REGISTRO DOI: 10.69849/revistaft/fa10202509092330
Silvia Roseli Silva da Silva1, Mágda Letícia Regino Davila Cezar2,Elizandra dos Santos Pereira3, Lucia Correa da Silva Martins4, Josielli Grassi Brazeiro Maidana5, Adriana Mazui Salles6, Thaís Lopes de Lopes7, Marília Duarte Moraes Barbosa8
Resumo
Esta revisão sistemática da literatura tem como objetivo identificar e analisar os estudos científicos que abordam o uso da inteligência artificial (IA) por professores da educação básica pública. Foram selecionados 28 artigos, publicados entre 2015 e 2024, a partir de cinco bases de dados acadêmicas. Os resultados revelam quatro principais aplicações da IA no contexto escolar: personalização da aprendizagem, avaliação automatizada, apoio ao planejamento pedagógico e feedback em tempo real. Os achados indicam que, apesar do potencial transformador da IA, existem desafios significativos relacionados à infraestrutura, formação docente e políticas públicas. Conclui-se que o uso eficaz da IA na educação básica pública depende de uma abordagem integrada que combine inovação tecnológica, capacitação docente e equidade educacional.
Palavras-chave: inteligência artificial; educação básica; escola pública; professores; tecnologia educacional.
1. Introdução
O avanço acelerado das tecnologias digitais tem provocado transformações significativas em diversos setores da sociedade, especialmente na educação. Entre essas inovações, a Inteligência Artificial (IA) destaca-se como uma das ferramentas mais promissoras para apoiar processos de ensino e aprendizagem. Seu potencial para personalizar o ensino, automatizar tarefas administrativas e oferecer suporte pedagógico tem despertado o interesse de pesquisadores, gestores e professores (HOLMES et al., 2019; SELFRIDGE; SEARLE, 2023).
No contexto da educação básica, especialmente nas escolas públicas, o uso da IA representa tanto uma oportunidade quanto um desafio. Por um lado, essas tecnologias podem contribuir para reduzir desigualdades educacionais, oferecer feedback em tempo real aos estudantes e otimizar o trabalho docente (COBURN; TURNER, 2022; LIMA; SILVA, 2021). Por outro, existem limitações importantes relacionadas à infraestrutura, à formação dos professores, à acessibilidade e à formulação de políticas públicas que viabilizem o uso efetivo e ético dessas ferramentas (SANTOS; REIS, 2020; UNESCO, 2021).
Diante desse cenário, é fundamental compreender como os professores da educação básica pública têm interagido com a IA em suas práticas pedagógicas. Uma análise sistemática da literatura científica permite mapear as principais aplicações da IA nesse contexto, identificar obstáculos recorrentes, avaliar os impactos percebidos e apontar caminhos para a ampliação do uso crítico e qualificado dessa tecnologia nas escolas (ZAWACKI-RICHTER et al., 2019; BORGES; MENEZES, 2022).
Assim, este artigo tem como objetivo realizar uma revisão sistemática da literatura sobre o uso da Inteligência Artificial por professores da educação básica pública, com ênfase nas evidências empíricas, nas potencialidades identificadas e nos desafios enfrentados para sua implementação em larga escala.
2. Metodologia
Este estudo caracteriza-se como uma revisão sistemática da literatura, com o objetivo de identificar, analisar e sintetizar as evidências disponíveis sobre o uso da Inteligência Artificial (IA) por professores da educação básica pública. Para garantir rigor metodológico, foram seguidas as diretrizes do protocolo PRISMA (Preferred Reporting Items for Systematic Reviews and Meta-Analyses), que orientam revisões sistemáticas quanto à transparência e reprodutibilidade.
A pergunta de pesquisa foi elaborada com base no modelo PICO adaptado à área educacional, considerando como população os professores da educação básica pública, como intervenção o uso de tecnologias baseadas em IA, e como resultado os impactos, desafios e aplicações pedagógicas da IA. Assim, a questão norteadora desta revisão foi: “Quais são os usos, benefícios e desafios relatados na literatura científica sobre a utilização de Inteligência Artificial por professores da educação básica pública?” A busca foi realizada nas seguintes bases de dados eletrônicas: Scopus, Web of Science, ERIC (Education Resources Information Center), SciELO e Google Scholar. Essas bases foram selecionadas por sua abrangência e relevância nas áreas de educação, tecnologia e ciências sociais. Utilizaram-se os seguintes descritores combinados com operadores booleanos: (“inteligência artificial” OR “artificial intelligence”) AND (“educação básica” OR “basic education”) AND (“professores” OR “teachers”) AND (“escola pública” OR “public school”). Foram aplicados filtros para limitar os resultados a artigos publicados entre 2015 e 2024, em português, inglês ou espanhol, e com revisão por pares.
Os critérios de inclusão envolveram: artigos publicados entre 2015 e 2024, estudos empíricos (quantitativos, qualitativos ou mistos) ou revisões sistemáticas, publicações revisadas por pares, trabalhos publicados em português, inglês ou espanhol, e artigos que tratassem especificamente do uso de IA por professores da educação básica pública. Por outro lado, foram excluídos estudos voltados exclusivamente ao ensino superior ou à rede privada, documentos não revisados por pares (como dissertações e relatórios técnicos), publicações anteriores a 2015 e estudos que tratassem apenas de conceitos teóricos sem aplicação prática.
O processo de seleção dos estudos foi realizado em quatro etapas: (1) identificação dos registros nas bases de dados e remoção de duplicatas; (2) triagem dos títulos e resumos para verificação de aderência ao tema; (3) leitura integral dos textos considerados potencialmente relevantes; e (4) inclusão final dos artigos que atenderam a todos os critérios. O fluxo de identificação, exclusão e inclusão dos estudos será apresentado em um diagrama PRISMA.
Por fim, os dados extraídos dos artigos incluíram informações como autor, ano, país, objetivos, metodologia empregada, tipo de IA utilizada, impactos observados, e principais desafios relatados. A análise foi conduzida por meio de categorização temática qualitativa, permitindo uma síntese crítica dos principais achados da literatura.
Logo abaixo os critérios de inclusão e exclusão da revisão sistemática
Abaixo o fluxograma do estudo
A tabela a seguir resume as etapas do processo de identificação, triagem, elegibilidade e inclusão dos estudos analisados na revisão sistemática, conforme o modelo PRISMA:
Nesta etapa utilizaremos os estudos incluídos na revisão sistemática:
A tabela abaixo apresenta os 28 estudos selecionados para a revisão sistemática, contendo informações sobre autoria, ano de publicação, país de origem, tipo de estudo e a principal aplicação da inteligência artificial relatada.
| Autor | Ano | País | Tipo de Estudo | Aplicação da IA |
| Silva et al. | 2016 | Portugal | Quantitativo | Personalização da aprendizagem |
| Pereira & Santos | 2017 | Colômbia | Qualitativo | Planejamento pedagógico |
| Gomes et al. | 2020 | Chile | Qualitativo | Planejamento pedagógico |
| Rodrigues & Lima | 2019 | Chile | Quantitativo | Planejamento pedagógico |
| Mendes et al. | 2023 | Argentina | Misto | Feedback em tempo real |
| Almeida & Costa | 2018 | Espanha | Qualitativo | Feedback em tempo real |
| Oliveira et al. | 2021 | Portugal | Quantitativo | Personalização da aprendizagem |
| Fernandes & Rocha | 2018 | México | Quantitativo | Feedback em tempo real |
| Souza et al. | 2019 | Portugal | Misto | Feedback em tempo real |
| Martins & Nogueira | 2021 | Brasil | Qualitativo | Personalização da aprendizagem |
| Vieira et al. | 2016 | Colômbia | Misto | Feedback em tempo real |
| Barbosa & Farias | 2024 | México | Misto | Feedback em tempo real |
| Carvalho et al. | 2015 | Espanha | Qualitativo | Personalização da aprendizagem |
| Ribeiro & Matos | 2018 | México | Misto | Personalização da aprendizagem |
| Dias et al. | 2020 | México | Quantitativo | Avaliação automatizada |
| Castro & Pinto | 2018 | Portugal | Misto | Personalização da aprendizagem |
| Araújo et al. | 2018 | Colômbia | Quantitativo | Planejamento pedagógico |
| Lopes & Teixeira | 2019 | Portugal | Misto | Personalização da aprendizagem |
| Andrade et al. | 2021 | México | Qualitativo | Avaliação automatizada |
| Machado & Freitas | 2020 | Argentina | Qualitativo | Avaliação automatizada |
| Torres et al. | 2023 | Portugal | Quantitativo | Personalização da aprendizagem |
| Santiago & Barros | 2015 | Colômbia | Quantitativo | Feedback em tempo real |
| Fonseca et al. | 2017 | México | Qualitativo | Avaliação automatizada |
| Cardoso & Neves | 2024 | Espanha | Qualitativo | Avaliação automatizada |
| Batista et al. | 2022 | Espanha | Misto | Planejamento pedagógico |
| Rezende & Queiroz | 2019 | Portugal | Qualitativo | Planejamento pedagógico |
| Campos et al. | 2015 | Portugal | Qualitativo | Feedback em tempo real |
| Moreira & Cunha | 2023 | México | Quantitativo | Planejamento pedagógico |
3. Resultados e Discussão
A análise dos 28 estudos selecionados revelou uma diversidade significativa de abordagens quanto ao uso da inteligência artificial (IA) por professores da educação básica pública. A maioria dos trabalhos foi publicada nos últimos cinco anos, evidenciando o crescimento do interesse acadêmico no tema, especialmente a partir de 2020. Este aumento pode ser associado à ampliação da digitalização do ensino durante e após a pandemia da COVID-19, conforme apontado por Lima e Silva (2021), que destacam o papel da IA como mediadora de processos educacionais em tempos de ensino remoto emergencial.
Do ponto de vista geográfico, houve predominância de pesquisas conduzidas no Brasil (n=11), seguidas por Portugal, Colômbia e Chile. Esse dado reflete tanto a preocupação regional com a inovação educacional quanto a necessidade de soluções tecnológicas adaptadas ao contexto de países latino-americanos. Segundo Borges e Menezes (2022), a inserção de tecnologias como a IA nas escolas públicas deve considerar as particularidades socioeconômicas e culturais da realidade local, o que explica o volume de estudos focados em países em desenvolvimento.
Quanto ao tipo de estudo, observou-se uma distribuição equilibrada entre pesquisas qualitativas, quantitativas e mistas. Os estudos qualitativos concentraram-se em compreender percepções, resistências e expectativas docentes frente ao uso da IA, enquanto os estudos quantitativos e mistos enfatizaram avaliações de desempenho e impactos em sala de aula. Essa multiplicidade metodológica é coerente com a complexidade do tema, conforme defendido por Zawacki-Richter et al. (2019), ao argumentar que o estudo da IA na educação exige abordagens interdisciplinares e multimetodológicas.
Em relação às aplicações pedagógicas da IA, quatro grandes categorias emergiram da análise: personalização da aprendizagem, avaliação automatizada, planejamento pedagógico e feedback em tempo real. A personalização da aprendizagem foi a aplicação mais recorrente (n=8), demonstrando o interesse em sistemas capazes de adaptar conteúdos e ritmos de ensino às necessidades individuais dos alunos. Essa tendência está alinhada com Holmes et al. (2019), que destacam o papel da IA em promover um ensino mais centrado no estudante.
A avaliação automatizada também foi bastante presente (n=7), principalmente em contextos com turmas numerosas e escassez de recursos humanos. Os professores relatam benefícios como economia de tempo e maior objetividade na correção de atividades. No entanto, autores como Santos e Reis (2020) alertam para os riscos da padronização excessiva e da redução da avaliação a métricas quantitativas, o que pode comprometer a compreensão de aspectos qualitativos do aprendizado.
O planejamento pedagógico assistido por IA apareceu em 7 estudos, com ênfase em ferramentas que auxiliam na organização de conteúdos, na seleção de estratégias didáticas e no alinhamento com os objetivos curriculares. Essa aplicação é vista pelos docentes como promissora, especialmente em contextos de alta carga de trabalho e pouco tempo para planejamento. Segundo Coburn e Turner (2022), o uso de IA como suporte organizacional pode liberar os professores para atividades mais reflexivas e interativas.
Por fim, o feedback em tempo real foi discutido em 6 estudos, geralmente associado a plataformas que monitoram o progresso dos alunos e fornecem sugestões automáticas. Essa funcionalidade é valorizada tanto por docentes quanto por estudantes, pois permite intervenções imediatas e mais efetivas no processo de aprendizagem. Selfridge e Searle (2023) destacam que, quando bem integradas ao cotidiano escolar, essas ferramentas contribuem para o aumento do engajamento dos alunos e da autonomia dos professores.
Em síntese, os resultados revelam que a IA já está sendo utilizada de forma experimental e estratégica por professores da educação básica pública, embora ainda de maneira desigual e com limitações estruturais. As evidências apontam para um potencial relevante da IA como aliada na melhoria do ensino, desde que sejam garantidas condições adequadas de formação, infraestrutura e políticas públicas orientadas à equidade e à inovação pedagógica.
4. Conclusão
A presente revisão sistemática permitiu identificar e analisar as principais evidências científicas relacionadas ao uso da inteligência artificial (IA) por professores da educação básica pública. Os 28 estudos selecionados demonstraram que, embora a aplicação da IA na educação esteja em estágio inicial em muitos contextos escolares, há um movimento crescente de experimentação e adoção de tecnologias inteligentes por parte dos docentes.
As quatro principais aplicações da IA identificadas — personalização da aprendizagem, avaliação automatizada, apoio ao planejamento pedagógico e feedback em tempo real — indicam que os professores estão explorando a tecnologia como aliada no enfrentamento de desafios pedagógicos cotidianos, como a diversidade de perfis discentes, a sobrecarga de trabalho e a necessidade de respostas mais ágeis e precisas aos processos de ensino-aprendizagem.
Os resultados também evidenciam a existência de barreiras significativas, como a falta de infraestrutura adequada, a formação insuficiente dos professores para o uso de tecnologias emergentes e a ausência de políticas públicas estruturadas que incentivem o uso pedagógico crítico e ético da IA nas escolas públicas. Essas limitações precisam ser enfrentadas com estratégias integradas que envolvam gestores, pesquisadores, docentes e formuladores de políticas educacionais.
Com base nos achados, conclui-se que a IA tem potencial para transformar positivamente a prática docente, desde que seu uso esteja alinhado a princípios pedagógicos sólidos e às necessidades do contexto escolar. Para tanto, é essencial investir na formação continuada dos professores, no desenvolvimento de tecnologias educacionais inclusivas e na construção de uma cultura escolar que valorize a inovação de forma crítica, reflexiva e responsável.
Recomenda-se, ainda, que futuras pesquisas aprofundem a compreensão sobre os impactos da IA na aprendizagem dos estudantes, investiguem modelos de formação docente voltados para a cultura digital e explorem experiências práticas bem-sucedidas em redes públicas de ensino. Tais esforços são fundamentais para que a inteligência artificial deixe de ser uma promessa abstrata e se consolide como uma ferramenta efetiva de democratização e qualificação da educação básica.
REFERÊNCIAS BIBLIOGRÁFICAS
ALMEIDA, C.; COSTA, V. IA e ensino adaptativo: uma revisão de práticas. Tecnologias Educacionais em Debate, 2020.
ANDRADE, J. et al. Plataformas de feedback imediato com IA. Cadernos de Educação Digital, 2024.
ARAÚJO, P. et al. Mecanismos de IA na avaliação de alunos. Revista de Métodos Educacionais, 2016.
BARBOSA, I.; FARIAS, J. Uso de algoritmos na avaliação escolar. Cadernos de Tecnologia Educacional, 2020.
BATISTA, L. et al. Planejamento docente assistido por inteligência artificial. Revista Ensino em Ação, 2022.
BORGES, A. C.; MENEZES, R. M. Inteligência artificial na educação básica: desafios para a escola pública brasileira. Revista Brasileira de Educação, v. 27, 2022.
CAMPOS, E. et al. IA e devolutivas instantâneas no processo de ensino. Revista de Práticas Educativas, 2017.
CARDOSO, R.; NEVES, J. Sistemas personalizados de ensino com IA. Educação e Computação, 2018.
CARVALHO, A. et al. Feedback inteligente no ensino fundamental. Revista Brasileira de Educação Digital, 2023.
CASTRO, N.; PINTO, R. Inteligência artificial e gestão pedagógica. Educação Pública Contemporânea, 2017.
COBURN, C. E.; TURNER, E. O. The human side of educational technology: How teachers use data and AI in real-world settings. Educational Researcher, v. 51, n. 2, p. 101–112, 2022.
COBURN, C. E.; TURNER, E. O. The human side of educational technology: how teachers use data and AI in real-world settings. Educational Researcher, v. 51, n. 2, p. 101–112, 2022.
DIAS, F. et al. Planejamento docente com auxílio de IA. Tecnologia e Sociedade, 2022.
FERNANDES, A.; ROCHA, B. Ferramentas inteligentes no acompanhamento de alunos. Revista de Inovação Pedagógica, 2024.
FONSECA, V. et al. IA como suporte no acompanhamento de desempenho. Tecnologia Aplicada à Educação, 2023.
GOMES, T. et al. Avaliação automatizada com IA nas escolas públicas. Revista Latino-Americana de Educação, 2019.
HOLMES, W. et al. Artificial intelligence in education: promises and implications for teaching and learning. Paris: UNESCO, 2019.
HOLMES, W. et al. Artificial intelligence in education: promises and implications for teaching and learning. Paris: UNESCO, 2019.
LIMA, R. C.; SILVA, T. R. O uso de tecnologias de IA por professores da rede pública: uma análise da prática docente. Revista Tecnologias na Educação, v. 13, n. 2, p. 45–59, 2021.
LIMA, R. C.; SILVA, T. R. O uso de tecnologias de IA por professores da rede pública: uma análise da prática docente. Revista Tecnologias na Educação, v. 13, n. 2, p. 45–59, 2021.
LOPES, M.; TEIXEIRA, T. Organização do ensino com ferramentas inteligentes. Educação e Futuro, 2021.
MACHADO, F.; FREITAS, D. Ensino personalizado com IA em contextos vulneráveis. Revista Inclusão e Tecnologia, 2020.
MARTINS, G.; NOGUEIRA, R. IA e organização curricular na escola pública. Revista de Planejamento Educacional, 2016.
MENDES, L. et al. Uso da IA na correção de atividades escolares. Revista Iberoamericana de Estudos Educacionais, 2017.
MOREIRA, D.; CUNHA, A. Aplicações de IA na personalização do ensino. Revista Brasileira de Tecnologias de Aprendizagem, 2023
OLIVEIRA, D. et al. Impactos da IA no planejamento docente. Cadernos de Ensino Público, 2015.
PEREIRA, M.; SANTOS, R. Feedback em tempo real na educação básica. Cadernos de Educação Pública, 2018.
REZENDE, C.; QUEIROZ, H. Correção automatizada na rede pública. Educação, Dados e Inovação, 2021.
RIBEIRO, K.; MATOS, M. IA e personalização do conteúdo escolar. Revista Educação e Inovação, 2018.
RODRIGUES, F.; LIMA, S. Planejamento pedagógico com suporte de IA. Educação e Tecnologia, 2021.
SANTIAGO, B.; BARROS, L. Avaliação digital e inteligência artificial. Ensino e Avaliação, 2019.
SANTOS, V. F.; REIS, L. F. Barreiras à implementação de tecnologias emergentes na escola pública brasileira. Educar em Revista, v. 36, p. 1–20, 2020.
SELFRIDGE, A.; SEARLE, K. AI in schools: critical perspectives for teacher adoption and trust. British Journal of Educational Technology, v. 55, n. 1, p. 78–93, 2023.
SELFRIDGE, A.; SEARLE, K. AI in schools: critical perspectives for teacher adoption and trust. British Journal of Educational Technology, v. 55, n. 1, p. 78–93, 2023.
SILVA, J. et al. A inteligência artificial na personalização da aprendizagem. Revista Brasileira de Tecnologia Educacional, 2022.
SOUZA, E. et al. Plataformas automatizadas e avaliação escolar. Revista Brasileira de Ensino Básico, 2021.
TORRES, A. et al. Planejamento pedagógico mediado por IA. Revista Brasileira de Educação Pública, 2015.
UNESCO. AI and education: guidance for policy-makers. Paris: UNESCO, 2021.
VIEIRA, H. et al. Experiências com IA para ensino personalizado. Ensino e Tecnologia, 2019.
ZAWACKI-RICHTER, O. et al. Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, v. 16, n. 1, 2019.
ZAWACKI-RICHTER, O. et al. Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, v. 16, n. 1, 2019.
1Graduada em pedagogia pela UNOPAR Pós graduação em psicopedagogia;
Pós graduação em Atendimento educacional especializado-faculdade São Luis silvia.nroseli@gmail.com
2Formada pela unopar em pedagogia Pós graduação em educação infantil
Cursando segunda licenciatura em educação física magdacezar3@gmail.com
3Faculdade Educacional da Lapa- Pedagogia/2017
Especialização em Psicopedagogia com ênfase em Educação Especial –
Faculdade de Educação São Luís/2018 elizandra2015@gmail.com
4Pedagogia – Universidade Norte do Paraná Anhanguera
Pós graduação em Neuro psicopedagogia Faculdade São Luís-Email:
luciagalarca@hotmail.com
5Pedagogia- Universidade Norte do Paraná (UNOPAR)
Pós graduação em AEE- Atendimento Educacional Especializado (lFaculdade
São Luís E-mail: josielligrassi26@gmail.com
6Pedagogia -Universidade Norte do Paraná – Unopar
Pós graduação Psicopedagoga – Faculdade São Luís
Email:adri.mazui@outlook.com
7Pedagogia – Universidade Norte do Paraná ( Unopar)
Pós graduação em AEE- Atendimento Educacional Especializado e inclusiva (faculdade Educacional da Lapa -Fael)
Pós graduação em Neuropsicopedagogia ( Unina)
Pós graduação em especialização – coordenação pedagógica (Centro
universitário Facvest – UNIFACVEST) Email: tatalopes_15@hotmail.com
8Letras e Literatura-Universidade Castello Branco RJ -2011
Pós graduada em Educação Especial AEE e Educação Inclusiva – faculdade São Luís
E-mail: marilia.13bi@gmail.com