INTELIGÊNCIA ARTIFICIAL E EDUCAÇÃO: ENTRE A INOVAÇÃO TECNOLÓGICA E OS DESAFIOS ÉTICOS
DOI:
https://doi.org/10.66104/qkxnh791Palabras clave:
Inteligência artificial; inovação pedagógica; ética digital; educação personalizada; tecnologias educacionais.Resumen
A aplicação da Inteligência Artificial (IA) na educação redefine o paradigma do ensino contemporâneo, ampliando as possibilidades de personalização da aprendizagem em escala. Este estudo, configurado como um ensaio teórico fundamentado em uma revisão integrativa da literatura, discute as potencialidades, riscos e dilemas éticos da integração da IA no contexto escolar. O objetivo central é investigar as estratégias de implementação responsável, utilizando o framework da Engenharia de Decisão para acoplar algoritmos de IA aos fluxos pedagógicos. A metodologia seguiu o protocolo de seis etapas para revisões integrativas, com avaliação crítica via instrumento JBI. A análise demonstra que a IA não deve ser vista apenas como uma ferramenta isolada, mas como uma plataforma de criação de valor que exige governança robusta e ética (privacy-by-design). Conclui-se que a vantagem competitiva das instituições reside na capacidade de mitigar alucinações e vieses algorítmicos através de práticas de MLOps educacional, promovendo uma educação personalizada que respeita a autonomia e a diversidade dos sujeitos.
Palavras-chave: Inteligência artificial; inovação pedagógica; ética digital; educação personalizada; tecnologias educacionais.
Descargas
Referencias
AMERSHI, S. et al. Software engineering for machine learning: a case study. ICSE SEIP, p. 291-300, 2019. DOI: https://doi.org/10.1109/ICSE-SEIP.2019.00042
ARMBRUST, M. et al. A view of cloud computing. Communications of the ACM, v. 53, n. 4, p. 50-58, 2010. DOI: https://doi.org/10.1145/1721654.1721672
ARMBRUST, M. et al. Delta Lake: high-performance ACID table storage over cloud object stores. VLDB, v. 13, n. 12, p. 3411-3424, 2020. DOI: https://doi.org/10.14778/3415478.3415560
ARMBRUST, M. et al. Lakehouse: a new generation of open platforms that unify data warehousing and advanced analytics. CIDR, 2021.
BARDIN, L. Análise de Conteúdo. São Paulo: Edições 70, 2016.
BRYNJOLFSSON, E.; MCAFEE, A. Machine, Platform, Crowd. New York: W. W. Norton, 2017.
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
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2026 Alessandra Barboza Barros Almeida, Davi Borges Duailibe Costa, Dayse Marinho Martins, Raíla Socorro de Oliveira, Edila Rose Barata de Lima, Fernanda Resende Gonçalves, Cláudia Pelicao Camargo Bahia, Analieze Aparecida Leopoldino, Ricardo Normando Ferreira de Paula, Fernanda Nascimento Almeida, Luciane Batista Teixeira, Idelvan Nascimento da Silva, Leandro Alfredo Dos Santos Silva, Thiago Benitez de Melo
Esta obra está bajo una licencia internacional Creative Commons Atribución 4.0.
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.
