📚 Formação Continuada — Módulo 1: “Fundamentos de Inteligência Artificial para Educadores”
“Você não precisa saber programar para ensinar sobre IA. Mas precisa entender o suficiente para fazer boas perguntas.”
| Carga horária: 4 horas | Módulo: 1 de 4 |
Objetivos deste Módulo
- Compreender o que é IA e como ela funciona em termos conceituais
- Distinguir os principais tipos de IA e suas aplicações
- Reconhecer exemplos de IA no cotidiano escolar e pessoal
- Desmistificar medos e expectativas exageradas sobre a tecnologia
- Estabelecer vocabulário básico para ensinar sobre IA com confiança
Parte 1 — O que é IA? Uma história rápida (1 hora)
1.1 A ideia tem 70 anos
A Inteligência Artificial não nasceu com o ChatGPT. O termo foi cunhado em 1956, numa conferência no Dartmouth College nos EUA. Desde então, passou por ciclos de euforia e decepção — os chamados “invernos da IA”.
Por que agora é diferente?
- Dados em escala sem precedente (toda a internet como material de treinamento)
- Poder computacional exponencialmente maior e mais barato
- Avanços em arquiteturas de redes neurais (especialmente o transformer, 2017)
1.2 Os três tipos principais que professores precisam conhecer
IA Estreita (Narrow AI): Faz uma coisa muito bem. É tudo que existe hoje.
- Reconhecimento facial do celular → só reconhece rostos
- GPS → só calcula rotas
- Chatbots → só geram texto conversacional
- Filtro de spam → só filtra e-mails
IA Geral (AGI): Faria qualquer tarefa cognitiva como um humano. Não existe ainda. Muito debatida. Alguns pesquisadores acham que está próxima; outros acham que ainda está décadas distante.
IA Superinteligente (ASI): Superaria humanos em todas as dimensões. Existe apenas na ficção científica por enquanto.
“Quando alunos perguntarem se a IA vai dominar o mundo, a resposta honesta é: o que existe hoje são ferramentas muito poderosas mas estreitas. Elas não têm objetivos próprios, não sentem nada, e não existem sem eletricidade e servidores.”
1.3 Como a IA aprende
Existem três formas principais:
Aprendizado Supervisionado: Mostrar muitos exemplos com respostas corretas. A IA aprende o padrão.
- Exemplo: mostrar 1 milhão de fotos de gatos com a etiqueta “gato” → IA aprende a reconhecer gatos
Aprendizado por Reforço: A IA tenta ações, recebe recompensas ou punições, e aprende o que funciona.
- Exemplo: a IA do jogo aprende jogando contra si mesma — cada vitória é uma recompensa
Aprendizado Não Supervisionado: A IA encontra padrões nos dados sem etiquetas.
- Exemplo: sistema de recomendação que agrupa usuários com gostos parecidos sem que ninguém tenha definido os grupos
Parte 2 — IA Generativa: o que mudou (1 hora)
2.1 O que é diferente na IA generativa
As IAs que domina o debate público desde 2022 — ChatGPT, Gemini, Claude, Stable Diffusion — são generativas: elas criam conteúdo novo (texto, imagem, código, áudio, vídeo) em vez de apenas classificar ou prever.
Isso é possível graças ao Transformer, uma arquitetura de rede neural criada pelo Google em 2017. Sem entrar em matemática: o Transformer é muito bom em entender relações entre palavras em contextos longos — o que permite gerar texto coerente e contextualizado.
2.2 O que é um “modelo de linguagem grande” (LLM)
Um LLM (Large Language Model) como o GPT-4 ou o Claude foi treinado para responder a uma pergunta básica: “Dada esta sequência de palavras, qual palavra vem a seguir?”
Isso parece simples — mas quando você faz isso com bilhões de parâmetros e centenas de bilhões de textos, emerge a capacidade de:
- Responder perguntas
- Resumir textos
- Traduzir idiomas
- Escrever código
- Simular conversas
Mas sem nunca “entender” no sentido humano. O modelo não tem experiências, não sente, não tem crenças. Ele é extremamente bom em imitar padrões linguísticos.
2.3 O que a IA generativa faz bem — e o que não faz
| Faz bem | Não faz (ou faz mal) |
|---|---|
| Resumir textos longos | Calcular matemática complexa com confiança |
| Gerar rascunhos de texto | Raciocinar de forma verdadeiramente nova |
| Responder perguntas gerais | Saber eventos após sua data de treinamento |
| Traduzir idiomas | Entender ironia, sarcasmo e contexto cultural profundo |
| Gerar código funcional | Ter certeza sobre quando está errada |
| Brainstorm e geração de ideias | Produzir informação factual sem inventar |
“Alucinação é o termo técnico para quando a IA inventa informações com aparência de verdade e confiança. Esse é um dos maiores desafios práticos para uso educacional. A IA não sabe quando está errada.”
Parte 3 — IA no Cotidiano Escolar e Pessoal (1 hora)
3.1 IAs que vocês já usam (sem saber)
Faça esse levantamento com os participantes:
| Você usa? | IA por trás |
|---|---|
| Google Maps / Waze | IA de rotas, previsão de trânsito |
| Google Photos | IA de reconhecimento de rostos e objetos |
| Corretor automático do celular | IA de predição de texto |
| Filtro de spam do e-mail | IA de classificação |
| Recomendações do YouTube/Spotify | IA de perfil comportamental |
| Tradução automática (Google Tradutor) | IA de tradução neural |
| Assistente de voz (Siri, Google, Alexa) | IA de reconhecimento de fala + LLM |
3.2 IAs específicas para educação
- Google Classroom — sugestões automáticas de feedback (beta)
- Kahoot / Quizizz — adaptação automática de dificuldade
- Duolingo — personalização da trilha de aprendizagem
- Grammarly — sugestões de escrita (LLM)
- Teachable Machine — ferramenta para criar classificadores de imagem (gratuita, sem conta, funciona no navegador)
3.3 Desmistificando medos comuns
| Medo comum | Resposta baseada em evidências |
|---|---|
| “A IA vai substituir professores” | Não: professores fazem coisas que IA não consegue — empatia, cuidado, percepção de contexto emocional |
| “Alunos vão usar IA para trapacear” | Isso já acontece; a resposta é letramento, não proibição |
| “A IA é sempre certa” | Não: IA erra, alucina, tem vieses — verificação é essencial |
| “Não preciso entender para usar” | Parcialmente verdadeiro: mas sem entendimento, não se percebe os erros |
| “A IA vai controlar nossas mentes” | IAs atuais não têm objetivos próprios; os problemas existem mas são diferentes |
Parte 4 — Vocabulário Essencial e Próximos Passos (1 hora)
4.1 Glossário Mínimo do Professor de IA
| Termo | Definição para usar em sala |
|---|---|
| Inteligência Artificial | Sistemas computacionais que executam tarefas que normalmente exigem inteligência humana |
| Machine Learning | IA que aprende com exemplos em vez de ser programada com regras |
| Rede Neural | Arquitetura computacional inspirada no cérebro — base de quase toda IA moderna |
| Dados de treinamento | O conjunto de exemplos com que a IA aprende |
| Viés | Quando a IA aprende padrões injustos dos dados e os reproduz |
| Alucinação | Quando a IA inventa informações com aparência de verdade |
| Prompt | A instrução ou pergunta que você dá à IA |
| LLM | Modelo de Linguagem Grande — base de chatbots como ChatGPT, Claude |
| IA Generativa | IA que cria conteúdo novo: texto, imagem, música, código |
| Deepfake | Conteúdo de vídeo/áudio manipulado por IA para parecer real |
4.2 Três Princípios para Ensinar sobre IA com Confiança
Princípio 1 — Curiosidade, não certeza Você não precisa saber tudo. “Não sei — vamos descobrir juntos” é uma resposta legítima e pedagogicamente valiosa.
Princípio 2 — Ética no centro Todo conteúdo técnico tem uma dimensão ética. A “Caixa de Ética” no final de cada atividade não é opcional — é onde acontece o aprendizado mais profundo.
Princípio 3 — Verificar sempre Nunca assuma que a IA está certa. Ensinar o hábito de verificar é a habilidade mais importante que você pode transmitir.
4.3 Para a Próxima Semana
- Escolha 3 ferramentas de IA que você já usa e identifique como elas funcionam
- Teste o Teachable Machine (teachablemachine.withgoogle.com) — sem conta, sem instalação
- Leia o módulo 2 antes da próxima formação
Módulo 1 de 4 | LABRIOT — UTFPR | Profa. Dra. Itamar Iliuk (Coordenadora) | CC BY-NC-SA 4.0 Próximo módulo: “Módulo 2 — Conduzindo Atividades de IA em Sala com Segurança”