Os desafios do uso da IA no ensino superior

Coluna

Inteligência Artificial

13 de abril de 2026

Os desafios do uso da IA no ensino superior

MEC propõe diretrizes para alinhar uso da tecnologia aos princípios pedagógicos, éticos e sociais que orientam a educação brasileira

A incorporação crescente da inteligência artificial nos processos educacionais tem produzido tensões relevantes, especialmente no que se refere à superficialidade do aprendizado e à redução do esforço cognitivo em atividades complexas. Segundo Kasneci et al. (2023), embora sistemas baseados em modelos de linguagem ampliem o acesso à informação e apoiem atividades educacionais, seu uso indiscriminado pode comprometer processos cognitivos essenciais, como a elaboração crítica e a construção ativa do conhecimento. Conforme discutido em minha coluna anterior (IA e formação profissional), ainda que a tecnologia amplie o acesso à informação e aumente a eficiência na execução de tarefas, observa-se um deslocamento progressivo do papel do estudante, que passa da construção ativa do conhecimento para a supervisão de respostas automatizadas.

Bender et al. (2021) afirmam que sistemas de linguagem baseados em IA tendem a produzir respostas plausíveis sem compromisso com compreensão ou veracidade, o que pode induzir a um uso acrítico e reforçar a dependência em relação às saídas automatizadas, com potenciais impactos sobre o desenvolvimento do pensamento crítico e da autonomia intelectual. Nesse contexto, a recente publicação do “Referencial para o Desenvolvimento e Uso Responsáveis de Inteligência Artificial na Educação (Brasil, 2026)”, elaborada pelo Ministério da Educação, insere-se como resposta institucional a essas transformações, ao reconhecer tanto as oportunidades quanto os riscos associados à adoção acelerada da tecnologia e ao propor diretrizes que buscam alinhar seu uso aos princípios pedagógicos, éticos e sociais que orientam a educação brasileira. Torna-se, portanto, fundamental examinar o documento de forma crítica e aprofundada, a fim de compreender não apenas suas recomendações formais, mas também suas implicações efetivas sobre práticas pedagógicas, processos avaliativos e a formação de estudantes em um cenário mediado por inteligência artificial.

Ensino superior

O texto desta coluna concentra-se no ensino superior, no qual a presença da inteligência artificial impõe revisões mais profundas sobre ensino, aprendizagem e pesquisa. O Referencial explicita que as instituições devem promover reorientações curriculares voltadas ao desenvolvimento de competências de ordem superior, como pensamento crítico, criatividade e resolução de problemas inéditos, ao mesmo tempo em que exige revisão de práticas avaliativas, diante da facilidade de produção automatizada de respostas. Do ponto de vista regulatório, o documento estabelece a necessidade de estruturas institucionais de governança, com definição clara de políticas para uso de IA, mecanismos de supervisão humana efetiva e avaliação contínua dos impactos dos sistemas adotados. Também enfatiza transparência e explicabilidade, proteção de dados e privacidade, prevenção de vieses algorítmicos, garantia de integridade acadêmica e enfrentamento de desigualdades de acesso. Nesse contexto, a adoção da IA no ensino superior é tratada não como questão meramente tecnológica, mas como decisão pedagógica, ética e institucional, que deve permanecer subordinada ao projeto formativo e ao papel central da docência.

Plano pedagógico

No plano pedagógico, os desafios tornam-se ainda mais evidentes, na medida em que a presença da IA tensiona fundamentos tradicionais do processo de ensino e aprendizagem. A disponibilidade de respostas automatizadas e a facilidade de geração de conteúdos colocam em risco a centralidade do esforço cognitivo, favorecendo a terceirização de etapas essenciais, como análise, síntese e construção argumentativa. Firth et al. (2019) demonstram que a crescente dependência de sistemas digitais para acesso e processamento de informações pode reduzir o engajamento em processos cognitivos mais profundos, reforçando dinâmicas de externalização do pensamento.

Nesse cenário, torna-se necessária a revisão de práticas avaliativas historicamente baseadas na reprodução de conteúdo. Segundo discutido por Bearman et al. (2022), a crescente presença de ferramentas baseadas em inteligência artificial desafia modelos tradicionais de avaliação no ensino superior, exigindo a adoção de estratégias que privilegiem autoria, pensamento crítico e aplicação do conhecimento em detrimento da simples reprodução de respostas. Paralelamente, impõe-se a necessidade de desenvolver competências de ordem superior, como pensamento crítico, criatividade e resolução de problemas complexos, assegurando que a inteligência artificial seja utilizada como ferramenta de apoio e não como substituto do processo formativo.

Plano docente e institucional

No plano docente e institucional, os desafios concentram-se na necessidade de reconfiguração do papel do professor e das estruturas acadêmicas diante da incorporação da inteligência artificial. O Referencial enfatiza a centralidade da docência como elemento insubstituível. Em consonância, a Unesco (2023) destaca que sistemas de IA devem atuar como suporte às práticas pedagógicas, sem substituir o papel do professor, que permanece responsável pela mediação crítica, orientação ética e condução do processo de aprendizagem.

Nesse contexto, torna-se indispensável investir na formação inicial e continuada para o uso pedagógico da IA, bem como promover reestruturações curriculares que integrem a tecnologia de forma intencional e alinhada aos objetivos formativos. Além disso, as instituições de ensino superior são chamadas a estabelecer diretrizes claras para o uso da IA em atividades acadêmicas, garantindo coerência entre práticas pedagógicas, critérios de avaliação e princípios institucionais, de modo a evitar uso indiscriminado ou desalinhado com o projeto educacional.

Plano regulatório

No plano regulatório e de governança, os desafios concentram-se na construção de estruturas institucionais capazes de orientar o uso da inteligência artificial de forma responsável, transparente e alinhada ao interesse público. O Referencial destaca a necessidade de políticas claras que envolvam proteção de dados, garantia de privacidade, mitigação de vieses algorítmicos e exigência de explicabilidade dos sistemas adotados. Em consonância com essas diretrizes, a Unesco (2023) enfatiza que a adoção de inteligência artificial na educação deve estar orientada por princípios de transparência, supervisão humana e responsabilidade institucional, assegurando que decisões educacionais permaneçam sob controle de agentes humanos qualificados.

No ensino superior, isso se traduz na criação de mecanismos de supervisão contínua, avaliação de impacto das tecnologias utilizadas e definição de critérios para sua adoção. Soma-se a esse cenário a preocupação com a integridade acadêmica, especialmente diante de riscos de plágio e autoria automatizada, bem como com as desigualdades de acesso à infraestrutura digital, que podem ampliar assimetrias já existentes. Dessa forma, a governança da IA deixa de ser um aspecto acessório e passa a constituir elemento central na regulação das práticas educacionais mediadas por tecnologia.

Diante desse conjunto de desafios, torna-se evidente que a incorporação da inteligência artificial no ensino superior não pode ser tratada como simples atualização tecnológica, mas como um processo de reconfiguração estrutural do próprio modelo educacional. As diretrizes apresentadas pelo Referencial indicam que a centralidade do processo formativo deve ser preservada, exigindo que a adoção de sistemas de IA esteja subordinada a critérios pedagógicos, éticos e institucionais claramente definidos. Nesse contexto, a tecnologia deixa de ser um fim em si mesma e passa a ser compreendida como instrumento cuja legitimidade depende de sua capacidade de sustentar processos de aprendizagem profunda e desenvolvimento intelectual consistente.

Assim, o principal desafio não reside na presença da inteligência artificial, mas na forma como ela é integrada aos processos educacionais. O risco de superficialidade, dependência e fragilização cognitiva não é inerente à tecnologia, mas ao seu uso desarticulado de uma intencionalidade pedagógica consistente. Nesse sentido, a incorporação da IA no ensino superior exige não apenas a adoção de ferramentas, mas a construção deliberada de ambientes formativos que preservem a complexidade do pensamento, a autoria intelectual e a capacidade de enfrentamento de problemas inéditos. A consolidação de práticas responsáveis depende, portanto, da articulação entre formação docente, revisão curricular, políticas institucionais e mecanismos de governança, de modo a garantir que a inteligência artificial atue como amplificadora, e não substituta, das competências humanas essenciais.

Para ter acesso às referências desse texto clique aqui

Quem publicou esta coluna

Maurício Acconcia Dias

Possui graduação em Ciência da Computação pela Universidade Federal de Lavras, mestrado e doutorado em Ciências da Computação e Matemática Computacional pela Universidade de São Paulo e MBA em Data Science Analytics pela USP/Esalq. Atua com desenvolvimento de hardware para sistemas inteligentes aplicados à robótica. É consultor em Data Science & Analytics e Desenvolvimento de sistemas embarcados e orientador do MBA USP/Esalq.

Você também pode gostar

Compliance E Esg

11 de setembro de 2026

Inteligência Artificial na Gestão Contratual: Supervisão Humana, Riscos Jurídicos e Governança Algorítmica

O advento da inteligência artificial como tecnologia disruptiva reconfigurou processos econômicos, institucionais e jurídicos, conferindo centralidade à automação contratual na gestão de relações complexas. A automação contratual revelou-se um fenômeno juridicamente não neutro, com opacidade decisória, geração automatizada de cláusulas abusivas e dificuldades de atribuição de responsabilidade, deslocando a elaboração contratual para o domínio jurídico-normativo. O estudo analisou como a inteligência artificial na automação contratual intensificou a colisão entre eficiência tecnológica e segurança jurídica, e em que medida mecanismos de supervisão humana significativa e de governança algorítmica funcionaram como instrumentos de ponderação normativa para preservar princípios do direito contratual brasileiro. A pesquisa adotou abordagem qualitativa de estudo de casos múltiplos, com análise documental de quatro casos paradigmáticos: Moffatt v. Air Canada, United States v. RealPage, Deloitte/DEWR e INSS/TRF-4ª Região, representando os contextos consumerista, concorrencial, consultivo-contratual e administrativo. A análise identificou cinco padrões estruturais recorrentes – opacidade decisória, substituição da racionalidade normativa por inferências probabilísticas, accountability gap, assimetria informacional e incompreensão semântica – que emergiram de forma sistêmica. O desfecho fragmentado do caso RealPage reforçou a conclusão de que a jurisprudência sobre automação decisória permanece em formação. A governança algorítmica eficaz demonstrou exigir a integração de mecanismos de auditabilidade, responsabilização e supervisão humana, conforme as normas ISO 31000, COSO ERM e ISO 37301, como condição necessária à legitimidade dos sistemas automatizados de gestão contratual.

Palavras-chave: Contratos; Governança algorítmica; Inteligência artificial; Segurança jurídica; Supervisão humana.

Compliance E Esg

11 de setembro de 2026

Rituais de Verificação sob Pressão: Categorias de Ação ESG Relatadas por Grande Grupo Frigorífico Antes e Após Operação Deflagrada Pela Polícia Federal e Seus Desdobramentos, em Passado Recente

Relatórios de sustentabilidade são amplamente empregados como instrumentos de gestão da legitimidade corporativa, mas sua função como mecanismo de reorganização cognitiva em contextos de crise reputacional permaneceu subexplorada na literatura. O estudo analisou as transformações nas categorias de ação ESG reportadas pela Empresa JBS em seus relatórios anuais de sustentabilidade de 2015 a 2018, período que compreendeu dois anos anteriores e dois anos posteriores à Operação Carne Fraca e seus desdobramentos. O objetivo foi investigar como a organização alterou sua estrutura cognitiva após a crise reputacional, por meio de um de seus sistemas de reporte. Empregou-se um processo de catalogação sistemática de 1.088 práticas relatadas, classificadas por pilar ESG, tema material e categoria de ação. O referencial teórico mobilizou Mary Douglas (1986), Michael Power (1997), Meyer e Rowan (1977) e Edelman (2016) para interpretar os fenômenos observados. Os resultados evidenciaram um crescimento exigido em governança, que coexistiu com o colapso do pilar social, o desaparecimento de categorias substantivas e a substituição de ações voltadas a prêmios por ações que ressignificaram as relações da organização e seu posicionamento no mercado. Além disso, treinamentos de liderança migraram do tema de cultura para compliance, campanhas de comunicação cederam lugar a canais estruturais permanentes, e investidores tornaram-se a audiência de maior crescimento proporcional. Concluiu-se que a sofisticação do esforço de legitimação residiu não no que a empresa necessariamente fez, mas na consistência com que reorganizou quem ela diz ser e para quem, a partir das categorias de ação que relatou.

Palavras-chave: Crise reputacional; ESG; Pensamento institucional; Relatórios de sustentabilidade; Estratégia organizacional.

Gestão Escolar

11 de setembro de 2026

Liderança Escolar à Luz da Teoria U: um Diálogo com as Lideranças Transformacional e Servidora.

A integração de diferentes modelos de liderança mostrou-se um caminho relevante para instituições de ensino que buscaram inovar e alcançar excelência em suas práticas educacionais. Contudo, foram escassas as pesquisas empíricas que investigaram a aplicação da Teoria U na gestão escolar associada às abordagens Transformacional e Servidora, o que configurou uma lacuna na literatura. Este estudo buscou compreender como gestores educacionais perceberam e aplicaram princípios da Teoria U — escuta generativa, presencing e cocriação — em diálogo com as abordagens teóricas da Liderança Transformacional e da Liderança Servidora em suas práticas de gestão. A pesquisa, de natureza qualitativa e exploratória, foi realizada em uma instituição de ensino privada, localizada na cidade de São Paulo, que abrangeu desde a Educação Básica até a Pós-Graduação. Os dados foram coletados por meio de um roteiro de perguntas semiestruturadas, aplicado a sete gestores educacionais, e foram analisados com base na Análise de Conteúdo de Bardin. Os resultados evidenciaram aproximações entre as práticas observadas e os pressupostos teóricos dos modelos estudados, com a escuta destacando-se como a competência que melhor articulou as três abordagens no contexto investigado. Também foram identificadas algumas tensões entre os referenciais teóricos e o cotidiano da gestão. O estudo contribuiu para uma reflexão crítica sobre as possibilidades e os limites da integração desses diferentes modelos de liderança em ambientes escolares, ampliando o debate e oferecendo subsídios relevantes para o fortalecimento do campo da gestão educacional.

Palavras-chave: Análise de Conteúdo; Escuta Generativa; Estudo de Caso; Gestão Escolar; Liderança.

10 de setembro de 2026

Desempenho de Modelos de Machine Learning na Seleção de Ações da Bolsa de Valores Brasileira

O mercado acionário brasileiro, caracterizado por elevada volatilidade e restrições de liquidez, impõe desafios à aplicação de modelos de aprendizado de máquina na previsão de retornos e na construção de estratégias de investimento. O estudo comparou o desempenho preditivo e econômico de modelos de aprendizado de máquina e métodos estatísticos tradicionais na estimação de retornos futuros e na formação de carteiras baseadas em ranking de ativos. Utilizaram-se dados históricos de ações da B3, com variáveis técnicas e financeiras derivadas de preços e volume. Avaliaram-se modelos lineares (Regressão Linear, Ridge, LASSO, Elastic Net), de ensemble (Random Forest, XGBoost, LightGBM) e uma rede neural (Multilayer Perceptron). A avaliação preditiva ocorreu por métricas de erro em conjunto de teste, e a econômica por backtest de estratégias long-only, com custos operacionais baseados no turnover para análise de retornos brutos e líquidos. Os resultados revelaram baixa capacidade preditiva em todos os modelos, com R² negativos e erros elevados. Embora diferenças marginais nas previsões tenham gerado variações no desempenho econômico, estas foram de baixa magnitude e instáveis. O modelo LightGBM obteve o melhor desempenho econômico, mas com ganhos limitados em relação ao benchmark após a inclusão de custos operacionais. Não se observou evidência consistente de geração de retorno ajustado ao risco superior.

Palavras-chave: aprendizado de máquina; backtest; mercado acionário; previsão de retornos; seleção de ativos.

10 de setembro de 2026

Precificação Hedônica de Imóveis na Grande Florianópolis: Uso e Comparação de Modelos de “Machine Learning”

O mercado imobiliário da Grande Florianópolis tem experimentado valorização acelerada, impulsionada pelo crescimento populacional e pela demanda turística e de investimento. Este estudo analisou os determinantes do valor de imóveis residenciais e comparou o desempenho preditivo de modelos de aprendizado de máquina, especificamente Random Forest e Gradient Boosting (XGBoost), com uma regressão por Mínimos Quadrados Ordinários (MQO). Os dados foram coletados via web scraping de dois portais imobiliários em março de 2026, abrangendo os municípios de Florianópolis, São José, Palhoça e Biguaçu, resultando em 8.056 observações válidas após limpeza. Avaliou-se o desempenho dos modelos por meio das métricas R², RMSE e MAPE. O XGBoost apresentou o melhor desempenho preditivo geral (R² = 0,742, RMSE = R$ 927.113), enquanto o Random Forest obteve o menor erro relativo (MAPE = 25,69%). Os principais determinantes do preço identificados foram a área construída, a região de localização e o número de banheiros. Uma análise complementar por segmento de mercado revelou que o MQO dependeu dos valores extremos para sustentar seu ajuste, enquanto os modelos ensemble mantiveram desempenho estável. Concluiu-se que os métodos de aprendizado de máquina são mais robustos para precificação hedônica em mercados imobiliários heterogêneos, especialmente na presença de imóveis atípicos.

Palavras-chave: Ensemble; Imobiliário; Regressão; Residencial; Web Scraping.

Neurociência E Aprendizagem Na Educação

10 de setembro de 2026

A Produção de Memes como Estratégia de Formação Literária e Multiletramentos no Ensino Fundamental Ii

A leitura de obras literárias clássicas apresenta desafios no contexto escolar contemporâneo, devido ao distanciamento entre a linguagem dos textos e o repertório dos estudantes. Investigou-se como a utilização de memes contribuiu para a construção de sentidos na leitura da obra Senhora, de José de Alencar, no Ensino Fundamental II. A pesquisa adotou uma abordagem qualitativa, com caráter de pesquisa participante, e foi desenvolvida com duas turmas de 9º ano de uma escola privada em Volta Redonda, Rio de Janeiro. Os dados foram coletados por meio de questionários e das produções dos estudantes, e analisados à luz da análise de conteúdo. Os resultados indicaram que a utilização de memes favoreceu a aproximação dos alunos com o texto literário, reduziu a resistência inicial e ampliou o engajamento com a leitura. Observou-se, também, o avanço progressivo na compreensão da narrativa, evidenciado pela capacidade de interpretar fatos, analisar personagens, identificar relações implícitas e elaborar posicionamentos críticos. As produções revelaram a articulação entre o conteúdo da obra e o repertório sociocultural dos estudantes, indicando a construção de aprendizagens com significado. Concluiu-se que a integração entre literatura e cultura digital potencializou a mediação pedagógica, contribuindo para a formação de leitores mais ativos e interpretativamente autônomos.

Palavras-chave: aprendizagem significativa; cultura digital; leitura literária; multiletramentos; neurociência.

Gestão Tributária

10 de setembro de 2026

Definição de Insumos para Fins de Aproveitamento de Créditos de Pis e Cofins

O estudo analisou a interpretação e a aplicação da definição de insumos para fins de creditamento do Programa de Integração Social (PIS) e da Contribuição para o Financiamento da Seguridade Social (COFINS) no regime não cumulativo, à luz do entendimento firmado pelo Superior Tribunal de Justiça (STJ) no julgamento do Recurso Especial n.º 1.221.170 (Tema 779). Objetivou-se examinar os limites jurídicos da utilização desses créditos, considerando os critérios de essencialidade ou relevância estabelecidos pela jurisprudência do STJ. Realizou-se pesquisa documental e jurisprudencial, com análise de acórdãos representativos do Conselho Administrativo de Recursos Fiscais (CARF) e do STJ, abrangendo períodos anteriores e posteriores ao Tema 779. Complementarmente, conduziu-se pesquisa bibliográfica e estudos de dois casos concretos do CARF, com abordagem qualitativa, para verificar a aplicação prática dos critérios. Constatou-se que o STJ afastou a aplicação automática da definição de insumo do IPI, consolidando os critérios de essencialidade e relevância. Entretanto, a análise dos julgados do CARF evidenciou que, embora houvesse reconhecimento formal do precedente do STJ, sua incidência foi modulada conforme a natureza da atividade empresarial, mostrando-se mais restritiva para empresas de revenda. Os casos concretos ilustraram que creditamentos de fretes foram tratados de forma distinta, dependendo da vinculação do gasto à produção ou à revenda. Concluiu-se que a definição de insumos permanece um ponto sensível do sistema tributário, e a correta utilização dos créditos demanda análise casuística rigorosa, pautada na observância dos precedentes judiciais e dos limites normativos vigentes, para evitar glosas e penalidades.

Palavras-chave: COFINS; Creditamento; Insumos; PIS.

Gestão Tributária

10 de setembro de 2026

Fiscalização Delegada do ITR: Desestímulo aos Convênios, Reflexos na Arrecadação e Desinteresse Processual da União

O Imposto Territorial Rural (ITR), de competência da União, pode ter sua fiscalização e cobrança delegadas aos Municípios e ao Distrito Federal. Este trabalho examinou a adesão municipal a esses convênios e o impacto na arrecadação, analisou se os entraves processuais para os Municípios remeterem demandas aos órgãos federais desestimulavam a celebração de acordos, e avaliou o interesse processual da União em litígios de ITR sob delegação, à luz da Teoria Eclética da Ação, bem como a efetividade da diretriz constitucional de desestímulo a propriedades improdutivas. A pesquisa utilizou um estudo de caso, com base em dados e relatórios oficiais da Receita Federal do Brasil e referencial doutrinário jurídico. Os resultados indicaram baixa adesão municipal aos convênios, com quase 75% dos municípios sem acordo. A arrecadação do ITR, mesmo integralmente repassada, não justificou os investimentos municipais, e a manutenção da atuação processual pela União desestimulou a continuidade dos ajustes. Verificou-se que a União carecia de interesse processual nessas demandas, dada a ínfima representatividade do ITR na arrecadação federal e a ausência de proveito econômico-financeiro, o que impediu o cumprimento efetivo da diretriz constitucional de desestímulo à improdutividade rural. Concluiu-se que são necessárias modificações legislativas para que o ITR alcance seus objetivos de arrecadação e função social.

Palavras-chave: Arrecadação; Eficiência; Fiscalização; ITR; Municípios.

10 de setembro de 2026

Governança de Dados e Risco Financeiro no Setor Florestal: Evidências Empíricas em Perspectiva Brasil-Finlândia

A fragmentação informacional no setor florestal brasileiro constituiu o ponto de partida desta pesquisa, que investigou como a governança de dados impactou a capacidade analítica, o risco financeiro e a competitividade da gestão florestal, por meio de um estudo comparativo entre Brasil e Finlândia. Submeteram-se 332 documentos, incluindo 307 informativos CEPEA/Esalq/USP (2001–2025) e 25 relatórios setoriais (Bracelpa, ABRAF, Ibá, 2003–2025), a um pipeline de extração automatizado baseado em OCR, mineração de texto e expressões regulares, obtendo-se 13.059 registros estruturados. Realizou-se análise de sensibilidade do Valor Presente Líquido (VPL) e análise de sentimento léxica. Apenas 12,1% dos registros de custo continham Custo Operacional Efetivo preenchido, e nenhum apresentou margem líquida calculável. A incerteza nos dados de entrada oscilou o VPL de um projeto florestal em mais de R$ 20.000/ha, evidenciando a distorção da decisão orientada por dados quando a sofisticação algorítmica não substituiu a qualidade dos dados de origem. A análise de sentimento léxica confirmou a transição dos relatórios setoriais brasileiros de formato estatístico para promocional. Em contraste, o modelo finlandês demonstrou a viabilidade de uma governança integrada, com o inventário florestal consolidado como pilar de inteligência industrial. Os resultados indicaram que o fortalecimento da governança de dados constituiu pré-requisito para a transição do setor para um sistema de planejamento sustentado por evidências.

Palavras-chave: competitividade; fragmentação informacional; inteligência artificial; soberania digital; tomada de decisão.

Inscreva-se em nossa newsletter!

Receba conteúdos e fique sempre atualizado sobre as novidades em gestão, liderança e carreira com a Revista E&S.

Ao preencher o formulário você está ciente de que podemos enviar comunicações e conteúdos da Revista E&S. Confira nossa Política de Privacidade