GAMIFICAÇÃO E INTELIGÊNCIA ARTIFICIAL: NOVAS FRONTEIRAS NO ENSINO DE GEOGRAFIA
DOI:
https://doi.org/10.66104/59tdb633Palavras-chave:
geografia; gamificação; inteligência artificial; ensino inovador; tecnologias educacionais.Resumo
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
Referências
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
Publicado
Edição
Seção
Licença
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
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.
