História da IA na Educação

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

A história da IA na educação — o estudo de como a inteligência artificial e a educação coevoluíram desde meados do século XX, e de como escolhas conceituais, terminológicas e de design do passado continuam a moldar os debates de hoje sobre a IA na aprendizagem. Em vez de tratar a IA generativa como uma força súbita e sem precedentes, uma lente histórica revela tensões recorrentes — controle vs. agência, padronização vs. criatividade, automação vs. ampliação — que estruturam a IA na educação desde suas origens.

Questões a considerar

• A IA generativa de hoje é frequentemente descrita como uma revolução sem precedentes. Como esse enquadramento ("cronocentrismo") pode nos impedir de ver os padrões recorrentes sob ela?
• O campo quase se chamou "cibernética" em vez de "inteligência artificial". Como essa única escolha de nome pode ter moldado se vemos as máquinas como inteligências independentes ou como parte de sistemas interconectados de feedback?
• A página enquadra a história da AIED como uma tensão entre controle (os tutores cognitivos de Anderson otimizando a instrução) e agência (o construcionismo de Papert empoderando os aprendizes). Onde caem suas próprias escolhas de IA na educação nesse espectro — e por quê?
• A personalização, argumenta a página, tem dois significados: variar o caminho para o mesmo resultado, ou habilitar resultados diversos e dirigidos pelo aprendiz. Que tipo de personalização sua instituição realmente busca, e qual você acha que ela deveria buscar?
• Se os debates de hoje sobre GenAI "espelham" essas tensões históricas, que erros do passado podemos estar repetindo — e o que podemos evitar ao nos lembrarmos deles?
• A página afirma que escolhas técnicas de design embutem juízos de valor sobre o propósito da aprendizagem. Você consegue identificar uma decisão de design em uma ferramenta de educação com IA que você usou que silenciosamente favoreceu a padronização sobre a agência do aprendiz — ou o contrário?

Introdução

A história do campo não é uma progressão linear, mas uma série de decisões contingentes cujos efeitos ainda ecoam. Compreender essa história protege contra o "cronocentrismo" (o viés de tratar os desenvolvimentos atuais como unicamente revolucionários), ajuda a evitar repetir erros do passado e revela como escolhas de enquadramento e terminologia — não apenas de tecnologia — dirigem a trajetória da IA na educação.

Fios históricos-chave

Da cibernética à "inteligência artificial". Quando John McCarthy planejou o Dartmouth Summer Research Project de 1956, ele deliberadamente escolheu o termo inteligência artificial em vez de cibernética — em parte para distanciar o campo de Norbert Wiener e seu foco no feedback analógico. Essa decisão de nomeação enquadrou as capacidades das máquinas em comparação direta com a cognição humana (enquadramento antropomórfico), dirigindo prioridades de pesquisa, percepção pública e debate ético por décadas. Se o campo tivesse mantido o enquadramento cibernético, o artigo imagina que poderíamos agora falar de "sistemas cibernéticos de aprendizagem", enfatizando feedback e interconexão em vez de "tutores de IA", posicionando a máquina como uma fonte independente de inteligência.

A revolução cognitiva e as raízes dos ITS. Os primeiros pioneiros — Herbert Simon, Allen Newell, Marvin Minsky, John Anderson — não estavam meramente modelando a cognição; eles investigavam questões fundamentais sobre aprendizagem e instrução. Seu trabalho produziu modelos de processamento de informação da cognição humana que se tornaram fundamentais para a psicologia educacional, e levou aos Sistemas de Tutoria Inteligente (ITS), enraizados nos paradigmas de busca heurística e sistemas especialistas da IA dos anos 1960–70. Esses sistemas se alinhavam naturalmente às estruturas existentes de avaliação e padronização, e acabaram coalescendo na comunidade AIED.

Controle vs. agência: Anderson e Papert. Duas visões concorrentes emergiram, encarnadas em John Anderson e Seymour Papert. Os tutores cognitivos de Anderson (teoria ACT/ACT-R) decompunham o conhecimento em regras de produção, forneciam feedback individualizado preciso e reforçavam as estruturas educacionais tradicionais — uma visão da IA como ferramenta para otimizar a instrução. O construcionismo de Papert (Logo, "micromundos", depuração-como-aprendizagem) via os computadores como ambientes onde as crianças constroem conhecimento por meio da experimentação criativa — uma visão da IA como instrumento de empoderamento intelectual que desafiava as hierarquias institucionais. Essa "tensão essencial" entre controle e agência é o fio condutor da história do campo.

Duas formas de personalização. A personalização tem duas interpretações distintas que se mapeiam sobre essas visões. A primeira mantém resultados uniformes enquanto varia o caminho (enraizada nas máquinas de ensino de Skinner; a visão da Khan Academy de tutoria para o domínio). A segunda abraça resultados diversos — aprendizes perseguindo interesses e talentos individuais, irrestritos pelas fronteiras do currículo padrão (Zhao, 2024). O modelo de ITS apoia a primeira; o construcionismo, a segunda.

Lições para a era da GenAI. Os debates de hoje sobre IA generativa espelham de perto essas tensões históricas. A GenAI é frequentemente posicionada como um tutor inteligente de próxima geração (estendendo Anderson), levantando preocupações sobre vigilância, coleta de dados e padronização. Alternativamente, ela pode ser uma ferramenta para a agência criativa (estendendo Papert), exigindo que repensemos a avaliação e aceitemos resultados mais ambíguos. Como Mishra et al. concluem, forças institucionais favorecem repetidamente abordagens que reforçam as estruturas existentes — e a linguagem e as metáforas que escolhermos moldarão as possibilidades futuras. O framework AI×Ed de Rismanchian & Doroudi dá fundamento empírico a essa intuição: localizando artigos dos anais da AIED (1985, 1993, 2021, 2024) e da IJAIED (2004, 2014, 2021) ao longo de dois eixos — o papel da IA (ferramenta aplicada vs. analogia com a inteligência humana) e o usuário final —, eles traçam um campo que se moveu de uma mistura diversa, incluindo pesquisa inicial substancial usando a IA como analogia à inteligência humana (modelos computacionais de aprendizagem, micromundos de Papert, modelos baseados em agentes de aquisição de conhecimento), rumo a um foco quase exclusivo em usos aplicados e instrumentais por volta dos anos 2000. Notavelmente, a era da IA generativa parece reverter parcialmente essa trajetória: na AIED 2024, três dos quatro artigos no quadrante "IA-como-analogia" do campo eram baseados em LLM, incluindo o trabalho de melhor artigo sobre agentes ensináveis baseados em LLM.

O impacto recente da IA generativa

A chegada da IA generativa — uma família ampla que inclui modelos de linguagem grandes (texto), mais geradores de imagem, áudio e vídeo — marca o ponto de inflexão mais consequente na história da AIED desde a fundação do campo. Os LLMs são o membro mais proeminente dessa família e o impulsionador da maior parte do impacto em sala de aula, mas a IA generativa como um todo (capaz de produzir texto, imagens, som e código novos) é a força mais ampla remodelando a educação. Ela é melhor compreendida contra a história da AIED do que como uma ruptura limpa. Vários recursos tornam a era da IA generativa distintiva:

Escala e alcance. Diferentemente dos tutores cognitivos e ITS de décadas anteriores, que operavam em cenários controlados de laboratório e sala de aula, os LLMs alcançaram centenas de milhões de aprendizes e educadores dentro de meses de seu lançamento, entrando imediatamente na escrita, no dever de casa e na instrução cotidianas. O debate da GenAI se moveu dos periódicos especializados para salas de aula, conselhos de administração e legislaturas com velocidade sem precedentes.

Um novo tipo de capacidade. Os sistemas anteriores de AIED modelavam a cognição e entregavam instrução estruturada (a tradição Anderson). Os LLMs realizam geração aberta — produzindo ensaios, explicações, código e diálogo —, o que coloca em primeiro plano a agência e a criatividade do aprendiz (a tradição Papert) de formas que os ITS anteriores não conseguiam. É por isso que o momento atual reacende a tensão controle-vs-agência tão agudamente: a mesma ferramenta pode ser implantada como um tutor inteligente de próxima geração (controlando resultados) ou como um coescritor e parceiro de pensamento criativo (amplificando a agência).

Uma reversão da equação do acesso. Historicamente, a tutoria personalizada era escassa e cara; a GenAI tornou o apoio um-a-um adaptativo quase gratuito e universal — baixando drasticamente as barreiras de acessibilidade e custo que moldaram a AIED anterior. Mas ela também introduziu novos riscos: viés algorítmico, alucinação, vigilância, coleta de dados e a desqualificação dos educadores.

Renovada preocupação com o letramento em IA e o uso indevido. A era da IA generativa tornou o letramento em IA urgente e reenquadrou os debates de integridade acadêmica (detecção vs. diálogo), ao mesmo tempo que reviveu preocupações antigas sobre automação, padronização e dependência epistêmica. Essas são as expressões modernas das tensões originais do campo.

O risco do cronocentrismo. Como Mishra et al. advertem, o hype em torno da IA generativa frequentemente carece de consciência histórica, deixando os evangelistas da tecnologia dominarem a conversa. Compreender que os debates de hoje sobre GenAI ecoam a divisão Anderson–Papert e a decisão de nomeação da cibernética de 1955 nos ajuda a fazer escolhas deliberadas em vez de tratar o presente como inevitável. A verdadeira questão não é o que as ferramentas de IA generativa podem fazer, mas o que queremos que elas façam — uma decisão moldada por onde estivemos.

Implicações

• Leia o hype historicamente. Reconheça que cada nova onda de IA é enquadrada como revolucionária; a consciência histórica revela continuidade e ajuda a resistir ao domínio corporativo da conversa.
• Veja as escolhas de design como escolhas de valor. Decisões técnicas sobre IA na educação embutem posições ideológicas sobre o propósito da aprendizagem — traga-as à tona e interrogue-as.
• Pese o controle contra a agência deliberadamente. Se a IA deve otimizar rumo a resultados padrão ou habilitar resultados diversos e dirigidos pelo aprendiz é uma escolha genuína, com consequências institucionais e políticas, não um dado técnico.
• Preserve a agência do aprendiz. A resistência recorrente à padronização e ao controle em favor de abordagens abertas e centradas no aprendiz é um fio durável que vale defender.

Conceitos conectados

• IA na educação
• Tutoria inteligente
• Construtivismo
• Autonomia de quem aprende
• Aprendizagem personalizada
• IA generativa
• Teorias de aprendizagem
• Aprendizagem adaptativa
• Letramento em IA
• Criatividade
• A docência
• Ética

Artigos conectados

• Control vs. Agency: Exploring the History of AI in Education — Control vs. Agency: Exploring the History of AI in Education
• How Human-Centered Is AI-Aided Learning in Education? — Human-centered AI-aided learning (engages Anderson's legacy)
• The Tragedy of the Cognitive Commons: How AI Could Disrupt the Regeneration of Professional Expertise — Cognitive commons and AI expertise (historical framing)
• Programming Intelligent Tutoring Systems — Programming Intelligent Tutoring Systems
• Revisiting the Hint Button: Consistent Negative Associations Between Unproductive Hint Use and Learning Outcomes in Intelligent Tutoring Systems — Revisiting the hint button in cognitive tutors
• Learning by Teaching: Engaging Students as Instructors of Large Language Models in Computer Science Education — Learning-by-teaching with LLMs (Papert's constructionism lineage)
• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework