INTELIGÊNCIA ARTIFICIAL E EDUCAÇÃO: ENTRE A INOVAÇÃO TECNOLÓGICA E OS DESAFIOS ÉTICOS
DOI:
https://doi.org/10.66104/qkxnh791Palavras-chave:
Inteligência artificial; inovação pedagógica; ética digital; educação personalizada; tecnologias educacionais.Resumo
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.
Downloads
Referências
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
Downloads
Publicado
Edição
Seção
Licença
Copyright (c) 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
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista;
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista, desde que adpatado ao template do repositório em questão;
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).
- Os autores são responsáveis por inserir corretamente seus dados, incluindo nome, palavras-chave, resumos e demais informações, definindo assim a forma como desejam ser citados. Dessa forma, o corpo editorial da revista não se responsabiliza por eventuais erros ou inconsistências nesses registros.
POLÍTICA DE PRIVACIDADE
Os nomes e endereços informados nesta revista serão usados exclusivamente para os serviços prestados por esta publicação, não sendo disponibilizados para outras finalidades ou a terceiros.
Obs: todo o conteúdo do trabalho é de responsabilidade do autor e orientador.
