A IA está nos tornando mais inteligentes ou apenas fazendo parecer que somos?

Uma verdade desconfortável: os alunos podem tirar nota máxima em todas as tarefas da aula e não aprender praticamente nada. Por outro lado, eles podem ter dificuldade nas tarefas e aprender bastante. Esse paradoxo, documentado pelos pesquisadores Robert Bjork e Nicholas Soderstrom, da UCLA, revela algo fundamental sobre o aprendizado — e se torna especialmente importante quando falamos sobre IA.

A percepção deles é simples, mas profunda. Ter um bom desempenho no momento (desempenho) é diferente de realmente mudar o que está armazenado em seu cérebro a longo prazo (aprendizado). Quando um aluno usa o ChatGPT para escrever uma redação impecável, seu desempenho parece excelente. Mas houve um aprendizado real? Muitas vezes, a resposta é não.

Como seu cérebro realmente aprende

Barbara Oakley, cuja pesquisa influenciou milhões de pessoas, descreve a aprendizagem genuína como a transição do pensamento consciente e esforçado para a expertise automática. Quando você aprende algo novo pela primeira vez, usa o que os cientistas chamam de memória declarativa: cada passo requer atenção total. Com a prática repetida, essas vias cerebrais se tornam automáticas, mudando para a memória procedural. Por exemplo, quando você aprende a dirigir, cada movimento exige foco total. Hoje você dirige no trânsito conversando naturalmente.

Oakley e seus colegas aplicaram essa neurociência para entender o impacto da IA. Quando a IA pensa por nós, essa transformação crucial do cérebro nunca acontece. Os caminhos mentais que criam a expertise genuína simplesmente não se formam.

A ilusão de compreensão

Aqui está um exemplo. Imagine que você ensina um conceito numa segunda-feira e testa os alunos no mesmo dia. Eles tiram 90% em média. Mas teste esses mesmos alunos uma semana depois, sem revisão, e a média das notas cai para 60%. O conhecimento nunca chegou à memória de longo prazo. Os alunos tiveram um bom desempenho na segunda-feira, mas não aprenderam de verdade.

O intervalo de uma semana força o cérebro a recuperar informações, e esse esforço mental para lembrar é o que cria o aprendizado. Isso é o que os cientistas cognitivos chamam de “esforço produtivo” ou “dificuldade desejável”. Pesquisas mostram que a IA pode criar uma ilusão semelhante: os alunos podem melhorar o desempenho imediato com a IA, mas esses ganhos de curto prazo muitas vezes não se traduzem em melhor retenção a longo prazo.

Quando você entrega o pensamento à IA — não apenas cálculos, mas o trabalho mental de descobrir as coisas — seu cérebro não constrói as conexões que criam a compreensão real. Como argumenta Robert Pondiscio, “os alunos que dependem da IA para escrever uma redação podem entregar um trabalho excelente, mas não exercitaram um pensamento excelente”.

A mesma tecnologia, resultados opostos

A mesma tecnologia de IA pode acelerar o aprendizado ou destruí-lo. A diferença não está na tecnologia, mas em como ela é projetada e usada.

Quando a IA é mal projetada: um estudo realizado em 2024 na Turquia deu a alunos do ensino médio acesso irrestrito a ferramentas de IA sem orientação pedagógica. O desempenho deles caiu 17% em comparação com os alunos que não usaram IA. Outro estudo descobriu que os alunos que usavam o ChatGPT produziam trabalhos com melhor aparência, mas reduziam drasticamente o planejamento e a autoavaliação que impulsionam o aprendizado.

Quando a IA é bem projetada e os professores estão preparados: um estudo de Harvard descobriu que os alunos que usavam um tutor de IA bem projetado aprendiam mais do que o dobro em menos tempo. O sistema promovia o pensamento ativo e fornecia suporte estruturado. Pesquisadores de Stanford descobriram resultados semelhantes: a IA amplificava a experiência do professor em vez de substituir seu julgamento. Uma pesquisa na Nigéria mostrou que os alunos alcançaram em seis semanas o que normalmente leva de um ano e meio a dois anos. O detalhe crítico é que esses resultados exigiram professores treinados para orientar cada sessão, fazer perguntas e desafiar os alunos a pensar profundamente.

O caminho a seguir

A IA não é inerentemente boa ou ruim para o aprendizado. O que determina o resultado é como as ferramentas de IA são projetadas e como os educadores orientam seu uso. O segredo é preservar o esforço mental que impulsiona o aprendizado, seja por meio do design de tarefas ou do uso estratégico de plataformas existentes, garantindo que a IA estimule o pensamento em vez de substituí-lo.

Quando a IA pensa por você, você nem sabe o que não sabe. A pesquisa do especialista em ciência da aprendizagem Carl Hendrick mostra que a aprendizagem requer feedback sobre o que você errou. Mas se a IA resolve o problema por você, não há erros com os quais aprender. Você nunca se esforçou, então não há nada a corrigir. Nas palavras do psicólogo cognitivo Daniel Willingham, a memória é “aquilo que fica do pensamento”. Se a IA elimina a necessidade de pensar, ela também elimina a oportunidade de lembrar. É por isso que uma IA bem projetada e professores treinados são essenciais. Juntos, eles garantem que os alunos façam o trabalho cognitivo.

Mas a preparação dos professores por si só não é suficiente. Aqueles que tomam decisões, desde diretores de escolas até funcionários do ministério, devem compreender a distinção entre desempenho e aprendizagem. Isso requer novas abordagens de avaliação que avaliem a aprendizagem com e sem IA. Ao investir em IA, os líderes precisam perguntar: os alunos conseguem pensar de forma independente depois? Eles conseguem aplicar isso a um novo contexto?

O verdadeiro investimento é desenvolver capacidades em todos os sistemas educacionais por meio de:

• Treinar professores em habilidades tecnológicas e conhecimentos pedagógicos para manter o esforço cognitivo na aprendizagem;
• Preparar líderes escolares e funcionários da educação para reconhecer a diferença entre desempenho impressionante e aprendizagem real;
• Garantir que os formuladores de políticas compreendam o que é necessário para uma implementação eficaz da IA — tempo de treinamento adequado, apoio contínuo e recursos adequados; e
• Criar comunidades de prática onde os educadores desenvolvam conhecimentos coletivos.

Nos países em desenvolvimento, esses desafios são ampliados. A conscientização sobre a ciência da aprendizagem entre educadores e formuladores de políticas continua limitada, tornando os alunos com habilidades básicas mais fracas os mais vulneráveis: eles não têm o conhecimento prévio para reconhecer quando a IA está errada, mas são eles que mais precisam de esforço produtivo para desenvolver conhecimentos especializados. Mas as evidências da Nigéria, Harvard e Stanford mostram um caminho a seguir: a IA funciona quando amplifica os conhecimentos especializados humanos, não quando substitui o julgamento humano. Nosso investimento crítico deve ser na preparação de educadores que entendam que o aprendizado real requer esforço cognitivo. Com a preparação adequada, a IA pode apoiar o esforço produtivo que constrói conhecimentos duradouros, para que os alunos não apenas produzam respostas inteligentes, mas se tornem pensadores mais inteligentes.

Este blog foi inspirado pelas apresentações envolventes da researchED Chile 2025, onde Barbara Oakley, Tom Bennett, Nidhi Sachdeva, Greg Ashman, Rodrigo López e outros educadores renomados exploraram como a prática baseada em evidências pode orientar nossa abordagem às tecnologias emergentes na educação.

Saiba mais

Fundamentos da ciência da aprendizagem

• Aprendendo a aprender - Curso da Coursera de Barbara Oakley (mais de 4,8 milhões de alunos) que explica a neurociência da aprendizagem, incluindo como funciona a memória, a importância do esforço produtivo e técnicas práticas para o aprendizado profundo.
• A Mind for Numbers (Uma mente para números) - Livro de Barbara Oakley sobre como se destacar no aprendizado de assuntos difíceis, com base em pesquisas da ciência cognitiva.
• Aprendizagem versus desempenho - Laboratório de Robert Bjork na UCLA, pesquisa pioneira sobre a distinção entre desempenho e aprendizagem, dificuldades desejáveis e prática de recuperação.
• The Learning Scientists - Estratégias baseadas em evidências para uma aprendizagem eficaz, incluindo prática de recuperação, prática espaçada e elaboração.
• Portal Ciência da Aprendizagem da UNESCO

Barbara Oakley sobre IA e Aprendizagem

• The Knowledge Project Podcast - Barbara Oakley discute aprendizagem, memória e a ciência por trás da educação eficaz.
• O paradoxo da memória - Oakley et al. (2025) sobre por que nossos cérebros precisam de conhecimento na era da IA, explorando o descarregamento cognitivo e os sistemas de memória.

Perspectivas relacionadas sobre IA e educação

• A ilusão da aprendizagem - Robert Pondiscio sobre o perigo da IA para a educação, argumentando que a IA nos obriga a rearticular o objetivo da educação: não produzir resultados polidos, mas formar mentes capazes e perspicazes.
• Resumo da pesquisa: o que há de novo na ciência da aprendizagem - revisão mensal de Carl Hendrick sobre novas pesquisas sobre aprendizagem, incluindo descobertas recentes sobre feedback de IA, prática de recuperação e instrução de leitura.
• Guia de implementação da ciência da aprendizagem - Guia gratuito de Carl Hendrick para líderes escolares sobre a aplicação dos princípios da ciência da aprendizagem na prática.
• O que melhora a memória de um aluno? – O trabalho de Daniel Willingham mostra que a memória melhora quando os alunos pensam profundamente sobre o significado, porque nos lembramos do que pensamos.