Uma meta-análise de 85 estudos encontrou efeito médio positivo da IA generativa na educação STEM, mas mostrou que esse resultado é altamente heterogêneo e pode desaparecer quando a IA substitui, em vez de ampliar, a atividade cognitiva do estudante.
A pergunta está errada
Nos últimos anos, a discussão sobre inteligência artificial na educação foi dominada por uma pergunta:
“A IA melhora o aprendizado?”
Parece uma boa pergunta.
Mas talvez seja uma pergunta ruim.
É como perguntar:
“Calculadora melhora matemática?”
Depende.
Para uma criança aprendendo aritmética básica, entregar uma calculadora pode eliminar justamente o exercício mental que deveria desenvolver.
Para um engenheiro fazendo cálculos complexos, a mesma calculadora pode aumentar drasticamente sua capacidade.
O problema não é apenas a ferramenta.
É o que a ferramenta faz com a atividade cognitiva do usuário.
Uma nova meta-análise publicada em 25 de agosto ajuda a tornar essa discussão muito mais precisa.
O tamanho da pesquisa impressiona
Os pesquisadores fizeram uma revisão sistemática de estudos publicados depois de 2017.
A busca foi realizada em bases como:
- ERIC;
- PsycINFO;
- Web of Science.
Depois de triagem e seleção, chegaram a 85 estudos elegíveis.
Desses, 49 estudos, com 59 tamanhos de efeito, apresentavam condições adequadas para a meta-análise quantitativa. A maioria envolvia ensino superior e ferramentas de IA generativa baseadas em texto, como ChatGPT. Springer
Isso é muito diferente de pegar um único experimento e concluir:
“A IA funciona.”
Aqui temos uma tentativa de olhar para o conjunto da literatura.
O primeiro resultado parece excelente
A meta-análise convencional encontrou um efeito geral positivo da IA generativa sobre resultados cognitivos em educação STEM.
Se parássemos aqui, a manchete seria óbvia:
“IA melhora a aprendizagem.”
Mas os pesquisadores fizeram algo que uma boa ciência precisa fazer.
Olharam para a qualidade e a consistência do efeito.
E apareceu um problema enorme.
Os estudos discordam muito entre si
A heterogeneidade estatística chegou a I² = 96,32%.
É um número muito alto.
Significa que a diferença entre os resultados dos estudos não pode ser explicada simplesmente por erro amostral.
Em outras palavras:
a IA não está produzindo o mesmo efeito em todos os contextos.
Em alguns experimentos, o resultado é positivo.
Em outros, pequeno.
Em outros, pode ser negativo.
O contexto importa muito.
Então os pesquisadores fizeram outra pergunta
E se parte dos resultados positivos publicados estiver relacionada a viés de publicação?
O problema é conhecido.
Estudos que encontram resultados interessantes têm maior probabilidade de serem publicados do que estudos que encontram resultados nulos.
Se isso acontece, a literatura publicada pode parecer mais positiva do que a realidade.
Os autores utilizaram uma Robust Bayesian Meta-Analysis, conhecida como RoBMA, para testar essa possibilidade.
O resultado foi particularmente interessante:
o efeito positivo geral encontrado na meta-análise convencional pode ser explicado em grande parte pelo viés de publicação. Springer
Isso não significa:
“IA não funciona.”
Seria uma interpretação errada.
Significa algo mais importante:
não temos evidência suficiente para dizer que simplesmente adicionar IA ao processo educacional produz um grande ganho cognitivo geral.
Mas apareceu uma pista muito mais interessante
Os autores encontraram diferenças importantes dependendo do tipo de atividade cognitiva realizada.
A pesquisa utilizou o framework ISAR, que classifica a relação entre intervenção e atividade cognitiva em termos de:
- inversão;
- substituição;
- ampliação;
- redefinição.
A ideia básica é perguntar:
a IA está ajudando o aluno a fazer mais do que faria sozinho ou está fazendo o trabalho que o aluno deveria fazer?
Essa distinção muda tudo.
Imagine dois estudantes
O primeiro recebe um problema de física.
Ele tenta resolver.
Depois usa a IA para:
- verificar seu raciocínio;
- encontrar um erro;
- pedir uma explicação alternativa;
- comparar métodos;
- receber perguntas que o façam pensar.
A IA está funcionando como uma espécie de tutor.
O estudante continua fazendo o trabalho cognitivo.
Agora imagine outro estudante.
Recebe o mesmo problema.
Copia para a IA.
Recebe a solução.
Entrega.
Não precisou construir a resposta.
Os dois utilizaram exatamente a mesma tecnologia.
Mas o processo cognitivo foi completamente diferente.
É aí que a meta-análise fica interessante
Os autores concluem que a IA generativa parece mais promissora quando aumenta as atividades de aprendizagem dos estudantes, em vez de substituí-las.
Quando a IA substitui a atividade cognitiva que deveria ser realizada pelo estudante, o resultado pode ser prejudicial. Springer
Isso aproxima a discussão sobre IA de uma ideia muito antiga da educação:
aprender exige atividade.
Não basta receber informação.
Informação não é conhecimento
Esse talvez seja o ponto central.
Uma pessoa pode pedir à IA:
“Explique a teoria da vantagem comparativa.”
Receber uma excelente explicação.
Ler.
Concordar.
E continuar sem saber aplicar o conceito.
Porque compreensão passiva não é necessariamente aprendizagem profunda.
Para aprender economia, física ou programação, o aluno precisa também:
- recuperar informação;
- resolver problemas;
- cometer erros;
- receber feedback;
- explicar conceitos;
- comparar alternativas;
- construir respostas.
A IA pode ajudar em várias dessas etapas.
Mas também pode eliminá-las.
O risco da terceirização cognitiva
Imagine um estudante que utiliza IA para escrever todos os textos.
Ele pode terminar o semestre com textos melhores.
Mas isso não significa necessariamente que tenha aprendido a escrever melhor.
Essa distinção é fundamental.
Produto final e aprendizagem são variáveis diferentes.
Uma ferramenta pode melhorar o primeiro enquanto prejudica a segunda.
É exatamente o tipo de confusão que uma avaliação educacional precisa evitar.
E a pesquisa ainda tem limitações
Os próprios autores são cautelosos.
Variáveis importantes foram pouco reportadas nos estudos, incluindo:
- alfabetização em IA;
- habilidades metacognitivas;
- qualidade dos prompts;
- comportamento de verificação;
- delegação de tarefas.
Além disso, a evidência sobre desafios enfrentados pelos alunos e intervenções pedagógicas ainda foi considerada limitada e inconsistente. Springer
Portanto, não estamos diante da palavra final sobre IA e educação.
Estamos diante de uma fotografia importante de uma literatura ainda em desenvolvimento.
A pergunta que deveríamos fazer nas escolas
Em vez de:
“Devemos permitir IA?”
talvez seja melhor perguntar:
“Quais atividades queremos que o aluno continue fazendo sozinho, quais podemos ampliar com IA e quais podem ser automatizadas?”
Essa pergunta é muito mais útil.
Porque não transforma a IA em vilã nem em solução mágica.
Transforma-a em ferramenta.
Isso vale para além da educação
O mesmo problema aparece no trabalho.
Uma IA que escreve um relatório pode aumentar produtividade.
Mas uma IA que escreve todos os relatórios pode impedir que profissionais desenvolvam determinadas competências.
Uma IA que programa pode aumentar a capacidade de um desenvolvedor experiente.
Mas pode dificultar a formação de um iniciante se ele nunca precisar entender por que o código funciona.
A questão é a mesma:
automação aumenta capacidade ou substitui aprendizado?
Conclusão
A nova meta-análise não mostra que a inteligência artificial é boa ou ruim para a educação.
Mostra algo mais útil:
o efeito depende do que acontece com a atividade cognitiva do estudante.
Quando a IA amplia o processo de aprendizagem, há evidências promissoras.
Quando ela simplesmente substitui o trabalho intelectual que deveria ser realizado pelo aluno, o benefício pode desaparecer — ou até se transformar em prejuízo. Springer
Isso muda completamente a discussão.
O futuro da educação provavelmente não será decidido pela pergunta:
“IA ou professor?”
Será decidido por uma pergunta muito mais difícil:
“Quais partes do processo de aprender devemos automatizar — e quais precisamos preservar justamente porque exigem esforço?”
Fontes e referências
- Boolzen, C.; Kuhn, J.; Flegr, S.; Rott, E.-M.; Stausberg, N.; Küchemann, S. “Evidence of impact and interpretational limits of generative AI in STEM education: a systematic review and meta-analysis on cognitive learning outcomes.” Artificial Intelligence Review, publicado em 25 ago. 2026. Springer
- Revisão sistemática registrada previamente pelos autores e disponibilizada junto ao artigo.
