Enquanto desenvolvemos o CyberScholar (uma versão totalmente nova do CGScholar, com IA incorporada), temos refletido sobre princípios de design para a IA na educação. Aqui está nosso primeiro rascunho — comentários são bem-vindos!

1. Relações Ciber-Sociais

IA e humanos estão sempre em uma relação dialética, dois tipos de inteligência fundamentalmente diferentes interagindo. Não deve haver IA sem moderação humana. Por exemplo, o feedback da IA deve ser acompanhado por uma autoavaliação metacognitiva e uma reflexão sobre as diferenças entre a perspectiva humana do criador de conhecimento e as perspectivas da IA.

2. Diferenças entre Estudantes

Sistemas educacionais baseados em IA devem ser ajustados às diferenças entre os alunos, mudando o registro de suas interações com os estudantes conforme as respostas deles, e ao longo do tempo desenvolvendo uma compreensão finamente calibrada dos interesses, necessidades e trajetórias potenciais de aprendizagem de cada um.

3. Pensamento Profundo

O ensino com IA deve ser orientado para desempenhos epistêmicos complexos — não para fatos isolados, respostas sim/não ou os limites de memória de baixo nível típicos de testes de resposta seletiva. A aprendizagem exige a construção de artefatos de conhecimento holísticos. Por exemplo: um relatório de projeto científico, uma interpretação literária, uma explicação histórica, um design em um makerspace, a resolução de um problema matemático, etc.

4. Multimodalidade

As representações de conhecimento dos estudantes devem demonstrar capacidade de transpor significados entre texto, imagem, espaço, objeto, corpo, som e fala. Por exemplo, toda mídia visual ou em vídeo deve ser acompanhada de rótulos textuais e/ou exegese, tanto para revelar o pensamento quanto para possibilitar a análise pela IA.

5. Colaboração

A colaboração com a IA deve ser complementada pela colaboração humano-humano, como feedback entre pares e/ou a presença do professor. No caso de aprendizagem assíncrona, isso requer uma arquitetura de encadeamento social, onde os estudantes interagem com pessoas que recentemente alcançaram o mesmo ponto em uma progressão de aprendizagem ou que o farão em breve.

6. Entrega Híbrida

Os formatos de entrega presencial, online, síncronos e assíncronos devem se basear nos mesmos princípios e estar fundamentados em arquiteturas compartilhadas, apoiando o movimento “hyflex” (híbrido e flexível) entre os diferentes modos de entrega.

7. Co-Design

Professores, aprendizes e a inteligência pedagógica e coletiva curada na IA tornam-se co-designers (sempre!) de novos conhecimentos.

8. Declaração do Modelo

Com cada artefato criado pelo estudante, os sistemas devem declarar automaticamente, tanto para o estudante quanto para o professor:
a) Base de Conhecimento especializada para RAG/CAG;
b) Agentes de Rubrica;
c) Modelo Fundacional.

9. Transparência da IA

Com cada artefato criado pelo estudante, os sistemas devem declarar automaticamente quanto e de que maneiras o aprendiz utilizou a IA para ampliar (ou reduzir) seu esforço epistêmico.

10. Avaliação Contínua

Análises granulares significam que toda avaliação é formativa, e a avaliação somativa não passa de uma visão retrospectiva do progresso, baseada em dados que, em primeira instância, foram formativos. A avaliação está tão incorporada que não há distinção temporal ou material entre instrução e avaliação.

11. Sabendo o que os Estudantes Sabem

A evidência de ter aprendido não é um 8,5 superficial ou 72%, mas sim artefatos de conhecimento. A análise por IA pode examinar esses artefatos para identificar zonas de desenvolvimento proximal, onde novas aprendizagens podem ser mais produtivamente situadas. Publicados em um portfólio do estudante, as instituições educacionais e empregadores terão uma visão mais completa das capacidades do aluno do que currículos ou cartas de aplicação para faculdades.