Atualmente, entretanto, a maioria das tecnologias educacionais baseadas em IA são usadas no setor privado. Para quem trabalha no setor público, em países em desenvolvimento, como o Brasil, surgem algumas questões sobre as possibilidades dessa tecnologia, suas aplicações práticas, como se preparar para seu uso e como mitigar possíveis riscos para a segurança e a reprodução de desigualdades.

A Inteligência Artificial (IA) deixou de ser uma realidade distante ou restrita à ficção científica e está cada vez mais presente em nossas vidas – inclusive na educação. A temática não é nova, já nos anos 1930 o pai da computação e matemático Alan Turing formalizava o termo algoritmo em artigo sobre a máquina de Turing. O algoritmo é o ingrediente fundamental para a Inteligência Artificial, termo cunhado pelos pesquisadores John McCarthy, Marvin Minsky e Claude Shannon em uma conferência em 1956.

IA na educação oferece a possibilidade de uma aprendizagem mais personalizada, flexível, inclusiva e envolvente. Além disso, as ferramentas fornecem informações não apenas sobre o que está sendo aprendido, mas também como está sendo aprendido e como os alunos estão se sentindo. Ainda, a IA pode ajudar os professores a criar ambientes de aprendizagem colaborativa e a atender as necessidades de seus alunos por meio de técnicas de mineração de dados educacionais para "rastrear" o comportamento dos alunos, processamento de linguagem natural, rastreamento ocular e outros sensores.

Os pesquisadores também elencaram três categorias de IA na educação para oferecer suporte mais direto ao aprendizado:

1. tutores pessoais para cada aluno, que entregam atividades de aprendizagem de acordo com as necessidades cognitivas dos alunos e que fornecem feedback direcionado;

2. suporte inteligente para aprendizagem colaborativa, para apoiar a formação de grupo, a facilitação e a moderação;

3. realidade virtual inteligente, que proporciona experiências imersivas.

O desenvolvimento de políticas públicas sobre IA em educação ainda está em sua infância, mas é um campo que provavelmente crescerá exponencialmente nos próximos dez anos. Alguns países estão desenvolvendo laboratórios e incubadoras por meio de parcerias com o setor privado para implementar ou ampliar ecossistemas de IA.

Segundo desafio: garantir a inclusão e equidade em IA na educação

Estudos recentes, como o do professor Benjamin Nye,Abre em uma nova guia da University of Southern California, mapearam os obstáculos para a introdução IA na educação em países em desenvolvimento, como baixo acesso a energia elétrica, hardware e internet; habilidade básica dos alunos em TICs; falta de conteúdo culturalmente apropriado ou em outro idioma. Para remover esses obstáculos, múltiplas políticas devem ser colocadas em prática.

Terceiro desafio: preparar os professores para atuar com IA na educação e preparar sistemas que atendam às demandas educacionais

Para que sistemas de análise de aprendizagem sejam eficazes, é necessário ter utilidade e relevância para estudantes e educadores. O processamento de dados em tempo real deve se traduzir em feedback em tempo real, intervenção mais rápida e instrução individualizada. Professores e diretores precisam de autonomia suficiente para gerenciar suas respectivas salas de aula e escolas, pois são eles que estão mais familiarizados com as necessidades de seus alunos. No entanto, para serem capazes de usar tecnologias de IA de forma eficaz, novas competências precisam ser assimiladas pelos professores, tais como crítica, analítica e habilidades para dados, ressaltam Rose Luckin e outros pesquisadores.

Quarto desafio: desenvolvimento de sistemas de dados inclusivos e de qualidade

Um sistema com dados abrangentes e atualizados abre possibilidades para algoritmos preditivos e de aprendizado de máquina. No entanto, muitos países ainda lutam para coletar dados educacionais básicos. Os dados educacionais devem ser abertos e sistemas de informações gerenciais devem ser capazes de gerar análises granulares o suficiente para ajudar professores e gestores a entenderem os principais desafios. Também devem conseguir agregar dados para revelar tendências que podem subsidiar o desenvolvimento de políticas. Embora as tecnologias para capturar dados estão realmente se tornando cada vez mais poderosas, é necessário reconhecer que seus custos podem ser proibitivamente altos, particularmente para países de baixa e média renda.

Quinto desafio: fazer pesquisas significativas sobre IA em educação

A pesquisa tem um papel fundamental para a investigação mais aprofundada sobre o papel que as soluções de tecnologia desempenham na melhoria da qualidade da educação. As pesquisas educacionais, no entanto, têm condições limitantes para realizar generalizações, o que afeta sua contribuição na criação de teorias universalmente válidas. Assim, é fundamental que sejam desenvolvidas pesquisas locais e descentralizadas, para compreender o que está acontecendo nas salas de aula, em especial no contexto dos países em desenvolvimento.

Sexto desafio: ética e transparência na coleta, no uso e na disseminação de dados

Diversos estudos já evidenciaram os vieses dos algoritmos e como eles podem funcionar de maneira discriminatória e não transparente, entre eles o artigo da ProPublica, de 2016;Abre em uma nova guia o artigo da Mic, 2016;Abre em uma nova guia e o livro “Algoritmos de Destruição em Massa” de Cathy O’Neil. Na educação, isso pode ter impactos negativos. Instituições educacionais que usam, por exemplo, algoritmos de aprendizado de máquina para aceitar ou rejeitar alunos podem ter dois potenciais problemas: falta de informações sobre a "caixa preta" e discriminação injusta. Outra questão é a concentração de dados pessoais. As plataformas educacionais atuais são de propriedade de poucas empresas, o que gera risco de privacidade e monopólio de dados. O ecossistema fAIr LACAbre em uma nova guia, iniciativa do Grupo Banco Interamericano de Desenvolvimento – Grupo BID e parceiros composta por especialistas e profissionais da academia, governo, sociedade e setor privado, atua na América Latina e Caribe para promover o uso ético e responsável da IA a fim de melhorar a prestação de serviços sociais e criar oportunidades de desenvolvimento. Para tal, estão sendo desenvolvidos projetos-piloto para o bem social e também ferramentas para mitigar os possíveis riscos associados aos sistemas de IA.

Mas, afinal, mesmo entre os usuários das novas ferramentas como o ChatGPT, o Bing da Microsoft, o Bard do Google e vários outros, será que todos sabem mesmo o que é IA generativa? Para começar, vale explicar o significado do termo “generativa”: é, simplesmente, o que gera ou tem a propriedade de gerar. Quando envolve IA, “generativa” se refere à capacidade de se criar um conjunto infinito de frases, imagens e vídeos com base em um conjunto finito de informações.