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

Divisão digital

Criado 2026-08-13 · Atualizado 2026-10-04

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

Divisão digital — a distribuição desigual do acesso às tecnologias digitais (e, cada vez mais, de IA), das habilidades para usá-las e dos benefícios que delas decorrem, entre indivíduos, comunidades e nações. Na educação com IA, a divisão digital é uma preocupação central de equidade: a IA generativa está rapidamente remodelando a aprendizagem, e a lacuna entre os que conseguem usá-la de forma eficaz e crítica e os que não conseguem ameaça aprofundar as desigualdades educacionais existentes.

Perguntas para refletir

  • A divisão digital é frequentemente descrita em três níveis: acesso, habilidades e quem de fato se beneficia. Em qual nível você acha que a maioria das pessoas está pensando quando diz "fechar a divisão digital" — e por que isso pode ser incompleto?
  • Dar a cada estudante um dispositivo e acesso à internet não significa automaticamente que ele consiga usar a IA de forma eficaz ou crítica. O que separa ter acesso de poder se beneficiar?
  • A IA acrescenta novas camadas à desigualdade: o viés algorítmico pode prejudicar desproporcionalmente estudantes marginalizados, e o próprio letramento em IA determina se a tecnologia amplia ou estreita as lacunas. Como isso é diferente das divisões das tecnologias anteriores?
  • A divisão também se estende a QUAIS comunidades, línguas e perspectivas estão representadas e são atendidas pelos sistemas de IA. Como a representação é, ela própria, uma forma de acesso — ou de exclusão?
  • Se fechar a divisão é "uma questão de justiça e participação", quem carrega a responsabilidade: plataformas, escolas, governos ou todos eles — e como seria uma distribuição justa dos benefícios da IA?

Introdução

A divisão digital é comumente entendida como operando em três níveis (van Deursen & van Dijk, 2014): a divisão de primeiro nível diz respeito ao acesso às tecnologias e à infraestrutura (conectividade, dispositivos, ambientes de apoio); a divisão de segundo nível diz respeito às habilidades e competências (a capacidade desigual de usar as ferramentas de forma eficaz e significativa); e a divisão de terceiro nível diz respeito aos resultados e benefícios (quem de fato se beneficia do uso da tecnologia, com a IA potencialmente exacerbando as disparidades sociais, culturais e econômicas). Enquadrar o letramento em IA por essa lente (veja como o uso de IA é apresentado aos estudantes) deixa claro que a equidade exige mais do que fechar a lacuna de dispositivos e infraestrutura — ela exige construir as habilidades para usar a IA de forma eficaz e crítica, para que seus benefícios sejam distribuídos com justiça em vez de reforçar as desigualdades existentes. A virada da inferência na borda acrescenta uma dimensão de hardware à divisão de primeiro nível. Quando a tutoria roda no navegador em vez da nuvem — tutores de SLM residentes no navegador via WebLLM —, a barreira do custo de assinatura desaparece, mas uma barreira de capacidade a substitui: em um laptop de consumo, o mesmo sistema levou cerca de 180 segundos por tentativa, contra 10–58 segundos para uma API remota, e dispositivos da classe dos Chromebooks não conseguem executar um modelo 8B de forma alguma. Os estudantes com hardware moderno obtêm geração rápida e fluida, enquanto os estudantes com dispositivos mais antigos enfrentam latência ou esgotamento de memória; assim, local e barato não é o mesmo que equitativo por padrão.

Como a divisão digital aparece na pesquisa

  • O letramento em IA como mecanismo de equidade: o framework SAIL foi explicitamente desenhado para abordar divisões de segundo e terceiro níveis, fornecendo uma trilha andaimentada e independente de idade para o letramento equitativo em IA em todas as etapas da educação, fundamentada no argumento de que o letramento em IA é inseparável da equidade e da participação.

  • Política e infraestrutura: o OECD Digital Education Outlook 2026 situa a divisão digital dentro da política educacional nacional, examinando como o acesso às tecnologias digitais e de IA varia e o que os sistemas podem fazer para fechar as lacunas.

  • Uso responsável e letramento em prompting: a pesquisa em letramento em prompting no K-12 aborda a divisão de segundo nível ao ensinar aos estudantes as habilidades para usar chatbots de IA com responsabilidade, reconhecendo que o acesso por si só não confere a capacidade de usar bem a IA.

  • A habilidade de formulação é, ela própria, uma divisão de segundo nível. No MedQA, a precisão subiu com a sofisticação do prompt (82,4% para redação de baixo letramento contra 83,4% para formulação de especialista), e um Prompt Equity Transformer que reescrevia pedidos em redação equivalente e mais clara fechou a lacuna — deslocando o fardo do prompting eficaz do estudante para o sistema (Jin et al. (2026)).

  • Representação e silêncio estrutural: a pesquisa sobre línguas sub-representadas destaca como a divisão digital se estende a quais comunidades, línguas e perspectivas estão representadas e são atendidas pelos sistemas de IA — uma dimensão cultural e epistêmica da desigualdade.

  • A alternância entre línguas é, ela própria, uma exclusão. A maioria das ferramentas de LLM para aulas pressupõe áudio em inglês monolíngue e internet confiável, excluindo salas de aula que misturam inglês e uma língua materna; os dados do UDISE+ da Índia colocaram o acesso à internet nas escolas perto de 54%, com uma lacuna urbano-rural de 24 pontos, e um companheiro bilíngue responde com transcrição no dispositivo e armazenamento local-first (Malhotra, 2026)).

A IA aprofunda (e pode fechar) as divisões

A IA acrescenta novas camadas às implicações de equidade da tecnologia. O viés algorítmico pode impactar desproporcionalmente estudantes de comunidades marginalizadas, e o letramento em IA — a capacidade de compreender, avaliar criticamente e mitigar os vieses e riscos da IA — é ele próprio um fator-chave para que a IA amplie ou estreite as lacunas. A pesquisa mostra que educadores com maior letramento em IA são mais eficazes em identificar e mitigar resultados enviesados. A divisão digital na era da IA não é, portanto, simplesmente um problema técnico de provisão, mas uma questão de justiça e participação: quem pode acessar a IA, quem pode usá-la criticamente e quem se beneficia.

Uma vertente de longa data da literatura traça como o próprio conceito migrou do acesso para a equidade digital, hoje definida em quatro dimensões — letramento digital, acessibilidade de custo, conteúdo sensível a grupos e disponibilidade de infraestrutura —, e lê a IA de consumo como uma nova onda da divisão, que favorece os usuários já capazes de auditar o produto da máquina (Rose (2026)).

A personalidade, e não apenas o NSE, molda a divisão da era da IA. Wang et al. (2026) analisaram dados de survey e de registro nacional de 4.497 estudantes do 6º ano na Holanda, separando duas vias mediadoras — o uso de IA e o letramento digital — que ligam o histórico e a personalidade do estudante ao desempenho acadêmico. Seu achado-chave reenquadra a divisão clássica: o letramento digital, e não a intensidade de uso de IA, medeia a ligação entre personalidade e desempenho, e uma nova divisão de habilidades digitais emerge, impulsionada mais por traços de personalidade do que por status socioeconômico. As vantagens de NSE no desempenho operaram independentemente do engajamento com a IA. Isso complica o enquadramento de acesso-e-NSE da divisão digital, apontando a formação de habilidades e o apoio disposicional como alavancas relevantes de equidade, ao lado do acesso a dispositivos e ferramentas.

A divisão tem uma camada metacognitiva. Como aproveitar a IA produtivamente exige conhecimento prévio e autorregulação, os estudantes que já as possuem se beneficiam mais, enquanto os que mais precisam da prática delegam a própria aprendizagem — uma "lacuna metacognitiva de equidade" que pode ampliar as divisões de desempenho mesmo com acesso igual (Lodge & Loble (2026)).

A instrução escolar estruturada em IA é um catalisador psicológico, mas não um equalizador cognitivo: ao longo de 752 estudantes do secundário júnior de Hong Kong, um currículo de um ano estreitou as lacunas de confiança e motivação, mas deixou intactas as diferenças objetivas de letramento em IA entre estudantes de alta e de baixa agência (Liang et al. (2026)).

A divisão opera no nível institucional também. Adeniranye et al. (2026) mostram que, no sistema de ensino superior da Nigéria, a capacidade de integração da IA se concentra em instituições mais antigas da região Sudoeste e se acumula por meio de laços de rede mutuamente reforçadores (colaborações internacionais × parcerias com a indústria, r = 0,74) — o que significa que as instituições "desfavorecidas" (tipicamente universidades estaduais mais novas) enfrentam barreiras estruturais para entrar nas próprias redes que as ajudariam a alcançar as demais. A desigualdade digital é assim reproduzida não apenas entre estudantes individuais, mas entre as estruturas institucionais que moldam quem pode participar de uma economia do conhecimento transformada pela IA.

A divisão também tem uma geografia, e a mentoria é seu mecanismo. Jacobson et al. (2026) documentam uma assimetria de recuperação na participação na FIRST LEGO League de Indiana: tanto a participação urbana quanto a rural caíram na temporada remota de 2020, mas apenas a urbana se recuperou, e a rural permaneceu perto de seu nível pós-2020 ao longo de 2025–2026. O mecanismo que eles nomeiam é o acesso à mentoria técnica — pessoas com conhecimento de programação e de robótica suficiente para iniciar e sustentar uma equipe —, que escolas rurais podem não ter mesmo quando estudantes e professores estão interessados, tornando-a um pré-requisito para a trilha de robótica e IA, e não uma característica dela. A resposta deles é engenhar a propagação dessa mentoria: hubs universitários primários treinam graduandos e organizam workshops, programas escolares maduros se tornam hubs secundários que mentoram escolas próximas, e uma simulação de Markov espacial das 1.925 escolas públicas de Indiana projeta 992 programas depois de 40 anos sob pressupostos moderados, contra 161 sem o ARC, incluindo 341 programas rurais contra 60. Lido ao lado do resultado sobre redes institucionais acima, o padrão é que as divisões persistem através da estrutura de quem pode fornecer expertise onde, e que fornecê-la deliberadamente — em vez de pressupor proximidade com uma universidade — é a alavanca política.

Acesso e hierarquia epistêmica são problemas diferentes. Sithole (2026) traça a distinção com clareza a partir de entrevistas com desenvolvedores acadêmicos em duas Instituições Historicamente Desfavorecidas sul-africanas: a desigualdade digital é distributiva — dispositivos, conectividade, orçamentos, letramento digital — e respondível em princípio por redistribuição, ao passo que a colonialidade algorítmica é epistêmica e persiste mesmo sob condições de acesso pleno, porque reside naquilo que os sistemas codificam e em cujo conhecimento eles centram. Os participantes do estudo experimentam ambas ao mesmo tempo, descrito como serem "convidados a construir um futuro digital sobre fundamentos analógicos": os fundamentos nomeiam o registro material da divisão, e o futuro importado chega pré-carregado com os pressupostos epistêmicos dos contextos que o desenharam. A implicação prática para o trabalho de equidade é que fechar uma lacuna de acesso, por si só, não desestabiliza a hierarquia — os dois fenômenos operam em registros diferentes e exigem respostas diferentes.

Um desenho pode contornar a lacuna de dispositivos em vez de esperar que ela se feche. Rodrigues et al. (2026) testam se estudantes que nunca tocam um computador podem mesmo assim receber apoio no estilo da tutoria inteligente, usando um paradigma que chamam de "AIED desconectada", em que o professor é o intermediário entre estudante e sistema: os estudantes seguem trabalhando com papel e caneta, o professor fotografa suas soluções em um smartphone, e o sistema devolve listas de exercícios personalizadas, correção automatizada e feedback específico de erro. Seu quase-experimento agrupado em 19 turmas de escolas públicas brasileiras é, segundo os próprios autores, a primeira avaliação quase-experimental de tal sistema em salas de aula autênticas, e não em um protótipo, e o aplicativo rodou nos telefones dos próprios professores sob a conectividade intermitente típica dessas escolas. O desenho é, portanto, uma estratégia de equidade distinta das anteriores: em vez de fechar a divisão de primeiro nível de dispositivos e banda antes que a tutoria com IA possa alcançar alguém, ou elevar as habilidades de segundo nível como bilhete de entrada, ela alcança estudantes com quem a IA nunca interage diretamente. O mesmo estudo, no entanto, mostra que a rota não é livre da divisão que ela contorna. A vantagem de aprendizagem sobre a prática usual se devia à formação dos professores, e não à tecnologia — as condições de formação e de sistema pleno não diferiram nos ganhos —, e o efeito indireto positivo do sistema sobre a aprendizagem operava por meio da redução do esforço do professor, com carga de trabalho maior associada a ganhos menores. Contornar a lacuna de acesso, portanto, não dissolve o problema de equidade; ele realoca a restrição vinculante para a capacidade e o tempo do professor.

  • A restrição de hardware pode estar se dissolvendo, não a lacuna de acesso se fechando. Guo et al. (2026) argumentam que a restrição vinculante à equidade na aprendizagem de línguas é agora o software, e não o hardware: a pilha completa de síntese–reconhecimento–tradução cabe em menos de 4 GB, medições da comunidade colocam um modelo 3B em 4–9 tokens por segundo em um computador de placa única de \80,ecincoanosdepraˊticadiaˊriacustamcercade80, e cinco anos de prática diária custam cerca de \\18 de eletricidade, contra \1.200porumaassinaturaemnuveme1.200 por uma assinatura em nuvem e \\2.600 por tutoria semanal.

  • A compressão de modelos é outra rota para hardware limitado. Um tutor adaptativo de pidgin nigeriano ajustado em um corpus de 416.343 entradas manteve estrutura semântica e coerência em 8 bits, enquanto as versões de 4 e 5 bits cortaram a latência de inferência com degradação apenas mínima na qualidade instrucional, e falantes nativos verificaram a aceitabilidade cultural, e não apenas as métricas (Nwogo et al., 2026)).

  • Um laboratório simulado pode reproduzir a conta de equipamentos que ele deveria evitar. Uma revisão sistemática de 11 estudos de gêmeos digitais no ensino superior de STEM encontrou custos de hardware de \2.000−2.000-\\15.000 por nó funcional de estação de trabalho em quatro estudos, com entidades físicas limitando o acesso a 1–3 estudantes simultâneos em cinco, e nenhum estudo incluído produziu uma análise de retorno sobre o investimento (Pelayo-Gonzalez et al. (2026)). A revisão usa como referência esse custo de entrada contra equipamentos físicos de caracterização que custam de \30.000amaisde30.000 a mais de \\150.000.

Conexões com conceitos relacionados

A divisão digital é uma preocupação central da pesquisa em equidade na educação com IA, estreitamente ligada ao letramento em IA (posicionado como um mecanismo central para abordar barreiras estruturais), e à ética e à mitigação de viés (já que o viés algorítmico afeta desproporcionalmente grupos marginalizados). Ela se conecta a IA na educação e ao ensino superior como os contextos em que as lacunas de acesso e de capacidade se manifestam, e se relaciona com a experiência do estudante à medida que molda quem pode participar significativamente da aprendizagem moldada pela IA.

Conceitos conectados

Artigos conectados

Perguntas frequentes relacionadas

Metadados

Equidade, ética e uso responsávelAcessibilidade, Equidade na educação com IA
Fundamentos da IA na educaçãoIA na educação, Letramento em IA
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.