Que competências o corpo docente precisa ter em relação à IA?

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

A competência do corpo docente deve ir muito além de escrever provocações. A síntese Letramento em IA da base de conhecimento identifica quatro grandes dimensões:

• Compreensão fundamental das capacidades e limitações da IA.
• Competência prática no uso de ferramentas de IA.
• Avaliação crítica da precisão, do viés, da adequação e da incerteza.
• Consciência ética e institucional, envolvendo questões como integridade, privacidade, equidade e governança.

A camada pedagógica

Para os professores, essas dimensões precisam de uma camada pedagógica adicional. O corpo docente deveria ser capaz de:

• Decidir que trabalho cognitivo os estudantes devem manter.
• Selecionar usos de IA alinhados aos objetivos de aprendizagem.
• Desenhar avaliações válidas para a era da IA.
• Ensinar os estudantes a verificar e regular o uso de IA.
• Reconhecer alucinação, dependência excessiva e bajulação.
• Saber quando o julgamento humano deve sobrepor-se à automação.

O corpo docente também precisa de compreensão suficiente de sistemas para avaliar como os fluxos de trabalho apoiados por IA generativa se encaixam, em vez de ver a IA como uma ferramenta isolada. Ver Competência Docente em IA e Desenvolvimento Docente.

Confiança não é competência

A pesquisa resumida na base de conhecimento também alerta contra equiparar confiança a competência: o letramento em IA autorrelatado pode divergir substancialmente da capacidade demonstrada, o que torna o desenvolvimento profissional baseado em desempenho e a prática autêntica preferíveis a pesquisas de confiança isoladamente. A pesquisa sobre fluxos de trabalho multiagentes de professores sugere ainda que o pensamento sistêmico, as crenças pedagógicas e a autoeficácia interagem na integração da IA, de modo que o desenvolvimento profissional deve ser diferenciado, e não uma oficina de ferramentas de tamanho único.

O que o desenvolvimento profissional de fato move — e o que não move

Pesquisa recente sobre o ensino superior coloca números concretos em onde a competência docente é forte e onde ela se rompe. Uma pesquisa com 127 docentes de uma grande universidade de pesquisa dos EUA que usou o instrumento TPACK-21 encontrou alto conhecimento de conteúdo pedagógico autopercebido (M = 4,70) e conhecimento de conteúdo próximo ao teto (M = 5,15), mas domínios de integração tecnológica marcadamente mais baixos — conhecimento tecnológico pedagógico (M = 2,62), conhecimento tecnológico de conteúdo (M = 2,75) e TPACK holístico (M = 2,55, o mais baixo dos sete). A especialidade em conteúdo não previu o conhecimento de integração de GenAI (correlações com CC, r = ,11–,15, todas não significativas), de modo que o desenvolvimento docente não pode presumir que a maestria na disciplina se transfira e deve construir a competência em IA generativa por meio de uma programação deliberada e específica da disciplina. Como os três domínios de integração tecnológica se correlacionaram entre r = ,81 e ,91, eles podem funcionar como uma única capacidade de integração de GenAI que vale a pena ensinar como base compartilhada, e não como habilidades separadas.

O que a formação pode e não pode fazer é igualmente instrutivo. Em um estudo within-subjects com 13 professores do ensino superior, dar aos professores um chatbot melhorou significativamente a qualidade do desenho de aprendizagem deles — a parcela que alcançou duas ou mais tarefas de ordem superior na taxonomia de Bloom subiu de 41,7% para 91,7% (p = ,01) — e reduziu fortemente o esforço cognitivo percebido (mediana de 6,33 para 3,33, p = ,004); a formação em provocação pedagógica sobreposta não melhorou ainda mais a qualidade e aumentou ligeiramente o esforço. O acesso à IA, em outras palavras, muda o comportamento de ensino com facilidade; uma capacidade mais profunda exige mais do que uma oficina, e os ganhos de qualidade por si sós não provam que os professores internalizaram a prática.

Padrões, agência e identidade

A competência também é uma questão institucional. Uma pesquisa baseada em desenho com 114 participantes em 28 instituições dos EUA e 11 países produziu seis padrões de tecnologia para o corpo docente abrangendo todo o papel acadêmico — Instrutor, Coordenador, Líder, Pesquisador, Aprendiz e Colaborador — porque os frameworks existentes (TPACK, SAMR) e os padrões para educadores (ISTE, UNESCO, DigCompEdu) abordam professores do K-12 (educação básica e média) ou apenas a dimensão do ensino.

Uma pesquisa com 287 professores em 27 países mostra por que a adoção resiste a um enquadramento puramente técnico: o modelo refinado explicou 79,8% da variância na intenção comportamental, mas a autonomia artificial percebida influenciou a intenção apenas indiretamente, por meio da utilidade, e a aversão ao risco foi uma preditora negativa significativa (−,163), com os professores se preocupando muito mais com a dependência excessiva dos estudantes e com os riscos de integridade acadêmica do que com o próprio uso deles. A adoção dependeu de um julgamento sensível ao contexto, e não do apelo da automação. Por fim, entrevistas com dois acadêmicos experientes sugerem que a integração da IA gera tensões de identidade recorrentes — pedagogia versus plataforma, educador versus facilitador, cuidado versus conformidade — navegadas por meio de uma seletividade fundamentada em princípios, ancorada em valores pedagógicos. A competência inclui, portanto, julgamento profissional sobre quando não usar a IA, e não apenas habilidade em usá-la.

Para a contraparte voltada aos estudantes, ver Como devo incorporar a alfabetização em IA no meu curso? e Quais são as evidências sobre intervenções de alfabetização em IA no ensino superior?; para o resumo voltado aos professores, ver Quais são os 10 principais achados da pesquisa em IA na educação que os professores deveriam conhecer?.