IA na escola: Por que os professores continuam ajudando sempre os mesmos alunos

Um estudo da North Carolina State University liderado por Qiao Jin revela que, mesmo com a introdução de sistemas de tutoria baseados em IA, as dinâmicas de sala de aula mudam pouco: os professores tendem a voltar a ajudar sempre os mesmos estudantes, em vez de distribuir atenção de forma equitativa.

A pesquisa analisou o uso de sistemas de tutoria inteligente (ITS) em aulas de matemática e foi conduzida em duas fases. Na primeira etapa, os pesquisadores entrevistaram nove professores de ensino fundamental que usam ITS em suas turmas. As entrevistas apontaram uma percepção clara: acompanhar cada aluno individualmente seria o ideal, mas é impraticável nas condições reais de sala. Como observa Jin, “não é realista dedicar tempo a todos”.

Os sistemas ITS são softwares baseados em IA capazes de monitorar desempenho e oferecer sugestões personalizadas em tempo real, sinalizando situações de dificuldade ou perda de foco. Indicadores como “struggle” (muitos erros consecutivos) e “idle” (inatividade no programa) aparecem nos painéis digitais — as dashboards — acessíveis aos professores. Ainda assim, esses alertas não determinam automaticamente quem receberá auxílio presencial.

Na segunda fase, o time analisou mais de 1,4 milhão de interações entre alunos e ITS, envolvendo 339 estudantes em 14 turmas de escolas médias e secundárias de 10 instituições públicas americanas durante o ano letivo 2022-2023. Esses dados, visíveis para os docentes via dashboard, permitiram mapear o comportamento efetivo em sala e confrontá-lo com as percepções levantadas nas entrevistas.

Os resultados evidenciam um efeito de “ajuda recorrente”: se um professor ajudou um aluno anteriormente, há maior probabilidade de que o mesmo aluno seja ajudado novamente, mesmo controlando o nível de engajamento. Segundo os autores, esse padrão nasce da combinação entre hábitos do docente, avaliações subjetivas sobre a necessidade do aluno e uma noção própria de equidade construída pela formação e experiência profissional.

Do ponto de vista de infraestrutura educacional, isso mostra que a IA funciona como camadas de inteligência sobre uma arquitetura humana pré-existente: as ferramentas fornecem sinais e telemetria, mas o fluxo de atenção continua a ser roteado por decisões humanas. É uma situação análoga ao sistema nervoso urbano onde sensores informam o tráfego, mas cabe ao operador decidir desvios e prioridades.

Os pesquisadores propõem aprimorar as tecnologias educativas para apoiar melhor os docentes no balanceamento do tempo entre alunos. Dashboards mais avançadas poderiam detectar automaticamente padrões de concentração de atenção e sinalizar desequilíbrios, transformando telemetria em recomendações acionáveis para uma distribuição mais justa do suporte.

Em termos práticos, a conclusão é clara: desenvolver ferramentas que apoiem a tomada de decisão docente não é apenas uma questão técnica, é um investimento nos alicerces digitais da sala de aula. Professores continuam a desempenhar um papel central e o objetivo das soluções com IA deve ser ampliar sua capacidade de gerir o tempo e a atenção de forma mais equitativa, sem sobrecarregar o trabalho pedagógico já complexo.

Para a Europa e especialmente para a Itália, onde a integração entre tecnologia e educação ainda enfrenta desafios de infraestrutura e formação, o estudo traz um alerta útil: a inteligência artificial pode fornecer diagnóstico em tempo real, mas é preciso projetar a interface e os fluxos de dados para corrigir vieses humanos e não apenas reproduzi-los.