Inteligência artificial no ensino da matemática em Cursos STEM da UNINBE: percepções de estudantes e convicções de professores

Resumo

O artigo tem como objetivo analisar as percepções dos estudantes e as convicções dos professores sobre a integração da IA no ensino da Matemática em cursos STEM na UNINBE, considerando a evolução histórica, os paradigmas conceptuais, as tendências didáticas e as práticas pedagógicas. A investigação parte da hipótese de que existem discrepâncias significativas entre percepções discente e docente quanto à fundamentação teórica, ao reconhecimento da trajetória histórica da IA e à identificação das tendências didáticas mais relevantes. A revisão teórica organiza-se em quatro eixos: evolução histórica da IA na educação matemática (dos ITS às LLMs), conceptualizações e paradigmas (behaviorismo, construtivismo, conetivismo, TPACK, SAMR), tendências didáticas atuais (personalização, gamificação, avaliação adaptativa, IA generativa) e usos práticos nas aulas e no trabalho docente, incluindo robótica, sistemas inteligentes e modelos de linguagem. Destacam-se tanto os potenciais da IA para feedback adaptativo, tutoria personalizada e desenho de aulas, como os riscos associados a viés algorítmico, superficialização do raciocínio, dependência excessiva e questões éticas de privacidade e integridade académica. Metodologicamente, adota-se delineamento de métodos mistos com dois questionários paralelos (18 itens cada) aplicados a 271 estudantes e 18 professores, organizados em quatro dimensões (história, teorias/paradigmas, tendências didáticas, práticas), combinando itens de Likert e questões abertas. A construção e análise dos instrumentos seguem literatura especializada em IA na educação e em métodos mistos, com tratamento descritivo dos dados quantitativos e análise temática das respostas abertas. Os resultados indicam que estudantes têm elevada consciência da IA generativa, mas domínio limitado sobre marcos históricos anteriores, valorizando sobretudo paradigmas behaviorista-adaptativo (feedback imediato, prática) e conetivista (aprendizagem em rede), com menor ênfase no construtivismo e em modelos como TPACK. Tendências como personalização, gamificação, avaliação automatizada e uso de IA generativa para explicar conteúdos são bem avaliadas em termos de motivação e desempenho, embora a integração efetiva em sala ainda seja esparsa, pouco colaborativa e centrada em apoio individual. No grupo docente, observa-se uso frequente de tecnologias e ferramentas de IA, mas com fundamentação teórica muitas vezes implícita ou ausente, baixa adesão explícita ao TPACK, e reconhecimento de que a personalização ainda não se reflete de maneira sistemática na planificação. Os professores apontam ganhos na redução de carga administrativa e no apoio ao diagnóstico, mas denunciam falta de formação institucional suficiente e de políticas claras para integração crítica e ética da IA. Conclui-se que há um desfasamento entre o discurso sobre o potencial transformador da IA e as práticas pedagógicas, configurando uma “ilusão de integração” marcada por usos fragmentados e instrumentalistas. O estudo recomenda: programas formais de desenvolvimento profissional em IA para docentes de Matemática, redesenho didático de unidades curriculares incorporando exploração, prática adaptativa e verificação crítica das respostas da IA, e formulação de uma política institucional de IA centrada em fundamentos didáticos, ética e equidade.