Inteligência artificial na escola pública: percepções de licenciandos do PIBID

Autores

DOI:

https://doi.org/10.56117/resbenq.2026.v7.e072622

Palavras-chave:

Ensino de Química, Formação Inicial de Professores, PIBID, Escola pública

Resumo

Este estudo teve por objetivo analisar as percepções de licenciandos em Química e Física participantes do Programa Institucional de Bolsa de Iniciação à Docência (PIBID) acerca do papel da inteligência artificial (IA) no processo de ensino e aprendizagem na escola pública. Participaram 24 licenciandos vinculados à Universidade do Estado do Pará (UEPA) e à Universidade Federal de Juiz de Fora (UFJF). De abordagem qualitativa e caráter exploratório, a pesquisa utilizou um questionário com duas questões abertas. O corpus foi submetido à Classificação Hierárquica Descendente e à Análise de Similitude no IRAMUTEQ, e os resultados foram interpretados com apoio da Análise Textual Discursiva. Os participantes percebem a IA como ferramenta de apoio ao planejamento, à produção de materiais didáticos e à organização do trabalho pedagógico. Também identificam riscos relacionados à imprecisão das respostas, à dependência tecnológica, à padronização das práticas pedagógicas e à desvalorização do trabalho docente. As percepções expressas convergem para a preservação da mediação, da autoria e do julgamento profissional do professor. Conclui-se que a formação inicial deve incorporar discussões sistemáticas sobre o uso pedagógico, ético e crítico da IA, em contextos de escola pública.

Biografia do Autor

Ronilson Freitas de Souza , Universidade do Estado do Pará, UEPA

Ronilson Freitas de Souza é professor do Departamento de Ciências Naturais da Universidade do Estado do Pará (UEPA) e docente permanente do Programa de Pós-Graduação em Educação e Ensino de Ciências na Amazônia (PPGEECA/UEPA), atuando a linha de Estratégia Educativas para o Ensino de Ciências na Amazônia. Formado em Ciências Naturais com habilitação em Química pela Universidade Federal do Pará (UFPA), com mestrado e doutorado em Química pela mesma instituição, e Pós-doutor em Educação em Química pela Universidade Federal de Juiz de Fora, pesquisa metodologias inovadoras para o ensino de Química e de Ciências, produtos educacionais para a divulgação científica e o uso pedagógico da inteligência artificial na formação de professores.

Lucicleia Pereira da Silva, Universidade do Estado do Pará, UEPA

Lucicléia Pereira da Silva é professora do Departamento de Ciências Naturais da Universidade do Estado do Pará (UEPA) e docente permanente do Programa de Pós-Graduação em Educação e Ensino de Ciências na Amazônia (PPGEECA/UEPA), atuando a linha de Estratégia Educativas para o Ensino de Ciências na Amazônia. Formada em Licenciatura em Química pela Universidade Federal do Pará (UFPA), com mestrado em Educação em Ciências e Matemáticas (UFPA), doutorado em Ciências Ambientais pela Universidade Federal de Goiás (UFG) e pós-doutorado pela Universidade Federal do Paraná (UFPR). Desenvolve pesquisas sobre educação química, ensino de ciências e educação ambiental em uma perspectiva da pedagogia freireana.

Adriana Aparecida da Silva , Universidade Federal de Juiz de Fora, UFJF

Adriana Aparecida da Silva é professora associada da Faculdade de Educação da Universidade Federal de Juiz de Fora (UFJF), com especialização em Ensino de Física e formação de professores. Formada em Matemática e em Física pela UFJF, com mestrado e doutorado em Educação pela mesma instituição, pesquisa argumentação e práticas experimentais no ensino de Ciências da Natureza e formação docente, coordena o Grupo de Estudos e Pesquisa em Práticas Experimentais no Ensino de Ciências da Natureza (GEPPECIN).

Andréia Francisco Afonso , Universidade Federal de Juiz de Fora, UFJF

Andréia Francisco Afonso é professora do Departamento de Química e do Programa de Pós-Graduação em Química da Universidade Federal de Juiz de Fora (UFJF), com especialização em Ensino de Química e formação de professores. Formada em Ciências Biológicas pela Universidade do Estado do Rio de Janeiro (UERJ) e em Química pela Universidade de Uberaba (UNIUBE), com mestrado em Ciências Biológicas (Zoologia) pelo Museu Nacional/UFRJ e doutorado em Ciências (Química) pela Universidade Federal de São Carlos (UFSCar), coordena o Subprojeto Interdisciplinar Ciências do PIBID/UFJF, lidera o grupo de pesquisa QuInFormação, pesquisa formação inicial e continuada de professores de Química, interdisciplinaridade, avaliação e educação ambiental.

Referências

Brasil. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (2024a). Portaria CAPES nº 90, de 25 de março de 2024. https://cad.capes.gov.br/ato-administrativo-detalhar?anchor=&idAtoAdmElastic=14542

Brasil. Coordenação de Aperfeiçoamento de Pessoal de Nível Superior. (2024b). Edital nº 10/2024 – Programa CAPES/PIBID. https://www.gov.br/capes/pt-br/centrais-de-conteudo/editais/29052024_Edital_2386922_SEI_2386489_Edital_10_2024.pdf

Camargo, B. V., & Justo, A. M. (2013). IRAMUTEQ: Um software gratuito para análise de dados textuais. Temas em Psicologia, 21(2), 513–518. https://doi.org/10.9788/TP2013.2-16

Camargo, B. V., & Justo, A. M. (2021). Tutorial para uso do software IRAMUTEQ (Interface de R pour les Analyses Multidimensionnelles de Textes et de Questionnaires). Universidade Federal de Santa Catarina. https://pratinaud.gitpages.huma-num.fr/iramuteq-website/documentation/Tutorial-iramuteq-em-portugues-22-11-2021.pdf

Creely, E., & Carabott, K. (2025). Teaching and learning with AI: An integrated AI-oriented pedagogical model. The Australian Educational Researcher, 52, 4633–4654. https://doi.org/10.1007/s13384-025-00913-6

Gil, A. C. (2016). Métodos e técnicas de pesquisa social (6ª ed.). Atlas.

Huang, R., Yin, Y., Zhou, N., & Lang, F. (2026). Artificial intelligence in K–12 education: An umbrella review. Computers and Education: Artificial Intelligence, 10, 100519. https://doi.org/10.1016/j.caeai.2025.100519

Lehmann, M., Cornelius, P. B., & Sting, F. J. (2024). AI meets the classroom: When does ChatGPT harm learning? arXiv. https://arxiv.org/abs/2409.09047v1

Leite, B. S. (2024). Análise da inteligência artificial ChatGPT na proposição de planos de aulas para o ensino da química. Revista Electrónica de Enseñanza de las Ciencias, 23(3), 473–497. https://reec.uvigo.es/volumenes/volumen23/REEC_23_03_07_ex2207_1077.pdf

Lima, V. M. R., Amaral-Rosa, M. P., & Ramos, M. G. (2023). Discursive textual analysis & IRAMUTEQ: Potentials of the blended process. Acta Scientiae, 25(4), 1–25. https://doi.org/10.17648/acta.scientiae.6994

Mendonça, A. P. (2025). IA generativa na educação: Um ponto de partida para pesquisadores, professores e estudantes. Edição do autor. https://drive.google.com/file/d/1cuozKDY_dB3tLOGMbTwStPKeEclrg__x/view

Moraes, R., & Galiazzi, M. do C. (2016). Análise textual discursiva. Editora Unijuí.

Nogueira, K. S. C., & Fernandez, C. (2019). Estado da arte sobre o PIBID como espaço de formação de professores no contexto do ensino de Química. Ensaio: Pesquisa em Educação em Ciências, 21, e210128. https://doi.org/10.1590/1983-21172019210128

Paniago, R. N., Sarmento, T., & Rocha, S. A. da. (2018). O PIBID e a inserção à docência: Experiências, possibilidades e dilemas. Educação em Revista, 34, e190935. https://doi.org/10.1590/0102-4698190935

Reinert, M. (1983). Une méthode de classification descendante hiérarchique: Application à l’analyse lexicale par contexte. Les Cahiers de l’Analyse des Données, 8(2), 187–198. https://www.numdam.org/item/CAD_1983__8_2_187_0/

Rocha, P. N. (2025). Estágio supervisionado, PIBID e residência pedagógica no ensino de Química: Uma revisão sistemática. Revista da Sociedade Brasileira de Ensino de Química, 6(1), e062504. https://doi.org/10.56117/ReSBEnQ.2025.v6.e062504

Salviati, M. E. (2017). Manual do aplicativo IRAMUTEQ (versão 0.7 Alpha 2 e R versão 3.2.3). https://pratinaud.gitpages.huma-num.fr/iramuteq-website/documentation/manual_portuguese_Salviati.pdf

Sampaio, R. C., Sabbatini, M., & Limongi, R. (2024). Diretrizes para o uso ético e responsável da inteligência artificial generativa: Um guia prático para pesquisadores. Intercom. https://www.portcom.intercom.org.br/ebooks/detalheEbook.php?id=57203

Silva, L. P., & Bedin, E. (2025). O que há sobre experimentação problematizadora em revistas brasileiras de ensino de química? Revista Electrónica de Enseñanza de las Ciencias, 24(2), 314–334. https://reec.uvigo.es/volumenes/volumen24/REEC_24_02_05_ex2224_1097.pdf

Souza, R. F. de, Silva, C. D. H. da, Ramos, E. Z., & Afonso, A. F. (2026). Revisão de explicações em Química com apoio de IA generativa e mediação docente no ensino superior. Indagatio Didactica, 18(1), 381–400. https://doi.org/10.34624/4h7mxg39

Stanzani, E. de L., Broietti, F. C. D., & Passos, M. M. (2012). As contribuições do PIBID ao processo de formação inicial de professores de Química. Química Nova na Escola, 34(4), 210–219. https://qnesc.sbq.org.br/online/qnesc34_4/07-PIBID-68-12.pdf

Teles, L. M. G., Silva, L. P., & Silva, L. O. (2024). Percepções de professores de Química da Amazônia Paraense sobre a incorporação da inteligência artificial no ensino. Areté: Revista Digital del Doctorado en Educación, 10, 141–158. https://doi.org/10.55560/arete.2024.ee.10.10

UNESCO. (2025). Promoting and protecting teacher agency in the age of artificial intelligence: Position paper. https://unesdoc.unesco.org/ark:/48223/pf0000396540

Valiente, L. J., Posso Menco, L., García Mendoza, K., Sánchez Montero, E., Díaz Jiménez, A., Fruto Silva, E., & Castillo Martelo, J. (2025). Artificial intelligence as didactic mediation in learning environments for the strengthening of reading comprehension in students of basic and higher education: A theoretical review from the Casa del Maestro. Lex Localis – Journal of Local Self-Government, 23(S6), 2143–2161. https://doi.org/10.52152/gkas0b92

Downloads

Publicado

2026-09-25

Como Citar

Souza , R. F. de, Pereira da Silva, L., Silva , A. A. da, & Afonso , A. F. (2026). Inteligência artificial na escola pública: percepções de licenciandos do PIBID. Revista Da Sociedade Brasileira De Ensino De Química, 7(1), e072622. https://doi.org/10.56117/resbenq.2026.v7.e072622

Edição

v. 7 n. 1 (2026): Janeiro-Dezembro

Seção

Dossiê

Licença

Licença Creative Commons

Todas as publicações da Revista da Sociedade Brasileira de Ensino de Química estão licenciadas sob licença Creative Commons Attribution 4.0 International License. (CC BY 4.0).

Creative Commons License

Autores que publicam nesta revista concordam com os seguintes termos:

  1. Autores mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attributionque permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
  2. Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
  3. Autores têm permissão e são estimulados a publicar e distribuir seu trabalho on-line(ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado (Veja O Efeito do Acesso Livre).