Este artigo foi publicado originalmente na The Conversation.
Os tecnólogos americanos têm dito aos educadores para adotarem rapidamente suas novas invenções por mais de um século. Em 1922, Thomas Edison declarou que em um futuro próximo, todos os livros didáticos escolares seriam substituídos por filmes, porque o texto era 2% eficiente, mas o filme era 100% eficiente. Essas estatísticas falsas são um bom lembrete de que as pessoas podem ser tecnólogos brilhantes, enquanto também são reformadores educacionais ineptos.
Eu penso em Edison sempre que ouço tecnólogos insistindo que os educadores precisam adotar a inteligência artificial o mais rápido possível para se adiantar à transformação que está prestes a varrer as escolas e a sociedade.
No MIT, estudo a história e o futuro da tecnologia educacional, e nunca encontrei um exemplo de um sistema escolar – um país, estado ou município – que adotou rapidamente uma nova tecnologia digital e viu benefícios duradouros para seus alunos. Os primeiros distritos a incentivar os alunos a trazerem celulares para a aula não prepararam melhor os jovens para o futuro do que as escolas que adotaram uma abordagem mais cautelosa. Não há evidências de que os primeiros países a conectar suas salas de aula à internet se destacaram em crescimento econômico, realização educacional ou bem-estar dos cidadãos.
Novas tecnologias educacionais são apenas tão poderosas quanto as comunidades que orientam seu uso. Abrir uma nova aba do navegador é fácil; criar as condições para um bom aprendizado é difícil.
Leva anos para os educadores desenvolverem novas práticas e normas, para os alunos adotarem novas rotinas e para as famílias identificarem novos mecanismos de apoio para que uma nova invenção melhore de forma confiável a aprendizagem. Mas à medida que a IA se espalha pelas escolas, tanto a análise histórica quanto novas pesquisas realizadas com professores e alunos do K-12 oferecem algumas orientações sobre como navegar incertezas e minimizar danos.
Fomos errados e excessivamente confiantes antes
Comecei a ensinar alunos do ensino médio a pesquisar na web em 2003. Na época, especialistas em biblioteconomia e ciência da informação desenvolveram uma pedagogia para avaliação da web que incentivava os alunos a ler atentamente os sites em busca de marcadores de credibilidade: citações, formatação adequada e uma página “sobre”. Dávamos aos alunos listas de verificação como o teste CRAAP – atualidade, confiabilidade, autoridade, precisão e propósito – para orientar sua avaliação. Ensinávamos os alunos a evitar a Wikipedia e a confiar em sites com domínios .org ou .edu em vez de domínios .com. Tudo parecia razoável e baseado em evidências na época.
O primeiro artigo revisado por pares demonstrando métodos eficazes para ensinar os alunos a pesquisar na web foi publicado em 2019. Ele mostrou que novatos que usaram essas técnicas comumente ensinadas se saíram miseravelmente em testes que avaliavam sua capacidade de distinguir a verdade da ficção na web. Também mostrou que especialistas em avaliação de informações online usavam uma abordagem completamente diferente: saindo rapidamente de uma página para ver como outras fontes a caracterizavam. Esse método, agora chamado de leitura lateral, resultou em pesquisas mais rápidas e precisas. O trabalho foi um soco no estômago para um velho professor como eu. Passamos quase duas décadas ensinando milhões de alunos maneiras demonstravelmente ineficazes de pesquisar.
Hoje, existe uma indústria de consultores, palestrantes e “líderes de pensamento” viajando pelo país afirmando treinar educadores sobre como usar IA nas escolas. Organizações nacionais e internacionais publicam estruturas de alfabetização em IA afirmando saber quais habilidades os alunos precisam para seu futuro. Tecnólogos inventam aplicativos que incentivam professores e alunos a usar IA generativa como tutores, planejadores de aulas, editores de redação ou parceiros de conversa. Essas abordagens têm tão pouco suporte evidencial hoje quanto o teste CRAAP tinha quando foi inventado.
Há uma abordagem melhor do que fazer suposições excessivamente confiantes: testar rigorosamente novas práticas e estratégias e apenas defender amplamente aquelas que têm evidências robustas de eficácia. Assim como na alfabetização na web, essa evidência levará uma década ou mais para emergir.
Mas há uma diferença desta vez. A IA é o que chamei de uma “tecnologia de chegada”. A IA não é convidada para as escolas através de um processo de adoção, como comprar um computador desktop ou um quadro inteligente – ela invade a festa e começa a rearranjar os móveis. Isso significa que as escolas precisam fazer algo. Os professores sentem isso urgentemente. No entanto, eles também precisam de apoio: Nos últimos dois anos, minha equipe entrevistou quase 100 educadores de todo os EUA, e uma refrão comum é “não nos faça ir sozinhos”.
3 estratégias para um caminho prudente a seguir
Enquanto aguardam melhores respostas da comunidade científica educacional, que levará anos, os professores terão que ser cientistas eles mesmos. Recomendo três guias para avançar com a IA em condições de incerteza: humildade, experimentação e avaliação.
Primeiro, lembre regularmente os alunos e professores de que qualquer coisa que as escolas tentem – estruturas de alfabetização, práticas de ensino, novas avaliações – é um melhor palpite. Em quatro anos, os alunos podem ouvir que o que lhes foi ensinado sobre o uso da IA provou estar bastante errado. Todos nós precisamos estar prontos para revisar nosso pensamento.
Em segundo lugar, as escolas precisam examinar seus alunos e currículo e decidir que tipos de experimentos gostariam de conduzir com a IA. Algumas partes do seu currículo podem convidar a ludicidade e novos esforços ousados, enquanto outras merecem mais cautela.
Em nosso podcast “A Máquina de Dever de Casa”, entrevistamos Eric Timmons, um professor em Santa Ana, Califórnia, que ensina cursos eletivos de cinema. As avaliações finais de seus alunos são filmes complexos que exigem múltiplas habilidades técnicas e artísticas para produzir. Um entusiasta da IA, Timmons usa IA para desenvolver seu currículo e incentiva os alunos a usar ferramentas de IA para resolver problemas de filmmaking, desde roteiros até design técnico. Ele não se preocupa que a IA faça tudo pelos alunos: Como ele diz, “Meus alunos adoram fazer filmes. … Então, por que eles substituiriam isso pela IA?”
É um dos melhores e mais reflexivos exemplos de uma abordagem “tudo dentro” que encontrei. Também não consigo imaginar recomendar uma abordagem semelhante para um curso como inglês da nona série, onde a introdução fundamental à escrita no ensino secundário provavelmente deve ser tratada com abordagens mais cautelosas.
Em terceiro lugar, quando os professores lançam novos experimentos, devem reconhecer que a avaliação local acontecerá muito mais rapidamente do que a ciência rigorosa. Sempre que as escolas lançam uma nova política de IA ou prática de ensino, os educadores devem coletar uma pilha de trabalhos relacionados dos alunos que foram desenvolvidos antes da IA ser usada durante o ensino. Se você deixar os alunos usarem ferramentas de IA para feedback formativo sobre laboratórios de ciências, colete uma pilha de relatórios de laboratório de 2022. Em seguida, colete os novos relatórios de laboratório. Revise se os relatórios de laboratório pós-IA mostram uma melhoria nos resultados que você se importa e revise as práticas de acordo.
Entre educadores locais e a comunidade internacional de cientistas da educação, as pessoas aprenderão muito até 2035 sobre IA nas escolas. Podemos descobrir que a IA é como a web, um lugar com alguns riscos, mas, em última análise, tão cheio de recursos importantes e úteis que continuamos a convidá-la para as escolas. Ou podemos descobrir que a IA é como celulares, e os efeitos negativos sobre o bem-estar e a aprendizagem superam, em última análise, os potenciais ganhos, e, portanto, são melhor tratados com restrições mais agressivas.
Todos na educação sentem uma urgência em resolver a incerteza em torno da IA generativa. Mas não precisamos de uma corrida para gerar respostas primeiro – precisamos de uma corrida para acertar.