Teorias e frameworks

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

Teorias e frameworks — o inventário de trabalho das estruturas explicativas e organizacionais que esta base de conhecimento de fato usa. Teorias explicam por que a aprendizagem acontece (teorias da aprendizagem, teoria da autodeterminação, aprendizagem sociocultural, teoria da atividade); frameworks organizam decisões de design, ensino e adoção (TPACK, SAMR, modelos de adoção de tecnologia, ICAP, design universal para a aprendizagem); modelos tornam as afirmações de aprendizagem testáveis e computáveis (teoria da resposta ao item, validade da avaliação, rastreamento de conhecimento). Use esta página para encontrar a lente sobre a qual um estudo repousa, ou para escolher uma para seu próprio trabalho.

Perguntas para considerar

• Uma teoria prevê o que acontece quando algo muda; um framework lhe diz a que prestar atenção. Quando um estudo relata um ganho sob a bandeira de um framework, mas não faz nenhuma previsão que pudesse ter falhado, o que de fato foi aprendido?
• O TPACK, o SAMR, o DUA, os modelos de adoção e o ICAP todos antecedem os modelos de linguagem grandes. Quais partes deles ainda se sustentam quando a ferramenta consegue escrever, explicar e se adaptar por conta própria, e como você saberia?
• Várias das teorias catalogadas abaixo foram cunhadas para a IA nos últimos anos. O que seria preciso para que uma delas estivesse errada, e alguém já tentou mostrar isso?
• A adoção costuma ser relatada como movimento por etapas. Se um colega relata que seu curso passou "da substituição à redefinição" este ano, que evidência independente você pediria antes de acreditar?
• Boa parte deste campo aplica teoria emprestada em vez de testá-la. Escolha um achado em que você confia: ele poderia ser reenquadrado como teste de uma teoria, e que medição isso exigiria?

Introdução

Todo tutor de IA, sistema de feedback e painel embute pressupostos sobre como as pessoas aprendem, quer os designers os declarem ou não. Esta página reúne as teorias, os frameworks e os modelos dos quais esses pressupostos vêm, ordenados de forma ampla pelo quanto a literatura atual de pesquisa se apoia neles, e diz brevemente para que serve cada um. As distinções entre os três rótulos são reais, mas menores, e são resumidas perto do fim em vez de tratadas como o assunto. O que importa praticamente é sobre qual lente uma afirmação repousa, e se essa lente consegue sustentá-la.

Teorias da aprendizagem que a literatura aplica

Estas explicam mecanismos: elas nomeiam as partes que fazem o trabalho e prevêem o que segue quando essas partes mudam. Na literatura de IA, são em grande parte emprestadas da psicologia e das ciências da aprendizagem, e usadas como quadros interpretativos em torno de uma nova ferramenta.

• Teorias da aprendizagem (guarda-chuva) — a família como um todo, incluindo os polos clássicos do behaviorismo e do construtivismo e a lacuna de "construtivismo no nome, behaviorismo na prática" que recorre em implementações de IA. O conectivismo e a teoria da carga cognitiva também são tratados aqui.
• Construtivismo — a aprendizagem como construção ativa de conhecimento. Ele sustenta o trabalho baseado em projetos, a tutoria de IA baseada em diálogo, e a crítica de que sistemas de treino e feedback violam sua própria pedagogia declarada.
• Teoria sociocultural — a aprendizagem como mediada por ferramentas e interação social, e é por isso que a IA é teorizada como artefato mediador, e não como mero auxílio.
• Teoria da atividade — toma todo o sistema de atividade, contradições incluídas, como unidade de análise. Comum em estudos de IA voltados a professores, onde o achado interessante costuma ser a tensão entre ferramentas, regras e comunidade.
• Aprendizagem situada e aprendizagem corporificada — a aprendizagem como atada ao contexto e ao corpo, o contrapeso a tratar a IA como meio puramente linguístico.
• Cognição distribuída — o pensamento espalhado por pessoas e artefatos, o que enquadra a assistência de IA como redistribuição do trabalho cognitivo, e não como substituição dele.
• Comunidade de investigação — as presenças social, cognitiva e docente que fazem uma experiência on-line funcionar; uma teoria da experiência e um quadro de design ao mesmo tempo.
• Teoria da autodeterminação — autonomia, competência e relacionamento como precondições motivacionais. Frequentemente a explicação oferecida quando o uso de IA eleva o engajamento sem elevar a aprendizagem.
• Cognitivismo — processamento de informação, memória de trabalho, e a divergência entre a sensação de aprender e a aprendizagem real.

Modelos de quem aprende e do processo de aprendizagem

• Aprendizagem autorregulada — planejar, monitorar e avaliar a própria aprendizagem. O construto cavalo de batalha para perguntar se o apoio de IA alcança as fases que importam ou apenas a execução.
• Metacognição — pensar sobre o próprio pensamento, e o construto mais frequentemente nomeado quando a IA é acusada de pensar pelos estudantes.
• Motivação — por que quem aprende se engaja, e o construto que separa engajamento de aprendizagem em estudos de IA.
• Autoeficácia — crença na própria capacidade, distinta de competência, e mediadora frequente entre uso de IA e desfechos.
• Agência — quem dirige o trabalho: o construto por trás da tensão controle-versus-autonomia do campo, e por trás do mecanismo de agência delegada na teoria mais recente.
• Dificuldades desejáveis, recuperação, espaçamento e intercalação e texto de refutação — achados que tornam o atrito pedagogicamente valioso, aplicados a decisões sobre quanto uma IA deveria fazer.
• Transferência da aprendizagem — se a capacidade persiste uma vez retirado o apoio, o que a teoria recente trata como o critério que separa aprendizagem de assistência, em vez de um desfecho entre vários.

Frameworks de ensino, integração e adoção

• TPACK — o conhecimento docente que mescla tecnologia, pedagogia e conteúdo; o framework padrão para estudos de IA voltados a professores.
• Modelos de adoção — a intenção como função da utilidade percebida e da facilidade de uso. Usados amplamente o bastante para que a dependência do campo da intenção em vez do comportamento seja uma crítica permanente.
• ICAP — classifica o engajamento como passivo, ativo, construtivo, interativo; útil para perguntar que modo uma interação com IA de fato permite.
• SAMR — da substituição à redefinição. Popular como história de maturidade, fraco como instrumento de medição.
• Design universal para a aprendizagem, aprendizagem inclusiva e acessibilidade — quadros de design para quem é atendido, e os mais frequentemente invocados em trabalho sobre deficiência e equidade.
• Design de aprendizagem, design de currículo e design thinking — como tarefas, sequências e programas são estruturados antes de qualquer ferramenta ser escolhida.
• Gestão de mudança — se um sistema é adotado de algum modo, o que costuma ser uma questão institucional, e não pedagógica.

Modelos de medição e computacionais

• Teoria da resposta ao item — estimação de itens e de habilidade, e o modelo que torna os números de uma prova interpretáveis.
• Medição educacional — a paisagem de instrumentos, incluindo as medidas construídas especificamente para letramento em IA.
• Validade — se um instrumento mede o construto que afirma medir, o que decide se um desfecho relatado sustenta a afirmação teórica a ele associada.
• Medidas de autorrelato — a fonte dominante e mais frágil de evidência nesta literatura; vários dos construtos acima são conhecidos por divergirem acentuadamente entre autorrelato e desempenho.
• Rastreamento de conhecimento e modelagem de estudantes — estimar o estado de quem aprende ao longo do tempo a partir de dados de interação.
• Diagnóstico cognitivo — atribuir desempenho a componentes específicos de habilidade, a contraparte de modelagem do ensino diagnóstico.
• Benchmarks, avaliação da educação com IA e consciência psicométrica no design de IA — como sistemas e intervenções são pontuados, comparados e auditados.
• Pesquisa baseada em design — o método que gera teoria a partir de intervenções projetadas, em vez de testá-la de antemão.

Teorias cunhadas para a era da IA

Quatro propostas na base de conhecimento constroem teoria em vez de tomá-la emprestada. Elas são páginas de artigo, e não nós de conceito, porque cada uma é um argumento único:

• Generativismo — uma nova teoria da aprendizagem que argumenta que as quatro clássicas mostram limitações conceituais significativas à medida que a IA generativa se prolifera.
• Coagência epistêmica — um modelo de como quem aprende e sistemas de IA produzem conjuntamente conhecimento e entendimento.
• A linha de base cognitiva ausente — teoriza por que estudantes nativos de IA superestimam sua própria aprendizagem quando a IA infla o desempenho.
• Agentivismo — uma teoria de alcance médio que nomeia quatro mecanismos (agência delegada, monitoramento e verificação epistêmicos, internalização reconstrutiva e transferência sob apoio reduzido) e enuncia seis proposições testáveis.

Distinguindo os três rótulos

As palavras são usadas de forma frouxa na literatura, e a diferença vale um parágrafo, não uma página inteira:

• Uma teoria explica um mecanismo e prevê o que acontece quando suas partes mudam. Ela pode falhar, e é por isso que estudos que a testam conseguem relatar tamanhos de efeito.
• Um framework organiza ou prescreve. Ele nomeia os componentes a que prestar atenção, em geral sem prever magnitudes, e não pode ser falsificado.
• Um modelo é uma representação formal, mais frequentemente de medição ou do estado de quem aprende. Ele pode ser ajustado, comparado e mostrado errado de um modo que um framework não pode.
• Os rótulos se sobrepõem. A comunidade de investigação é uma teoria e um quadro de design ao mesmo tempo; a teoria da atividade é explicativa e analítica. Trate o rótulo como pista sobre o que uma fonte afirma, não como categoria de arquivamento.

Camadas relacionadas

Duas páginas vizinhas tratam deliberadamente de outra coisa. A filosofia da IA na educação faz perguntas normativas e conceituais — para que a educação serve, se uma máquina pode ensinar — e não prevê tamanhos de efeito; um estudo pode ser filosoficamente ingênuo e teoricamente sólido, ou o contrário. O desenvolvimento de teoria é a metaatividade de construir, tomar emprestada e revisar teoria, incluindo a crítica permanente de que boa parte do trabalho em AIED aplica teoria existente em vez de testá-la. Esta página é o inventário; o desenvolvimento de teoria trata de produzir e revisar o inventário.

Escolhendo uma lente quando a pergunta é prática

• Professores partindo de um problema podem trabalhar de trás para frente: se quem aprende não está se engajando, o ICAP e a TAD nomeiam causas diferentes e sugerem correções diferentes; se a pergunta é se adotar uma ferramenta de algum modo, os modelos de adoção e o SAMR fazem perguntas diferentes sobre ela.
• Designers de aprendizagem tiram mais proveito dos quadros de design — DUA, design de aprendizagem e andaime — pareados com uma teoria que prevê o que acontece quando o andaime é retirado.
• Pesquisadores deveriam declarar a qual nó um estudo se reporta e se o design consegue de fato testá-lo; os modelos de medição (TRI, validade da avaliação, autorrelato) decidem se um desfecho relatado sustenta essa afirmação.
• Gestores encontram esses frameworks como questões de adoção e mudança, onde um modelo de etapas costuma ser usado como história de maturidade, e não como instrumento.

O que os frameworks não conseguem fazer

Frameworks não são evidência. Costumam ser emprestados de contextos pré-LLM e localizados por quem os aplica, podem funcionar como marca, e modelos de etapas convidam à adoção de checklist que relata movimento por níveis em vez de aprendizagem. Afirmações que repousam sobre um framework deveriam ser lidas junto com as limitações transversais do campo, a validade do que quer que tenha medido o desfecho, e os limites conhecidos do autorrelato.

O alinhamento entre mecanismo e teoria pode, no entanto, ser decisivo: uma síntese temática de 55 estudos de aprendizagem baseada em jogos com apoio de IA concluiu que a eficácia dependia de o mecanismo de IA encenar a pedagogia que deveria servir, e não da sofisticação algorítmica (Kaşarcı e Yurt (2026)).

Conceitos conectados

• Desenvolvimento de Teoria na IA na Educação — construir e revisar teoria no campo
• Filosofia da IA na educação — a camada normativa e conceitual
• Teorias de aprendizagem — o guarda-chuva da teoria da aprendizagem
• Ciências da Aprendizagem — o campo vizinho de onde a maior parte da teoria é emprestada
• Limitações na Pesquisa em AIEd — o que a base de evidências consegue e não consegue sustentar
• Conhecimento tecnológico, pedagógico e de conteúdo (TPACK) — framework de conhecimento docente
• Modelos de adoção de tecnologia — frameworks de adoção
• Teoria de resposta ao item — um modelo de medição
• Design universal para a aprendizagem — um framework de design
• Métodos de pesquisa em AIED — como a teoria é testada

Artigos conectados

• Effectiveness of AI-Supported Game-Based Learning: A Systematic Review of Outcomes, Challenges, and Future Directions — O alinhamento mecanismo-teoria, e não a sofisticação algorítmica, moveu a eficácia em 55 estudos de aprendizagem baseada em jogos com IA

• The Evolution of Research on AI and Education Across Four Decades: Insights from the AIxEd Framework — quatro décadas de AIED pelo framework IA×Ed

• Educating minds with generative AI — síntese densa em teoria sobre IA generativa e aprendizagem

• An Activity-Theoretical Approach to Teacher Professional Development in Pedagogical AI Agent Design — teoria da atividade aplicada ao desenvolvimento profissional docente

• Activity theory as a lens on teachers' adoption of AI technologies: A structural equation modeling — teoria da atividade e adoção por professores

• Generativism: Toward a Learning Theory for the Age of Generative Artificial Intelligence — uma teoria da aprendizagem proposta para a era da IA generativa

• Learning with machines: Toward a theory of epistemic co-agency — rumo a uma teoria da coagência epistêmica

• The Absent Cognitive Baseline: Theorizing a Structural Gap in AI-Native College Students' Academic Self-Assessment — teorizando uma lacuna estrutural na autoavaliação de estudantes nativos de IA

• Agentivism: a learning theory for the age of artificial intelligence — uma teoria da aprendizagem de alcance médio para a interação humano-IA

• Measuring Artificial Intelligence Literacy: A Systematic Review of Instrument Development, Conceptual Foundations, and Psychometric Quality — desenvolvimento de instrumentos em um construto jovem

• Control vs. Agency: Exploring the History of AI in Education — a tensão fundacional do campo entre controle e agência