Nas universidades dos Estados Unidos, uma nova leva de ferramentas de IA está chegando com força. Enquanto muitos estudantes recorrem a chatbots para receber respostas prontas de trabalhos e listas, um sistema recém-criado segue a direção oposta: ele se recusa a entregar a solução final e conduz o aluno, etapa por etapa, a raciocinar por conta própria.
Como um método antigo virou o “treinador-chefe” da IA
Um grupo de pesquisa da University of Wisconsin–La Crosse criou um chatbot com uma lógica inspirada em um filósofo da Antiguidade. Em vez de oferecer videoaulas, explicações fechadas ou gabaritos, a ferramenta opera com um roteiro de perguntas baseado no método socrático - uma espécie de “parteira” do pensamento.
Na prática, funciona assim: se um estudante pergunta como calcular a taxa de crescimento do Produto Interno Bruto, a IA não devolve uma fórmula. Ela começa com perguntas simples, que obrigam o aluno a organizar a ideia:
- O que o Produto Interno Bruto mede, afinal?
- Quais grandezas você está comparando quando fala em crescimento?
- Em que intervalo de tempo você está observando essa variação?
A cada resposta, o chatbot aproxima o estudante do caminho correto - sem “roubar” o último passo.
"A essência do sistema: nada de conhecimento mastigado, e sim perguntas consistentes até que a ficha caia por conta própria."
Para manter o conteúdo alinhado ao que é ensinado, o sistema foi treinado com transcrições completas das aulas de macroeconomia da universidade. Além disso, a IA só pode trabalhar com esse material e não tem acesso à internet. Com isso, o conteúdo fica preso ao currículo oficial, e fontes aleatórias ou informações duvidosas da web não entram no processo.
O que acontece quando a IA é proibida de dar respostas
Os pesquisadores quiseram medir como esse tipo de ajuda - que pode soar “irritante” - afeta o desempenho em provas. Na primavera de 2025, eles dividiram 140 estudantes de uma disciplina de macroeconomia em quatro grupos:
| Grupo | Forma de trabalho |
|---|---|
| 1 | Sozinho com o chatbot de perguntas |
| 2 | Apenas trabalho clássico em grupo, sem IA |
| 3 | Primeiro usar o chatbot, depois discutir em grupo |
| 4 | Grupo de controlo, sem apoio especial |
A análise, publicada como um Working Paper no SSRN, aponta diferenças claras. Um ponto central: o resultado depende muito mais de como o estudante usa a IA do que simplesmente do fato de usar.
"Quem pergunta junto e pensa ativamente, ganha muito. Quem fica passivo e é ‘alimentado’ pela IA, fica para trás."
Usuários ativos melhoram; usuários passivos despencam
O melhor desempenho apareceu no grupo híbrido: estudantes que primeiro trabalharam com a IA e depois continuaram o raciocínio em equipa. No terceiro teste, as notas ficaram, em média, 12 pontos acima das do grupo de controlo - um avanço considerável para apenas um semestre.
O cenário foi bem diferente para quem se acostumou a usar ferramentas de IA como geradores de respostas convenientes, tratando o recurso como uma “máquina de solução”. Quando essa muleta não estava disponível em uma avaliação posterior, o desempenho caiu, em média, 8 pontos.
Os autores descrevem o efeito como uma “muleta cognitiva”: se o estudante resolve tudo com um clique, o próprio treino de resolução de problemas praticamente não acontece. Quando a ajuda some de repente, a lacuna aparece sem piedade.
Erros como gatilho para novas perguntas
Um detalhe relevante é a forma como o sistema lida com equívocos. Em vez de corrigir de maneira direta, o chatbot usa a resposta errada como ponto de partida para uma nova sequência de perguntas.
Por exemplo: se o estudante confunde PIB real com PIB nominal, não há uma devolutiva do tipo “está errado”. A IA reinicia o percurso com outra bateria de questões:
- O que um índice de preços descreve?
- Como esse índice muda ao longo do tempo?
- Que papel o nível de preços tem quando você compara crescimento?
O mesmo padrão aparece em assuntos mais exigentes, como inflação. Se a resposta revela que o vínculo entre oferta de moeda, velocidade de circulação e nível de preços está confuso, a ferramenta dispara três ou quatro perguntas direcionadas. A intenção é que o aluno perceba sozinho qual “peça” do raciocínio não está encaixando.
"A IA não acende uma luz verde nem vermelha - ela coloca um espelho na frente e obriga à autocorreção."
O que a combinação com trabalho em grupo acrescenta
O modelo mais eficaz foi justamente aquele em que a IA funciona apenas como primeiro passo. Os alunos começam sozinhos com o chatbot, o que os força a avançar individualmente, pergunta após pergunta. Depois, eles se reúnem em grupos pequenos e expõem o próprio encadeamento de ideias.
Essa combinação tende a gerar vários ganhos de aprendizagem:
- Cada pessoa chega à discussão com um caminho próprio de solução.
- Contradições aparecem rápido e viram tema de debate.
- Termos técnicos e fórmulas ficam mais firmes, porque precisam ser explicados com palavras do estudante.
- Alunos mais tímidos chegam com mais segurança para contribuir, já que fizeram a “prévia” com a IA.
Os pesquisadores citam estudos de Harvard que já haviam mostrado que perguntas guiadas consolidam conhecimento melhor, no longo prazo, do que simplesmente “jogar” informação no aluno. O novo trabalho reforça isso e indica como o efeito se intensifica quando entra uma componente social.
Por que esta IA funciona diferente do ChatGPT e similares
Modelos de linguagem como o ChatGPT normalmente respondem de forma direta. É exatamente isso que os torna atraentes - e, ao mesmo tempo, problemáticos para aprender. Muitos estudantes buscam frases prontas para redações, passos de cálculo para exercícios ou até soluções completas de programação, sem realmente processar o conteúdo.
O sistema novo inverte essa lógica. Entre as principais características estão:
- Nada de soluções prontas, apenas perguntas de retorno
- Limitação ao conteúdo da própria disciplina
- Erros não são “apagados”; viram material de trabalho
- A meta é compreensão, não velocidade
Para as universidades, isso abre uma possibilidade: integrar IA aos cursos sem transformar tarefas em simples copy & paste. Em vez disso, a ferramenta vira um parceiro de treino para pensamento estruturado.
Oportunidades e riscos no dia a dia universitário
Ainda assim, o equilíbrio é delicado. Se o chatbot for rígido demais e gerar frustração, os estudantes perdem a motivação rápido. Se for permissivo e começar a entregar meias respostas, o sistema escorrega de novo para o papel de “máquina de resposta”.
Mesmo assim, o estudo sugere que algumas regras claras aumentam bastante as chances de dar certo:
- A IA não pode ser a única referência: precisa de aulas presenciais e troca entre pessoas.
- Os docentes têm de explicitar o uso: o que é permitido e o que não é?
- As tarefas devem ser desenhadas para que copiar não resolva.
Também entra a questão da equidade: se parte dos estudantes usa sistemas rígidos baseados em perguntas e outros usam chatbots poderosos e livres, as condições ficam rapidamente desiguais. Por isso, algumas instituições discutem oferecer tutores de IA de forma centralizada e restringir com mais força os bots “de resposta aberta” durante períodos de avaliação.
Como levar a ideia para outras áreas
A macroeconomia é um bom terreno para esse tipo de sequência de perguntas, porque conceitos como inflação, crescimento e produtividade se conectam por lógica. Mas a abordagem pode ser aplicada a muito mais campos:
- Matemática: derivar provas em etapas, em vez de entregar um caminho pronto.
- Ciência da computação: questionar estruturas de dados e algoritmos antes de gerar código.
- Direito: verificar quais requisitos legais estão presentes antes de afirmar um resultado.
- Medicina: conduzir anamnese e hipóteses diferenciais sem fechar um diagnóstico de imediato.
O ponto decisivo será a rapidez com que professores conseguem montar os próprios conjuntos de perguntas. Quanto mais fácil for alimentar e controlar esses sistemas com materiais de aula, mais viável tende a ser uma adoção ampla.
No fim, sobra uma constatação simples - e incômoda: a IA não substitui o ato de pensar; no máximo, ela consegue provocá-lo. A questão já não é se os estudantes usarão ajuda digital, e sim para quê: como um automatizador de respostas ou como um sparring persistente para o raciocínio.
Comentários
Ainda não há comentários. Seja o primeiro!
Deixar um comentário