Como a IA está impactando os estudantes?

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

A IA impacta os estudantes em direções positivas e negativas, e em geral ao mesmo tempo. A mesma ferramenta pode apoiar a aprendizagem de um estudante enquanto convida à dependência excessiva, elevar a motivação enquanto corrói a agência, ou sustentar o pertencimento enquanto ameaça a autoria. A pesquisa sobre a Experiência do Estudante aponta para impactos positivos e negativos recorrentes ao longo de várias dimensões — e a direção depende fortemente de como a IA é desenhada e de como os estudantes a usam.

Impactos positivos

1. Apoio à aprendizagem. A IA pode apoiar a compreensão com Retroalimentação (Feedback), pistas e explicações, dando aos estudantes ajuda sob demanda, prática e apoio adaptativo que mantêm quem aprende realizando o trabalho cognitivamente importante. Bem-feito, isso apoia a aprendizagem e a busca de ajuda (veja Usar IA realmente ajuda os estudantes a aprender?).

2. Motivação e engajamento. Um apoio personalizado, imediato e de baixo risco pode elevar a motivação e o engajamento, ajudando os estudantes a persistir e a se sentir competentes (veja teoria da autodeterminação e suas necessidades de autonomia, competência e relação).

3. Acesso e equidade em algumas dimensões. A IA pode dar aos estudantes relutantes em fazer perguntas uma forma de baixa pressão de obter ajuda, e pode apoiar o bem-estar ao reduzir a ansiedade de buscar assistência.

4. Identidade e preparação para o futuro. A IA pode ajudar os estudantes a construir habilidades transferíveis para um mundo integrado à IA — alfabetização em IA, cognição distribuída e metacognição (veja capacidades adaptativas) — e apoiar a formação de identidade à medida que os estudantes passam a se ver como praticantes capazes e fluentes em IA.

5. Apoio psicossocial durante o estresse. Além da ajuda cognitiva, os estudantes descrevem a IA generativa como uma fonte de tranquilidade e um espaço confidencial para reflexão em treinamentos de alto estresse — uma dimensão relacional e emocional de utilidade que os modelos de adoção não capturam. Em um estudo qualitativo com 28 estudantes de enfermagem e docentes, vários estudantes descreveram a IA como uma "companheira" que fornecia conforto e um espaço sem julgamento durante o estresse clínico (Akbaba & Calik Kus, educação em enfermagem). Leia isso ao lado da evidência de dependência abaixo: o conforto é real, e pode matizar em dependência.

Impactos negativos

1. Dependência excessiva e a lacuna desempenho–aprendizagem. A IA convida à descarga cognitiva — os estudantes delegam o raciocínio de que precisam praticar. Isso pode elevar o desempenho com a IA enquanto abaixa o desempenho posterior sem assistência: a síntese da base de conhecimento sobre mau uso de IA e dano à aprendizagem documenta um ensaio randomizado controlado de campo em que um tutor de IA desprotegido melhorou a prática, mas reduziu o desempenho posterior no exame. O uso excessivo também pode corroer a metacognição e a aprendizagem autorregulada. Uma síntese de 2026 de 72 estudos em educação em computação quantifica o padrão: a IA generativa elevou de forma confiável a conclusão de curto prazo e reduziu o tempo na tarefa (36 estudos), mas os ganhos "não transferem para o desempenho independente" (21 estudos), e o benefício dependeu do conhecimento prévio — estudantes bem preparados convertiam a ajuda em habilidade durável, enquanto estudantes mal preparados a usavam como muleta que removia a falha produtiva, ampliando as lacunas de competência dentro de uma única sala de aula (Kumar et al., revisão sistemática).

2. Redução do esforço e da agência. Saber que a IA está disponível pode reduzir a disposição dos estudantes de se engajar na falha produtiva (disponibilidade da IA e motivação), e a aceitação passiva do resultado da IA pode corroer a agência e a sensação de realização que vem de fazer o trabalho si mesmo (veja a lacuna de segurança).

3. Ansiedade, vergonha e custos de bem-estar. O uso de IA está associado a ansiedade e estresse — sobre ser substituído, avaliação incerta, ou acompanhar o ritmo (veja a análise abrangente da ansiedade com IA). A vergonha e a culpa em torno do uso de IA podem levar a esconder e à declaração seletiva, prejudicando o engajamento honesto e o bem-estar socioemocional. As consequências motivacionais são mensuráveis: a pesquisa de Zhang, Shi e Lu com 1.484 estudantes de graduação descobriu que a ansiedade com IA se correlacionava negativamente com a motivação acadêmica (r = −0,175) e com a regulação emocional (r = −0,172), com a regulação emocional mediando parcialmente o caminho ansiedade com IA → motivação (efeito indireto = −0,076), enquanto a duração do uso diário não predizia quase nada (r = 0,053). A conclusão deles é que a instrução em alfabetização deveria se emparelhar com apoio à regulação emocional e metacognitiva, em vez de simplesmente expandir o acesso às ferramentas (Zhang et al., ansiedade com IA e motivação acadêmica). Uma síntese crítica de 51 registros sobre IA conversacional acrescenta uma ressalva de mensuração: confiança, dependência, dependência excessiva, apego e dependência propriamente dita são rotineiramente confundidos, e as correlações transversais com solidão, ansiedade, fadiga, procrastinação e pensamento crítico mais fraco não estabelecem causação — o uso frequente não é dependência sem prejuízo de controle ou dano funcional (Yan, síntese sobre engajamento e dependência em IA conversacional).

4. Ameaças à identidade de quem aprende. Quando a IA produz o trabalho, os estudantes podem parar de sentir que o resultado é "deles" — uma ameaça de autoria à identidade de quem aprende. O paradoxo da competência nos campos criativos mostra a facilidade de uso minando a identidade baseada no ofício que os estudantes derivam da autoria.

5. Riscos de integridade e equidade. A IA possibilita novas formas de desonestidade acadêmica, e o acesso desigual a (e a compreensão desigual de) ferramentas de IA pode ampliar as lacunas entre estudantes — uma preocupação central da Equidade.

A conclusão principal

A salvaguarda é usar a IA como apoio, não como substituta — manter quem aprende realizando o trabalho cognitivamente importante enquanto a IA fornece apoio — e observar a gama completa de impactos (cognitivo, motivacional, afetivo, identidade, social e equidade), e não apenas o desempenho. Para um tratamento mais profundo organizado por dimensão, veja a página de conceito de Experiência do Estudante. Para a resposta do lado da intervenção — como desenhar a IA dentro de um curso para que o apoio não se torne o substituto —, veja Como devo incorporar a alfabetização em IA no meu curso? e Quais são as evidências sobre intervenções de alfabetização em IA no ensino superior?.