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

Ética

Criado 2026-08-09 · Atualizado 2026-10-08

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

Ética — os princípios morais que governam o desenho, a implantação e o uso da IA em contextos educacionais. A ética da educação em IA abrange privacidade de dados, justiça algorítmica, transparência, responsabilização e a questão mais ampla do que a IA deveria e não deveria fazer em ambientes de aprendizagem. Ela é a fundação normativa das outras preocupações da base de conhecimento sobre educação em IA — equidade, mitigação de viés, integridade acadêmica, governança e segurança pedagógica — e o campo está se movendo cada vez mais de listas abstratas de princípios para uma prática ética situada, sensível ao contexto e apoiada institucionalmente.

Perguntas para refletir

  • Os sistemas de IA são frequentemente submetidos a checklists éticas — justiça, privacidade, transparência, responsabilização. Mas a pesquisa sugere cada vez mais que a ética de "checklist" baseada em princípios é insuficiente por si só. O que um checklist poderia deixar passar que só acontece na prática real e situada da sala de aula?
  • As decisões dos estudantes sobre revelar o uso de IA são moldadas menos pela convicção ética do que pelo medo de penalidades, estigma e política pouco clara. Se a honestidade é movida pelo medo em vez de por princípio, o que isso diz sobre a ética da abordagem atual de integridade acadêmica?
  • Personalizar o feedback da IA com atributos dos estudantes pode ele mesmo tornar-se um vetor de viés. Como uma tentativa bem-intencionada de adaptar o feedback a um estudante individual poderia acabar tratando-o de forma menos justa — e como você detectaria isso?
  • Quem detém o poder na relação entre instituições, sistemas de IA e estudantes — e como esse desequilíbrio de poder molda o consentimento, a privacidade e a vigilância estudantil à medida que as analíticas se tornam mais granulares?
  • Alguns pesquisadores argumentam que proteger o desenvolvimento cognitivo e epistêmico dos estudantes — sua capacidade de pensar e agir de forma independente — é em si uma obrigação ética, especialmente à medida que a dependência excessiva da IA cresce. Você concorda que "preservar o pensamento" é um dever ético dos sistemas de IA?

Introdução

A ética é a espinha dorsal normativa da IA na educação: toda ferramenta de IA, política e decisão pedagógica codifica pressupostos sobre o que é justo, transparente, responsabilizável e seguro. A base de conhecimento trata a ética tanto como um conjunto de princípios (justiça, privacidade, transparência, autonomia, responsabilização) quanto como um conjunto de práticas — como as partes interessadas de fato raciocinam sobre a IA, como as instituições a governam e como os estudantes são preparados para usá-la de forma responsável. A pesquisa recente documenta um movimento duplo: por um lado, uma preocupação crescente de que a ética de "checklist" baseada em princípios é insuficiente; por outro, uma ênfase crescente em contas situadas e ecológicas do julgamento ético, e nas condições estruturais e institucionais que tornam possível o uso responsável.

Dimensões éticas centrais

  • Justiça e viés: as pesquisas de mitigação de viés e equidade na IA abordam se os sistemas de IA tratam todos os estudantes de forma justa. Viés de língua e estudos de mitigação de viés documentam iniquidades do mundo real, e a pesquisa sobre feedback de escrita mostra que personalizar o feedback da IA com atributos dos estudantes pode ele mesmo tornar-se um vetor de viés.
  • Privacidade e consentimento: a pesquisa sobre privacidade examina a coleta de dados, a vigilância estudantil e o desequilíbrio de poder entre instituições e estudantes — uma restrição que se torna mais aguda à medida que as analíticas se tornam mais granulares e movidas por IA.
  • Transparência e explicabilidade: frameworks de IA explicável argumentam que estudantes e professores deveriam entender como os sistemas de IA tomam decisões que os afetam. Isso se estende à transparência voltada ao estudante sobre seu próprio uso de IA — declarações de uso e revelação de IA — que a pesquisa mostra ser moldada menos pela convicção ética do que pelo medo de penalidades, estigma e política ambígua (ver Kirsanov et al., Chang et al., Vetter et al., Gonsalves).
  • Autonomia e agência: as pesquisas sobre Excesso de Dependência e offloading cognitivo levantam questões éticas sobre se o uso de IA diminui a agência do estudante, e o campo enquadra proteger o desenvolvimento cognitivo e epistêmico dos estudantes como uma obrigação ética em si.
  • Segurança e prevenção de dano: segurança pedagógica e a pesquisa sobre dano de tutores definem obrigações éticas para os desenvolvedores de sistemas de IA, e a pedagogia baseada em erros mostra como expor os estudantes a erros da IA pode ativar, em vez de contornar, o escrutínio ético e metacognitivo.
  • Sustentabilidade e impacto ambiental: a IA na educação carrega uma pegada material — o custo de carbono e água dos modelos de linguagem grandes é significativo dada a alta adoção entre estudantes universitários — e uma responsabilidade mais ampla por desenho sustentável e não extrativo. A base de conhecimento trata isso como uma dimensão ética, e não apenas uma preocupação técnica ou de custo: Daniel et al. (2026) distinguem IA para a sustentabilidade (usar IA para avançar resultados ambientais e sociais) de IA sustentável (reduzir a própria pegada da IA, incluindo implantação energeticamente eficiente e no local), e Alsuhami & Atallah argumentam que a IA apoia a educação sustentável apenas quando a adoção é subordinada a valores educacionais explícitos, em vez de tecnologização e mercantilização. O trabalho sobre ética situada igualmente coloca em primeiro plano os custos ambientais e a marginalização do conhecimento do Sul Global como preocupações éticas centrais. Ver Sustentabilidade.

Como as partes interessadas de fato raciocinam sobre a ética da IA

O uso ético da IA não é apenas uma questão de princípios, mas de como as pessoas envolvidas os interpretam e aplicam — e a pesquisa revela diferenças sistemáticas entre grupos.

  • Corpo docente vs. estudantes. Bilgiç & Sever (2026), um estudo de métodos mistos com 971 estudantes e 135 docentes, descobriram que ambos os grupos apoiam o uso ético da IA, mas em registros diferentes: os docentes enfatizaram princípios éticos enquanto apontavam a falta de diretrizes institucionais, ao passo que os estudantes valorizaram os benefícios de aprendizagem da IA mas expressaram incerteza sobre quem compartilha a responsabilidade ética. Ambos se preocuparam que o uso excessivo de IA pudesse enfraquecer as habilidades cognitivas — uma preocupação que enquadra a integração ética como preservação do desenvolvimento cognitivo dos estudantes, e não meramente regulação do uso da ferramenta. O corpo docente pontuou alto em responsabilidade individual, mas avaliou a adequação das diretrizes institucionais como a mais baixa (M = 2,99), expondo uma lacuna entre a ética pessoal e o apoio estrutural.

  • Estudantes vs. instrutores em preparo. Fekete (2026) descobriu que estudantes reportam maior consciência ética que os instrutores (4,03 vs. 2,44), mas os instrutores mostram maior disposição para usar IA — os estudantes interpretam a ética pelo trabalho do curso imediato, enquanto os professores a tratam como clareza institucional e integridade. Ambos reportam apoio institucional fraco, e o preparo se desenvolve por canais diferentes: a consciência moral dos instrutores cresce com apoio institucional e social, enquanto a confiança dos estudantes se correlaciona com autoeficácia e colaboração, e não com instrução formal.

  • O uso cresce mais rápido que o consenso ético. Ao longo de quatro semestres num programa de formação de professores dos EUA, o uso de GenAI pelos estudantes subiu de 57% para 83% na preparação para avaliações e de 44% para 76% nos estudos, enquanto as respostas éticas de "não tenho certeza" subiam constantemente e os usuários de IA avaliavam seu uso acadêmico como mais ético que os não usuários (Parker et al. (2026)).

  • Enquadramentos normativos não são intercambiáveis. Entre 151 graduandos espanhóis, a equidade moral foi condição necessária para a intenção de usar LLMs na preparação para exames (d = 0,338), mas não um preditor suficiente, enquanto julgamentos consequencialistas (β = 0,350) e deontológicos (β = 0,329) foram — os estudantes aplicam vários enquadramentos normativos (Pérez-Portabella et al. (2026)).

  • Uma estrutura multidimensional compartilhada. Os seis temas de Bilgiç & Sever — abrangendo ética de dados, ética de algoritmos e ética pedagógica — formam uma cadeia causal interconectada que vai dos princípios fundamentais (transparência, responsabilização, justiça, autonomia) aos resultados comportamentais, sublinhando que o uso responsável de IA depende tanto de roteiros institucionais claros quanto da consciência individual.

Dos princípios à governança institucional

A pesquisa da base de conhecimento localiza cada vez mais a ética nas instituições e nas estruturas, e não apenas nos indivíduos:

  • A lacuna de responsabilidade institucional. Bilgiç & Sever pedem desenvolvimento profissional do corpo docente, cursos de ética e diretrizes institucionais claras; Fekete igualmente descobre que o apoio institucional impulsiona o preparo dos instrutores, enquanto os estudantes dependem de aprendizagem autodirigida informal — uma lacuna de responsabilidade para a política.

  • O treinamento em ética move a consciência, mas as lacunas de política complicam a conformidade. Um programa de desenvolvimento profissional em GenAI de oito semanas com 97 educadores elevou as notas de consciência ética de 3,21 para 4,05 (d de Cohen = 0,93) e a familiaridade com a política de 27% para 79%, mas a barreira mais difícil nomeada pelos participantes foi conciliar as lacunas da política institucional com seus valores éticos (Alharbi et al. (2026)).

  • A robustez da política varia. Adarkwah et al. (2026), analisando políticas de GenAI em 30 universidades de ponta contra o framework de oito componentes da UNESCO, descobriram que princípios éticos centrais são amplamente abraçados, mas inclusão, equidade e sustentabilidade são frequentemente negligenciados — e o ranking nacional de preparo para IA não previu política institucional forte. As políticas tendem a ser declarativas e focadas em má conduta, em vez de asseguradas operacionalmente.

  • A ética e a governança de dados como habilitador. Svetec, Divjak & Kadoić (2026) identificam ética e governança de dados como um de sete habilitadores de intervenções confiáveis baseadas em analítica de aprendizagem — posicionando a confiabilidade (conformidade ética, segurança de dados, algoritmos transparentes, validade pedagógica) como o pré-requisito sem o qual a mudança educacional informada por dados não é significativa.

  • Uma revisão sistemática da educação em engenharia descobre que a orientação ética sobre IA é predominantemente voltada ao estudante e orientada à conformidade (centrada em integridade acadêmica e revelação), enquanto a responsabilização recíproca pelo uso de IA pelo corpo docente e a responsabilidade institucional permanecem subdesenvolvidas — um padrão acentuado pelos riscos profissionais da engenharia na segurança pública e no bem-estar. (Ethical Use of Artificial Intelligence in Engineering Education: A Systematic Review)

  • O professor como usuário de IA levanta sua própria ética. Oito áreas de consideração ética — profissionalismo, responsabilização, transparência, eficácia, inclusividade, segurança, adequação contextual e política e recursos — enquadram o uso de IA pelos professores para feedback, e apenas 14 das 50 universidades mais bem classificadas tinham orientação específica para isso (Luo & Eaton (2026)).

  • Um framework de valores consolidado para a ética da AIED. Agarwal et al. (2026), uma revisão sistemática de 25 artigos, consolidam a literatura de ética fragmentada em seis valores éticos principais para a IA na educação — não discriminação, gestão de dados, supervisão humana, boa vontade, explicabilidade e adequação educacional — e mapeiam as normas éticas extraídas da literatura numa matriz de partes interessadas por valor (desenvolvedores, institutos educacionais, usuários finais, reguladores). A revisão descobre que as normas se distribuem de forma desigual: os desenvolvedores atraem o maior número, enquanto os usuários finais recebem as normas menos numerosas e menos acionáveis, e nenhuma norma sobre não discriminação, gestão de dados ou adequação educacional trata diretamente dos usuários finais — as vozes dos estudantes estão essencialmente ausentes, com as normas de "usuário final" sendo majoritariamente ações que outras partes interessadas tomam para habilitar os professores. Os autores argumentam que os usuários finais deveriam ter agência e papéis ativos, em vez de serem tratados como beneficiários passivos, e notam que os valores estão fortemente acoplados e podem conflitar (ex., explicabilidade vs. acurácia/privacidade, não discriminação vs. gestão de dados), produzindo dilemas éticos ao lado de assimetrias de poder entre conjuntos de partes interessadas.

  • Responsabilidade nomeada sem uma relação. A análise de corpus de 366 resumos de ensino superior sobre GenAI mostra que o vocabulário de responsabilidade do campo é largamente adjetival: "IA/GenAI responsável" ocorre 83 vezes em 59 documentos e "uso responsável" 66 vezes em 44, enquanto "responsabilidade da IA" e "responsabilidade do estudante" nunca aparecem como frases exatas, e a remoção gramatical é rotineira — 800 construções passivas, 780 delas sem qualquer referência a agente, ao lado de 1.152 nominalizações relacionadas à responsabilidade. Poudyal (2026) não encontra nenhuma oração que ligue uma consequência a um sistema, de modo que a responsabilidade é reconhecida como palavra sem a agência relacional que a transformaria em ação.

Rumo a uma ética da IA situada e ecológica

Uma grande mudança teórica na base de conhecimento é a crítica da ética universalista de "checklist" baseada em princípios em favor de contas situadas, ecológicas e transformativas:

  • Ética situada da IA. Raffaghelli et al. (2026) fundem a teoria dos sistemas ecológicos de Bronfenbrenner com a Teoria da Atividade Histórico-Cultural para enquadrar a IA como um conjunto sociotécnico não neutro cujas implicações éticas são historicamente produzidas e localmente negociadas. Ao longo de sete casos nacionais, os professores são posicionados como guardiões morais do uso de IA enquanto lhes falta apoio estrutural, institucional e epistêmico — e o framework estende o letramento em IA além das habilidades técnicas rumo a uma agência crítica, política e ecológica, incluindo resistência ao capitalismo de vigilância e ao dano ambiental.
  • A mudança para a prática situada. A análise bibliométrica de 282 artigos mostra que o discurso sobre ética da IA pós-2021 enquadra cada vez mais a ética em torno do julgamento profissional, da confiança, da colaboração humano-IA e da prática interpretativa, e não apenas da conformidade técnica — com a educação sendo um contexto conceitualmente importante.
  • Uma conta histórico-cultural da responsabilidade. Esse reenquadramento conecta a ética a teorias da aprendizagem e a Competência em IA do professor: o uso responsável de IA é tratado como agência sensível ao contexto, coletiva e transformativa, em vez de conformidade individual com checklists. Uma pesquisa com 454 professores universitários sustenta esse enquadramento: o conhecimento ético sobre IA mediou o caminho do conhecimento técnico de IA para a competência integrada de ensino (β = 0,186) e o canalizou adiante pelo conhecimento pedagógico e de conteúdo (Chen et al. (2026)).
  • Um reenquadramento ontológico da obrigação ética. Xie (2026) leva a crítica da ética situada mais longe ao relocá-la na ontologia: onde boa parte da literatura trata equidade, assimetrias de poder e custos ambientais como externalidades a serem geridas, um self relacional daoísta os torna internos a quem somos, de modo que "ficar para trás" torna-se ontologicamente insustentável, e não meramente injusto. A tarefa ética é então não a otimização desapegada, mas o Wuwei (无为) — ação não forçada alinhada à naturalidade — contra o Youwei (有为) da monocultura algorítmica, do offloading cognitivo e da infraestrutura extrativa, aplicado por três domínios: conhecimento (monocultura epistêmica e desinformação sintética), conhecer (offloading que degrada o pensamento crítico) e impacto (custos ambientais e assimetrias Norte Global–Sul Global).(Alternative AI Philosophy: Daoism as Method for AI in Education)

A ética na prática

Os artigos de ética da base de conhecimento vão de frameworks teóricos (abordagens de teoria dos jogos) a diretrizes práticas (educação em ética em ciência da computação), da análise do discurso público a frameworks de política da UNESCO. Ao longo dessa amplitude, uma mensagem prática consistente emerge: a ética precisa passar da policiação do mau uso para a construção de letramento em IA e capacidade de uso ético, apoiada por orientação institucional, desenvolvimento profissional docente e desenho que preserva, em vez de deslocar, o julgamento do estudante.

Esse caso prático é reforçado pelo trabalho empírico sobre como a ética funciona dentro do próprio letramento em IA: Zhu e Kong (2026) mostram que a consciência ética sobre IA — junto do empoderamento na resolução de problemas com IA — medeia a relação entre a aprendizagem baseada em projetos percebida e a satisfação com um curso de letramento em IA. Sua escala AI-PBLS validada e os resultados de SEM (1.027 estudantes) indicam que o PBL cria condições em que os estudantes constroem um framework pessoal para o raciocínio ético sobre IA, fortalecendo o argumento de que a ética não é um acréscimo, mas um mecanismo central do desenvolvimento significativo do letramento em IA.

O sinal desse mecanismo depende do que vem depois dele. Entre 584 graduandos cuja competência em IA veio do autoestudo, a competência elevou a consciência ética sobre IA (β = 0,644, p < ,001). A consciência ética então elevou a ansiedade em relação à IA (β = 0,439, p < ,001) em vez de reduzi-la — mediação apenas indireta, lida pelos autores como consciência despertada sem um framework de enfrentamento (Mu et al. (2026)). Sua conclusão para o ensino de ética é que ele não pode parar no nível cognitivo. Uma preocupação de transparência ou privacidade precisa chegar acompanhada da via de governança que a responde, e é por isso que o módulo que eles propõem fica dentro da educação jurídica.

Conexões

A ética conecta-se a Equidade na educação com IA, privacidade, mitigação de viés, regulação, segurança pedagógica, integridade acadêmica e governança. Ela é a fundação normativa de todos os outros conceitos de educação em IA — o quadro dentro do qual questões de justiça, transparência, autonomia e segurança são levantadas e resolvidas.

Conceitos conectados

Artigos conectados

Perguntas frequentes relacionadas

Metadados

Instituições e políticasGovernança de IA, Regulação da IA na educação
Equidade, ética e uso responsávelMitigação de viés, Equidade na educação com IA, Privacidade, Segurança pedagógica
Fundamentos da IA na educaçãoIntegridade acadêmica, 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.