Base de Conhecimento AIEdAIEd KB
Nesta página

Esta página foi traduzida para o português. As páginas de artigo continuam escritas em inglês. Ler esta página em inglês

Conceitos

Aprendizagem de adultos

Criado 2026-08-06 · Atualizado 2026-09-30

Esta é uma tradução automática da página em inglês; ainda não foi revisada por uma pessoa falante nativa.

Aprendizagem de adultos — a teoria e a prática de educar adultos (andragogia), e como as ferramentas e tecnologias de IA podem ser desenhadas para apoiar a autonomia das pessoas adultas que aprendem, sua experiência prévia e sua relevância para o mundo real. Explorada em 13 artigos desta base de conhecimento.

Perguntas para refletir

  • A teoria da aprendizagem de adultos pressupõe que as pessoas que aprendem são autodirigidas, se apoiam na experiência de vida e querem relevância para o mundo real. Mas, se a IA realiza boa parte do trabalho cognitivo, uma pessoa que completa uma tarefa sem ajuda visível prova de fato que dirigiu esse processo? O que faria você se sentir confiante de que ela dirigiu?
  • A independência comportamental em relação a uma ferramenta já não garante que quem aprende dirigiu a aprendizagem. Se você estivesse desenhando uma IA para adultos que aprendem, o que buscaria para confirmar uma autodireção genuína em vez de uma delegação silenciosa?
  • As diretrizes de desenho para ferramentas de IA para adultos enfatizam caber em vidas ocupadas — compatíveis com dispositivos móveis, capazes de funcionar off-line, conectadas a problemas reais. Quais dessas características importam mais para a sua própria aprendizagem, e o que uma ferramenta que as ignora cobra de quem aprende?
  • Adultos frequentemente estudam no trabalho ou em casa, por isso a entrega on-line domina — trazendo flexibilidade, mas também riscos de descarte cognitivo e questões de integridade. Como a conveniência da assistência de IA interage com o objetivo de uma aprendizagem duradoura para um adulto ocupado?
  • A pesquisa não encontrou nenhum sistema único de IA para aprendizagem de adultos que satisfizesse todas as diretrizes de desenho — o ecossistema completo era necessário. O que isso sugere sobre esperar que uma única ferramenta atenda a todas as necessidades de quem aprende?
  • Para adultos marginalizados e neurodivergentes, a equidade pode ter menos a ver com o acesso à ferramenta do que com o cuidado relacional de quem ensina. Como posicionar a pessoa humana como o lugar do cuidado muda a forma como você desenharia ou adotaria uma ferramenta de IA?

Introdução

Enraizada no modelo andragógico de Knowles, a aprendizagem de adultos pressupõe que quem aprende é autodirigido, apoia-se na experiência de vida, é motivado por objetivos imediatos e práticos, e se beneficia mais quando a aprendizagem se conecta a seus papéis no mundo real. Essas pressuposições importam para o desenho de IA porque a IA generativa já pode participar de quase todas as etapas da aprendizagem — identificar necessidades, definir objetivos, interpretar informações, produzir resultados e avaliar desempenho. Quando a IA realiza tanto do trabalho cognitivo, a independência comportamental em relação à ferramenta já não garante que quem aprende tenha de fato dirigido a aprendizagem. A pesquisa desta base de conhecimento reformula, por isso, a autodireção como um objetivo ativo de desenho, e não como um padrão presumido, e avalia a IA de aprendizagem de adultos contra critérios como posse do objetivo, controle da delegação e recuperabilidade cognitiva.

Evidências dos artigos conectados

  • Andragogia e delegação cognitiva com IA generativa. Hyoung (2026) revisita as seis pressuposições andragógicas de Knowles sob a delegação cognitiva mediada por IA, argumentando que completar uma tarefa sem ajuda visível de IA não prova autodireção significativa. Ele deriva cinco dimensões analíticas — posse da necessidade e do objetivo, controle da delegação, calibração epistêmica, recuperabilidade cognitiva e transferência, e autonomia motivacional — fazendo a ponte entre a aprendizagem de adultos e o descartre cognitivo e a aprendizagem autorregulada para avaliar se quem aprende permanece genuinamente autodirigido na era da IA generativa.

  • Diretrizes de desenho para ferramentas de IA de aprendizagem de adultos. Com base em dados de implantação longitudinal do National AI Institute for Adult Learning and Online Education (AI-ALOE), o artigo da DIS 2026 sintetiza 19 diretrizes de desenho empiricamente fundamentadas para tecnologias de IA voltadas à aprendizagem de adultos. Derivadas de cerca de 1.600 declarações de partes interessadas em sete sistemas implantados, as diretrizes abrangem presença cognitiva, social e de ensino (um enquadramento de Comunidade de Investigação) e enfatizam que as ferramentas devem caber na vida ocupada dos adultos (compatíveis com dispositivos móveis, capazes de funcionar off-line), conectar o conteúdo a problemas do mundo real, personalizar de forma significativa, oferecer apoio e feedback substantivos, e ser transparentes sobre os dados. Nenhum sistema único satisfez todas as diretrizes; o ecossistema completo do AI-ALOE foi necessário para cobri-las.

  • Contextos de aprendizagem de adultos, a distância e ao longo da vida. Rienties et al. mostram como a Open University desenhou e avaliou um assistente de IA embutido (AIDA) por meio de seis estudos de pesquisa baseada em desenho; as pessoas estudantes que o usaram passaram o dobro do tempo no curso, embora o estudo alerte que a capacidade técnica precisa ser acompanhada de governança e prontidão organizacional. Theodora e Tselios enquadram o papel duplo da IA na aprendizagem de adultos e ao longo da vida como ao mesmo tempo habilitador de uma educação personalizada e escalável e fonte de risco de equidade e governança, pedindo uma política inclusiva e centrada nas pessoas. Um estudo de caso do Meio-Oeste codesenhou um programa de letramento em IA para 54 adultos de uma comunidade desatendida, concluindo que a educação em IA para adultos orientada pela equidade precisa enfrentar lacunas fundamentais de letramento digital, construir confiança em relação à privacidade dos dados, e se conectar à experiência vivida. O framework "Sovereign Hive" / Tutor-in-the-Loop de Herron trata a equidade com IA generativa na Educação Continuada como regulação atmosférica, e não mero acesso a ferramentas, posicionando quem ensina como o lugar do cuidado relacional e cognitivo para adultos marginalizados e neurodivergentes.

Conexões com conceitos relacionados

A aprendizagem de adultos fica na interseção de vários conceitos estreitamente ligados nesta base de conhecimento. Ensino superior fornece o contexto institucional em que ocorre grande parte da aprendizagem de adultos e a distância, enquanto Aprendizagem no trabalho cobre sua dimensão de força de trabalho e Aprendizagem ao longo da vida sua dimensão de educação continuada. Educação e formação profissional é a vizinha que nomeia uma ocupação, e não uma pessoa que aprende: a aprendizagem de adultos descreve o que quem aprende traz a qualquer contexto — autodireção, experiência prévia, objetivos práticos imediatos —, enquanto a EFP nomeia a preparação inicial e próxima da prática para um ofício ou papel técnico nomeado, julgada pela competência demonstrada com equipamentos e enquadrada por estruturas de qualificação, e não por disposições andragógicas. Ensino e aprendizagem on-line é o meio de entrega dominante para adultos que aprendem — que frequentemente estudam no trabalho ou em casa —, por isso suas affordances (acesso 24/7, apoio assíncrono) e riscos (integridade, descartre cognitivo) são centrais para o desenho da aprendizagem de adultos. Aprendizagem autorregulada e autonomia nomeiam as capacidades de quem aprende que a IA precisa proteger em vez de erodir, e o descartre cognitivo captura o mecanismo pelo qual a IA pode apoiá-las ou miná-las. Aprendizagem inclusiva e Equidade na educação com IA enquadram as obrigações de equidade das ferramentas de IA para adultos, IA com humano na alça (HITL) nomeia o padrão de desenho que mantém as pessoas responsáveis, e andaimento descreve o apoio graduado que tais ferramentas devem oferecer.

Implicações para instrutores e designers de educação de adultos

  • Desenhe a IA como um andaime para a autodireção, não como um substituto. A independência comportamental em relação à ferramenta não prova que quem aprende dirigiu a aprendizagem — proteja a posse do objetivo, o controle da delegação e a recuperabilidade cognitiva (andragogia + delegação cognitiva).

  • Caiba na vida ocupada dos adultos. Torne as ferramentas assíncronas, móveis e capazes de funcionar off-line, e conecte o conteúdo a problemas do mundo real (diretrizes do AI-ALOE).

  • Mantenha uma pessoa no loop. Posicione quem ensina como o lugar do cuidado relacional e cognitivo, especialmente para adultos marginalizados e neurodivergentes (Tutor-in-the-Loop).

  • Enfrente o letramento digital fundamental e a confiança nos dados. Construa Letramento em IA e confiança em relação à privacidade dos dados antes de esperar adoção (educação em IA comunitária).

  • Fundamente a IA na ciência da aprendizagem e na andragogia, e prefira personalização profunda. Aplique a teoria andragógica e conecte o conteúdo a problemas do mundo real; prefira personalização profunda (sequenciamento de tarefas, calibração de dificuldade) à adaptação superficial.

  • Torne a transparência e as funcionalidades comunitárias de primeira classe. A transparência nas práticas de dados e as funcionalidades sociais/comunitárias estão entre as dimensões mais negligenciadas e mais valorizadas das ferramentas de IA para adultos.

  • Trate a confiabilidade técnica e estrutural como uma precondição. O engajamento depende tanto de uma infraestrutura estável e inclusiva quanto da qualidade pedagógica — plataformas instáveis ou excludentes minam um desenho, aliás, sólido.

  • Princípios de desenho de IA para a andragogia. Kim et al. (2026) concluem que adultos que aprendem valorizam a IA como um agente colaborativo de aprendizagem e derivam três princípios de desenho de IA para a andragogia: human-in-the-loop (modelos mentais compartilhados, cocriação humano-IA), desenho emocional (calibrar a confiança na IA, comunicação empática) e adaptabilidade (adaptação contínua, interoperabilidade). Seus onze protótipos de cenário também mapeiam cada princípio andragógico a uma affordance concreta de IA: tutores de IA e agentes ensináveis para o envolvimento, ferramentas de monitoramento e de análises (analytics) para a autonomia e a autoavaliação, chatbots empáticos e simulações para a experiência, bibliotecas de casos e geradores de perguntas de ordem superior para o trabalho centrado em problemas, e planejadores de IA e coaches de carreira para a relevância.

  • Preserve a luta produtiva. O estudo de falha produtiva do mesmo grupo mapeia o apoio de IA às duas fases de falha produtiva e conclui que o desenho não deve resolver a luta: os agentes conversacionais atuam como parceiros de pensamento não diretivos durante a geração e a exploração, e depois apoiam a comparação, a reorganização e a transferência durante a consolidação (Kim et al. (2026)).

Conceitos conectados

Artigos conectados

Metadados

Desenho do estudoSystem Development
NívelAdult Learning, Higher Ed
Aprendizagem e ensinoAprendizagem no trabalho
Tecnologias e técnicasPlataforma Edtech
Métodos de pesquisa e avaliaçãoPesquisa em Usabilidade
Fundamentos da IA na educaçãoIA na educação, Desenho de aprendizagem
SourceHistoryEditChat

Incorporar esta página

Copie o código abaixo para incorporar esta página num sistema de gestão da aprendizagem ou noutro site. A versão incorporada mostra apenas o conteúdo da página — o cabeçalho, a navegação e o rodapé do site ficam escondidos.