Base de Conhecimento AIEdAIEd KB
Nesta página

Todas as edições

Atualização semanal da pesquisa em IA na educação #3

Tradução automática da página em inglês, ainda sem revisão de uma pessoa falante nativa.

Um resumo semanal da Base de Conhecimento de IA na Educação, sobre o que a pesquisa publicada na última semana significa para instrutores, desenvolvedores, pesquisadores e administradores.

Desde a última edição, 159 novos estudos, oito novas páginas de conceitos, duas novas FAQs e três novos recursos entraram na base de conhecimento, que agora reúne 2.085 resumos de artigos, 230 páginas de conceitos, 44 FAQs e 40 recursos. Busque ou use a IA para conversar com a base de conhecimento.

Conteúdo

Principais destaques e perguntas

  • O feedback de IA pode substituir o feedback de um professor? O feedback gerado por IA e o feedback do professor melhoraram as revisões de redação igualmente em um ensaio randomizado com 312 escritores do primeiro ano. O feedback do professor elevou mais a motivação porque os estudantes se sentiram conectados à pessoa que o dava. A IA pode conduzir uma rodada de revisão; o professor continua a conduzir a relação.
  • Um chatbot de apoio pode substituir um colega? Um chatbot de apoio teve o mesmo desempenho que escrever um diário na redução da solidão em um ensaio randomizado com 296 estudantes do primeiro ano; um colega atribuído aleatoriamente a reduziu. O bot expressou mais empatia enquanto os estudantes retribuíam menos, então meça a solidão em si.
  • Um módulo curto de ética muda o julgamento sobre IA? Um módulo de ética da informação de quatro semanas elevou as notas dos estudantes em cenários de julgamento ético relacionados à IA em um ensaio que randomizou 16 turmas. Cerca de 60% do ganho se manteve quatro semanas depois, e os usuários mais intensivos de IA ganharam mais. O ensino baseado em casos mostra-se promissor.
  • Mais assistência de IA melhora o trabalho criativo? Quatro experimentos randomizados com 728 adultos descobriram que, quando a IA fazia mais do trabalho, os juízes avaliavam as propostas de inovação resultantes como piores, sobretudo porque os participantes faziam menos do trabalho cognitivo. Mais assistência veio com trabalho mais fraco.
  • Um jogo escrito por IA pode ensinar melhor do que uma aula expositiva? Um jogo de interpretação de mistério superou a aula expositiva do mesmo instrutor em conhecimento e raciocínio jurídicos em um ensaio randomizado com 84 estudantes de direito. O jogo foi construído com IA generativa; a comparação foi jogo contra aula, de modo que o resultado sustenta a aprendizagem baseada em jogos e deixa o uso de chatbots sem teste.
  • Relatórios de desempenho dos estudantes mudam o ensino? Professores novos em um sistema de tutoria de matemática on-line foram aleatoriamente instados a abrir um relatório de painel de analítica de aprendizagem sobre o desempenho dos seus estudantes na primeira tarefa. Abri-lo não mudou nem a proporção que começou a tarefa seguinte nem os ganhos de nota dos estudantes, embora a conclusão da tarefa seguinte tenha subido, sobretudo em turmas menores.
  • Igualar-se a avaliadores humanos torna um avaliador de IA seguro? Uma auditoria de seis modelos de IA corrigindo 300 respostas curtas descobriu que todos marcaram trabalho idêntico mais alto quando informados de que o estudante era de alto desempenho, em 0,28 a 0,75 pontos em uma escala de dez pontos. A concordância pode esconder um viés ligado ao histórico de desempenho anterior do estudante; retenha o histórico.
  • Por que a linguagem gerada por IA é tão difícil de entender? O texto de IA usa em excesso combinações raras de palavras, verbos denominais, sujeitos inanimados, orações relativas de objeto reduzidas, substantivos empilhados e dependências longas, porque o pós-treinamento para matemática, código e raciocínio recompensa respostas comprimidas em vez de explicações claras. A implicação para a educação é que explicações, feedback e material de leitura escritos por IA podem ser mais difíceis de processar para os estudantes mesmo quando as pontuações de legibilidade parecem boas, um problema para a educação em leitura que as fórmulas não captam. [Nota editorial: Como lembrete, este boletim e a Base de Conhecimento AIEd são gerados por IA. O desenvolvedor do site deu ampla orientação editorial para melhorar a legibilidade e a utilidade; depois dessa orientação, o agente de IA aplicou a Humanizer skill e seguiu uma instrução explícita de escrever de forma afirmativa e evitar a construção "não X, mas Y".]

Novas FAQs

Duas novas respostas se juntaram às FAQs esta semana.

Como a IA pode ajudar estudantes com leitura e compreensão de leitura?

A resposta sobre leitura trata os rótulos de nível de leitura como estimativas grosseiras: a avaliação de alguns leitores reais supera uma fórmula, e uma IA instruída a fingir ser estudante não consegue dizer quão difícil um texto vai parecer. Use a IA para encontrar, simplificar e acrescentar glosas às leituras, depois teste o resultado com estudantes e mantenha o original ao lado.

Como o viés e a injustiça da IA aparecem na educação, e o que podemos fazer a respeito?

A resposta sobre viés pede taxas de erro para os grupos que você ensina, já que uma média pode esconder uma lacuna e a falha pode estar na pontuação, na tutoria, nos painéis ou na detecção. Coloque o relato por grupo e uma via de recurso no processo de compra, e corrija o próprio pipeline.

Novos conceitos

Oito páginas de conceitos entraram na base de conhecimento esta semana.

Educação em leitura

A educação em leitura agora tem uma página que separa quatro coisas que muitas vezes compartilham um mesmo rótulo: ajudar um leitor, avaliar a leitura, adaptar um texto e medir a dificuldade. Ela cita um estudo em que 193 estudantes avaliaram 3.954 frases; 72,8% as consideraram fáceis ou muito fáceis mesmo quando as pontuações Flesch diziam o contrário, de modo que um rótulo de nível escolar é um guia fraco para como um leitor específico vai experimentar um texto.

Reflexão

A reflexão tem uma página nova que a separa do monitoramento no momento, chamado metacognição. A primeira pergunta de design é se o estudante escreveu a reflexão. Em um experimento com 302 adultos, os prompts de reflexão dobraram o tempo com feedback e cortaram a prática em 40%, deixando um domínio menor, 65% contra 79%, de modo que o momento importa tanto quanto o prompt em si.

Viés de automação

O viés de automação nomeia o hábito humano que pode transformar uma recomendação correta de IA em uma decisão errada: aceitar uma resposta que você teria questionado se tivesse chegado a ela sozinho. Ele reúne os lugares onde isso acontece na educação, de notas de redação e alertas precoces à supervisão remota, e mostra como uma etapa de revisão que existe apenas no papel não consegue detectá-lo.

Educação cívica e política

A educação cívica e política mapeia uma lacuna na evidência e sintetiza o campo. Uma análise de 310 planos de aula gerados por IA encontrou 90% das atividades pedindo apenas recordação, compreensão ou aplicação básica; 94% tinham quase nenhum conteúdo multicultural; e nenhum estudo do corpus mediu a aprendizagem cívica.

Bibliotecas

Bibliotecas tratam a biblioteca como um lugar, um serviço e um grupo de profissionais. Uma revisão de 29 estudos encontra a adoção concentrada em referência e catalogação, enquanto o piloto Public AI Libraries faz do acesso compartilhado e com equipe o argumento de equidade.

Avatares de IA e instrutores sintéticos

Os avatares de IA mapeiam os papéis que um humano sintético pode ocupar, de palestrante gravado e tutor a paciente simulado e examinador. A evidência é desigual, e um rosto realista diz pouco sobre a aprendizagem; divulgação e confiança importam tanto quanto o modelo.

Analítica de sensores e do olhar

A analítica de sensores e do olhar cobre rastreamento ocular, sinais cerebrais e cardíacos e postura captada por câmera como formas de inferir atenção e engajamento e carga cognitiva. O campo é melhor em observar aprendizes do que em mudar o ensino, e a página trata privacidade, viés e a distância entre um sinal corporal e um estado mental como centrais.

Letramento informacional e midiático

O letramento informacional e midiático trata os dois como um único problema instrucional: o letramento informacional pergunta se uma fonte merece crença, enquanto o letramento midiático pergunta quem fez uma mensagem e por quê. A IA generativa colapsa as duas perguntas porque o texto fluente esconde sua origem; a página encontra pouca evidência sobre um currículo combinado.

Novos recursos

Três recursos entraram na biblioteca de recursos esta semana.

LearnHarness

O LearnHarness é um aplicativo de desktop gratuito e de código aberto no qual agentes de IA descobrem o que um aprendiz já sabe, mapeiam as ideias necessárias para alcançar um objetivo, ensinam um passo de raciocínio por vez e adaptam a prática.

Learning Commons

O Learning Commons publica blocos de construção abertos para produtos de currículo: um mapa de padrões e currículos, ferramentas para pontuar texto gerado e fluxos de trabalho de IA prontos para professores.

Public AI Libraries

O Public AI Libraries é um piloto que coloca uma estação de trabalho de IA compartilhada em bibliotecas públicas dos Estados Unidos, com chat, geração de imagens e vídeos, um espaço de trabalho de programação, um guia educacional e uma conta privada para cada frequentador.

Para instrutores

O feedback de IA iguala o do professor nas revisões, enquanto a motivação fica atrás

A IA e o feedback do professor melhoraram as mesmas redações em cerca da mesma medida em um ensaio randomizado com 312 escritores. O feedback do professor fez mais pela motivação porque o estudante se sentiu conectado à pessoa que o dava.

Mantenha uma voz humana ao redor do feedback. Combine o comentário gerado com uma breve resposta do instrutor, ou use a IA para a primeira rodada e o professor para a conversa sobre o trabalho.

Ver também: Feedback de IA em escala

Uma em cada cinco redações foi escrita inteiramente pelo chatbot

Um estudo com 77 universitários que escrevem registrou cada prompt, resposta e colagem. Quinze deles, ou um em cada cinco, entregaram redações escritas pelo chatbot, e a maioria ainda sentia que a redação era sua.

Peça o trabalho intermediário: os prompts, as revisões e uma breve nota sobre o que mudou e por quê. Torne a passagem de bastão visível enquanto ainda há tempo de ensinar.

Ver também: Redesenhar a avaliação para a era da IA

Estudantes do ensino médio usam IA quase universalmente, e os de menor desempenho usam mais

Um estudo de um ano com 4.062 estudantes alemães do ensino médio encontrou uso de IA quase universal: 95% a usavam, e os estudantes de menor desempenho a usavam mais para terminar tarefas. Esse padrão previu menos esforço depois.

Isso torna o enquadramento do uso de IA e a aprendizagem autorregulada parte do currículo, retomados ao longo do ano. Pergunte aos estudantes para que serve a ferramenta nesta tarefa, e dê aos estudantes de menor desempenho uma rota apoiada que comece por entender o trabalho.

Ver também: Reduzir a dependência excessiva da IA

Um chatbot de apoio igualou o diário, enquanto um colega reduziu a solidão

Em um ensaio randomizado de duas semanas com 296 estudantes do primeiro ano, um chatbot de apoio teve o mesmo desempenho que escrever um diário na redução da solidão, enquanto um colega atribuído aleatoriamente a reduziu. O bot mostrou mais empatia enquanto os estudantes retribuíam menos.

Um bot pode servir como um primeiro contato útil enquanto um colega ou orientador permanece disponível. Construa essa rota humana em qualquer serviço de apoio ao estudante que você recomende, e meça a solidão em si.

Ver também: IA, ansiedade e bem-estar

Trate uma simulação de IA como ensaio supervisionado

Uma revisão de 14 estudos descobriu que estudantes de enfermagem valorizaram a simulação com IA, repetível e de baixa pressão, e relataram mais confiança, sobretudo em comunicação e raciocínio clínico. Realismo, linguagem corporal e atraso de resposta continuaram fracos.

Explique os limites aos estudantes, exija que verifiquem o conteúdo gerado e faça uma discussão posterior. Mantenha a interação humana onde a comunicação não verbal ou a empatia sustentada é o ponto do exercício.

Ver também: Educação em enfermagem

O código de conclusão de curso triplicou enquanto os comentários se mantiveram estáveis

Dez semestres de 260 projetos de conclusão de curso em ensino de ciência da computação mostram a mediana de código subindo de cerca de 3.400 linhas para 10.000, enquanto os comentários ficaram perto de 8%. O número de commits subiu; os commits individuais quase não mudaram.

Avalie as decisões de design, a explicação do código e a capacidade do estudante de alterá-lo. O artefato pode agora crescer mais rápido do que a aprendizagem que ele deveria mostrar.

Ver também: Redesenhar a avaliação para a era da IA

Para desenvolvedores

Sem a figura, um tutor de IA deve recusar

Seis modelos de IA com capacidade de imagem enfrentaram 376 itens de matemática do ensino fundamental cujas figuras carregavam informação essencial. Com a figura, o melhor resolveu pouco mais da metade; sem ela, recusaram quase todas as vezes.

Trate uma recusa como sinal de contexto faltante. Uma nota ou uma atualização de perfil produzida sem a figura mede uma tarefa diferente.

Ver também: Educação matemática

Um tutor de escrita que faz perguntas e deixa a escrita para os estudantes

O MAIKE faz perguntas e diagnostica argumentos enquanto deixa o texto da redação para o estudante. Entre 65 estudantes do ensino médio, a melhoria igualou a de um chatbot de controle, de 40% para 41%, e os usuários do MAIKE passaram mais turnos em ideias; nenhum apresentou queda.

Meça se uma ideia discutida no chat vira uma revisão. Uma ferramenta de ensino de escrita que apenas melhora o texto final pode contornar o raciocínio que a tarefa existe para construir.

Ver também: Ensino de escrita com IA

Aproxime e destaque o slide enquanto a narração corre

O GuideSlide narra uma apresentação de slides e usa visualização para aproximar a parte em discussão. Em um estudo com 24 pessoas assistindo em celulares, a carga de trabalho caiu, a compreensão subiu de 5,5 para 6,5 em 9, e 21 de 22 preferiram a ferramenta.

A vantagem um dia depois não foi estatisticamente significativa, então o estudo sustenta a atenção durante a exibição; a aprendizagem duradoura permanece sem teste. Construa o direcionamento dentro da própria narrativa.

Ver também: Projetar a IA na aprendizagem

Um detector ajustado pode desidentificar texto de estudantes sem o viés de nomes

Cinco ferramentas foram testadas em 13.613 arquivos de texto de estudantes. Um GPT-4o-mini ajustado encontrou cerca de 96% dos detalhes identificadores a aproximadamente um sexto do preço por token do Azure; as ferramentas da Microsoft erraram nomes africanos e asiáticos com mais frequência.

O treinamento com dez transcrições funcionou em um conjunto novo, então a abordagem se transporta. Reserve orçamento para a segunda verificação quando a precisão importa, e relate os grupos que a sua ferramenta erra.

Ver também: Política institucional de IA

A análise de vídeo alcançou concordância de nível humano, com um humano ainda no circuito

O GAIVA transcreve, rotula e interpreta vídeos de sala de aula para analítica de aprendizagem. Em cinco gravações, seus rótulos concordaram com revisores humanos quase tão de perto quanto dois revisores entre si, e ele revelou um tipo de participação que a teoria original não nomeava.

Trate o modelo como um parceiro de codificação com um prompt rastreável e uma decisão humana em cada etapa. O modelo também revela padrões que um revisor humano talvez não procurasse.

Ver também: Pesquisa educacional assistida por IA

Para pesquisadores

Um efeito médio grande ainda pode significar nenhum benefício confiável

Uma revisão de quatro estudos controlados com 420 estudantes de computação e engenharia encontrou uma melhoria média grande, enquanto os estudos discordavam fortemente e a faixa provável incluía nenhum benefício. A evidência foi classificada como muito incerta.

Trate uma média grande de quatro estudos dissimilares como uma hipótese sobre o seu curso. Faça um piloto da aprendizagem personalizada onde ela vai funcionar, e diga claramente quão incerta é a evidência.

Ver também: O que a aprendizagem personalizada significa

Um avaliador de IA que conhece o histórico do aprendiz marca o mesmo trabalho de forma diferente

Seis modelos de IA corrigiram as mesmas 300 respostas curtas com uma nota verdadeira e uma nota trocada sobre o desempenho anterior. Todos os modelos marcaram trabalho idêntico mais alto sob o rótulo alto, em 0,28 a 0,75 pontos em uma escala de dez pontos.

O contexto do estudante está agindo como viés aqui. Relate o efeito de contexto ao lado do índice de concordância, e teste a correção sem o histórico do estudante antes de chamar um modelo de confiável.

Ver também: Justiça e confiabilidade da correção por IA

Um tutor que parece justo pode esconder uma lacuna de 26% em habilidades

Dois anos de registros de 8.549 estudantes que usam o MATHia, um tutor adaptativo de matemática, mostraram que os estudantes que ainda estavam aprendendo a ler dominaram as habilidades a 68,7% contra 77,6%, enquanto a medida de justiça geral parecia quase neutra. Uma habilidade escondia uma lacuna de 26% no domínio previsto.

O tutor não tinha componente de habilidade de leitura, então a educação em leitura era um fator ausente em um sistema de matemática. Modele a habilidade e relate lacunas no nível em que um professor interviria.

Ver também: Viés e justiça da IA na educação

Os falsos positivos de detecção são um problema de governança

Uma revisão de 90 estudos descobriu que os detectores de IA sinalizam escrita legítima a taxas que não podem ser agrupadas, porque ferramentas, limiares, conjuntos de dados e idiomas diferem. Resumos, revisões de literatura, respostas de prova, texto traduzido e prosa editada continuavam sendo sinalizados.

O remédio é procedural: uso transparente, revisão humana, letramento em IA, uma política institucional explícita e uma via de recurso. Isso pertence à governança, com as configurações do detector como uma de suas partes.

Ver também: Devemos usar detectores de IA?

Igualar-se a avaliadores humanos ainda pode não alcançar o trabalho

Vinte e dois modelos de IA corrigiram 100 itens por tarefa em respostas curtas, código e redações. A maioria igualou os humanos em respostas curtas, quatro igualaram ou superaram em código, e nenhum alcançou o nível humano em redações.

Um índice de concordância alto pode coexistir com um avaliador de IA que corrige a nota e perde a resposta. Acrescente respostas alteradas à avaliação e relate onde o modelo se afasta do trabalho.

Ver também: Justiça e confiabilidade da correção por IA

Para administradores

A evidência sobre tecnologia educacional para neurodivergentes é concentrada e liderada por pesquisadores

Uma revisão de 93 estudos descobriu que o autismo dominava a evidência sobre tecnologia educacional para aprendizes neurodivergentes, com 39,8%, à frente de deficiência intelectual, TDAH e dislexia. A realidade estendida (RV e RA) foi a mais estudada; resultados sociais e entre pares receberam menos atenção, e as crianças tiveram pouca voz.

Peça o resultado com que a sala de aula se importa e peça os aprendizes que foram incluídos na avaliação. Uma alegação validada apenas por pesquisadores pode se afastar das pessoas a quem deveria servir.

Ver também: IA para aprendizes com deficiência e neurodivergentes

Os estudantes queriam um assistente institucional para feedback

Um programa de cocriação de 13 meses com 315 estudantes e 20 membros da equipe descobriu que 73% valorizavam feedback disponível a qualquer hora e ligado aos seus estudos. Cartões de memorização e quizzes receberam mais comentários positivos do que o chat aberto, e 16 dos 18 testadores beta queriam o assistente.

Os 10% a 15% que resistiram por razões de valores representam o risco de adoção. Trate as preocupações deles como substantivas. Explique como os dados dos estudantes são tratados e o que o assistente não consegue fazer antes do piloto, e dê aos estudantes uma via para optar por não participar.

Ver também: Projetar a IA na aprendizagem

A supervisão remota detecta fraude e empurra o custo para os menos favorecidos

Uma revisão de 32 estudos descobriu que a supervisão por IA detecta impersonação e fraude, enquanto falsos positivos, falhas de iluminação e de largura de banda, ansiedade e danos à privacidade recaem com mais força sobre os menos favorecidos. A supervisão automatizada representou 59% dos estudos.

Os revisores recomendam avaliação alternativa e uma combinação de monitoramento humano e automatizado. Reduza a prova on-line de alto risco antes de acrescentar outro detector.

Ver também: Política institucional de IA

Um relatório de painel elevou a conclusão enquanto as notas se mantiveram estáveis

Professores novos em um tutor de matemática on-line foram aleatoriamente instados a abrir um relatório de painel de analítica de aprendizagem sobre o desempenho dos estudantes na primeira tarefa. Ele não mudou nem a proporção que começou a tarefa seguinte nem os ganhos de nota dos estudantes, embora a conclusão tenha subido em turmas menores.

Teste se os professores abrem o relatório, agem sobre ele e veem um ganho de aprendizagem antes de comprar analítica; um aumento na conclusão, por si só, é insuficiente.

Ver também: Verificar se a IA educacional funciona

Quase nenhuma instituição consegue nomear quem é responsável pela gestão de IA

Uma pesquisa com 387 estudantes e membros da equipe em 13 países descobriu que apenas 17% conheciam um papel designado de governança de IA. Dos demais, 71% achavam que um era necessário e 76% esperavam que melhorasse sua experiência.

Os respondentes descreveram um papel com mandato; um comitê sem mandato deixa esse papel vago. Dê ao responsável autoridade sobre treinamento, segurança de dados, revisão ética e estratégia, e publique quem o ocupa.

Ver também: Política institucional de IA

Também adicionado esta semana

A página do Diário lista todos os estudos adicionados esta semana, incluindo os que não estão resumidos aqui.

Notas sobre o site

O boletim e o seu feed RSS agora também estão disponíveis em espanhol: visite o site do boletim em espanhol ou assine o feed RSS do boletim em espanhol. Para solicitar outra localização, abra uma issue ou entre em contato com o desenvolvedor do site.

O site está muito mais leve. A árvore completa de conceitos e FAQs fica fora de cada página: a barra lateral mostra dez grupos temáticos e busca a lista completa apenas quando um leitor abre um deles, e a coluna da direita lista oito páginas recentes, contra trinta antes. Na construção inteira, o HTML caiu de 1,80 GB para 1,26 GB, e a marcação da barra lateral, de 604 MB para 87 MB.

As traduções foram atualizadas em todos os 33 idiomas configurados, incluindo as edições em árabe, hebraico e urdu, escritas da direita para a esquerda. Os resumos de artigos continuam apenas em inglês.

As edições off-line passaram para um novo local de releases do GitHub, de modo que os links antigos de EPUB e PDF não funcionam mais. Cada site de idioma mantém seu endereço habitual. Existem arquivos EPUB e PDF para os 19 idiomas com links abaixo; os outros 14 existem apenas on-line.

O código-fonte é público em github.com/edtechdev/aied.

Acompanhe a atualização

Receba cada edição pelo feed do boletim em um leitor de feeds, colando esse mesmo feed no Blogtrottr para receber as novas edições por e-mail no intervalo que você escolher, ou acompanhando-o no LinkedIn, onde cada edição é publicada como uma newsletter do LinkedIn.

AIEd Research Weekly Update vem da Base de Conhecimento de IA na Educação, que é gerada por um agente de IA. Esta edição foi redigida por esse mesmo agente de IA, com orientação editorial do desenvolvedor do site, e toda afirmação acima tem um link para a página de onde veio.

A base de conhecimento é dedicada ao domínio público sob uma licença CC0 1.0. Nenhum direito reservado.

Encontrou um problema no conteúdo? Relate no GitHub ou entre em contato com o desenvolvedor do site, Doug Holton.

FonteHistóricoEditarChat

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.