Psicologia cognitiva

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

Psicologia cognitiva / cognitivismo — a família de teorias que explica a aprendizagem por meio de processos mentais internos — atenção, percepção, memória, raciocínio e metacognição — e não apenas pelo comportamento observável. Na IA na educação, os pressupostos cognitivistas sustentam as contribuições mais distintivas do campo: os sistemas de Tutoria inteligente que modelam o conhecimento de quem aprende, o Rastreamento de conhecimento e o Diagnóstico Cognitivo que rastreiam o que um estudante sabe, os desenhos de Retroalimentação (Feedback) fundamentados no diagnóstico de erros, e toda a família de modelagem do estudante e instrução adaptativa. O cognitivismo é o meio-termo entre o Behaviorismo (a aprendizagem como mudança comportamental) e o construtivismo (a aprendizagem como construção ativa de significado), e é a lente teórica mais estreitamente ligada à metáfora computacional da mente que animou a AIED inicial.

Perguntas para refletir

• Quando você pensa em "aprendizagem", imagina uma mudança no que alguém faz, ou uma mudança no que ele sabe e consegue recuperar? Como essa distinção poderia mudar a forma como você julga se uma ferramenta de tutoria por IA realmente funciona?
• A tutoria por IA é construída sobre uma "metáfora computacional" — tratar a mente como um sistema de processamento de informação com limites de memória. Onde essa metáfora parece poderosa, e onde ela pode deixar passar algo importante sobre como os humanos aprendem?
• Uma ferramenta de IA torna uma tarefa sem esforço: ela explica o próximo passo, reduz o atrito, e quem aprende tem um desempenho excelente enquanto a usa. Isso conta como um ensino bem-sucedido? Como você saberia se quem aprende agora consegue fazer isso sem a ferramenta?
• A Teoria da Carga Cognitiva distingue carga intrínseca, extrínseca e pertinente. Se você fosse desenhar um assistente de IA, que tipo de carga tentaria deliberadamente reduzir, e de qual tomaria cuidado para NÃO remover?
• Se quem aprende sabe que pode descarregar memória e raciocínio em uma IA, quando isso é uma estratégia inteligente e quando é um atalho que silenciosamente impede a aprendizagem? O que determina a diferença?
• O cognitivismo pressupõe que o conhecimento pode ser decomposto em componentes e rastreado ao longo do tempo. O que pode se perder quando reduzimos a compreensão de um estudante a um conjunto de componentes de conhecimento rastreáveis?

Introdução

A psicologia cognitiva é a tradição da teoria da aprendizagem que trata a aprendizagem como uma mudança nas representações mentais internas — conceitos, esquemas e procedimentos mantidos na memória — e não como uma mudança no comportamento observável. Seu vocabulário de processamento de informação (atenção, codificação, recuperação, memória de trabalho limitada) forneceu tanto a linguagem diagnóstica para a dificuldade de aprendizagem quanto a arquitetura por trás da Tutoria inteligente e do Rastreamento de conhecimento: sistemas que inferem o estado interno de quem aprende e se adaptam a ele. Ela permanece como o referencial para a Metacognição, as Dificuldades desejáveis e a Aprendizagem autorregulada ao longo desta base de conhecimento.

Ideias centrais

• A aprendizagem é uma mudança nas representações mentais internas. O cognitivismo sustenta que a aprendizagem envolve a aquisição, o armazenamento e a reorganização do conhecimento na memória — conceitos, esquemas e procedimentos — e não apenas uma mudança na resposta observável. O que alguém sabe e consegue recuperar importa, não apenas o que faz.
• A metáfora do processamento de informação (computacional). A mente é tratada como um sistema de processamento de informação com capacidades e gargalos — a mensuração da habilidade latente, os limites da memória de trabalho, a codificação e a recuperação —, que é exatamente o modelo que tornou a tutoria por IA (um programa de computador que modela a cognição de quem aprende e se adapta a ela) um encaixe natural.
• Atenção e memória são limitadas. A memória de trabalho tem capacidade limitada; a aprendizagem durável exige codificação na memória de longo prazo por meio de repetição, elaboração e prática de recuperação. Isso conecta o cognitivismo à pesquisa sobre Descarregamento cognitivo (delegar memória/processamento a ferramentas externas) e à "lacuna entre desempenho e aprendizagem" quando a IA contorna a recuperação e a prática.
• A metacognição regula a cognição. A Metacognição — monitorar e controlar o próprio pensamento — é um construto distintivamente cognitivista, e explica por que a calibração de quem aprende sobre quando confiar na IA importa para a aprendizagem (veja Descarregamento cognitivo e Aprendizagem autorregulada).
• O conhecimento é decomponível e rastreável. A AIED cognitivista pressupõe que o conhecimento de quem aprende pode ser representado como componentes e rastreado ao longo do tempo — a base do Rastreamento de conhecimento, do Diagnóstico Cognitivo e da Teoria de resposta ao item.

O cognitivismo e a IA na educação

A linhagem cognitivista da AIED

O cognitivismo é, sem exagero, a teoria mais responsável pela própria existência da IA na educação. Os primeiros tutores cognitivos (por exemplo, os tutores baseados em ACT-R, de Anderson) corporificaram o pressuposto de que a aprendizagem poderia ser modelada como regras de produção e de que um sistema poderia rastrear quais regras um estudante havia dominado. Isso produziu a arquitetura canônica que ainda define o campo: um modelo de domínio, um modelo do estudante que rastreia o estado de conhecimento de quem aprende, e um modelo pedagógico que adapta a instrução — todos de origem cognitivista. O Rastreamento de conhecimento moderno (bayesiano, de aprendizado profundo e baseado em TRI) e o Diagnóstico Cognitivo dão continuidade a essa tradição. O mesmo pressuposto sustenta a Tutoria inteligente, a Aprendizagem adaptativa e a Aprendizagem personalizada, que a base de conhecimento agrupa sob o guarda-chuva Modelagem do estudante e instrução adaptativa.

A carga cognitiva e o desenho da instrução

A Teoria da Carga Cognitiva (CLT) é o framework cognitivista mais amplamente aplicado no desenho instrucional: ela distingue carga intrínseca (complexidade da tarefa), carga extrínseca (atrito de apresentação) e carga pertinente (esforço de construção de esquemas). Uma IA bem desenhada deveria reduzir a carga extrínseca preservando o processamento pertinente; uma IA mal integrada reduz as três, deixando tarefas concluídas com uma aprendizagem vazia. O enquadramento da memória de trabalho na CLT também é central para os debates sobre Descarregamento cognitivo — se a IA reduz a carga extrínseca prejudicial ou interrompe o processamento pertinente que produz a aprendizagem.

A Teoria Cognitiva da Aprendizagem Multimídia (CTML), de Mayer, aplica os mesmos pressupostos de memória de trabalho aos próprios materiais, e suas prescrições são excepcionalmente concretas: quem aprende se sai melhor com palavras e imagens juntas do que apenas com palavras, quando o material extrínseco é excluído, quando a lição é segmentada e conduzida pelo ritmo do usuário em vez de apresentada como uma única unidade contínua, quando as palavras e imagens correspondentes aparecem próximas e ao mesmo tempo, e quando a narração é conversacional e em uma voz humana amistosa, e não formal ou gerada por máquina.

Cognitivismo versus behaviorismo e construtivismo

• versus Behaviorismo: O behaviorismo explica a aprendizagem como mudança comportamental observável por meio de reforço e exercício repetitivo; o cognitivismo insiste nas representações internas e rastreia estados mentais. A prática de IA frequentemente exibe uma lacuna de "construtivismo no nome, behaviorismo na prática", mas os desenhos cognitivistas (modelagem do estudante, rastreamento de conhecimento) são distintos do exercício-e-feedback puramente behaviorista porque representam e se adaptam ao conhecimento inferido de quem aprende, em vez de meramente reforçar respostas.
• versus construtivismo: O construtivismo sustenta que os Quem aprende constroem ativamente significado por meio da experiência; o cognitivismo enfatiza a codificação precisa de conhecimento (frequentemente pré-estruturado) e de habilidades. A linhagem cognitivista da AIED (domínios estruturados, componentes de conhecimento explícitos) às vezes é criticada como behaviorista ou transmissiva demais pelos construtivistas, enquanto o cognitivismo responde que representar e rastrear o conhecimento é o que possibilita uma instrução genuinamente adaptativa.
• versus as ciências da aprendizagem: O cognitivismo fornece os mecanismos com os quais aquele campo desenha — memória de trabalho, codificação, recuperação, componentes de conhecimento decomponíveis —, mas não é, ele próprio, orientado ao desenho. Ele explica como a aprendizagem acontece; as ciências da aprendizagem perguntam como construir ambientes nos quais ela acontece e submetem esses desenhos ao teste empírico.

A tensão da era da IA: a fronteira do cognitivismo está sob pressão

A IA generativa ao mesmo tempo estende e desafia o cognitivismo. Ela o estende ao tornar as representações de conhecimento mais poderosas (LLMs como motores de conhecimento que podem ser rastreados via Rastreamento de conhecimento e adaptados via Modelagem de quem aprende e instrução adaptativa). Ela o desafia ao complicar onde a cognição "está": quando a IA realiza raciocínio, memória e até funções metacognitivas, o pressuposto cognitivista de que a aprendizagem é processamento interno na mente individual fica abalado — como argumentam a Cognição distribuída, a corregulação e os enquadramentos pós-humanos, para quem a cognição pode ser distribuída entre sistemas humanos e artificiais. Ainda assim, a pergunta cognitivista permanece a questão central do campo: quem aprende internaliza o conhecimento, ou a ferramenta o retém? É a pergunta do descarregamento cognitivo e da lacuna entre desempenho e aprendizagem em sua forma mais pura.

Implicações para o desenho e a pesquisa

1. Desenhe para a internalização, não apenas para o desempenho. A AIED cognitivista deveria ser avaliada por quem aprende conseguir recuperar e aplicar o conhecimento sem a ferramenta — não pelo desempenho assistido. Essa é a lacuna entre desempenho e aprendizagem e a justificativa para mensurar a transferência não assistida.
2. Represente quem aprende, não apenas responda. Vincule Modelagem de quem aprende e instrução adaptativa e Rastreamento de conhecimento estruturados ao diálogo com IA para que o sistema se adapte ao conhecimento inferido, em vez de responder com fluência, mas às cegas.(EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners)
3. Respeite os limites da memória de trabalho. Aplique a Teoria da Carga Cognitiva à UX de IA: reduza a carga extrínseca (atrito, interfaces sobrecarregadas) preservando o processamento pertinente (dificuldade produtiva, prática de recuperação), em vez de minimizar toda a demanda cognitiva.
4. Calibre a metacognição. Como a Metacognição governa quando quem aprende escolhe descarregar, ensinar a calibração (saber o que se consegue fazer de fato sem ajuda) é uma resposta cognitivista ao excesso de confiança (veja Descarregamento cognitivo).

Conceitos conectados

• Behaviorismo
• Construtivismo
• Teorias de aprendizagem
• Metacognição
• Descarregamento cognitivo
• Rastreamento de conhecimento
• Diagnóstico Cognitivo
• Modelagem de quem aprende e instrução adaptativa
• Tutoria inteligente
• Aprendizagem adaptativa
• Aprendizagem personalizada
• Teoria de resposta ao item
• Cognição distribuída
• Framework ICAP
• Transferência da aprendizagem
• Aprendizagem autorregulada
• IA na educação
• Ciências da Aprendizagem
• Recuperação, espaçamento e entrelaçamento — os achados de retenção nos quais essa família de práticas se apoia

Artigos conectados

• Evidence of a Cognitive Shift in AI Education: How Students Are Rethinking Human Intelligence? — A mudança cognitiva na educação com IA
• CogTax: A Four-Level Cognitive Taxonomy for Command-Line Computing Education — Uma taxonomia cognitiva para o uso de IA
• EduClaw-Bench: A Long-Horizon Benchmark for Pedagogical LLM Agents with Simulated Learners — Agentes de LLM pedagógicos fundamentados no rastreamento de conhecimento
• PersonaVLM: Long-Term Personalized Multimodal LLMs — Modelagem de estudante e memória com LLM
• Artificial intelligence as a cognitive partner: a developmental framework for human-AI co-regulation in learning — A IA como parceira cognitiva na aprendizagem corregulada
• Towards a philosophy of ensemble cognition: Reconceptualising agency and mind in AI-mediated educational environments — Ensemble Cognition: pensar como interação humano–IA