PERFIS DOCENTES E INTELIGÊNCIA ARTIFICIAL NO ENSINO SUPERIOR NO ESTADO DO PARANÁ, BRASIL
DOI:
https://doi.org/10.18817/vjshr.v4i2.77Palavras-chave:
competências em IA, educação e tecnologia, análise multivariadaResumo
Este artigo apresenta uma análise exploratória de dados realizada com uma amostra de 611 docentes pertencentes a sete universidades estaduais públicas do Paraná. A partir da aplicação de técnicas de inteligência artificial (IA) e ciência de dados, os participantes foram classificados em três grupos (clusters), considerando quatro dimensões analíticas: percepção de competência em IA, reconhecimento da urgência do tema nas áreas de ensino, pesquisa, extensão e gestão, postura ética frente ao uso da IA e interesse em formação continuada. Foram utilizadas as técnicas de Análise de Componentes Principais (PCA) e de clusterização por meio do algoritmo K-Means. A análise resultou na identificação de três perfis distintos: “veteranos cautelosos” (ou tradicionalistas), “realistas abertos” (possíveis articuladores institucionais) e “novos entusiastas” (potenciais multiplicadores). Conclui-se pela necessidade de formulação de políticas formativas segmentadas e flexíveis, com percursos formativos adaptados aos perfis identificados.
Referências
Ayrosa, P. P. (2024). Pesquisa sobre a necessidade de capacitação em inteligência artificial para docentes do ensino superior público do estado do Paraná. In Anais da 20ª Semana da Educação. Galoá. https://proceedings.scienc/sedu-2024/trabalhos/pesquisa-sobre-a-necessidade-de-capacitacao-em-inteligencia-artificial-para-doce?lang=pt-br
Azambuja, C. C. De, Silva, G. F. (2025) Novos desafios para a educação na Era da Inteligência Artificial. Filosofia Unisinos, 25(1), 1–16. https://doi.org/10.4013/fsu.2024.251.07.
Barrios-Tao, H., Díaz, V., & Guerra, Y. M. (2021, 10 de dezembro). Propósitos de la educación frente a desarrollos de inteligencia artificial. Cadernos de Pesquisa, 51, e07767.
Bekiaridis, G. (2024). Suplemento ao quadro DigCompEdu: Definição das aptidões e competências dos educadores em matéria de IA na educação. AIPioneers. https://aipioneers.org/wpcontent/uploads/2024/01/WP3_Suplemento_ao_DigCompEdu_Portuguese.pdf
Hair, J. F., Jr., Black, W. C., Babin, B. J., & Anderson, R. E. (2009). Multivariate data analysis (7th ed.). Pearson Prentice Hall.
Han, J., Kamber, M., & Pei, J. (2012). Data mining: Concepts and techniques (3rd ed.). Morgan Kaufmann.
Kukulska-Hulme, A., Wise, A.F., Coughlan, T., Biswas, G., Bossu, C., Burriss, S.K., Charitonos, K., Crossley, S.A., Enyedy, N., Ferguson, R., FitzGerald, E., Gaved, M., Herodotou, C., Hundley, M., McTamaney, C., Molvig, O., Pendergrass, E., Ramey, L., Sargent, J., Scanlon, E., Smith, B.E., & Whitelock, D. (2024). Innovating Pedagogy 2024: Open University Innovation Report 12. The Open University.
Lei nº 14.533, de 11 de janeiro de 2023. (2023, janeiro 11). Institui a Política Nacional de Educação Digital (PNED). Diário Oficial da União, seção 1. https://www.planalto.gov.br/ccivil_03/_ato20232026/2023/lei/l14533.htm
Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology.
Lima-Lopes, R. E. (2025). Por uma revisão crítica do uso de inteligência artificial na educação. SciELO Preprints. https://doi.org/10.1590/SciELOPreprints.11450
Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the CHI Conference on Human Factors in Computing Systems (Honolulu, HI). ACM.
Lu, Y., Yang, Y., Zhao, Q., Zhang, C., & Li, T. J. J. (2024). AI assistance for UX: A literature review through human-centered AI. arXiv. https://arxiv.org/abs/2402.06089
Lucas, M., & Moreira, A. (2018). DigCompEdu: Quadro europeu de competência digital para educadores. Universidade de Aveiro.
Miao, F., & Cukurova, M. (2024). AI competency framework for teachers. UNESCO. https://www.unesco.org/en/articles/ai-competency-framework-teachers
Moreira, J. A., Dias-Trindade, S., Knuppel, M. A., & Serra, I. (2024). Quadro de referência das competências pedagógico-digitais de professores: Pedagogical DigCompEdu reloaded. EDUEMA. https://editorauema.uema.br
Ng, D. T. K., Leung, J. K. L., Chu, S. K. W., & Qiao, M. S. (2021). Conceptualizing AI literacy: An exploratory review. Computers and Education: Artificial Intelligence, 2.
Organização das Nações Unidas para a Educação, a Ciência e a Cultura (2022). Recomendação sobre a ética da inteligência artificial. https://unesdoc.unesco.org/ark:/48223/pf0000381137_por.
Organização das Nações Unidas para a Educação, a Ciência e a Cultura (2023). Para aproveitar a era da inteligência artificial na educação superior: Um guia às partes interessadas do ensino superior. https://unesdoc.unesco.org/ark:/48223/pf0000386670_por.
Peck, R., & Devore, J. L. (2012). Statistics: The exploration and analysis of data (7ª ed.). Cengage Learning.
Pinheiro, C. A. R. (2008). Inteligência analítica: Mineração de dados e descoberta de conhecimento. Ciência Moderna.
Sayad, A. V. (2022). Inteligência artificial e seu impacto no desenvolvimento do pensamento crítico [Dissertação de Mestrado, Pontifícia Universidade Católica de São Paulo]. Pontifícia Universidade Católica de São Paulo Repositório. https://repositorio.pucsp.br/jspui/handle/29620/1/Alexandre%20Le%20Voci%20Sayad.pdf
Silva, L. A., Peres, S. M., & Boscarioli, C. (2016). Introdução à mineração de dados: Com aplicações em R. Elsevier.
Spitzer, M. (2000). The mind within the net: Models of learning, thinking, and acting. MIT Press.
Turing, A. (1950). Computing machinery and intelligence. Mind, 59(236), 433–460. https://academic.oup.com/mind/article/LIX/236/433/986238.
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Esta obra está licenciada com uma Licença Creative Commons Atribuição-NãoComercial 4.0 Internacional.
