02.02.2026 Educação

Professores e licenciandos querem usar IA, mas falta formação para isso

Estudo mostra que a inteligência artificial generativa ainda é pouco explorada na formação docente por ausência de treinamento e diretrizes institucionais

Gilberto Stam

Reunião de trabalho em equipe, com profissionais discutindo ideias e analisando informações em laptops sobre uma mesa

A inteligência artificial (IA) generativa desperta interesse crescente como recurso pedagógico, mas sua adoção encontra entraves significativos na formação docente. Segundo estudo publicado na revista Teaching and Teacher Education, de autoria da pesquisadora Priya Panday-Shukla, da Washington State University (EUA), tanto licenciandos quanto professores universitários que os formam relatam falta de preparo e ausência de treinamento formal para integrar a tecnologia ao ensino.

O levantamento foi realizado em janeiro e fevereiro de 2024, em uma universidade do noroeste dos Estados Unidos, com 52 licenciandos (média de 20 anos) e 21 professores universitários formadores de docentes (média de 54 anos e duas décadas de experiência em média). Os dados mostram um uso mínimo da tecnologia na formação inicial:

Entre licenciandos: 48 não usam IA em suas disciplinas; 49 nunca receberam treinamento; apenas 3 relataram algum tipo de orientação.
Entre professores universitários: 18 não utilizam IA nas aulas; 18 não receberam treinamento; apenas 9 permitem que os alunos usem a ferramenta de forma limitada, em tarefas como brainstorming ou esboços de planos de aula.

Essa baixa adesão se reflete na autopercepção: em uma escala de 0 a 10, licenciandos deram nota média 4,2 para sua alfabetização em IA, enquanto os docentes se avaliaram em 3,9.

“O principal recado do estudo é que nossos alunos e professores querem aprender sobre IA, mas não têm o apoio necessário para isso”, afirma Priya Panday-Shukla, especialista em educação na Washington State University.

IA: entre entusiasmo e desconfiança

Apesar da pouca prática, muitos licenciandos enxergam vantagens no uso da IA, como economia de tempo, apoio na geração de ideias e facilidade para aprender novos conteúdos. Professores também citaram benefícios, como maior consciência tecnológica e suporte na criação de materiais.

Ao mesmo tempo, ambos os grupos manifestaram preocupações.

Alunos temem que o uso excessivo leve a aprendizado superficial e dependência das ferramentas; já professores destacam questões de integridade acadêmica, plágio, além da curva de aprendizado necessária para dominar a tecnologia.

Os grupos focais revelaram a tensão entre otimismo e resistência.

Uma futura professora de inglês relatou interesse em usar IA para iniciar atividades, mas alertou para os riscos de uso irresponsável. Já um licenciando de matemática declarou-se contra a adoção em sala de aula, embora reconhecesse que poderia “deixar seus alunos para trás” se ignorasse completamente a ferramenta.

Barreiras e caminhos para adoção da IA

O estudo foi estruturado com base na teoria da Difusão da Inovação, de Everett Rogers, que avalia atributos que favorecem ou dificultam a adoção de novas tecnologias.

No caso da IA na educação, os participantes reconheceram vantagens claras, mas relataram baixa compatibilidade com práticas atuais e ausência de treinamento formal – o que limita a percepção dos benefícios.

Para enfrentar essas barreiras, Panday-Shukla desenvolveu um workshop piloto no WSU Global Campus, inspirado em uma matriz criada pelo órgão estadual de educação (OSPI).

O modelo propõe quatro níveis graduais de uso, que vão desde a proibição total até a obrigatoriedade em certas atividades, sempre com transparência sobre o que é ou não permitido.

“Quando você precisa verificar informações, ainda tem que fazer do jeito antigo: uma fonte de cada vez, uma informação de cada vez. Isso não muda.” — Priya Panday-Shukla

Implicações para o futuro do trabalho

O debate não se restringe à sala de aula. O estudo cita projeções do McKinsey Global Institute segundo as quais até 30% das horas de trabalho nos Estados Unidos poderão ser automatizadas até 2030, forçando milhões de trabalhadores a buscar novas áreas de atuação. Nesse cenário, resistir ao uso da IA sem preparo pode prejudicar não apenas os futuros professores, mas também os alunos que eles irão formar.

A principal recomendação é investir em alfabetização digital e em IA para docentes e licenciandos, com programas de capacitação, diretrizes institucionais claras e espaços de debate sobre usos éticos.

Para Panday-Shukla, trata-se de uma questão de justiça educacional: preparar os futuros educadores para ensinar em um mundo que já está sendo moldado pela inteligência artificial.

Difusão da Inovação aplicada à IA na educação

O que é?

A Difusão da Inovação, formulada por Everett Rogers em 2003, é uma teoria que busca explicar como novas tecnologias e práticas se espalham em um grupo social, por meio de cinco atributos. No caso da IA na educação, ela ajuda a entender por que futuros professores e seus formadores, mesmo reconhecendo o potencial da tecnologia, ainda relutam em incorporá-la em sala de aula.

Os cinco atributos no caso da IA

Vantagem relativa

A adoção de uma inovação depende de ela ser vista como melhor que o que já existe. Muitos licenciandos perceberam que a IA pode oferecer ganhos concretos, como economizar tempo na criação de materiais e apoiar no brainstorming de ideias. Alguns professores também reconheceram esse potencial, destacando que a ferramenta pode facilitar a personalização de aulas e auxiliar na produção de conteúdos didáticos.

Compatibilidade

A compatibilidade diz respeito ao quanto a tecnologia se encaixa nos valores e práticas atuais. Aqui, surgem barreiras importantes: vários docentes consideraram que a IA entra em conflito com normas institucionais. Em muitos casos, o uso é tratado como plágio ou trapaça, e com princípios de integridade acadêmica. Essa percepção dificulta aceitar a IA como parte legítima da formação docente.

Complexidade

Quando uma inovação parece difícil de aprender ou usar, sua adoção tende a ser menor. Entre os licenciandos, alguns disseram que a IA é intuitiva e fácil de explorar, mas outros relataram dificuldades e mencionaram a “curva de aprendizado” como um obstáculo. Professores universitários, por sua vez, afirmaram que falta tempo para dominar as ferramentas e adaptá-las às necessidades de suas disciplinas, aumentando a resistência.

Experimentação (trialability)

Outra condição essencial é a possibilidade de experimentar a tecnologia de forma controlada antes de adotá-la plenamente. Quase todos os licenciandos já tinham testado ChatGPT ou Gemini, mas a maioria usava a IA para fins pessoais, como entretenimento ou auxílio em estudos informais. Poucos se arriscavam a aplicá-la em tarefas pedagógicas, justamente porque não havia espaço ou incentivo para esse tipo de teste no curso.

Observabilidade

Por fim, os resultados precisam ser visíveis para a inovação ganhar credibilidade. No caso da IA, a falta de treinamento formal e a ausência de exemplos práticos em sala de aula reduzem muito a observabilidade. Alunos e professores sabem que a tecnologia existe e ouvem as promessas, mas raramente veem demonstrações concretas de como ela pode melhorar a prática pedagógica.

Por que importa?

Esses cinco atributos ajudam a entender o dilema revelado pelo estudo. A IA é percebida como útil e promissora, mas esbarra em normas institucionais restritivas, na dificuldade de aprendizagem, na falta de oportunidades para testes e na ausência de modelos visíveis de aplicação. Sem treinamento e diretrizes claras, tanto futuros professores quanto seus formadores permanecem divididos entre a curiosidade e o receio, retardando a integração da tecnologia à formação docente.

* É permitida a republicação das reportagens e artigos em meios digitais de acordo com a licença Creative Commons CC-BY-NC-ND.
O texto não deve ser editado e a autoria deve ser atribuída, incluindo a fonte (Science Arena).