NOTA DE REFERÊNCIA: nr-impactos-epistemologicos-e-cognitivos-da-integracao-de-ia

SÉRIE DE NOTAS SOBRE PROBLEMAS COGNITIVOS CONHECIDOS DECORRENTES DO USO DE LLMs.

MINHA PESQUISA ACADÊMICA ITERA NOS CAMPOS DE AUTENTICIDADE, ÉTICA DIGITAL E MACHINE LEARNING.

Posto aqui um pouco dos elementos importantes da minha pesquisa.

Sobre a natureza sintetizada deste texto¹

Briefing: O Impacto do ChatGPT no Engajamento Cognitivo e no Pensamento Crítico

SUMÁRIO EXECUTIVO

Este documento analisa evidências empíricas sobre como o uso de ferramentas de Inteligência Artificial (IA) Generativa, especificamente o ChatGPT, influencia o engajamento cognitivo de estudantes em tarefas acadêmicas. O estudo central demonstra que a assistência da IA resulta em pontuações significativamente menores de esforço mental, atenção sustentada e pensamento estratégico, sugerindo um fenômeno de “descarregamento cognitivo” (offloading). As evidências apontam que, embora a IA ofereça conveniência, seu uso extensivo pode comprometer a aprendizagem profunda, a memória e a autorregulação, transformando usuários em “pensadores preguiçosos”.

ANÁLISE TEMÁTICA

1. Declínio do Engajamento Cognitivo e Esforço Mental

Este tema aborda como a interação com modelos de linguagem de grande escala (LLMs) altera o investimento mental dos estudantes durante tarefas de escrita.

• Georgiou (2025): Em um design experimental, o grupo assistido pelo ChatGPT obteve uma média de engajamento de 2,95 na escala CES-AI, enquanto o grupo de controle (sem IA) atingiu 4,19. O estudo indica que os usuários de IA relataram menor processamento profundo, menos esforço para resolver problemas de forma independente e menor foco mental.
• Kosmyna et al. (2025): A investigação através de EEG revelou que o uso de LLMs reduziu a conectividade neural durante a escrita de ensaios. O grupo que trabalhou apenas com o “cérebro” exibiu o engajamento cognitivo mais forte, enquanto o grupo LLM demonstrou menor propriedade sobre o trabalho e desempenho linguístico inferior.
• Lo et al. (2024): Uma revisão sistemática indicou que as evidências de engajamento cognitivo com o ChatGPT são “amplas, mas fracas”, citando riscos de pensamento crítico diminuído e dependência excessiva da ferramenta.
• Convergência: As fontes convergem na conclusão de que a dependência de ferramentas externas de IA reduz o investimento psicológico e o esforço estratégico necessário para dominar o conteúdo acadêmico.
• Divergência: Existe um conflito teórico sobre a função da IA. Enquanto Liao et al. (2024) sugerem que a assistência da IA poderia aumentar o esforço cognitivo ao fornecer “andaimes” (scaffolding/suporte), os resultados de Georgiou (2025) contradizem isso, encontrando, em vez disso, um efeito de descarregamento cognitivo.

2. Consequências de Longo Prazo e “Dívida Cognitiva”

O impacto do uso da IA não se restringe ao momento da tarefa, podendo ter efeitos residuais na capacidade de aprendizagem futura.

• Kosmyna et al. (2025): Introduz o conceito de efeitos persistentes da dependência de ferramentas. Participantes que migraram do uso de LLM para uma condição sem ferramentas continuaram a subperformar, sugerindo uma acumulação de “dívida cognitiva”. O uso de IA também foi associado a uma recordação de memória mais fraca.
• Georgiou (2025): Argumenta que o uso acrítico da IA pode comprometer habilidades de aprendizagem autorregulada que são cruciais para o sucesso acadêmico, potencialmente criando “pensadores preguiçosos”.
• Convergência: Ambas as fontes sugerem que o uso prolongado de IA pode minar as bases da aprendizagem profunda e da autonomia intelectual do estudante.

3. Dimensões do Engajamento em Contextos de IA

A análise define o engajamento como um construto multifacetado que é alterado pela presença da tecnologia.

• Fredricks et al. (2004): Identificam três facetas: comportamental, emocional e cognitiva. O engajamento cognitivo envolve investimento mental e pensamento estratégico.
• Lo et al. (2024): Destaca que o engajamento emocional com o ChatGPT é misto; estudantes relatam satisfação e prazer, mas também ansiedade e decepção.
• Georgiou (2025): Utiliza a escala CES-AI para medir quatro itens específicos, conforme detalhado na tabela abaixo:

LACUNAS (GAPS)

As fontes analisadas identificam as seguintes omissões ou áreas não cobertas:

• Falta de Medidas Objetivas em Larga Escala: O estudo de Georgiou (2025) dependeu exclusivamente de medidas de autorrelato (self-report), que podem ser afetadas por viés de desejabilidade social ou falta de autopercepção.
• Diversidade da Amostra: A pesquisa experimental de Georgiou (2025) limitou-se a 40 falantes nativos de grego, predominantemente da área de linguística, o que limita a generalização dos resultados.
• Variedade de Ferramentas e Tarefas: Não foram explorados diferentes tipos de ferramentas de IA (além do ChatGPT 3.5) ou uma gama variada de tarefas acadêmicas além da escrita argumentativa.
• Inexistência de Escalas Validadas: Li (2021) e Georgiou (2025) observam que não existem escalas de autorrelato padronizadas e validadas especificamente para medir o engajamento cognitivo no contexto do uso de ferramentas de IA.

DIRETRIZES PEDAGÓGICAS EXTRAÍDAS

Com base nos riscos identificados, o documento de Georgiou (2025) sugere estratégias para educadores:

• Integração Crítica: Evitar a adoção acrítica de ferramentas de IA.
• Design de Tarefas: Criar atividades assistidas por IA que exijam envolvimento ativo, como solicitar que os alunos avaliem criticamente o conteúdo gerado pela máquina.
• Reflexão Metacognitiva: Incentivar os alunos a refletirem sobre seus processos de pensamento ao usar IA.
• Abordagens Híbridas: Utilizar a IA para complementar, e não substituir, o esforço cognitivo humano, preservando a autonomia do aprendiz.