Categoria: Sem categoria

Quando a gente se pergunta o que é Inteligência Artificial na Educação (AIEd), Rose Luckin é um dos principais nomes para entender o que é AIEd e compreendê-la como sistemas de computador que combinam a inteligência artificial com as ciências da aprendizagem (como educação, psicologia, neurociência, linguística e antropologia). Os estudos de Rose Luckin perpassam por pesquisar ambientes de aprendizagem adaptativos e outras ferramentas que sejam flexíveis, inclusivas, personalizadas, envolventes e eficazes. Afinal, em sua essência, a AIEd busca tornar explícitos e computacionalmente precisos os conhecimentos educacionais, psicológicos e sociais que muitas vezes permanecem implícitos, oferecendo uma visão mais aprofundada de como a aprendizagem realmente acontece.

Luckin, Rose. Machine Learning and Human Intelligence: The Future of Education for the 21st Century. UCL IOE Press, 2018. ISBN 978-1782772528. Acesse aqui o material.

Machine Learning and Human Intelligence

O desafio principal da Inteligência Humana e Artificial na Educação

A autora Rosemary Luckin argumenta que o maior desafio de nossa era não é o avanço da inteligência artificial (IA), mas sim a forma como estamos desvalorizando e subestimando a inteligência humana. Ela sugere que, ao focar em medir e valorizar apenas aspectos como o conhecimento factual e as habilidades cognitivas rotineiras, estamos “emburrecendo” a nós mesmos e superestimando a capacidade das máquinas.

O cerne do problema, segundo Rose Luckin, é que as habilidades em que a IA se destaca, como o processamento rápido de grandes volumes de dados e a memorização de fatos, são precisamente aquelas que o nosso sistema educacional tradicional mais valoriza e avalia. Luckin defende que, para prosperar em um mundo aumentado pela IA, a educação precisa mudar seu foco para o que nos torna unicamente humanos.

O Modelo de “Inteligência Entrelaçada” (Interwoven Intelligence)

Para abordar essa questão, Rose Luckin propõe um novo modelo de “Inteligência Entrelaçada” (Interwoven Intelligence). Esse modelo holístico, que vai além das definições tradicionais de inteligência (como o QI), é composto por sete elementos que se interconectam e se desenvolvem ao longo da vida:

1. Inteligência Acadêmica: conhecimento sobre o mundo, que não deve ser confundido com mera informação.
2. Inteligência Social: habilidade de interação social, que é a base do pensamento individual e da inteligência comunitária. A IA não consegue replicar essa habilidade.
3. Inteligência Metaconhecedora (Meta-knowing): conhecer sobre o conhecimento (epistemologia pessoal), ou seja, entender o que é o conhecimento, a natureza das evidências e como fazer julgamentos informados.
4. Inteligência Metacognitiva: habilidade de conhecer e regular a própria atividade mental.
5. Inteligência Metassubjetiva: habilidade de reconhecer, entender e regular as próprias emoções e motivações.
6. Inteligência Metacontextual: conhecer e regular a interação do corpo e da mente com o ambiente físico, incluindo a capacidade de reconhecer vieses.
7. Autoeficácia Percebida (Perceived Self-efficacy): o elemento mais importante da inteligência humana. É o julgamento preciso e baseado em evidências sobre a própria capacidade de ter sucesso em uma situação específica. A IA não tem essa capacidade.

Implicações para a Educação e o Papel do Professor

• Professor como arquiteto da inteligência: Rose Luckin defende que a IA não irá substituir os professores. Em vez disso, a IA pode assumir a tarefa de ensinar o conhecimento acadêmico (o Elemento 1) de forma consistente e individualizada. Isso liberaria o tempo do professor para focar no desenvolvimento dos outros seis elementos, que são exclusivamente humanos, como a inteligência social e a autoeficácia.
• Novas habilidades para professores: os educadores precisarão de apoio para desenvolver novas competências, como a interpretação de dados de aprendizagem fornecidos por sistemas de IA e a criação de ambientes de aprendizagem que promovam o desenvolvimento dos outros seis elementos da inteligência entrelaçada.
• Avaliação para o futuro: os exames tradicionais, que medem principalmente a memorização de fatos, precisam ser substituídos por novos modelos de progressão e avaliação. Esses modelos devem ser contínuos e focar no desenvolvimento de todos os sete elementos, especialmente a autoeficácia, que se torna a principal “moeda” da inteligência no mundo moderno.
• Alfabetização em IA para todos: a educação deve incluir o ensino sobre IA, não apenas para os futuros desenvolvedores, mas para que todos possam usar a tecnologia de forma eficaz, entender suas limitações e participar do debate ético sobre o que ela deve e não deve fazer.

Insights para avanços em pesquisa

Para avançar em uma pesquisa, é possível utilizar Rose Luckin como base rica e multifacetada, com várias direções, como:

1. Desenvolvimento do modelo de inteligência: operacionalização do modelo de “Inteligência Entrelaçada”. Por exemplo, como os sete elementos podem ser traduzidos em competências e habilidades mensuráveis ou como as interconexões entre eles funcionam na prática.
2. Projetos de currículo e pedagogia: propor e testar um modelo de currículo que se baseie nos sete elementos, integrando o aprendizado de fatos (via IA) com atividades focadas no desenvolvimento da inteligência social, como debates e projetos colaborativos.
3. Novos métodos de avaliação: desenvolvimento de novas ferramentas e metodologias para avaliar a “autoeficácia percebida” dos alunos de forma precisa e ética. Rose Luckin sugere que a IA pode ser usada para coletar e analisar dados para esse fim, mas ressalta a importância de definir “signifiers” (significadores) humanos para que a IA busque nos dados. Estes significadores podem ser, inclusive, o estudo sobre o SAIC – Sistema de Análise de Interações Contingentes, criado pela professora Priscila Barros David. Clique aqui para acessar seu material científico.
4. O Papel da IA no apoio metacognitivo e metassubjetivo: explorar como sistemas de IA podem ser projetados para ajudar os alunos a desenvolver a consciência sobre seus próprios processos de pensamento (metacognição) e estados emocionais (metassubjetivo), usando exemplos como os “Exit tickets” e as ferramentas de análise de dados.
5. Ética e transparência em dados de aprendizagem: Rose Luckin levanta preocupações significativas sobre a privacidade e o uso de dados de alunos. É possível aprofundar com investigação sobre a criação de um framework ético para a coleta e o uso de dados educacionais, garantindo que os alunos e pais tenham um “consentimento informado” e que a tecnologia não perpetue vieses ou manipule o aprendizado.

A IA não é uma ameaça à inteligência, mas sim um espelho que revela o que subestimamos em nós mesmos.

Não é o avanço da inteligência artificial, mas sim a nossa própria desvalorização da inteligência humana. Luckin argumenta que, ao longo do tempo, a educação e a sociedade passaram a valorizar e a medir apenas as formas de inteligência que as máquinas fazem bem, como o conhecimento factual e o processamento de dados. Isso nos leva a uma situação em que as máquinas se tornam “mais inteligentes” do que nós nas tarefas que escolhemos valorizar, enquanto as qualidades verdadeiramente humanas são negligenciadas.

O Modelo de “Inteligência Entrelaçada” (Interwoven Intelligence)

Para combater essa visão limitada, a autora propõe um modelo holístico da inteligência humana, que ela chama de “Inteligência Entrelaçada”. Este é o principal insight de Rose Luckin ao falar sobre Machine Learning and Human Intelligence e o que o diferencia de outras discussões sobre IA. Como o modelo é composto por sete elementos, os mais cruciais são:

• Inteligência Acadêmica: o conhecimento tradicional, que a IA pode nos ajudar a adquirir e processar de forma mais eficiente.
• Os seis elementos exclusivamente humanos: Luckin argumenta que os outros seis elementos, como a inteligência social, a metacognição (conhecer a própria mente) e a autoeficácia (a crença na própria capacidade), são as nossas verdadeiras vantagens competitivas.

A grande mensagem pedagógica

O principal ponto pedagógico é a ideia de que a IA não irá substituir os professores, mas sim redefinir fundamentalmente seu papel. Se a IA pode ensinar o conhecimento factual (a inteligência acadêmica), o papel do professor se transforma em um “arquiteto da inteligência humana”. Isso significa que os educadores serão liberados das tarefas mais rotineiras para focar em desenvolver os seis elementos humanos nos alunos, habilidades que são inatingíveis para as máquinas.

Assim, é possível destacar a necessidade de uma mudança de paradigma na avaliação e no currículo. Rose Luckin propõe que o foco da educação não deve ser mais em memorizar e regurgitar fatos, mas sim em desenvolver a autoeficácia percebida. Ela argumenta que a autoeficácia é a “moeda” da inteligência no século XXI, pois é a capacidade de um indivíduo de usar a IA para resolver problemas complexos e confiar em suas próprias habilidades. Dessa maneira, é possível se aprofundar em como a IA pode ser usada para medir e nutrir essa autoeficácia nos alunos, criando um novo modelo de avaliação que vai muito além dos testes tradicionais.

---

Luckin, Rose. et al. Intelligence Unleashed: An Argument for AI in Education. Pearson, 2016. Disponível em https://oro.open.ac.uk/50104/

Rose Luckin reforça, neste outro material, que a AIEd se baseia em três modelos principais que representam o mundo real em um sistema de computador:

• Modelo pedagógico: o conhecimento e a experiência do ensino. Isso inclui estratégias como o “fracasso produtivo” (permitir que o aluno cometa erros para explorar um conceito), feedback e avaliação.
• Modelo de domínio: o conhecimento da matéria que está sendo aprendida, como a Segunda Lei de Newton ou como somar frações.
• Modelo do aluno: o conhecimento sobre o próprio aluno, incluindo suas conquistas e dificuldades anteriores, estado emocional e nível de engajamento na tarefa.

Insights e Aplicações Atuais da AIEd

A AIEd já está em uso e oferece ferramentas com grande potencial:

• Tutor pessoal para cada aluno: Sistemas de Tutoria Inteligente (ITS) simulam o ensino individualizado, adaptando as atividades e o feedback às necessidades cognitivas de cada aluno, mesmo sem a presença de um professor humano. Rose Luckin menciona sistemas que diagnosticam erros de alunos em matemática ou que consideram o estado emocional do estudante.
• Apoio à aprendizagem colaborativa: a colaboração é eficaz para a aprendizagem, mas nem sempre ocorre de forma espontânea. A AIEd pode ajudar na formação de grupos adaptativos, na facilitação por especialistas, no uso de agentes virtuais (como um tutor ou um “par” artificial) e na moderação inteligente de discussões.
• Realidade Virtual Inteligente: a AIEd pode aprimorar a realidade virtual, tornando as experiências imersivas mais interativas e adaptativas. Isso permite que os alunos explorem ambientes inacessíveis ou perigosos, como uma usina nuclear ou a Roma Antiga.

AIEd e a Transformação da Educação

Rose Luckin argumenta que a AIEd não substituirá os professores, mas sim transformará o papel do professor. Ao automatizar tarefas rotineiras, como a correção e o registro de notas, a AIEd liberará o tempo dos professores para que eles se dediquem a atividades mais criativas e humanas, como a empatia e a inovação. Para essa transformação, os professores precisarão de novas habilidades, como a capacidade de avaliar produtos de AIEd e interpretar os dados de aprendizagem fornecidos por essas ferramentas.

Além disso, a AIEd pode ajudar a:

• Desenvolver habilidades do século XXI: a AIEd pode rastrear o desenvolvimento de competências como criatividade e colaboração por meio da análise de dados detalhados, como o reconhecimento de voz e o rastreamento ocular.
• Melhorar a avaliação: a AIEd permite avaliações contínuas, “just-in-time” (na hora), embutidas nas atividades de aprendizagem, eliminando a necessidade de testes tradicionais de “parar e testar”.
• Apoiar a aprendizagem ao longo da vida: sistemas futuros de AIEd podem atuar como “companheiros de aprendizagem” que apoiam o aluno ao longo de toda a sua vida, ajudando-o a desenvolver uma mentalidade de crescimento e aprimorar suas habilidades.

Problemas identificados que podem ser solucionados:

• O “imperativo de inovação”: Rose Luckin argumenta que a AIEd é uma resposta necessária à automação de empregos. A tese pode explorar essa ideia, defendendo que a AIEd é crucial para preparar os alunos para o futuro do trabalho.
• “Wicked Issues” (Problemas complexos): a autora identifica desafios como as lacunas de desempenho e a retenção de professores.
• O “status quo”: Rose Luckin critica o fato de que a AIEd ainda é uma “indústria artesanal” e que muitas ideias permanecem nos laboratórios.

Este texto tem como objetivo analisar as concepções de Inteligência Artificial aplicadas à Educação, destacando como diferentes modelos pedagógicos, de domínio e do aluno podem contribuir para personalizar a aprendizagem, apoiar professores e ampliar o alcance do ensino. A análise busca compreender tanto as potencialidades quanto os limites dessa integração entre tecnologia e prática educativa.

A autora em destaque é Rose Luckin, professora do University College London (UCL), reconhecida internacionalmente como uma das maiores especialistas em Inteligência Artificial e Educação. Sua pesquisa se concentra na personalização do ensino, aprendizagem adaptativa e na ética do uso da IA, com obras de grande impacto como Intelligence Unleashed: An Argument for AI in Education (2016). Luckin tem desempenhado um papel fundamental na legitimação do debate global sobre IA na Educação, articulando ciência, prática pedagógica e inovação tecnológica

O texto em análise apresenta como a IA pode abrir a chamada “caixa preta da aprendizagem”, oferecendo novos caminhos para compreender o processo educativo em profundidade. Ele discute os modelos centrais da Inteligência Artificial Educacional (AIEd), explora aplicações como sistemas de tutoria inteligente e aprendizagem colaborativa apoiada por algoritmos, e projeta possibilidades para o futuro da educação com o apoio de tecnologias cada vez mais sofisticadas

Luckin, Rose. Machine Learning and Human Intelligence: The Future of Education for the 21st Century. UCL IOE Press, 2018. ISBN 978-1782772528. Disponível aqui.

---

Muitas ferramentas de ponta se infiltraram em aplicações gerais prometendo serem frutos de inteligência artificial, muitas vezes sem serem chamadas de IA porque uma vez que algo se torna útil e comum o suficiente não é mais rotulado como IA. Em vez disso, essas ferramentas são consideradas programas de computador, algoritmos ou aplicativos, mas não IA.

IA são sistemas computacionais projetados para interagir com o mundo por meio de capacidades específicas (ex: percepção visual e reconhecimento de fala) e comportamentos inteligentes (ex: avaliar as informações disponíveis e, em seguida, tomar a ação mais sensata para atingir um objetivo declarado) que consideraríamos essencialmente humanos. Diante desse cenário, muitos cientistas alertam para a IA se tornar inteligente demais, a ponto de se retroalimentar. Assim, seria viável a criação da chamada IA Geral. A IA geral é muito diferente da “IA de domínio específico”, popularizada atualmente.

A IA na Educação pode auxiliar a abrir a “caixa preta da aprendizagem”, fornecendo uma compreensão mais profunda e refinada de como a aprendizagem realmente acontece (ex: qual será a influência do contexto socioeconômico e físico do aluno ou da tecnologia na aprendizagem?). Essa compreensão pode então ser aplicada ao desenvolvimento de futuros softwares de IA e, principalmente, pode também informar abordagens de aprendizagem que não envolvam tecnologia.

Esse conhecimento sobre o mundo é representado nos chamados “modelos”. Existem três modelos principais no cerne da IAEd: o modelo pedagógico, o modelo de domínio e o modelo do aluno.

Modelo pedagógico

O conhecimento e a experiência do ensino

• ‘Falha produtiva’ (permitir que os alunos explorem um conceito e cometam erros antes de receberem a resposta ‘certa’)
• Feedback (perguntas, dicas ou tátil), desencadeado pelas ações do aluno, que visa ajudar o aluno a melhorar sua aprendizagem
• Avaliação para informar e mensurar a aprendizagem

Modelo de domínio

Conhecimento do assunto que está sendo aprendido (experiência de domínio)

• Como somar, subtrair ou multiplicar duas frações
• Segunda lei de Newton (forças)
• Causas da Primeira Guerra Mundial
• Como estruturar um argumento
• Diferentes abordagens para ler um texto (por exemplo, para obter sentido ou detalhes)

Modelo do aluno

• Conhecimento do aluno
• As conquistas e dificuldades anteriores do aluno
• O estado emocional do aluno
• O envolvimento do aluno na aprendizagem (por exemplo: tempo dedicado à tarefa)

Um exemplo prático, utilizando os três modelos citados, como o modelo do aluno (conhecimento do aluno individual), o modelo pedagógico (conhecimento do ensino) e o modelo de domínio (conhecimento do assunto que está sendo aprendido e das relações entre as diferentes partes desse assunto), é uma IA que trabalhe com feedback individual e adaptativo por aluno. Neste caso, os algoritmos do AIEd (implementados no código computacional do sistema) processam esse conhecimento para selecionar o conteúdo mais apropriado a ser entregue ao aluno, de acordo com suas capacidades e necessidades individuais.

Alguns sistemas incluem os chamados Modelos Abertos de Aprendizagem, que apresentam os resultados da análise aos alunos e professores. Geram informações valiosas
sobre as conquistas do aluno, seu estado afetivo ou quaisquer concepções errôneas que ele tenha. Isso pode ajudar professores a entenderem a abordagem de aprendizagem de seus alunos e permite que moldem futuras experiências de aprendizagem de forma adequada. Para os alunos, os Modelos Abertos de Aprendizagem podem ajudar a motivá-los, permitindo que acompanhem seu próprio progresso, e também incentivá-los a refletir sobre sua aprendizagem.

Além dos modelos de aprendizagem, pedagógicos e de domínio, pesquisadores de AIEd também desenvolveram modelos que representam os aspectos sociais, emocionais e metacognitivos da aprendizagem, enriquecendo mais ainda a análise. Assim, a AIEd pode ajudar no fornecimento de três categorias de aplicativos de software:

• tutores pessoais para cada aluno;
• suporte inteligente para aprendizagem colaborativa;
• realidade virtual inteligente.

Falando especificamente da tutoria, sabe-se que desde Aristóteles e Alexandre, o grande, esse modelo é o mais eficaz de ensino e aprendizagem. Porém, é insustentável, por seu custo e , pela necessidade de profissionais qualificados por estudante. Por isso, surge a ideia do Sistemas de Tutoria Inteligente (ITS – Intelligent Tutoring Systems). Eles usam técnicas de aprendizado de máquina, algoritmos de autotreinamento baseados em grandes conjuntos de dados e redes neurais, para permitir tomadas de decisões adequadas sobre qual conteúdo de aprendizagem fornecer ao aluno.

Existe uma variedade de ferramentas de AIEd, como aquelas que:

• Modelam os estados cognitivos e afetivos dos alunos;
• Usam o diálogo para envolver o aluno em experiências de aprendizagem socráticas, ou seja, experiências de aprendizagem que envolvem investigação e discussão, questionamento e resposta;
• Incluem modelos de aprendizagem abertos para promover a reflexão e a autoconsciência;
• Adotam estruturas metacognitivas (por exemplo, fornecendo ajuda dinâmica ou usando uma estrutura narrativa) para aumentar a motivação e o engajamento do aluno;
• Usam modelos de simulação social, como aqueles para permitir que alunos de línguas se envolvam com mais sucesso com falantes de sua língua-alvo, compreendendo normas culturais e sociais.

Quando se trabalha numa análise de aprendizado em grupo, é possível ter a AIEd para contribuir. É possível, por exemplo, chegar a quatro abordagens:

• Formação de grupos adaptativos (grupos mais adequados para cada atividade);
• Facilitação especializada (suporte interativo aos alunos colaboradores, com identificação das melhores estratégias);
• Agentes virtuais (mediar interações ou apenas contribuir com o diálogo);
• Moderação inteligente (analisa e resume discussões).

É fato que professores precisam ser agentes centrais nesse processo. A AIEd está bem posicionada para assumir algumas das tarefas que atualmente esperamos que os professores realizem, como correção e manutenção de registros, por exemplo. A partir daí, a liberdade de tarefas rotineiras e demoradas permitirá que os professores tenham mais tempo para investir em ações mais criativas e humanas. para isso, os professores precisarão:

• Uma compreensão sofisticada do que os sistemas de IA podem fazer para capacitá-los a avaliar e fazer julgamentos de valor sólidos sobre novos produtos de IA;
• Desenvolver habilidades de pesquisa para permitir que interpretem os dados fornecidos pelas tecnologias de IA, façam as perguntas mais úteis sobre os dados e orientem os alunos sobre o que a análise de dados está dizendo a eles (ex: modelos Open Learner);
• Novas habilidades de trabalho em equipe e gestão, já que cada professor terá assistentes de IA, além de seus assistentes de ensino humanos habituais (inclusive, muitos sequer os tem), e eles serão responsáveis ​​por combinar e gerenciar esses recursos da forma mais eficaz.

O Futuro da IA na Educação
Usando o AIEd para efetuar a reforma do sistema de educação

Em 15 anos, muitos dos novos empregos criados serão muito mais exigentes cognitivamente do que os atualmente disponíveis.

Os alunos precisarão aprender de forma tão eficiente e eficaz quanto possível.

Como o AIEd pode ajudar:

• Fornecer a cada aluno seu próprio tutor pessoal, em cada disciplina.
• Fornecer a cada professor seu próprio assistente de ensino com IA.
• Oferecer desenvolvimento profissional contínuo, mais inteligente e oportuno para professores.
• Ajudar todos os pais a apoiar seriamente a aprendizagem de seus filhos.

Em 15 anos, habilidades sociais serão onde os humanos continuarão a se destacar.

Precisaremos considerar seriamente os fatores não-cognitivos que influenciam a aprendizagem – coragem, tenacidade e perseverança; afeto; ‘mentalidade’.

Como o AIEd pode ajudar:

• Ferramentas que incorporam novos insights da neurociência ou psicologia.
• Disponibilizando novos insights sobre como a aprendizagem está ocorrendo para um indivíduo e os fatores que a tornam mais provável de ocorrer.
• Fornecendo o suporte certo, no momento certo, para manter a aprendizagem no caminho certo.

Os alunos precisarão desenvolver habilidades de ordem superior. Por exemplo, resolução de problemas, ao lado do ‘saber o quê’.

Como o AIEd pode ajudar:

• Realidade Virtual Inteligente para permitir que os alunos aprendam em ambientes autênticos – e para transferir essa aprendizagem de volta para o mundo real.

Os alunos precisam ser solucionadores de problemas e criadores colaborativos eficazes, capazes de construir sobre as ideias de outros e estender e criticar sensivelmente um argumento.

Como o AIEd pode ajudar:

• Suporte inteligente para aprendizagem colaborativa.

A capacidade de se dar bem com os outros, de ter empatia e criar uma conexão humana, continuará a ser valorizada.

Como o AIEd pode ajudar:

• Técnicas de AIEd para nos ajudar a entender melhor como entregar uma variedade mais ampla de atributos, e quão bem um aprendiz os está adquirindo.

Em 15 anos, precisaremos requalificar grandes partes da força de trabalho atual – em essência, criando uma sociedade que aprende ao longo da vida.

Precisaremos de novas formas de equipar os aprendizes adultos com novas habilidades – mais frequente, rápida e eficazmente.

Como o AIEd pode ajudar:

• Ferramentas que apoiam os aprendizes a se tornarem aprendizes eficazes e autorregulados para a aprendizagem ao longo da vida.
• Companheiros de aprendizagem ao longo da vida para aconselhar, recomendar e acompanhar a aprendizagem.
• Ambientes de aprendizagem mais flexíveis, permitindo que os alunos aprendam em um momento e em um local que funciona melhor para eles.

---

Em Alive in the Swamp, Michael Fullan e Katelyn Donnelly descrevem três forças poderosas que devem ser combinadas se quisermos cumprir a promessa da tecnologia de impulsionar a aprendizagem drasticamente para a frente. Uma é a pedagogia, ou a ciência de como ensinamos e aprendemos; a segunda é a tecnologia em si, sobre a qual já falamos bastante; e o componente final é a mudança sistêmica, ou nossa compreensão de como implementar a mudança para que ela tenha um impacto positivo em cada aluno.

---

o texto evidencia como a Inteligência Artificial pode se tornar uma aliada estratégica no processo educativo, oferecendo novas possibilidades de personalização, eficiência e apoio aos professores e estudantes. A reflexão conduzida por Rose Luckin não se limita ao aspecto técnico, mas enfatiza também dimensões éticas, sociais e humanas da aprendizagem mediada por IA. Assim, a análise reforça a necessidade de compreender essas tecnologias não apenas como ferramentas, mas como parte de uma transformação mais ampla no modo como ensinamos e aprendemos, apontando para um futuro em que a educação será cada vez mais integrada ao potencial inteligente das máquinas.

Minha trajetória científica tem um marco fundamental: o professor Hermínio Borges Neto. Ele não apenas me apresentou ao universo da pesquisa acadêmica, mas também me ajudou a redefinir a forma como entendo a relação entre tecnologia e educação.

PRIMEIRO PASSO

Minha formação começou no curso de Comunicação Social da Universidade Federal do Ceará. Desde o início, minha inclinação era pela tecnologia. No entanto, em 2002, ao ingressar no curso, percebi que não havia ainda uma linha de pesquisa diretamente voltada a esse campo dentro da Comunicação. Foi nesse momento que recebi a indicação dentro da própria UFC de buscar o Laboratório Multimeios, referência no estudo da tecnologia aplicada a diferentes áreas da sociedade, especialmente na educação.

O contato com o laboratório abriu um novo horizonte. Passei a estudar usabilidade em sistemas voltados para a educação, incluindo os então chamados Ambientes Virtuais de Aprendizagem (AVA) e Ambientes Virtuais de Ensino (AVE). Em seguida, aprofundei-me nas discussões sobre interação e interatividade nesses ambientes, explorando também conceitos mais avançados, como ubiquidade e interoperabilidade em tecnologias educacionais.

PÓS-GRADUAÇÃO E APROFUNDAMENTOS

Após a graduação, busquei consolidar minha formação. Realizei uma pós-graduação lato sensu em Tecnologias Digitais na Educação, novamente sob a orientação do professor Hermínio Borges Neto. Em seguida, ampliei minha perspectiva com uma especialização em Neuroeducação, para compreender como o cérebro humano se relaciona com os diferentes modos de ensino-aprendizagem. Mais adiante, concluí uma pós-graduação em Inteligência Computacional e Artificial, pela Universidade Federal do Viçosa, mergulhando em linguagens de programação e no desenvolvimento de modelos de linguagem (LLMs).

Em paralelo, ingressei no Mestrado em Administração e Controladoria, na Universidade Federal do Ceará, para compreender como seria possívell transformar todos esses insights em resultados concretos para ajudar sociedade e empresas.

Esses estudos complementares me permitiram construir uma visão interdisciplinar, unindo educação, tecnologia e ciência cognitiva.

A EXPERIÊNCIA PROFISSIONAL E O RETORNO À PESQUISA

Durante anos, atuei também no mercado de consultoria empresarial, colaborando com empresas privadas e órgãos públicos, sobre como converter ideias e ações estratégicas em resultados empresariais. Foi assim que inseri Negócios Digitais e Marketing Digital na minha história e que me deu toda a base estrutural da minha vida. A experiência prática foi valiosa, mas percebi a necessidade de revisitar as bases acadêmicas para compreender, com mais profundidade, os rumos futuros da tecnologia na sociedade e educação.

Foi assim que retornei ao Laboratório Multimeios. Tornei-me ouvinte em uma disciplina ministrada pelo professor Hermínio Borges Neto, permanecendo por um ano nessa imersão. O contato com as discussões atualizadas, fundamentadas em bases teóricas sólidas, reacendeu em mim o desejo de dar continuidade à pesquisa científica.

O DOUTORADO E O PRESENTE

Após esse período de estudos, decidi prestar a seleção para o doutorado em Educação na Universidade Federal do Ceará, na linha de pesquisa em Tecnologia e Educação. Hoje, tenho a honra de ser orientado pelo professor Hermínio Borges Neto, pesquisando como a educação se relaciona com as novas tecnologias e como estas podem ser legalmente e pedagogicamente incorporadas às práticas educacionais, em especial a inteligência artificial.

Minha trajetória no Laboratório Multimeios é marcada por reencontros e continuidades. Desde a graduação até o doutorado, encontrei um espaço de diálogo, reflexão e construção científica. Mais do que um percurso acadêmico, essa história representa um compromisso com o futuro da educação e com a compreensão crítica e analítica do papel da tecnologia na formação humana e na construção da sociedade (incluindo órgãos públicos e empresas).