GAMIFICAÇÃO E INTELIGÊNCIA ARTIFICIAL: NOVAS FRONTEIRAS NO ENSINO DE GEOGRAFIA
DOI:
https://doi.org/10.66104/59tdb633Keywords:
geografia; gamificação; inteligência artificial; ensino inovador; tecnologias educacionais.Abstract
A gamificação associada à inteligência artificial cria ambientes de aprendizagem dinâmicos e personalizados, redefinindo as fronteiras do ensino de Geografia. Este estudo, configurado como um ensaio teórico fundamentado numa revisão integrativa da literatura, analisa como estes recursos podem ser aplicados para promover o engajamento, o pensamento crítico e a compreensão espacial dos estudantes. O objetivo central é investigar a eficácia da Engenharia de Decisão no design de experiências educativas que acoplem mecânicas de jogos a algoritmos de IA preditiva e generativa. A metodologia seguiu o protocolo de seis etapas para revisões integrativas, assegurando o rigor e a rastreabilidade dos achados . A análise demonstra que a integração destas tecnologias permite a simulação de fenómenos geográficos complexos e a personalização de trilhas de aprendizagem em tempo real, mitigando a desmotivação escolar. Conclui-se que a vantagem pedagógica reside na capacidade de transformar dados espaciais em experiências imersivas, sustentadas por uma governança ética e práticas de MLOps que garantam a precisão e a relevância dos conteúdos .
Downloads
References
BARDIN, L. Análise de Conteúdo. São Paulo: Edições 70, 2016.
CAGAN, M. INSPIRED: How to Create Tech Products Customers Love. 2. ed. New Jersey: Wiley, 2018.
DAMA International. DAMA-DMBOK2: Data Management Body of Knowledge. 2. ed. 2017.
DAVENPORT, T. H.; HARRIS, J. G. Competing on Analytics: The New Science of Winning. Boston: Harvard Business Review Press, 2007.
DEHGHANI, Z. Data Mesh: Delivering Data-Driven Value at Scale. Sebastopol: O’Reilly, 2022.
FRANÇA, J. L. Manual para normalização de publicações técnico-científicas. 8. ed. Belo Horizonte: Ed. UFMG, 2008.
GANDOMI, A.; HAIDER, M. Beyond the hype: Big data concepts, methods, and analytics. International Journal of Information Management, v. 35, n. 2, p. 137-144, 2015. DOI: https://doi.org/10.1016/j.ijinfomgt.2014.10.007
KREUZBERGER, R.; KÜHL, D.; POLZE, J. MLOps: a survey of techniques for operationalizing machine learning. ACM Computing Surveys, 2023.
LEWIS, P. et al. Retrieval-augmented generation for knowledge-intensive NLP. NeurIPS, 2020.
NATIONAL INSTITUTE OF STANDARDS AND TECHNOLOGY (NIST). AI Risk Management Framework 1.0. Gaithersburg: NIST, 2023.
PROVOST, F.; FAWCETT, T. Data Science for Business. Sebastopol: O’Reilly, 2013.
SCULLEY, D. et al. Hidden technical debt in machine learning systems. NIPS, p. 2503-2511, 2015.
SOUZA, M. T.; SILVA, M. D.; CARVALHO, R. Revisão integrativa: o que é e como fazer. Einstein, v. 8, n. 1, p. 102-106, 2010. DOI: https://doi.org/10.1590/s1679-45082010rw1134
WESTERMAN, G.; BONNET, D.; MCAFEE, A. Leading Digital: Turning Technology into Business Transformation. Boston: Harvard Business Review Press, 2014.
Downloads
Published
Issue
Section
License
Copyright (c) 2026 Bruno Henrique Gomes Alexandre, Deivid Junior de Melo, Iris Jane Alves Coelho Lima Lourenço, Paulo Henrique Cabral Arantes, Leandro Alfredo Dos Santos Silva, Cláudia Pelicao Camargo Bahia, Lailton da Silva Freire, Divino José Lemes de Oliveira
This work is licensed under a Creative Commons Attribution 4.0 International License.
Authors who publish in this journal agree to the following terms:
Authors retain copyright and grant the journal the right of first publication, with the work simultaneously licensed under the Creative Commons Attribution License, which permits the sharing of the work with proper acknowledgment of authorship and initial publication in this journal;
Authors are authorized to enter into separate, additional agreements for the non-exclusive distribution of the version of the work published in this journal (e.g., posting in an institutional repository or publishing it as a book chapter), provided that authorship and initial publication in this journal are properly acknowledged, and that the work is adapted to the template of the respective repository;
Authors are permitted and encouraged to post and distribute their work online (e.g., in institutional repositories or on their personal websites) at any point before or during the editorial process, as this may lead to productive exchanges and increase the impact and citation of the published work (see The Effect of Open Access);
Authors are responsible for correctly providing their personal information, including name, keywords, abstracts, and other relevant data, thereby defining how they wish to be cited. The journal’s editorial board is not responsible for any errors or inconsistencies in these records.
PRIVACY POLICY
The names and email addresses provided to this journal will be used exclusively for the purposes of this publication and will not be made available for any other purpose or to third parties.
Note: All content of the work is the sole responsibility of the author and the advisor.
