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

Criatividade

Criado 2026-08-12 · Atualizado 2026-09-30

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

Criatividade — a capacidade de gerar ideias, soluções ou artefatos novos e valiosos. Na era da IA, a criatividade é uma aposta educacional central: a IA generativa pode tanto amplificar o trabalho criativo (como parceira de pensamento divergente) quanto miná-lo (homogeneizando os resultados e substituindo o processo gerativo).

Perguntas para refletir

  • A criatividade é muitas vezes descrita como pensamento divergente — gerar muitas possibilidades — em contraste com o pensamento convergente, que estreita até uma única resposta certa. Onde o seu próprio trabalho ou estudo se situa nesse espectro, e qual dos dois a IA ajuda mais prontamente?
  • A IA generativa é um motor estatístico: ela pode propor muitas opções, mas tende para a média. Se muitos estudantes dependerem do mesmo modelo, o que acontece com a diversidade de ideias na turma?
  • Um estudo do tipo "pense primeiro, ChatGPT depois" concluiu que estudantes que geraram suas próprias ideias antes da IA não mostraram ganho imediato — mas superaram todos em uma tarefa posterior de criatividade sem assistência. Por que proteger a fase de pensamento independente poderia produzir uma aprendizagem que o uso livre da IA não produz?
  • Se a IA pode produzir um artefato polido instantaneamente, o que o trabalho criativo do estudante realmente vale — e como você desenharia uma tarefa para que o processo gerativo permaneça com o estudante?
  • Uma ideia gerada com a ajuda da IA é "sua"? Como você responder pode mudar se você trata a IA como parceira de pensamento divergente ou como algo que substitui o seu processo criativo.

Introdução

A criatividade abrange a extremidade de pensamento divergente do espectro cognitivo — gerar múltiplas possibilidades — em contraste com o pensamento convergente, que chega a uma única solução correta. Os sistemas de IA são especialmente relevantes para a criatividade porque são geradores estatísticos: podem propor muitas opções (apoiando a ideação), mas também tendem para a média, produzindo a homogeneização em nível de ideia documentada quando muitos estudantes dependem do mesmo modelo.

A criatividade e a IA generativa

  • Amplificação: a IA pode atuar como parceira de pensamento divergente — fazendo brainstorming de alternativas, gerando contra-argumentos e oferecendo perspectivas que o estudante talvez não considerasse. Configurações multiagente com papéis especializados podem restaurar a diversidade de ideias.

  • Risco de homogeneização: a assistência de um único modelo pode reduzir a diversidade de ideias entre os estudantes, de modo que o mesmo modelo produz resultados convergentes. Essa é uma ameaça direta à criatividade na educação em escrita e na educação em design.

  • Proteger a agência criativa: manter o processo gerativo do estudante no circuito — rotinas de rascunho primeiro, exigir síntese original e usar a IA para desafiar em vez de substituir — preserva o trabalho criativo que produz uma aprendizagem durável.

  • Atrito não é ganho criativo. Personas contrárias de IA impulsionaram discurso de desafio e reflexão em 38,2% dos grupos, mas não produziram melhoria mensurável no desempenho criativo, de modo que padrões de interação mais ricos não são evidência de criatividade (Jin et al. (2026)).

  • Um mapa de campo no K-12: a IA generativa sobretudo realça a criatividade e raramente a mede. Uma revisão de escopo guiada pela PRISMA de 45 estudos (2017–2025) organiza a literatura do K-12 em quatro usos — avaliação da criatividade (4 estudos), cocriatividade humano–IA (3), percepções dos atores envolvidos (14) e realce da criatividade (34) — e mostra quão estreito o campo ainda é: a contação de histórias e a escrita baseadas em linguagem abafam quase todo o resto, com trabalhos de música, corporificados e espaciais e estudos focados em equidade praticamente ausentes. Andaimentos construídos para o propósito que preservaram a autoria (entrada de voz, storyboards, prompts divergentes de "muitas opções") superaram as plataformas de prateleira, e modelos de LLM pontuaram o pensamento divergente próximo a avaliadores humanos; ainda assim, a preocupação dos próprios autores é a mesma homogeneização que esta página acompanha — diversidade linguística encolhendo, convergência de estilo, dados de treinamento contaminados por IA e preguiça metacognitiva na coescrita — que eles denominam com o termo de Runco "criatividade artificial": resultado que parece criativo sem a experiência humana por trás dele. A dependência excessiva reapareceu como risco nos estudos de percepção, cocriatividade e currículo igualmente (Generative Artificial Intelligence and Creativity in K–12 Education: A Systematic Scoping Review).

  • A cocriatividade é um efeito de rede, não um traço individual: Ruhland (2026) recorre à Teoria Ator-Rede para modelar a criatividade como propriedade emergente de redes sociotécnicas — uma interação triádica de estabilização, desestabilização e reestabilização entre atores humanos e não humanos, com agentes de IA generativa tratados como participantes de rede iguais e constitutivos. Em um estudo em que avatares pedagógicos foram codesenhados em uma rede criativa, os desenhos dos avatares não foram atos criativos individuais, mas emergiram de processos de tradução entre estudantes, pesquisadores e ferramentas de desenho. A TriKoNet enquadra o risco de que avatares de IA prontos desloquem a agência criativa para a conveniência induzida pela máquina (a "Armadilha da Conveniência") e argumenta que coconstituir a estrutura de ação da IA com os estudantes preserva a cocriatividade.

  • A colaboração "pense primeiro" sustenta a criatividade independente: Wong e Qiu (2026) concluíram que estudantes que geraram suas próprias ideias antes de usar o ChatGPT (um protocolo do tipo "pense primeiro, ChatGPT depois") não mostraram ganho imediato na tarefa assistida, mas superaram tanto o grupo de IA livre quanto o grupo apenas humano em uma tarefa posterior de criatividade sem assistência. O uso livre do ChatGPT produziu apenas desempenho transitório, que colapsou quando a assistência foi removida — uma forma de dependência excessiva em vez de aprendizagem —, enquanto a cocriação colaborativa voltada a melhorar as ideias próprias rendeu ganhos duráveis na criatividade independente. Isso dá evidência experimental direta de que proteger a agência criativa não é apenas desejável, mas é o que converte o trabalho assistido por IA em aprendizagem.

  • A fonte percebida do exemplar, não o conteúdo, molda a ideação em grupo. Exemplares idênticos gerados pelo ChatGPT, rotulados como produzidos por humanos versus por IA, mudaram a criatividade de grupo em um estudo de hiperescaneamento com fNIRS de 113 díades: a atribuição humana elevou a unicidade das ideias durante a estimulação e a sincronia intercererebral nas regiões pré-motora e motora suplementar, a atribuição de IA apenas aumentou a troca entre trilhas de ideação, e nenhum dos efeitos persistiu depois que os exemplares foram retirados (Xiaoyong et al. (2026)).

  • A implementação desenvolvimental, não a capacidade, separa a criatividade infantil assistida por IA. Na primeira comparação de neuroimagem entre crianças e adultos cocriando com o ChatGPT, crianças de 6–7 anos e adultos mantiveram a mesma conversa falada de cinco minutos dentro de um aparelho de ressonância magnética. A criatividade medida fora do aparelho não diferiu entre os grupos. Ainda assim, os adultos mostraram conectividade dentro da rede significativamente mais forte nas redes de controle frontoparietal, de saliência e de atenção dorsal, e uma criatividade maior previu um acoplamento frontoparietal–saliência mais forte nos adultos, mas não nas crianças. Os autores leem isso como uma diferença em como a cognição criativa é implementada durante o diálogo com a IA, e não na capacidade de base. Isso também levanta uma questão que os conselhos de andaimento desta página ainda não tinham de responder: quando é que a maquinaria de controle que o trabalho criativo assistido por IA recruta de fato amadurece? (Horowitz-Kraus et al. (2026))

Um contrapeso da pesquisa de pós-graduação: entre 1.157 estudantes de pós-graduação chineses, a dependência de IA generativa associou-se positivamente à criatividade em pesquisa autorrelatada, muito mais fortemente para a dependência funcional e orientada a tarefas (β = 0,457) do que para a dependência existencial (β = 0,147), com o pensamento crítico respondendo por cerca de 85,0% do caminho funcional (Yin et al. (2026)).

Uma pesquisa nacional complica esse padrão: entre 5.764 estudantes universitários chineses, a dependência de IA correlacionou-se negativamente com a criatividade autorrelatada (r = −0,17), com as motivações de fuga e sociais carregando caminhos indiretos negativos e as motivações instrumentais e de entretenimento, positivos (Hou et al. (2026)).

  • A corporificação rende de forma desigual. Um robô físico pareado com um modelo de alta criatividade elevou significativamente a originalidade em relação à colaboração humano–humano e à colaboração baseada em texto, enquanto as condições humana e baseada em texto mantiveram a vantagem em imagética e voz — um paradoxo da corporificação em que o robô amplificou o resultado da IA sem melhorar o estilo (Liu & Song (2026)).
  • Reafirmando a criatividade humana na era da IA. A ascensão da IA generativa desafia os campos educacionais a reafirmar o valor da criatividade humana. Um framework de contagem de histórias digital baseado em projetos para a educação em arte e design foi desenhado explicitamente para cultivar capacidades emocionais, culturais e narrativas que a IA não tem, com estudantes produzindo narrativas multimodais a partir do patrimônio cultural local — posicionando a criatividade como a contribuição distintamente humana na aprendizagem integrada à IA.

A criatividade nos domínios

A criatividade não é uma faculdade monolítica única — ela se realiza de formas diferentes na escrita, na arte visual, na matemática e na computação, e a IA generativa interage com o processo criativo de cada domínio de modos distintos. Compreender essas diferenças importa para desenhar uma aprendizagem assistida por IA que proteja, em vez de contornar, o ato criativo central de cada domínio.

  • Arte visual e design — o paradoxo da competência. As ferramentas de texto para imagem (T2I) comprimem a distância entre ideia e artefato, mas a facilidade não libera simplesmente a criatividade. Em um estudo com estudantes de arte e design (417 pesquisados), a competência criativa previu fortemente a intenção de usar ferramentas T2I — mas também previu um uso real mais contido e seletivo, à medida que os estudantes negociavam autoria, originalidade e preservação de habilidade contra a eficiência (The Competence Paradox: Negotiating Ease, Risk, and Creative Identity in Text-to-Image Generative AI Use Among Art and Design Students). A facilidade e a disponibilidade imediata possibilitam a geração rápida de resultados em vez de um engajamento sustentado, de modo que a ferramenta pode silenciosamente se tornar um atalho que corrói o fluxo de trabalho iterativo de ateliê que ela pretendia acelerar.
  • Matemática — criatividade sem transferência. Uma intervenção de aprendizagem baseada em investigação assistida por IA na matemática secundária (estudantes com média de 12,79 anos) elevou significativamente o desempenho matemático criativo e as atitudes em relação à matemática — mas não melhorou significativamente a resolução de problemas crítica (Evaluating the Impact of AI-Supported Inquiry-Based Learning on Students' Creative Mathematical Performance, Critical Problem-Solving Skills, and Attitudes Toward Mathematics). Criatividade e resolução convergente de problemas são resultados separáveis; a investigação assistida por IA pode fazer crescer a produção criativa enquanto as habilidades analíticas transferíveis ficam para trás, reforçando a lacuna desempenho-aprendizagem mais ampla.
  • Matemática — a criatividade docente se move com o conteúdo e o conhecimento pedagógico. Em um estudo de caso incorporado com oito professores em exercício de distritos rurais e com poucos recursos, um programa guiado por IA generativa de dez módulos interativos construído sobre o framework 4P de Rhodes engajou os professores com a criatividade matemática (CM), o conhecimento de conteúdo (KC) e o conhecimento pedagógico de conteúdo (CPC) como formas interconectadas de raciocínio, e não como domínios separados (How generative AI guided-professional development supports teachers’ engagement with mathematical creativity, content knowledge, and pedagogical content knowledge). A contribuição que a discussão de mensuração desta página precisa é a afirmação dos autores de que a CM não se desenvolve independentemente do conhecimento matemático dos professores e de seu conhecimento sobre como tornar as ideias acessíveis — e que foi o tom não julgador e não avaliativo da IA que fez a luta produtiva parecer segura o bastante para ser tentada.
  • Computação criativa — atrito que protege a iteração. Programadores criativos novatos aprendem compreendendo e estendendo "exemplos fundadores", que a IA pode utilmente andaimentar ou tentadoramente contornar. O Flowcode, um ambiente de computação criativa movido a IA, pareia um fluxograma de estrutura de código com um chat orientado à aprendizagem e um atrito deliberadamente desenhado — mostrado ao longo de dois estudos por conduzir o uso da IA para a compreensão e a extensão do código, e não para o vibe coding em torno dele (Flowcode: An AI-Powered Programming Environment for Scaffolding Iteration in Creative Computing Education). A dificuldade produtiva aqui é uma característica que preserva o circuito gerativo do estudante.
  • Criação literária — a unidade entre tema e texto. O Incipit argumenta que uma obra é organizada por premissas declaradas em vez de temas, e constrói um nível intermediário — 1.455 registros de axiomas abrangendo 149 obras, unidos por 472 relações tipadas — no qual um escritor que revisa uma configuração pode mudar um compromisso organizador, um leitor pode justificar uma reconstrução e um crítico pode comparar duas obras. Sua própria auditoria afia o ponto de mensuração acima: o artefato registra uma curadoria única, 1.448 dos 1.455 axiomas mapeiam para exatamente uma obra, e a validação proposta (cinco avaliadores em uma amostra de 35 registros) não foi executada, de modo que o framework é um programa de pesquisa, e não evidência sobre aprendizagem criativa.
  • Um fluxo de trabalho de desenho com GenAI pode reduzir a confiança criativa enquanto o desempenho se mantém. Em uma comparação de desenho arquitetônico com 36 estudantes, a geração de imagens com GenAI igualou a busca de precedentes no desempenho de desenho, na carga cognitiva e na autoeficácia criativa específica da tarefa, mas a autoeficácia criativa geral caiu (DiD = −0,543, IC 95% [−1,068, −0,017]) — o apoio da tarefa e a confiança na própria criatividade podem se mover em sentidos opostos (Xiao et al. (2026)).

Colocando a criatividade em prática

O princípio de desenho recorrente ao longo desses achados é manter o ato gerativo próprio do estudante no circuito — seja esse ato produzir uma ideia, iterar um artefato ou estender um exemplo encontrado — e usar a IA como parceira de pensamento divergente que desafia e expande, em vez de substituir.

  • Para professores: sequencie as tarefas para que os estudantes gerem suas próprias ideias iniciais antes de consultar a IA (um protocolo do tipo "pense primeiro, ChatGPT depois"), depois use a IA para interrogar, estender ou fazer o advogado do diabo contra essas ideias. Avalie o processo e a síntese original junto com o polimento, para que atalhos avessos ao esforço (resultado T2I de um clique, soluções em vibe coding) não ganhem nada. Em arte e design, faça da autoria e do desenvolvimento de habilidade o objeto avaliado, e não apenas o artefato.
  • Para desenvolvedores e designers: construa ferramentas que revelem e recompensem o circuito de iteração — mostre a estrutura (como o fluxograma do Flowcode faz), acrescente atrito produtivo no momento de "entregar o primeiro resultado" e ofereça alternativas e críticas em vez de uma única resposta polida. Quando a ferramenta torna a próxima melhor versão sem esforço, as decisões criativas do estudante deveriam continuar sendo as que importam.
  • Para pesquisadores: trate a criatividade como específica de domínio e específica de resultado — meça se os ganhos se transferem para tarefas convergentes ou sem assistência, e não apenas se o resultado assistido parece mais criativo. A lacuna de mensuração é o problema mais agudo do campo: dentro do corpus de 45 estudos do K-12, apenas os quatro estudos de avaliação usaram uma medida formal de criatividade, a maioria dos estudos nunca definiu o construto, e o processo criativo — preparação, incubação, iluminação, verificação — ficou essencialmente sem medição. Daí a prescrição da revisão ser mensuração primeiro: pontue a criatividade de forma discreta dentro de tarefas abertas por meio de desenho centrado em evidência e avaliação furtiva, e trate a autoeficácia criativa como parte do resultado, e não como um efeito colateral implícito (Generative Artificial Intelligence and Creativity in K–12 Education: A Systematic Scoping Review).

Conexões

A criatividade se conecta ao pensamento crítico e à aprendizagem construtivista. Ela é protegida pelos mesmos andaimentos de redução do uso indevido que preservam a aprendizagem, e por desenhos de avaliação autêntica que recompensam o raciocínio original em vez de produtos polidos.

Conceitos conectados

Artigos conectados

Metadados

DisciplinaCs Education, Math Education, Writing Education
Público-alvoLearners
Aprendizagem e ensinoConstrutivismo, Resolução de problemas
Tecnologias e técnicasIA generativa
Fundamentos da IA na educaçãoPensamento crítico, Pensamento de design (Design thinking)
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.