERREIRA, 2023). Além disso, a implementação de soluções digitais na educação deve considerar a inclusão digital, de modo a não reforçar desigualdades já existentes (CARDOSO et al., 2023). Assim, observa-se uma tensão entre as possibilidades de inovação pedagógica proporcionadas pela IA e os desafios éticos e sociais de sua adoção em larga escala.
O problema que orienta esta pesquisa está, portanto, na necessidade de compreender de que forma a utilização de um mentor virtual de programação, baseado em Inteligência Artificial e acessível via WhatsApp, pode impactar a aprendizagem autônoma de estudantes da EPT. A justificativa do estudo encontra respaldo na busca por alternativas metodológicas que ampliem a personalização do ensino, apoiem a conciliação entre trabalho e estudo e promovam maior democratização do acesso a recursos educacionais inovadores. Além de sua relevância prática para o cotidiano de estudantes e professores, a pesquisa contribui teoricamente para o debate sobre os limites e as potencialidades da IA na educação contemporânea.
Assim, este artigo tem como objetivo analisar os impactos da utilização de um mentor virtual de programação via WhatsApp na aprendizagem autônoma, discutindo suas implicações pedagógicas e éticas no contexto da Educação Profissional e Tecnológica.
2 FUNDAMENTAÇÃO TEÓRICA OU REVISÃO DA LITERATURA 2.1 INTELIGÊNCIA ARTIFICIAL E EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA
O debate sobre a inserção da Inteligência Artificial (IA) na educação tem se intensificado nos últimos anos, sobretudo em razão das transformações sociais e tecnológicas que impactam a forma como se ensina e se aprende. Na Educação Profissional e Tecnológica (EPT), esse movimento se torna ainda mais relevante, pois atende a um público que, muitas vezes, precisa conciliar estudo e trabalho, exigindo metodologias de ensino mais flexíveis e inclusivas. Nesse cenário, a IA pode ser compreendida como um recurso pedagógico que vai além da eficiência técnica, assumindo um papel emancipatório no processo formativo (CAMPOS & MATOS, 2024).
Cardoso et al. (2023) ressaltam que a simples introdução da IA não garante avanços educacionais, sendo sua eficácia dependente da integração a metodologias adequadas e de uma compreensão crítica de seus impactos sociais e éticos. A tecnologia, portanto, deve ser compreendida como ferramenta de apoio, e não como substituta do trabalho docente.
2.2 PERSONALIZAÇÃO DA APRENDIZAGEM E AUTONOMIA ESTUDANTIL
Entre os principais benefícios da IA na educação, a personalização da aprendizagem ocupa lugar de destaque. Xavier e Torres (2021) argumentam que os sistemas inteligentes permitem que cada estudante avance em seu próprio ritmo, recebendo feedback imediato e acompanhamento constante. Isso contribui para a construção da autonomia, competência cada vez mais valorizada tanto em contextos acadêmicos quanto profissionais. Picão et al. (2023) destacam que a personalização mediada por IA amplia o acesso a conteúdos de qualidade, favorece a adaptação de estratégias pedagógicas e contribui para a diminuição de desigualdades educacionais. Para Campos e Matos (2024), essa autonomia não se limita ao domínio de competências técnicas, mas também envolve o desenvolvimento de habilidades socioemocionais, como responsabilidade, organização e persistência.
No caso do ensino técnico e da programação, a presença de um mentor virtual disponível em uma plataforma cotidiana como o WhatsApp se mostra estratégica, pois possibilita que os estudantes conciliem estudo e trabalho sem abrir mão de acompanhamento pedagógico contínuo e personalizado.
2.3 QUESTÕES ÉTICAS E DESAFIOS DA IA NA EDUCAÇÃO
A expansão da IA em ambientes formativos também levanta importantes dilemas éticos. Silva e Ferreira (2023) apontam que os riscos relacionados à privacidade dos dados, à segurança da informação e à agência de sistemas não humanos precisam ser considerados com atenção. Ferramentas que interagem constantemente com os estudantes coletam dados sensíveis, o que exige políticas claras de governança e proteção.
Outro ponto de destaque refere-se à exclusão digital. Cardoso et al. (2023) defendem que a implementação da IA deve estar atrelada a estratégias de inclusão, evitando que estudantes de contextos vulneráveis fiquem à margem do processo. Oliveira & Martins (2023) complementam essa visão ao salientar que a ética deve ser elemento central na adoção de tecnologias educacionais, sob risco de comprometer a equidade e a confiança no processo formativo.
2.4 INTELIGÊNCIA ARTIFICIAL E O PAPEL DO PROFESSOR
A presença da IA nas práticas pedagógicas provoca reflexões sobre o papel do professor no processo educativo. Longe de substituí-lo, a tecnologia redefine sua atuação, deslocando-o de uma função centrada na transmissão de conteúdos para o papel de mediador e orientador das aprendizagens.
Cardoso et al. (2023) reforçam que a eficácia da IA na educação depende diretamente dessa mediação, já que a tecnologia, por si só, não garante engajamento nem aprendizagem significativa. Nesse sentido, o professor assume a função de curador de conteúdos e facilitador do processo de aprendizagem, orientando o uso das ferramentas tecnológicas de forma ética e pedagógica.
2.5 IA EM CURSOS DE PROGRAMAÇÃO
O ensino de programação representa um campo fértil para a aplicação da IA. Trata-se de uma área complexa, que exige do estudante não apenas a compreensão de conceitos abstratos, como estruturas de repetição e condicionais, mas também a capacidade de resolver problemas práticos e de organizar o raciocínio lógico.
Nesse cenário, sistemas inteligentes vêm sendo testados como tutores virtuais, oferecendo explicações adicionais, exercícios adaptativos e acompanhamento individualizado. Xavier e Torres (2021) destacam que a IA pode reduzir a frustração inicial de estudantes iniciantes, ao fornecer feedback imediato e sugestões de caminhos alternativos para resolução de problemas. Novaes & Lima (2022) acrescentam que chatbots educacionais podem atuar como mediadores de aprendizagem ativa, ao proporcionarem interações rápidas e apoio em tempo real, favorecendo a autonomia do estudante.
Além disso, a utilização de ferramentas de uso cotidiano, como o WhatsApp, amplia o alcance desses recursos, reduzindo barreiras de acesso e favorecendo a continuidade do estudo. Ainda que plataformas internacionais como Khan Academy e Code.org já integrem algoritmos de adaptação ao ritmo do estudante, no Brasil há lacunas em pesquisas que investiguem o uso de mentores virtuais em aplicativos de mensagem. Esse vazio justifica a importância do presente estudo, que busca analisar como um sistema baseado em IA pode apoiar estudantes de cursos técnicos de programação em sua jornada formativa.
2.6 LIMITAÇÕES E PERSPECTIVAS FUTURAS DA IA NA EDUCAÇÃO
Embora a literatura aponte benefícios significativos, é preciso reconhecer que a IA ainda enfrenta limitações importantes em sua aplicação na educação. Entre os desafios técnicos, destacam-se a dependência de infraestrutura digital adequada, a necessidade de dados de qualidade para treinar algoritmos e a dificuldade de generalizar soluções em contextos educacionais diversos (CARDOSO et al., 2023).
Do ponto de vista pedagógico, há riscos de uma dependência excessiva dos estudantes em relação à tecnologia, o que pode comprometer a construção de autonomia crítica. Silva e Ferreira (2023) ressaltam, nesse sentido, que a ética e a responsabilidade devem guiar o desenvolvimento e a implementação de sistemas inteligentes em ambientes formativos. Oliveira & Martins (2023) reforçam que a proteção de dados e a governança digital devem estar no centro desse debate.
Em termos de perspectivas futuras, a literatura indica a necessidade de pesquisas mais aprofundadas sobre metodologias híbridas que combinem o potencial da IA com a mediação docente (CAMPOS & MATOS, 2024). Além disso, há espaço para investigações longitudinais que avaliem os impactos da IA em longo prazo sobre o desempenho, a autonomia e as competências socioemocionais dos estudantes.
3 METODOLOGIA
A pesquisa foi desenvolvida a partir de uma abordagem mista, combinando métodos qualitativos e quantitativos, a fim de oferecer uma análise mais ampla e consistente sobre os impactos do uso de um mentor virtual de programação, baseado em Inteligência Artificial, na aprendizagem autônoma de estudantes da Educação Profissional e Tecnológica (EPT).
3.1 TIPO DE PESQUISA
Trata-se de um estudo de caráter exploratório e descritivo. Exploratório por investigar uma experiência ainda pouco documentada na literatura brasileira, relacionada ao uso de um mentor virtual de programação baseado em inteligência artificial multimodal que funciona diretamente no Whatsapp; e descritivo por apresentar, de maneira detalhada, percepções, dados e métricas obtidos ao longo da implementação do sistema.
3.2 POPULAÇÃO E AMOSTRA
A população da pesquisa foi composta por estudantes matriculados na Escola do Futuro de Goiás Sarah Luísa Lemos Kubitschek de Oliveira, localizada em Santo Antônio do Descoberto – GO, vinculados aos cursos de Qualificação em Programação de Computadores e Técnico em Ciências de Dados.
A amostra foi constituída por 81 participantes voluntários, selecionados de forma não probabilística por conveniência, considerando o interesse dos discentes em participar do experimento. A pesquisa foi realizada no período de maio a junho de 2025, em atividades regulares das turmas.
Os participantes apresentavam idades a partir de 18 anos e perfis heterogêneos em relação à experiência prévia com programação, contemplando tanto estudantes iniciantes quanto aqueles com maior familiaridade com linguagens computacionais. Essa diversidade possibilitou avaliar a aplicabilidade do mentor virtual em diferentes níveis de conhecimento, ampliando a validade dos resultados.
3.3 INSTRUMENTOS DE PESQUISA
O instrumento de coleta de dados utilizado foi um formulário estruturado elaborado no Google Forms, contendo questões fechadas e abertas que abordaram aspectos relacionados ao perfil sociodemográfico, experiência prévia em programação, percepções sobre usabilidade do mentor virtual, impactos na autonomia, personalização da aprendizagem e preocupações éticas com a tecnologia. O conteúdo integral do formulário encontra-se descrito no Apêndice A deste artigo.
3.4 PROCEDIMENTOS
O mentor virtual foi desenvolvido utilizando modelos de Inteligência Artificial capazes de interagir em linguagens de programação como HTML, CSS, JavaScript e Python. O sistema foi integrado ao WhatsApp, possibilitando interações multimodais (texto, áudio, imagens e envio de arquivos).
O processo de pesquisa ocorreu em três etapas:
Etapa 1 – Sensibilização: apresentação do projeto aos estudantes e orientação sobre como acessar e utilizar o mentor virtual;
Etapa 2 – Experimentação: período de quatro semanas em que os participantes utilizaram o recurso como apoio em suas atividades de programação;
Etapa 3 – Avaliação: aplicação do formulário e análise das métricas coletadas pelo sistema.
3.5 ANÁLISE DOS DADOS
As respostas dos formulários foram tratadas por meio de estatística descritiva (percentuais e frequências) e análise qualitativa do conteúdo das respostas abertas, identificando padrões e categorias emergentes. As métricas de uso do sistema foram tabuladas em planilhas digitais e confrontadas com os relatos dos estudantes, de modo a cruzar percepções subjetivas com evidências objetivas de engajamento.
Para o tratamento quantitativo, os dados foram inicialmente exportados da plataforma de coleta e submetidos a um processo automatizado de organização, utilizando ferramentas de inteligência artificial para a extração e tabulação das porcentagens e frequências. Esse procedimento permitiu maior agilidade na sistematização das informações e garantiu precisão nos cálculos estatísticos. Já na etapa qualitativa, os algoritmos de IA auxiliaram na identificação de palavras-chave e recorrências semânticas nas respostas discursivas, apoiando a categorização dos relatos.
Esse conjunto de procedimentos possibilitou compreender de que forma a utilização do mentor virtual impactou a aprendizagem autônoma, destacando tanto os ganhos percebidos quanto as limitações apontadas pelos participantes.
4 RESULTADOS E DISCUSSÕES OU ANÁLISE DOS DADOS 4.1 APRESENTAÇÃO DOS RESULTADOS QUANTITATIVOS
Os dados coletados junto aos 81 participantes permitem identificar percepções significativas sobre a utilização do mentor virtual de programação. A Tabela 1 apresenta os principais indicadores avaliados pelos estudantes.
Tabela 1 – Principais percepções dos estudantes em relação ao mentor virtual
Fonte: Silva et. al (2025).
Os resultados evidenciam que a autonomia de estudo foi o aspecto mais relevante, apontado por 88,9% dos estudantes, seguido pela percepção de maior eficácia e personalização da aprendizagem (66,7%). Já 55,6% relataram que o recurso contribuiu para a conciliação entre estudo e trabalho, enquanto 66,7% expressaram preocupações ligadas à privacidade, segurança e dependência da tecnologia.
Para facilitar a visualização comparativa, recomenda-se o uso do Gráfico 1, que apresenta os quatro indicadores de forma simultânea.
Gráfico 1 – Comparação dos principais indicadores.
Além disso, como a autonomia foi o resultado mais expressivo, sugere-se evidenciá-lo por meio do Gráfico 2.
Gráfico 2 – Autonomia de estudo percebida pelos estudantes.
4.2 RESULTADOS QUALITATIVOS
A análise qualitativa das respostas abertas permitiu identificar percepções recorrentes dos estudantes. As informações foram organizadas em categorias conforme ilustrado na Tabela 2.
Tabela 2 – Categorias qualitativas dos relatos dos estudantes
Os relatos mostram que o mentor virtual proporcionou flexibilidade e redução da ansiedade em relação às dúvidas de programação. Contudo, também surgiram manifestações de desconfiança quanto à precisão das respostas e preocupações éticas relacionadas à proteção dos dados pessoais.
4.3 DISCUSSÃO DOS RESULTADOS
Os resultados quantitativos e qualitativos revelam um equilíbrio entre benefícios e limitações. O Gráfico 3 ilustra essa relação, comparando os ganhos percebidos com as preocupações apresentadas.
Gráfico 3 – Comparação entre benefícios e preocupações dos indicadores percebidos pelos participantes em relação ao mentor virtual de programação.
Esses achados reforçam o papel da IA na promoção da autonomia e personalização da
aprendizagem, em consonância com Xavier & Torres (2021) e Picão et al. (2023). Ao mesmo
tempo, confirmam o alerta de Silva & Ferreira (2023) e Cardoso et al. (2023) sobre os riscos de dependência tecnológica e privacidade, indicando a necessidade de estratégias éticas no uso desses sistemas.
O dado de que 55,6% dos estudantes relatam ganhos na conciliação entre estudo e trabalho conecta-se às análises de Campos & Matos (2024), que defendem a IA como prática emancipatória, especialmente no contexto da Educação Profissional e Tecnológica.
4.4 ANÁLISE COMPARATIVA COM A LITERATURA
Para ampliar a interpretação dos resultados, a Tabela 3 sintetiza a convergência entre os achados da pesquisa e os estudos já publicados sobre a temática.
Tabela 3 – Convergência entre os achados da pesquisa e a literatura
A comparação mostra que, embora os resultados dialoguem com evidências já registradas na literatura, a contribuição desta pesquisa está em demonstrar a viabilidade do uso do WhatsApp como ambiente educativo mediado por IA. Essa característica inova o debate acadêmico, ao considerar uma ferramenta de ampla popularidade entre os estudantes e aproximar o processo pedagógico de seus cotidianos digitais.
5 CONCLUSÃO/CONSIDERAÇÕES FINAIS
O estudo confirma que o mentor virtual de programação, baseado em Inteligência Artificial e integrado ao WhatsApp, cumpre o objetivo de apoiar a aprendizagem autônoma de estudantes da Educação Profissional e Tecnológica.
A pesquisa evidencia que o uso do sistema amplia a autonomia estudantil, favorece a personalização da aprendizagem e possibilita maior flexibilidade para conciliar estudo e trabalho. Demonstra-se, ainda, que a utilização de uma ferramenta presente no cotidiano dos estudantes reduz barreiras de acesso e aproxima o processo educativo de suas realidades.
A investigação revela como nova descoberta que a integração de um mentor virtual em ambiente de mensagens instantâneas é viável e apresenta potencial para complementar o ensino de programação, contribuindo tanto para o engajamento dos estudantes quanto para a democratização de recursos tecnológicos de apoio pedagógico.
As conclusões confirmam que os objetivos da pesquisa são atingidos, uma vez que a ferramenta proposta responde de forma positiva ao problema identificado, oferecendo suporte efetivo para estudantes com diferentes perfis e demandas.
O estudo apresenta como limitações a dependência de infraestrutura tecnológica adequada e as preocupações éticas relacionadas à privacidade e à segurança da informação. Indica-se, para pesquisas futuras, a necessidade de investigações longitudinais sobre os impactos da IA em longo prazo, bem como a exploração de metodologias híbridas que conciliem o potencial do mentor virtual com a mediação docente.
REFERÊNCIAS
CAMPOS, Mônica Schimidt Miyashiro; MATOS, Marilyn Aparecida Errobidarte de. A inteligência artificial como prática educativa na Educação Profissional e Tecnológica. In: Educação e Inteligência Artificial: desafios e diálogos na contemporaneidade. São Paulo: Editora Científica, 2024.
CARDOSO, Fábio; SILVA, Natália da; BRAGION, Rodrigo; ANDRIOLI, Mary Grace; CHAVES, Paloma. O uso da inteligência artificial na educação e seus benefícios: uma revisão exploratória e bibliográfica. Ciência em Evidência: Revista Multidisciplinar, v. 4, e023002, 2023.
NOVAES, Bruno; LIMA, Carla. Chatbots educacionais e aprendizagem ativa: desafios e possibilidades. Revista Brasileira de Tecnologias Educacionais, v. 9, n. 1, 2022.
OLIVEIRA, Rafael; MARTINS, Daniela. Ética e Inteligência Artificial na Educação: limites e possibilidades. Educação & Sociedade, v. 44, e256309, 2023.
PICÃO, Fábio Fornazieri; GOMES, Lucas Ferreira; ALVES, Luciene; BARPI, Odinei; LUCCHETI, Tatiane Alves. Inteligência artificial e educação: como a IA está mudando a maneira como aprendemos e ensinamos. Revista Amor Mundi, Santo Ângelo, v. 4, n. 5, 2023.
SANTOS, Maria Clara. Personalização do ensino mediada por inteligência artificial. Revista Educação e Contemporaneidade, v. 13, n. 27, 2022.
SILVA, João; FERREIRA, Ana. A ética da Inteligência Artificial e a sua relação com o protagonismo dos agentes não-humanos. Revista Brasileira de Direito Sindical, 2023.
XAVIER, Carla; TORRES, Bruno. Inteligência artificial aplicada à personalização da aprendizagem. Revista Brasileira de Educação Tecnológica, v. 14, n. 2, 2021.
1Docente do Curso Técnico em Desenvolvimento Web e Mobile da Escola do Futuro de Goiás Sarah Luísa Lemos Kubitschek de Oliveira e-mail: fillipepinheiro2012@gmail.com;
2Discente do Curso Técnico em Desenvolvimento Back-End da Escola do Futuro de Goiás Sarah Luísa Lemos Kubitschek de Oliveira e-mail: ericksantosyb@gmail.com;
3Discente do Curso Técnico em Desenvolvimento Web e Mobile da Escola do Futuro de Goiás Sarah Luísa Lemos Kubitschek de Oliveira e-mail: joaovic220204@gmail.com
