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

Educação e formação profissional

Criado 2026-09-17 · Atualizado 2026-09-28

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

A educação e formação profissional (EFP) — o segmento da educação que prepara pessoas para ocupações nomeadas, ofícios e funções técnicas, organizado em torno de competência próxima à prática em vez de conhecimento disciplinar. Onde a aprendizagem no trabalho descreve a requalificação de quem já está empregado, a EFP inclui a preparação inicial para um ofício; onde o ensino superior nomeia o estudo de graduação, a EFP frequentemente é não graduada e enquadrada por frameworks nacionais de qualificação. Suas características definidoras são que quem aprende é avaliado pelo que consegue fazer com equipamentos, que a instrução acontece perto da oficina, do simulador ou do local de trabalho, e que os instrutores humanos que conduzem a instrução prática são frequentemente a restrição vinculante. Na pesquisa em IA, a EFP aparece tanto como população distinta de quem aprende — uma cuja confiança acadêmica está atada à habilidade demonstrada e à identidade ocupacional — quanto como base de evidências distinta, mais escassa e fragmentada que a literatura escolar ou universitária.

Perguntas para considerar

  • Se uma qualificação certifica o que quem aprende consegue fazer, quanto da aprendizagem assistida por IA conta como prática autêntica e quanto substitui a repetição que constrói competência?
  • O que se perde quando um agente de IA encarna a contraparte — paciente, piloto, cliente — que um instrutor humano costumava encarnar? Que julgamentos uma contraparte sintética não consegue modelar?
  • A avaliação oral escala mal com o tamanho da turma. Se a IA traz evidências à tona, mas não julga, quais partes da capacidade de avaliação são aliviadas e quais são meramente deslocadas para o professor?
  • Nenhum estudo na base de evidências de IA na EFP é situado em um local de trabalho, embora a EFP seja definida pela aprendizagem baseada no trabalho. O que uma pesquisa credível onde a aprendizagem acontece exigiria?
  • A Lei de IA da UE trata a IA que avalia resultados de aprendizagem em formação profissional como de alto risco, enquanto algumas jurisdições não têm nenhuma. A aquisição deveria seguir o padrão mais rigoroso disponível?

Introdução

A educação e formação profissional prepara pessoas para ocupações específicas — técnicos automotivos, controladores de tráfego aéreo, designers de interiores, cuidadores —, e sua moeda é a competência demonstrada em vez de crédito acumulado. A avaliação tende a ser baseada em desempenho, a instrução é atada a equipamentos, e os instrutores qualificados que supervisionam a prática são escassos.

Seus vizinhos nesta base de conhecimento diferem principalmente em escopo. A formação profissional cobre a requalificação no trabalho e corporativa, em grande parte para quem já está empregado; a EFP cobre também a preparação ocupacional inicial. A aprendizagem de adultos nomeia características de quem aprende, e não especificidade ocupacional. O ensino superior nomeia o estudo que concede diplomas, enquanto boa parte da EFP é organizada por frameworks de qualificação como os padrões de unidade da NZQA ou o EQF. A educação STEM e a EFP se sobrepõem em domínios técnicos, mas a educação STEM mira o entendimento conceitual, enquanto a EFP mira o procedimento utilizável. O desenvolvimento de carreira e prontidão nomeia as disposições de empregabilidade pelas quais os programas de EFP são julgados; a EFP nomeia o sistema instrucional responsabilizado por produzi-las.

O que é distintivo na IA na EFP é uma lacuna entre o que o setor diz que quer e o que constrói: a teoria construtivista é amplamente professada, enquanto sistemas behavioristas de treino e prática dominam e designs de agência de quem aprende permanecem raros. A questão recorrente de design não é se a IA consegue entregar instrução, mas se ela consegue absorver as partes da aprendizagem vocacional que são caras de prover com pessoal — cenários realistas, feedback oportuno, contrapartes encenadas, evidência oral — sem deslocar a prática que produz competência.

Como a IA aparece na educação e formação profissional

  • Uma base de evidências jovem, fragmentada e geograficamente concentrada. A primeira revisão sistemática de IA na EFP (Artificial intelligence in vocational education and training: A systematic review of educational purposes, theoretical conceptualizations, and empirical effectiveness) identificou 26 estudos empíricos publicados entre 2015 e 2026 por meio de ERIC, Web of Science e Elicit sob as diretrizes PRISMA: nove de domínio técnico, nove de domínio geral, cinco em administração de empresas e três em saúde. Os cenários eram seis em sala de aula, oito on-line, quatro híbridos e oito baseados em simulação — e nenhum em um local de trabalho, apesar do caráter baseado no trabalho da EFP. Dezessete dos 26 tiveram origem na Ásia; apenas nove estudos compartilhavam pelo menos uma referência e nenhum citava os outros. Cinco eram experimentos aleatorizados e 21 usavam designs pré-experimentais ou quase experimentais, medindo em grande parte desfechos imediatamente após a intervenção, e apenas três deram a quem aprende um papel ativo em um design potencializado por IA. Os autores alertam sobre uma "Armadilha de Turing" educacional — usar IA para replicar a instrução humana em vez de aumentar o julgamento humano — e pedem casos de falha e condições de fronteira em lugar da narrativa de sucesso prevalecente.

  • A simulação absorve o papel escasso. O ASTRA: A Scalable Next-Generation ATCO Training Simulator with Autonomous Simpilots mira uma restrição de capacidade no treinamento de controle de tráfego aéreo: os simpilots, instrutores humanos especializados que encenam tanto pilotos quanto controladores em um espaço aéreo simulado. O ASTRA substitui simpilotos autônomos movidos por LLM, mantendo a complexidade do cenário ao mesmo tempo que remove o gargalo de pessoal e habilita prática adaptativa em escala. É uma descrição de sistema, e não um ensaio de eficácia, mas nomeia um mecanismo que recorre ao longo da IA na EFP: onde o insumo escasso é um humano qualificado encenando uma contraparte, um agente pode assumir o papel e deixar a prática se expandir.

  • Trabalho de projeto imersivo e com apoio de agentes pode elevar a capacidade de design — seletivamente. O Cultivating Design Creativity of Vocational Students: A Model of Project-Based Learning in AI-Enabled Immersive Virtual Environments especifica o AI-IVE-PBL, um modelo de quatro dimensões e cinco fases (descoberta, envisionamento, modelagem, comunicação, refinamento) conduzido em RV com um assistente humano digital sustentado por LLM em um curso de design de interiores do primeiro ano em uma faculdade profissional chinesa. Em um quase experimento de dois grupos de 12 semanas (63 respostas válidas; 31 contra 32), a condição imersiva-agente pontuou mais alto em capacidade de design (η²p = 0,138) e capacidade criativa (η²p = 0,111) sob ANCOVA, com engajamento cognitivo d = 0,90, engajamento comportamental d = 0,75, motivação d = 0,74, satisfação d = 0,69, e carga cognitiva menor (d = −0,52). Pensamento inovador e engajamento afetivo não alcançaram significância, atribuído pelos autores a tetos de curto prazo sobre padrões cognitivos entrincheirados. Todo desfecho é autorrelato, sem artefatos de design nem avaliações de especialistas. Lido contra o Generative AI and Extended Reality in Collaborative Architectural Design Education: An Exploratory Studio Study, onde um pipeline de IA generativa mais RV produziu autoeficácia de design em declínio e nenhuma vantagem em painel cego, a diferença parece menos estar no hardware do que em quem detém a estrutura de fases e a rubrica.

  • A avaliação é onde o problema da autenticidade é mais agudo. O Designing AI-Supported Oral Assessment in TVET documenta o AkoVoice, testado em quatro turmas de Nível 3 de Automotiva e uma de Nível 3 de Engenharia, projetado de modo que a IA traz à tona a evidência da rubrica enquanto o avaliador humano julga. Dos 33 aprendizes pesquisados, 21 (64%) concordaram que a tarefa de voz era realista e a mesma proporção disse que ela dava uma forma clara de comunicar o que sabiam; ninguém discordou que falar em tempo real se ajustava melhor a esta avaliação autêntica que um portfólio escrito. As contagens de palavras para perguntas idênticas variaram de cinco a oito vezes entre aprendizes sem melhorar a acurácia em perguntas factuais, e nove aprendizes respondendo em 2 a 13 palavras foram todos marcados corretamente, o mais curto sendo duas palavras, "3500 kgs", correspondidas por valor. Um ciclo completo de captura, armazenamento, elaboração de julgamento por IA e relato pelo professor rodou off-line em um único laptop Windows com 8 GB de memória gráfica (Mistral 7B via Ollama, faster-whisper, Chatterbox), avaliando até 12 aprendizes ao mesmo tempo em uma oficina onde a estrutura de aço derrota o wifi, com gravações criptografadas e apagadas após 90 dias. O artigo observa que a Lei de IA da UE trata a IA que avalia resultados de aprendizagem em formação profissional como de alto risco, enquanto a Nova Zelândia não tem framework de TVET específico do setor.

  • Acompanhamento limitado em vez de substituição. O Design Principles and Observable Indicators for AI-Enabled Pedagogical Accompaniment: Evidence from the Amico Dual-Mode Prototype in Italy and China argumenta que o valor da IA em contextos técnicos e vocacionais depende de mediação pedagógica responsável em vez de semelhança humana. Seu protótipo Amico pareia o AmicoMio, orientado à clareza técnica e à orientação passo a passo de tarefas, com o AmicoTuo, orientado ao diálogo reflexivo e à questionamento maiêutico. O princípio de design é uma ponte relacional: interação deliberadamente temporária, direcional ao contato humano, e limitada por salvaguardas, com adultos retendo a responsabilidade humano no comando. Pilotos exploratórios (N = 30, Itália e China, 20 sessões limitadas) concluíram que participantes trataram o sistema como ferramenta de apoio limitada, sem expectativa relatada de substituição ou dependência.

  • A aprendizagem assistida por IA carrega um custo psicológico quando substitui o esforço. O AI-Assisted Autonomous Learning and Reduced Academic Accomplishment in Vocational Higher Education: The Mediating Role of Hardiness pesquisou 1.264 estudantes de faculdades profissionais na China usando modelagem por equações estruturais e concluiu que a aprendizagem autônoma assistida por IA se associa negativamente à resistência (hardiness: compromisso, controle, desafio) e positivamente à redução da realização acadêmica, uma dimensão de esgotamento de autoavaliação negativa. A resistência mediou parcialmente a relação. O design é transversal, autorrelatado e de instituição única, de modo que a causalidade não está estabelecida, mas o enquadramento importa para a EFP: onde a confiança é construída por prática repetida, a IA como substituta pode reduzir tanto a disposição de persistir quanto a experiência sentida de domínio.

  • Acelerando a produção de currículo sem entregar a verificação. O AI-accelerated End-to-End Framework for Rapid Professional Upskilling aplica IA ao longo de todas as cinco etapas da requalificação profissional — aquisição de conhecimento, desenvolvimento de conteúdo, revisão e verificação, treinamento por tutor com IA e desenvolvimento de avaliação —, mantendo ao mesmo tempo o design do blueprint, a revisão de conteúdo por especialistas e a autoria de mal-entendidos com humanos. Sua validação externa inclui acreditação CPE da NASBA, três de três aprendizes passando em uma prova de certificação da NVIDIA usando apenas a base de conhecimento do framework, e um banco de 530 questões marcado a um blueprint de 53 habilidades. Ele pertence aqui porque trata a verificação como etapa de primeira classe: a detecção de alucinação está em grande parte ausente dos pipelines de educação, e o artigo relata que a tutoria padrão com LLM alcança apenas 52–70% de ações pedagógicas corretas.

Conceitos conectados

Artigos conectados

Metadados

DisciplinaVocational Education
NívelAdult Learning, Higher Ed
Público-alvoInstructors, Curriculum Designers, Institutions
Aprendizagem e ensinoDesenvolvimento profissional e preparação, Aprendizagem no trabalho
Tecnologias e técnicasIA com humano na alça (HITL), Tutoria inteligente, Simulação
Avaliação e mediçãoAvaliação autêntica
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.