Nesta página

Esta página foi traduzida para o português. As páginas de artigo continuam escritas em inglês. Ler esta página em inglês

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

Um volume gratuito, organizado por editores, da Society for the Teaching of Psychology (2026, ISBN 978-1-941804-82-7), que organiza a IA generativa curso a curso em vez de ferramenta a ferramenta. A psicologia fornece os respondentes de muitas pesquisas sobre uso de IA sem ser o objeto delas; este livro é o contraponto, com 21 capítulos de curso mais uma introdução e uma conclusão ao longo de 255 páginas.

O argumento que o livro defende

A premissa dos editores é que os professores de psicologia estão excepcionalmente bem posicionados para ensinar o uso de IA, porque a disciplina já ensina julgamento sobre medição, evidências e comportamento humano. A alegação deles é mais restrita do que "letramento em IA importa". É que o letramento em IA é desenvolvimental: não é que os estudantes o tenham ou não o tenham — eles o adquirem por meio de acesso escalonado, reflexão e feedback.

Três compromissos de design se seguem, e a maioria dos capítulos implementa pelo menos um deles. Escalone o que os estudantes podem fazer com uma ferramenta, passando do uso guiado ao uso independente conforme o julgamento se desenvolve. Combine o uso com verificação, para que uma alegação feita com um modelo tenha de ser conferida contra uma fonte e demonstrada. Defina sucesso como julgamento sobre quando e se usar a ferramenta, não fluência com ela.

A estrutura é o argumento. Os capítulos são agrupados pelo curso que o professor está prestes a ensinar — fundamentais e transversais, clínicos e de aconselhamento, métodos de pesquisa e estatística — em vez de por ferramenta, capacidade ou política institucional.

Seção I: cursos fundamentais e transversais

  • O acesso é o primeiro problema, não a ferramenta (Slade e Hyk). Estudantes que chegam sem experiência prévia com IA estão em dupla desvantagem: falta-lhes a habilidade de prompting e falta-lhes o julgamento sobre quando uma resposta fluente está errada. O capítulo ensina engenharia de prompts junto com repositórios abertos de prompts reutilizáveis, e trata essa instrução como uma medida de equidade. O autor declara um interesse financeiro em uma empresa que comercializa IA educacional.
  • IA como geradora de conteúdo para o ensino (Corcoran). O caso de uso do capítulo é a própria preparação do professor: visuais, exemplos, problemas e outros estímulos de ensino gerados conforme um objetivo declarado. O argumento é que a personalização para esse objetivo, não a novidade, é o que torna a saída útil. O capítulo também insiste que os estudantes sejam ensinados sobre a IA — suas limitações e ética — e não apenas a recebam.
  • Habilidades de estudo como ponte para a teoria (Costa). Em um curso avançado de aprendizagem e memória, os estudantes usam ferramentas de estudo com IA e depois mapeiam o que as ferramentas fazem na prática espaçada e na recuperação. O design torna a psicologia o objeto e a ferramenta o espécime, que é a forma mais limpa de ensinar um curso cujo conteúdo é a ciência da aprendizagem que as ferramentas afirmam implementar.
  • Um projeto aplicado de mudança de comportamento (Emanuel). Os estudantes conduzem um projeto de mudança de comportamento de saúde com um sistema de IA como coach. Suas reflexões separam o que funcionou — sugestões imediatas, personalizadas e sem julgamento — do que não funcionou: nenhuma empatia e desinformação plausível sobre saúde. O capítulo é um dos poucos que coloca um modelo em um papel em que estar errado tem um custo.
  • IA como treinadora de debate (Jackson). Um curso avançado de psicologia social usa um modelo para mapear argumentos, trazer contra-argumentos à tona e ensaiar refutações antes de um debate público, com cada alegação verificada contra fontes revisadas por pares. Das reflexões escritas, 75% consideraram o modelo pelo menos moderadamente útil na preparação e 35% foram fortemente positivas; cerca de 10% viram pouca utilidade, principalmente porque o modelo produzia argumentos genéricos ou erros confiantes. A iteração posterior acrescenta um plano de preparação de uma página e um registro de evidências ligando cada alegação a uma fonte.
  • Um chatbot de curso com funções de feedback (Lee, Nam e Wages). Um chatbot construído para Introduction to Psychology, Research Methods e Psychology Apprenticeship apoiou o brainstorming de tópicos, o refinamento de perguntas de pesquisa e a estrutura de artigos. Os autores relatam 124 estudantes na pesquisa pré-teste e uma taxa de resposta de 25% no pós-teste, então a evidência de resultados é mais fina que o detalhe da implementação.
  • Avaliação em três níveis (Granito). Tarefas diagnósticas, formativas e somativas ganham cada uma uma versão aprimorada com IA, e a ponta somativa se move para projetos autênticos em que a ferramenta é uma parceira de apoio em vez do produto final. Este é o capítulo a ler se a pergunta é o que parar de avaliar.

Seção II: cursos clínicos e de aconselhamento

  • Psicoterapia como atividade introdutória (Castro). Os estudantes escolhem um transtorno do DSM-5-TR e uma técnica de psicoterapia, depois vivenciam uma sessão simulada e discutem o que a telessaúde baseada em IA ganha e perde. O design ensina a técnica por contraste: a simulação mostra o que é a parte relacional da terapia ao omiti-la.
  • Construindo estudos de caso juntos (Pulido). Os estudantes usam o ChatGPT para redigir estudos de caso do DSM-5-TR e depois avaliá-los, o que coloca a habilidade de avaliação no estudante e não no modelo. O capítulo descreve adaptações para pós-graduação e graduação e trata o refinamento iterativo de prompts como parte do raciocínio clínico, não uma tarefa técnica.
  • Conceituação de caso em um seminário (Draheim). A conceituação de caso é onde os estudantes sintetizam informações do cliente e pesquisas de resultados de tratamento, e é difícil de ensinar na graduação. O seminário usa IA para gerar e criticar conceituações, com a carga de feedback do professor nomeada como a restrição que torna a ferramenta atraente em primeiro lugar.
  • Humildade cultural (Draheim). Uma tarefa de casa usa um modelo para trabalhar um artigo sobre humildade cultural, seguida de um exercício em sala para encontrar os vieses dentro da saída generativa. O emparelhamento importa: a ferramenta é usada para abrir um tópico e depois se torna o objeto de crítica na mesma semana.
  • Ensino sensível ao trauma (Rubio). Cursos de pós-graduação sobre trauma usam modelos de texto e imagem para cocriar histórias terapêuticas e imagens de lugar seguro, fundamentadas no modelo trifásico de Herman e no modelo neurosequencial de Perry. Aqui o arcabouço faz o trabalho; as ferramentas fornecem material que o arcabouço então restringe.
  • Bots como terapeutas (Niederjohn). Os estudantes conversam com vários chatbots e comparam a experiência com o trabalho presencial sobre aliança terapêutica. O capítulo fornece os números que tornam o exercício urgente: 65% dos profissionais de saúde mental em pesquisas anteriores viam benefícios no apoio de chatbots, enquanto 86% não apoiavam seu uso no cuidado. Sua sugestão prática é uma escada — primeiro role-play com IA, depois pares, depois pacientes simulados humanos.
  • Role-play para estudantes em formação (Labriola e VanHara). Role-plays com IA substituem o role-play roteirizado entre pares por apresentações clínicas sem roteiro, o que, segundo os autores, aumenta o realismo e a disposição para assumir riscos. Eles ancoram a necessidade em dados de pesquisa com estudantes: 86% de quase 4,000 estudantes em 16 países relataram usar IA, 58% disseram que lhes faltava conhecimento suficiente sobre ela, e 72% queriam cursos de letramento em IA.

Seção III: métodos de pesquisa, estatística e letramento científico

  • IA como copiloto de pesquisa (Sumutka e colegas). As atividades conduzem novatos pelo estreitamento de um tópico, a busca de fontes, a geração e operacionalização de variáveis e a aplicação da ética. O objetivo declarado é letramento informacional primeiro e velocidade depois, e o capítulo é explícito de que a ferramenta está sendo modelada tanto quanto usada.
  • Geração de perguntas como avaliação crítica (Burkett). Uma abordagem em três fases em um curso de graduação de métodos de pesquisa transforma o ChatGPT em um gerador de perguntas avaliativas sobre designs de estudo, com um GPT personalizado construído para esse fim. As perguntas então servem como medida de compreensão — um movimento de avaliação que outros capítulos discutem mas raramente operacionalizam.
  • Usos e abusos, como módulos (Urdan, Firtch e White). Módulos prontos para uso cobrem geração de designs de pesquisa, testes práticos e os modos de falha conhecidos, com o raciocínio de que o atrito de adoção é a barreira real para professores curiosos sobre IA mas com pouco tempo.
  • O chatbot que ficou aquém (Hilley e Edwards). "Zig", construído na plataforma Juji para um curso obrigatório de estatística, deveria dar ajuda sob demanda com problemas práticos. Não atendeu às expectativas. Suas falhas são específicas e instrutivas: um estudante perguntando sobre o teste de Levene digitou "levee" e recebeu uma recusa, uma pergunta sobre avaliação produziu uma resposta não relacionada sobre escores z, e pedidos de exemplos receberam definições. Muito disso remonta a uma plataforma carregada de perguntas e respostas em vez de um modelo de raciocínio, mas o capítulo é o resultado negativo honesto do volume e o que se deve ler antes de construir um bot de curso.
  • Integração escalonada no ensino de R (Garrison, Tyson e Lyu). O modelo de quatro estágios começa com aprendizagem sem IA e adiciona ferramentas apenas quando os estudantes conseguem avaliar o que as ferramentas produzem. O sinal de prontidão que os autores nomeiam é a frustração com os limites da IA, e o modo de falha que documentam é introduzir a IA mais cedo, o que produziu dependência antes que os fundamentos estivessem lá.
  • ChatGPT mais Elicit em um seminário do último ano (Katzarska-Miller). Quatro oficinas preparatórias precedem um artigo de pesquisa de um semestre, com um modelo generativo para redação e uma ferramenta assistente de pesquisa para a literatura. O capítulo fundamenta o design na teoria construcionista social da aprendizagem e usa autoavaliação pré e pós-curso para verificar se o letramento em IA se moveu.

O que se repete nos vinte e um capítulos

  • Escalone o acesso. Quase todo capítulo retém a ferramenta até que os estudantes tenham algo contra o que julgá-la, seja uma estatística, um arcabouço, uma posição de debate ou um fundamento de programação.
  • Exija verificação e torne-a visível. Registros de evidências, checagens de fontes, logs de prompts e notas de "o que mudou após a checagem de fatos" aparecem em todas as seções. A exigência é o que converte o uso da ferramenta em aprendizagem.
  • Use a reflexão dos estudantes como instrumento. As reflexões são a base de evidências da maioria dos capítulos, o que também é a fraqueza metodológica central do volume.
  • Projete no nível do curso, não da ferramenta. A própria decisão organizadora do livro — um capítulo por curso — é a recomendação.
  • Mantenha o julgamento do professor como objeto. A alegação recorrente é que os estudantes devem sair capazes de decidir quando não usar a ferramenta.

Onde o livro é superficial

Os capítulos são relatos de praticantes. Quase nenhum relata um design, uma amostra ou um tamanho de efeito, e onde aparecem números eles descrevem a implementação em vez da aprendizagem. As exceções são parciais: Lee e colegas têm pesquisas pré e pós-teste com uma taxa de resposta de 25% no pós-teste, e a análise de reflexões de Jackson é uma codificação temática de uma turma.

O entusiasmo também é verificado de forma desigual. Corcoran e Costa escrevem como defensores; Hilley e Edwards relatam uma falha; apenas Slade e Hyk declaram um interesse comercial. Capítulos que nomeiam produtos específicos vão datar rapidamente, já que a maioria descreve as ferramentas como se comportaram durante 2025.

Lacunas de cobertura que vale conhecer: custo e níveis premium são pouco discutidos, acessibilidade e deficiência não são tratadas como uma seção, e K-12 aparece apenas no capítulo de Castro sobre educação secundária. O volume é sobre ensino de psicologia na graduação e na pós-graduação nos Estados Unidos, com pouco sobre grandes cursos expositivos além dos de Costa e Granito.

O que você pode fazer com ele

Leia o capítulo do curso que você está prestes a ensinar. As três seções — cursos fundamentais e transversais, cursos clínicos e de aconselhamento, métodos de pesquisa e estatística — mantêm juntos os capítulos relacionados. Exemplos: um chatbot tutor em estatística psicológica, ChatGPT emparelhado com Elicit em um seminário do último ano, IA como treinadora de debate, conceituação de caso e humildade cultural na formação clínica, e um capítulo de métodos de pesquisa que faz os estudantes gerarem perguntas com o ChatGPT e depois criticá-las.

Para quem é

Professores de psicologia em qualquer estágio da carreira, e professores em disciplinas de ciências sociais adjacentes cujos problemas de avaliação têm a mesma forma: trabalhos com muitas redações, discussão de casos, ansiedade com estatística, cursos pequenos onde um redesign é viável.

Observações e ressalvas

PDF gratuito, sem conta. Os direitos autorais são da STP, não uma licença Creative Commons: cópias pessoais e de sala de aula são permitidas com atribuição, enquanto redistribuição ou uso comercial precisam da permissão do autor. Os capítulos são relatos de praticantes, não estudos — sem designs, amostras ou tamanhos de efeito — então trate as alegações como relatos de experiência e cite os capítulos individualmente.

Conceitos conectados

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.