Comunidade de investigação

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

Comunidade de investigação (CoI) é um framework para conceituar uma experiência educacional significativa como a interação dinâmica de presença cognitiva, presença social e presença docente. Originada na pesquisa sobre aprendizagem mediada por computador e on-line (Garrison, Anderson & Archer, 2000), tornou-se um dos modelos mais usados para desenhar, avaliar e pesquisar a educação baseada em investigação on-line e híbrida. Na era da IA generativa, o framework está sendo reconceituado: o discurso produzido por máquina pode mimetizar uma presença autêntica, de modo que as presenças precisam ser compreendidas como realizações sociotécnicas de conjuntos humano–IA generativa, e não como atividade puramente humana.

Perguntas para refletir

• Em um curso on-line, o que lhe diz que uma aprendizagem significativa está de fato acontecendo — e como você saberia se não estivesse?
• O framework da Comunidade de investigação nomeia três presenças: cognitiva, social e docente. Nas suas próprias experiências on-line, qual presença mais frequentemente desaparece — e o que isso faz à aprendizagem?
• Se um chatbot de IA escreve respostas fluentes e de som empático em um fórum de discussão, a "presença social" está acontecendo? Ou a presença é algo que só pessoas podem genuinamente criar?
• A IA generativa pode produzir explicações tão coerentes que parecem obviamente certas — mas coerência não é o mesmo que correção. Onde você já viu "fluência confundida com fundamento", e como você se protegeria disso em um curso de investigação?
• Este framework sugere que as presenças são "realizações sociotécnicas" do trabalho conjunto de pessoas e IA, e não atividade puramente humana. Isso reenquadra de quem é a responsabilidade quando uma discussão on-line fica rasa ou dá certo?

Introdução

O framework da Comunidade de investigação descreve uma experiência de aprendizagem on-line que vale a pena como o produto de três presenças que interagem: presença cognitiva (estudantes construindo e confirmando significado por meio de reflexão e discurso sustentados), presença social (participantes se projetando social e emocionalmente) e presença docente (desenho, facilitação e direção do processo). Fundamentado nas tradições construtivista e deweyana, trata a investigação como social e iterativa, e hoje serve como lente de desenho e avaliação para cursos mediados por IA — nos quais um agente pedagógico pode sustentar uma presença enquanto silenciosamente corrói outra.

As três presenças

• Presença cognitiva — a medida em que os estudantes constroem e confirmam significado por meio de reflexão e discurso sustentados, operacionalizada pelo modelo de investigação prática (evento disparador → exploração → integração → resolução).
• Presença social — a capacidade de os participantes se projetarem social e emocionalmente, expressa por comunicação afetiva, comunicação aberta e coesão de grupo.
• Presença docente — o desenho, a facilitação e a direção dos processos cognitivos e sociais para realizar resultados pessoalmente significativos e educacionalmente valiosos, incluindo desenho/organização, facilitação do discurso e instrução direta.

A CoI está fundamentada nas tradições pragmáticas construtivista e deweyana: a investigação é social, iterativa e impulsionada por uma dificuldade sentida que motiva a busca por resolução.

A CoI como framework para o ensino on-line

A CoI se originou no, e permanece mais fortemente associada ao, ensino e aprendizagem on-line. Ela oferece um vocabulário para diagnosticar por que um curso on-line funciona ou falha: o baixo engajamento e o isolamento em cursos assíncronos costumam ser falhas das presenças social e docente, enquanto a discussão superficial muitas vezes reflete uma presença cognitiva fraca. Isso torna a CoI uma lente prática de desenho para as próprias condições que o meio on-line cria — a remoção da co-presença física, a necessidade de construção deliberada de comunidade e a estruturação da discussão que substitui o contato face a face. Na era da IA generativa, a CoI é também onde os professores on-line confrontam as novas perguntas mais difíceis: quem está "presente" quando agentes de LLM publicam, moderam ou respondem, e como manter as três presenças significativas quando o discurso gerado por máquina pode mimetizá-las. A página de ensino on-line da base de conhecimento trata, portanto, a Comunidade de investigação como o framework central para a vertente de presença social e construção de comunidade de sua prática recomendada.

A CoI sob pressão da IA generativa

A IA generativa desestabiliza a premissa de que os indicadores de presença possam ser atribuídos principalmente a estudantes e professores humanos (veja Ba, Gašević, Lim & Anderson). Ela pode:

• Inflar a presença cognitiva — explicações fluentes geradas por máquina aceleram a construção de sentido, mas arriscam um fechamento prematuro quando a coerência é confundida com fundamento.
• Mimetizar a presença social — enunciados produzidos por máquina podem se assemelhar a empatia e responsividade com alta credibilidade linguística, complicando a responsabilidade relacional.
• Redistribuir a presença docente — desenho, facilitação e instrução direta tornam-se realizações distribuídas, com os professores modelando como interrogar resultados gerados e detectar citações alucinadas.

A evidência empírica de redes agora sustenta essas afirmações: em um quase-experimento em que 63 graduandos chineses (33 com, 30 sem um chatbot GPT-4o mini) anotaram leituras compartilhadas no CollaboRead ao longo de cinco tarefas semanais, a análise de redes epistêmicas mostrou a turma assistida ligando a presença social à integração e à resolução, enquanto a turma de controle ligava a presença social ao disparo e à exploração (eixo X U = 25,00, p = 0,01, r = 1,00; eixo Y U = 13,00, p = 1,00, r = 0,04), com maior engajamento cognitivo e emocional autorrelatado na turma assistida. As presenças então se separam dentro da condição, e não entre elas: os grupos de alto desempenho iniciaram 1407 solicitações de feedback em 2319 anotações (60,7%), contra 737 em 2167 (34,0%) no grupo de baixo desempenho, que permaneceu em um ciclo autorreferente e aproveitou fracamente o andaimento.(Pan et al., 2026)

Em vez de uma ferramenta, um parceiro dialógico ou uma especulativa "quarta presença", a IA generativa é melhor compreendida como uma condição epistêmica — uma influência difusa que reconfigura como as presenças são encenadas, interpretadas, evidenciadas e governadas, tanto por resultados visíveis quanto por lógicas invisíveis de dados de treinamento, algorítmicas e de plataforma.

Os próprios autores do framework fornecem uma taxonomia de papéis para essa condição: Stenbom e Garrison (2026) posicionam a IA como apoio ao desenho de aprendizagem, um recurso independente do estudante, uma função de apoio ao professor via analítica, um membro da comunidade e um parceiro dialógico sustentado, e propõem a metacognição compartilhada — auto- e co-regulação — como o que mantém os estudantes auditando os resultados da IA.

Implicações práticas

• A relação entre o envolvimento da IA generativa e a qualidade da investigação é condicionada pela responsabilidade humana, não linear: uma presença forte pode ocorrer com alto ou baixo envolvimento da IA generativa quando a responsabilidade é forte, e uma presença fraca com qualquer um dos dois quando a responsabilidade é fraca.
• A avaliação da investigação deveria se deslocar de resultados finais polidos para evidências sensíveis ao processo — rastros de prompts e revisões, práticas de divulgação e atribuição, movimentos de verificação e registros de interação. Isso se alinha ao movimento mais amplo da base de conhecimento rumo a uma avaliação autêntica e reveladora de processo e ao afastamento de respostas baseadas em detecção.
• Pedagogicamente, os estudantes muitas vezes precisam de treinamento explícito (por exemplo, prática baseada em simulação com papéis roteirizados e pontos de decisão com IA generativa) para sustentar uma investigação autêntica sob condições de IA generativa — e os professores deveriam modelar como interrogar resultados gerados, o que depende de construir letramento em IA, avaliação crítica e confiança calibrada.

Conceitos conectados

• Ensino e aprendizagem online
• IA generativa
• Construtivismo
• Pedagogias e Estratégias de Ensino
• Pensamento crítico
• Avaliação
• Colaboração humano-IA
• Engajamento do estudante
• Grandes modelos de linguagem (LLMs)
• Letramento em IA
• Avaliação autêntica
• Calibração da confiança

Artigos conectados

• Unpacking student interactions in GenAI-assisted social annotation: An epistemic network analysis of cognitive and social presence — Desempacotando as interações dos estudantes na anotação social assistida por IA generativa: uma análise de redes epistêmicas das presenças cognitiva e social
• Reconceptualizing Community of Inquiry in the Age of Generative Artificial Intelligence — Reconceituando a CoI na era da IA generativa
• Artificial Intelligence and Communities of Inquiry: Reimagining Educational Experiences — IA em comunidades de investigação
• Artificial Intelligence in Online Education: A Systematic Review of Its Impact on Learner Engagement and Satisfaction — IA e engajamento na educação on-line
• The Reflective Triangle Model: AI as a Cognitive Mediator in Teachers' Professional Learning and Learning-Community Development — Modelo do Triângulo Reflexivo: a IA como mediadora cognitiva