Se a IA explica, o que sobra para o professor?

Na Coluna Educação Corporativa especial de outubro, Constanza Hummel discute como a inteligência artificial desloca o papel do professor da explicação de conteúdos para o desenho da aprendizagem

Durante muito tempo, uma grande parcela dos professores, inclusive eu, aprendeu a dar aula olhando primeiro para o conteúdo. Qual é o ponto? O que preciso explicar? O que o aluno precisa saber para ir bem na prova?

Isso não aconteceu por acaso. Durante décadas, organizamos boa parte do sistema educacional dessa maneira. Currículos divididos em conteúdos e conteúdos em matérias, aulas planejadas a partir do que precisava ser ensinado e avaliações preocupadas, em grande medida, em verificar aquilo que o aluno conseguia reproduzir.

Nada disso deixou de importar. Conhecimento importa. Repertório importa. Um aluno não desenvolve pensamento crítico sobre aquilo que desconhece. Não resolve problemas complexos sem ter informações, conceitos e referências que sustentem seu raciocínio.

Mas alguma coisa mudou.

Hoje, um aluno pode acessar explicações, resumos, exercícios, exemplos e vídeos sobre praticamente qualquer conteúdo em poucos segundos. Com a inteligência artificial generativa, pode ir além: pedir que um conceito seja explicado novamente, em outra linguagem, usando uma metáfora, adaptado para sua idade ou relacionado a algo que ele já conhece. 

Então talvez seja hora de mudarmos de vez a nossa perspectiva e focar em “o que esse aluno precisa pensar, experimentar, fazer, errar, discutir e elaborar para realmente aprender?”

Para algumas pessoas pode parecer uma mudança pequena, para outras só questão de semântica, só que não! Na prática é uma mudança enorme. 

A IA exige que o professor aprenda a transformar conteúdo em aprendizagem. 

Essa discussão me intriga profundamente porque não pertence apenas à educação formal. Ela aparece também na educação corporativa e atravessa diferentes faixas etárias. No fundo, a pergunta é a mesma: em um mundo no qual respostas, conteúdos e explicações estão cada vez mais disponíveis, o que precisamos fazer para que alguém realmente aprenda?

Pesquisando mais sobre IA, tecnologia e aprendizagem, encontrei três pesquisadores que ajudam a organizar muito do que venho pensando e observando: Rose Luckin, Neil Selwyn e Manu Kapur. Eles partem de perspectivas diferentes, e é justamente por isso que a combinação me interessa. Luckin olha para a relação entre inteligência humana e artificial. Selwyn tensiona o entusiasmo com a tecnologia e nos obriga a perguntar o que ela realmente melhora na educação. E Kapur, que eu já conhecia e sobre quem inclusive já escrevi aqui no Educador21 ao falar de Productive Failure, nos lembra de algo essencial: aprender exige esforço, tentativa e, muitas vezes, erro.

Os três me ajudam a enxergar menos uma lista de “novas competências do professor” e mais alguns deslocamentos muito concretos no trabalho de quem ensina.

Quando explicar deixa de ser suficiente

Rose Luckin, professora emérita de Learner Centred Design na University College London e uma das referências internacionais em Inteligência Artificial aplicada à educação, pesquisa há décadas a relação entre tecnologia e aprendizagem.

Uma de suas ideias centrais é que inteligência artificial e inteligência humana não são a mesma coisa. A IA  busca, processa, organiza, amplia e produz informação. Mas compreender contextos, refletir sobre o próprio pensamento, autorregular-se e atribuir sentido continuam sendo capacidades profundamente humanas.

Isso muda o trabalho do professor. Se uma boa explicação, inclusive, adequada para cada perfil de estudante, está disponível em segundos, seu diferencial não pode estar apenas em explicar. Está em criar as condições para que o conteúdo seja compreendido, relacionado, questionado e utilizado.

A pergunta muda de “Como eu explico isso?” para “O que meu aluno precisa fazer cognitivamente para aprender isso?”

Aqui aparece uma skill decisiva: design de aprendizagem.

Usar tecnologia não é saber educar com tecnologia

Neil Selwyn, Distinguished Professor da Monash University, pesquisa há cerca de três décadas as relações entre tecnologia e educação e tornou-se uma importante voz crítica sobre a digitalização do ensino. Seu trabalho nos lembra de algo fundamental: tecnologia não é neutra e colocá-la na sala de aula não significa, automaticamente, melhorar a aprendizagem.

Professor preparado para a era da IA, portanto, não é simplesmente professor que sabe usar IA para preparar aulas ou criar as experiências. A skill que ganha força é muito mais sofisticada: discernimento pedagógico. Quando a tecnologia ajuda o aluno a pensar? Quando pensa por ele? Quando amplia a aprendizagem? Quando apenas facilita a tarefa?

Quanto mais tecnologia disponível, mais julgamento profissional será necessário. E talvez uma das competências mais importantes do professor seja justamente saber quando não usar tecnologia.

E se facilitar demais atrapalhar?

Manu Kapur, professor de Learning Sciences and Higher Education na ETH Zurich e diretor da Future Learning Initiative, desenvolveu o conceito de Productive Failure, ou fracasso produtivo. Sua pesquisa mostra que, em determinadas condições, tentar resolver um problema antes de receber a explicação pode produzir uma aprendizagem mais profunda.

Agora coloquemos a IA nessa história. Temos nas mãos uma tecnologia extraordinariamente competente em remover dificuldades: ela responde, resume, sugere, corrige e resolve. Só que parte da aprendizagem acontece justamente antes da resposta, na tentativa, no erro, na comparação e no esforço para descobrir.

Surge então outra skill docente fundamental: saber administrar a fricção da aprendizagem. Quando ajudar? Quando esperar? Quando explicar? Quando permitir o erro? Quando deixar a IA entrar e quando pedir ao aluno que tente primeiro?

Durante muito tempo associamos uma boa aula à capacidade do professor de tornar um conteúdo mais compreendido. Hoje eu ouso dizer que uma boa aula não é aquela que elimina dificuldade, mas sim que oferece a dificuldade certa, no momento certo, com o suporte certo.

O que, afinal, está mudando?

Luckin, Selwyn e Kapur partem de questões diferentes e não defendem exatamente a mesma visão sobre tecnologia e educação. É justamente aí que a conversa fica interessante.

Luckin nos leva a pensar no que precisamos desenvolver de profundamente humano. Selwyn nos lembra que tecnologia exige julgamento e intencionalidade. Kapur recoloca o esforço cognitivo no centro da aprendizagem.

Juntos, eles ajudam a enxergar três deslocamentos importantes na prática docente: 

• de explicar conteúdos para desenhar aprendizagem; 
• de usar tecnologia para julgar pedagogicamente seu uso; 
• de facilitar tudo para construir a fricção necessária para aprender.

Isso torna o papel do professor ainda mais sofisticado.

Dominar conteúdo e saber explicar continuam fundamentais. Mas já não bastam. Em um mundo de respostas abundantes, será cada vez mais importante saber criar as condições para que o aluno pense, experimente, erre, construa repertório e aprenda.