INTRODUÇÃO

A ascensão das tecnologias educacionais tem promovido transformações profundas no ensino e na aprendizagem, sobretudo na matemática, uma disciplina que, historicamente, impõe desafios cognitivos significativos aos discentes. Nesse contexto, a Inteligência Artificial (IA) tem se consolidado como um recurso estratégico para a personalização do ensino, permitindo a adaptação dos conteúdos pedagógicos conforme as necessidades e o ritmo de aprendizado de cada estudante. O potencial da IA na educação matemática reside na sua capacidade de ajustar a complexidade das tarefas propostas, fornecer feedbacks instantâneos e dinamizar a experiência de aprendizagem, conferindo maior autonomia ao discente e fomentando um ensino mais eficiente.

A implementação de sistemas adaptativos e tutores virtuais têm evidenciado um avanço na superação das limitações inerentes ao modelo tradicional de ensino. Essas tecnologias possibilitam o monitoramento detalhado do desempenho estudantil, permitindo a intervenção pedagógica direcionada para sanar lacunas conceituais. Diferentemente das abordagens convencionais, a IA possibilita a criação de percursos individuais de aprendizagem, promovendo um envolvimento mais ativo dos alunos e potencializando sua compreensão matemática. Esse novo paradigma educativo descentraliza o ensino, colocando o aluno no centro do processo de construção do conhecimento e mitigando dificuldades relacionadas à aprendizagem da matemática.

Diante desse cenário, esta pesquisa busca responder às seguintes perguntas norteadoras: De que forma a Inteligência Artificial pode contribuir para a personalização do ensino da matemática? Quais desafios pedagógicos, éticos e tecnológicos a IA apresenta na educação matemática? Como a implementação de sistemas adaptativos pode impactar o desempenho dos estudantes e o papel do professor na sala de aula?

O objetivo geral desta pesquisa é analisar o impacto da Inteligência Artificial na personalização do ensino de matemática, explorando suas vantagens, desafios e possibilidades de aplicação em diferentes níveis educacionais. Para alcançar esse propósito, são estabelecidos os seguintes objetivos específicos: identificar e categorizar as principais ferramentas de IA utilizadas no ensino de matemática; avaliar o impacto dessas tecnologias no desempenho acadêmico e na aprendizagem significativa dos alunos; e investigar os desafios da implementação da IA na educação matemática, considerando aspectos pedagógicos, éticos e tecnológicos.

A pesquisa será conduzida a partir de uma abordagem qualitativa e quantitativa. Inicialmente, será realizada uma revisão bibliográfica sobre o uso da IA no ensino da matemática, analisando publicações acadêmicas e estudos de caso. Em seguida, será conduzido um estudo empírico em instituições de ensino que já utilizam ferramentas de IA para personalizar o aprendizado matemático. Serão aplicados questionários e entrevistas com professores e alunos para avaliar a percepção e os impactos dessas tecnologias na aprendizagem. Além disso, será realizada uma análise de desempenho dos estudantes antes e após a implementação dessas ferramentas, a fim de verificar sua eficácia.

Os dados coletados serão analisados por meio de técnicas estatísticas e de análise de conteúdo, permitindo a identificação de padrões e tendências que possam embasar recomendações para a implementação da IA no ensino de matemática. Dessa forma, a pesquisa pretende contribuir para o aprimoramento das práticas pedagógicas e para a criação de estratégias mais eficazes no uso da Inteligência Artificial na educação matemática.

Diante desse panorama, este artigo propõe uma análise crítica sobre o impacto da Inteligência Artificial na personalização do ensino de matemática, examinando suas potencialidades e desafios. Serão abordados modelos e ferramentas já implementados, suas aplicações na educação básica e superior, bem como as barreiras que precisam ser superadas para que essa tecnologia efetivamente contribua para a evolução do ensino matemático. Adicionalmente, serão discutidas perspectivas futuras acerca do desenvolvimento de novas soluções tecnológicas capazes de aprimorar ainda mais a personalização da aprendizagem matemática, promovendo um ensino mais acessível, envolvente e equitativo para todos os estudantes. Este estudo caracteriza-se como uma revisão bibliográfica de natureza qualitativa, voltada para a investigação das potencialidades e desafios da personalização do ensino de matemática por meio da Inteligência Artificial (IA). A revisão bibliográfica permite a sistematização do conhecimento já produzido sobre o tema, possibilitando uma análise crítica das contribuições acadêmicas existentes e a identificação de lacunas na literatura.

A pesquisa se enquadra no campo das revisões narrativas da literatura, sendo uma abordagem que visa contextualizar e discutir o tema com base na produção científica já consolidada. A escolha desse tipo de revisão justifica-se pela necessidade de compreender como a IA tem sido aplicada na personalização do ensino da matemática, analisando estudos que abordam tutores inteligentes, sistemas adaptativos e impactos dessa tecnologia no aprendizado matemático.

A abordagem utilizada é qualitativa, pois busca interpretar e relacionar os achados da literatura sem a intenção de quantificar os dados. Dessa forma, este estudo pretende compreender como diferentes autores discutem a temática e quais são as principais tendências e desafios apontados.

A revisão bibliográfica será conduzida a partir de uma busca sistemática em bases de dados acadêmicas reconhecidas, garantindo a confiabilidade das informações analisadas. As fontes consultadas serão: SciELO (Scientific Electronic Library Online); Google Acadêmico; CAPES Periódicos; IEEE Xplore Digital Library; Springer Link.

Para garantir a relevância dos estudos analisados, serão adotados os seguintes critérios de seleção. Critérios de inclusão: Publicações científicas indexadas entre 2020 e 2025, garantindo atualidade na abordagem do tema; Estudos que abordam IA aplicada à personalização do ensino de matemática; Trabalhos que discutem sistemas adaptativos e tutores inteligentes na educação matemática; Pesquisas que analisam benefícios e desafios da IA no ensino matemático.

Critérios de exclusão: Trabalhos publicados antes de 2020, a menos que sejam fundamentais para a fundamentação teórica; Estudos que tratam de IA na educação sem foco específico na matemática; Artigos sem revisão por pares ou publicados em fontes não acadêmicas.

Para localizar os materiais mais relevantes, a pesquisa será realizada com os seguintes descritores de busca, combinados com operadores booleanos (AND, OR, NOT) para otimizar os resultados: “Inteligência Artificial na Educação Matemática”; “Sistemas adaptativos e ensino personalizado”; “Tutores Inteligentes no ensino de matemática”;”Machine Learning aplicado à educação matemática”.

A busca será realizada utilizando títulos, resumos e palavras-chave, garantindo que os materiais selecionados estejam diretamente relacionados ao tema de pesquisa. A análise dos artigos será feita a partir de um processo de categorização temática, no qual os conteúdos serão organizados em eixos centrais que orientam a discussão da pesquisa. As seguintes categorias serão utilizadas para estruturar a análise: Personalização do ensino de matemática com IA.  Como os estudos abordam a adaptação dos conteúdos ao perfil dos alunos?; Impactos pedagógicos da IA na educação matemática. Quais são as contribuições apontadas para a melhoria do aprendizado?; Desafios e limitações na implementação da IA – Quais obstáculos tecnológicos, pedagógicos e éticos são destacados nos estudos?; Perspectivas futuras e tendências. Quais são as inovações previstas e os avanços esperados na personalização do ensino de matemática?

A interpretação dos dados será realizada com base em uma análise crítica e comparativa dos artigos, identificando convergências e divergências entre os autores, além de lacunas que possam justificar investigações futuras.

A revisão bibliográfica adotada nesta pesquisa permitirá a construção de um panorama atualizado sobre a aplicação da IA no ensino da matemática, sistematizando os avanços, desafios e perspectivas dessa tecnologia. Ao seguir esse percurso metodológico, a pesquisa pretende: Mapear as principais abordagens utilizadas na personalização do ensino da matemática com IA; Analisar criticamente os benefícios e desafios identificados na literatura; Identificar lacunas que ainda precisam ser exploradas em pesquisas futuras. Fornece recomendações para a implementação mais eficiente da IA na educação matemática.

Ao final do estudo, espera-se contribuir para o aprimoramento das práticas pedagógicas com IA, apontando caminhos para tornar o ensino matemático mais acessível, eficiente e centrado nas necessidades dos alunos.

REVISÃO DA LITERATURA

INTELIGÊNCIA ARTIFICIAL E PERSONALIZAÇÃO DO ENSINO: CONCEITOS E APLICAÇÕES

A personalização do ensino, enquanto princípio pedagógico, tem ganhado relevância em meio às transformações tecnológicas que permeiam o ambiente educacional contemporâneo. Fundamentada em abordagens construtivistas e sociocognitivas, essa prática pressupõe o reconhecimento das singularidades de cada estudante, propondo estratégias didáticas que considerem suas experiências prévias, ritmos de aprendizagem e interesses pessoais. Nesse contexto, a Inteligência Artificial (IA) surge como uma aliada promissora para viabilizar essa personalização em larga escala, a partir do uso de sistemas que analisam dados educacionais e ajustam conteúdos conforme o perfil de cada aluno. Wang (2018) observa que o uso de algoritmos inteligentes na educação possibilita a identificação de estilos de aprendizagem e lacunas cognitivas, orientando professores e plataformas digitais na escolha de estratégias mais eficazes para o progresso individualizado dos estudantes.

Esse processo de personalização, viabilizado pela IA, não apenas reforça a equidade no ensino, ao oferecer percursos adaptados às necessidades de cada sujeito, como também amplia as chances de engajamento e permanência escolar. A literatura destaca que os sistemas de recomendação personalizados, ao sugerirem recursos de aprendizagem relevantes com base no desempenho e no histórico do aluno, criam um ambiente educacional mais responsivo e motivador. Chen (2021) argumenta que tais sistemas são capazes de otimizar o tempo do estudante, oferecendo materiais que correspondem exatamente ao seu nível de compreensão e interesses, o que favorece a autonomia e a autoeficácia acadêmica.

No campo da educação matemática, essas contribuições tornam-se ainda mais evidentes. Considerando que a Matemática é uma das disciplinas com maiores índices de evasão e dificuldade na Educação Básica, a utilização de recursos baseados em IA pode representar uma resposta pedagógica eficaz. Dentre esses recursos, os tutores virtuais destacam-se como ferramentas capazes de simular a mediação docente, ajustando as explicações, os exemplos e os desafios à realidade de cada estudante. De acordo com Oliveira (2023), tais tutores virtuais oferecem não apenas reforço dos conteúdos, mas também estímulo à metacognição, à medida que encorajam o aluno a refletir sobre seu próprio processo de aprendizagem e identificar suas fragilidades.

Paralelamente, os sistemas adaptativos vêm sendo aplicados como soluções tecnológicas robustas para garantir a progressão contínua na aprendizagem matemática. Esses sistemas utilizam dados em tempo real para alterar o grau de complexidade dos exercícios, permitindo que os alunos avancem de forma gradual e segura. Silva (2024) aponta que essa tecnologia contribui para a construção de trajetórias de aprendizagem personalizadas, nas quais o estudante é constantemente desafiado dentro da sua zona de desenvolvimento proximal, sem se sentir sobrecarregado ou subestimado. Essa característica reforça o papel inclusivo da IA, especialmente em turmas com heterogeneidade de níveis de conhecimento.

Outra faceta relevante do uso da IA na educação refere-se à análise de dados educacionais em larga escala, prática conhecida como Learning Analytics. Essa abordagem permite que professores e gestores obtenham insights valiosos sobre padrões de aprendizagem, dificuldades recorrentes e possíveis fatores de risco para o fracasso escolar. Smith (2023) enfatiza que a inteligência artificial, ao processar esses dados, pode alimentar sistemas de apoio à decisão pedagógica, sugerindo intervenções preventivas e materiais complementares ajustados às demandas de cada estudante ou grupo de alunos.

Ainda que os benefícios sejam expressivos, a implementação da IA na personalização do ensino demanda cautela e reflexão crítica. É fundamental que a adoção dessas tecnologias considere questões éticas, como a proteção de dados pessoais, o risco de reprodução de vieses algorítmicos e a necessidade de formação adequada para os docentes. Além disso, cabe questionar até que ponto as decisões pedagógicas podem ser delegadas a sistemas automatizados sem comprometer a dimensão humana e relacional do ato de ensinar. Portanto, ao mesmo tempo em que se reconhece o potencial transformador da IA, torna-se imperativo construir políticas educacionais que regulamentem seu uso com responsabilidade e sensibilidade pedagógica.

Dessa forma, a integração da Inteligência Artificial ao processo educativo, especialmente na personalização do ensino de Matemática, representa uma oportunidade significativa de inovação. Entretanto, seu sucesso está condicionado à mediação crítica do professor, à adequação às realidades escolares e à articulação com os princípios da equidade, inclusão e respeito à diversidade dos sujeitos que aprendem.

SISTEMAS ADAPTATIVOS E TUTORES INTELIGENTES NO ENSINO DA MATEMÁTICA

No atual cenário educacional, marcado pela diversidade de ritmos e estilos de aprendizagem, os sistemas adaptativos e os tutores inteligentes emergem como soluções tecnológicas promissoras para atender às especificidades dos estudantes, especialmente na disciplina de Matemática. Tais recursos baseados em Inteligência Artificial (IA) são capazes de transformar a dinâmica da sala de aula tradicional ao oferecer experiências de aprendizagem mais personalizadas e responsivas. Ao atuarem como mediadores digitais do processo de ensino-aprendizagem, esses sistemas interpretam dados em tempo real, ajustando o conteúdo conforme o desempenho e as necessidades individuais dos alunos.

Segundo Carvalho, Cabral e Ferrer (2019), os tutores inteligentes se configuram como uma classe de sistemas de IA que atuam como auxiliares no ensino, oferecendo suporte contínuo e direcionado aos estudantes. Antes mesmo da resposta final, esses sistemas avaliam padrões de interação, hesitação e tipo de erro cometido, produzindo intervenções pedagógicas quase imediatas. Essa característica é especialmente relevante na Matemática, área em que a defasagem de aprendizagem tende a aumentar com o passar dos anos escolares.

A personalização promovida por essas ferramentas permite não apenas a identificação de lacunas, mas também a proposição de desafios que respeitam a zona de desenvolvimento proximal de cada aluno. Como enfatizam Morin et al. (2021), os sistemas adaptativos oferecem explicações adicionais, reforços de conceitos e sugestões de exercícios com base nas dificuldades apresentadas, promovendo avanços consistentes na aprendizagem matemática. Essa funcionalidade é particularmente valiosa em turmas numerosas e heterogêneas, nas quais o professor enfrenta limitações de tempo e recursos para atender a todos com equidade.

Além do componente cognitivo, as emoções desempenham papel central na relação do estudante com a Matemática. Morais e Jaques (2022), em um estudo com alunos brasileiros utilizando um tutor inteligente, identificaram variações emocionais durante o processo de aprendizagem – como frustração, confusão e engajamento. A IA, ao monitorar esses estados, pode intervir de forma estratégica para mitigar sentimentos negativos e estimular a persistência, fortalecendo tanto a aprendizagem quanto o vínculo com a disciplina.

A flexibilidade dos sistemas adaptativos também se expressa na forma de feedbacks personalizados, imediatos e contextualizados. Oliveira e Silva (2023) destacam que esse tipo de retroalimentação permite ao aluno corrigir erros em tempo real e refletir sobre seus processos de resolução, consolidando habilidades como a autorregulação e o raciocínio lógico. Isso contribui diretamente para a aprendizagem significativa, pois não se trata apenas de acertar ou errar, mas de compreender as razões de cada escolha feita ao longo do caminho.

Contudo, a adoção dessas tecnologias não ocorre sem desafios. Um dos principais entraves é a infraestrutura das escolas públicas, que muitas vezes não dispõe de equipamentos adequados ou conexão à internet estável. Além disso, o domínio pedagógico dos professores sobre essas ferramentas é decisivo para seu uso eficaz. Moura (2015) alerta que o sucesso dos Sistemas Tutores Inteligentes depende não apenas de sua programação técnica, mas da preparação docente para utilizá-los de forma crítica, ética e integrada aos objetivos educacionais.

Outro aspecto sensível diz respeito à privacidade e à segurança dos dados educacionais. Como esses sistemas dependem da coleta e análise contínua de informações individuais, torna-se imprescindível garantir o uso responsável desses dados, em conformidade com legislações como a Lei Geral de Proteção de Dados (LGPD). A ausência de regulação adequada pode gerar riscos à integridade e à confidencialidade das informações dos estudantes, comprometendo a confiança nas tecnologias educacionais.

Por fim, é válido reconhecer que, embora promissores, os tutores inteligentes não substituem o papel do professor. Eles ampliam suas possibilidades de intervenção pedagógica, mas requerem intencionalidade e acompanhamento humano para garantir que o ensino continue sendo um processo dialógico, afetivo e significativo. O uso consciente dessas ferramentas, portanto, não deve reforçar a lógica da automatização, mas valorizar a mediação docente como peça-chave na construção de uma educação matemática mais justa, inclusiva e centrada no aluno.

DESAFIOS PEDAGÓGICOS, ÉTICOS E TECNOLÓGICOS NA IMPLEMENTAÇÃO DA IA NA EDUCAÇÃO

A implementação da Inteligência Artificial (IA) na educação enfrenta desafios pedagógicos, éticos e tecnológicos que precisam ser analisados para garantir sua integração eficaz e responsável. Entre os principais desafios, destacam-se a formação docente, a privacidade dos dados dos estudantes e a desigualdade no acesso às tecnologias. Cada um desses aspectos exige estratégias para assegurar o uso da IA de maneira ética, inclusiva e eficiente.

A resistência dos professores à adoção de novas tecnologias é um dos principais obstáculos à implementação da IA no ensino. Esse receio pode estar relacionado à falta de capacitação, à insegurança sobre sua eficácia pedagógica ou ao medo da substituição do papel docente. Segundo Silva e Lima (2023), essa resistência está diretamente ligada à ausência de formação continuada e à precariedade da infraestrutura escolar, dificultando a incorporação dessas ferramentas no cotidiano pedagógico.

Para superar essa barreira, é essencial investir na formação docente voltada para o uso pedagógico da IA. Segundo Peixoto e Paiva (2024), essa capacitação deve ir além do aspecto técnico e incluir suas aplicações didáticas e metodológicas. Além disso, políticas públicas devem fomentar programas de formação contínua para que os professores possam experimentar e avaliar o impacto da IA em sala de aula, tornando a adoção dessas tecnologias mais eficaz.

Outro desafio relevante refere-se à privacidade e à proteção de dados dos estudantes. A coleta e análise de informações acadêmicas por sistemas de IA geram preocupações sobre segurança e uso indevido. Ribeiro e Almeida (2023) destacam que a implementação dessas ferramentas exige regulamentações rigorosas para evitar o vazamento de informações sensíveis e garantir o tratamento ético dos dados. A ausência de diretrizes claras pode comprometer a confiança na tecnologia e limitar seu potencial educativo.

Além disso, a desigualdade no acesso à tecnologia representa um entrave significativo para a implementação da IA na educação. Enquanto algumas escolas possuem estrutura adequada, outras enfrentam dificuldades como falta de dispositivos e conexão instável. Segundo Santos e Oliveira (2023), essa desigualdade aprofunda as diferenças no aprendizado, criando uma disparidade entre alunos que têm acesso a inovações tecnológicas e aqueles que dependem de métodos tradicionais de ensino.

Para reduzir esse problema, é fundamental que políticas públicas priorizem a democratização do acesso às tecnologias educacionais. Mendes e Costa (2024) destacam que programas de inclusão digital são essenciais para garantir que todos os estudantes possam se beneficiar da IA. Além disso, parcerias entre o setor público e privado podem viabilizar a distribuição de dispositivos e a ampliação da conectividade em regiões menos favorecidas.

Outra medida importante é a adaptação das ferramentas de IA para diferentes realidades escolares. Desenvolver sistemas que funcionem offline ou que exijam menos infraestrutura pode ampliar a acessibilidade dessas tecnologias. Além disso, garantir que esses recursos considerem a diversidade cultural e linguística dos alunos é fundamental para promover um ensino mais inclusivo.

Assim, a Inteligência Artificial pode se consolidar como uma aliada na educação, desde que desafios como formação docente, proteção de dados e inclusão digital sejam enfrentados. Para isso, é essencial que sua implementação seja acompanhada de estratégias que garantam equidade e segurança, promovendo um aprendizado acessível e eficaz para todos.

A FORMAÇÃO DOCENTE FRENTE À INTELIGÊNCIA ARTIFICIAL: COMPETÊNCIAS, LACUNAS E PERSPECTIVAS

A crescente presença da Inteligência Artificial (IA) nos ambientes escolares demanda uma formação docente que vá além do domínio técnico, exigindo o desenvolvimento de competências pedagógicas, éticas e reflexivas voltadas ao uso crítico e eficaz dessas tecnologias. No contexto do ensino de Matemática, essa demanda é ainda mais significativa, dado o desafio histórico da disciplina no que tange ao engajamento discente e à superação de dificuldades conceituais. Nesse sentido, a preparação dos professores para lidar com recursos baseados em IA, como tutores inteligentes e sistemas adaptativos, torna-se uma condição indispensável para o êxito das estratégias de personalização da aprendizagem.

Segundo Monteiro e Borges (2023), o principal entrave à adoção da IA na educação não é apenas a ausência de infraestrutura, mas a carência de uma formação que integre a compreensão pedagógica, tecnológica e ética de forma articulada. A simples introdução de plataformas inteligentes em sala de aula, sem o devido preparo do docente, tende a gerar resistência, uso superficial dos recursos ou, em casos mais críticos, dependência excessiva de soluções automatizadas. Dessa maneira, é imprescindível que os cursos de formação inicial abordem, de modo estruturado, os fundamentos, aplicações e implicações da IA no ensino, articulando teoria e prática desde os primeiros semestres da licenciatura.

Outro aspecto relevante é o hiato entre a formação inicial e os desafios contemporâneos da prática docente, especialmente em relação ao letramento digital crítico. Fialho (2024) destaca que a maioria das licenciaturas ainda não contempla, em seus currículos, disciplinas que explorem a integração das tecnologias emergentes aos processos de ensino e aprendizagem. Como resultado, muitos professores ingressam na profissão sem preparo para lidar com ambientes virtuais inteligentes, o que fragiliza sua atuação diante das demandas da cultura digital e limita o uso pedagógico efetivo de ferramentas baseadas em IA.

Nesse cenário, a formação continuada assume um papel estratégico. Programas que promovem o desenvolvimento profissional docente em serviço, especialmente aqueles que utilizam metodologias colaborativas e baseadas em problemas reais, têm se mostrado mais eficazes na consolidação de competências tecnológicas aplicadas à prática pedagógica. Segundo Santos e Cardoso (2023), experiências formativas ancoradas em comunidades de aprendizagem entre pares contribuem significativamente para a apropriação crítica da IA, pois possibilitam a troca de experiências, a análise coletiva de dados educacionais e a coautoria de intervenções didáticas mediadas por tecnologias.

A discussão sobre a formação docente para o uso da IA também exige a consideração de aspectos éticos e da justiça algorítmica. O professor, nesse novo cenário, deve ser capaz de compreender os limites dos sistemas automatizados, identificar possíveis vieses nos algoritmos e garantir a mediação humana necessária à construção de significados. Conforme apontado por Oliveira e Ribeiro (2022), é necessário formar professores que não apenas saibam utilizar as ferramentas, mas que também dominem os fundamentos epistemológicos, culturais e sociais que permeiam a atuação docente na era da inteligência artificial. Isso implica reconhecer que o uso de dados educacionais exige responsabilidade, empatia e compromisso com a equidade.

Outro elemento importante é o desenvolvimento de uma ética docente digital, que envolva tanto o uso consciente das tecnologias quanto a promoção de uma cultura de respeito à privacidade e à segurança das informações dos estudantes. Moura e Leite (2023) ressaltam que, para além do domínio técnico, a formação deve instigar nos professores a capacidade de tomar decisões pedagógicas informadas, baseadas em evidências, mas mediadas por princípios éticos e humanos. Assim, a IA deve ser compreendida como um instrumento de apoio e não como substituição do profissional da educação.

Por fim, é essencial que políticas públicas voltadas à inovação educacional contemplem não apenas a aquisição de tecnologias, mas principalmente a valorização e o investimento sistemático na formação docente. Sem esse pilar, mesmo as ferramentas mais avançadas tornam-se ineficazes ou subutilizadas. De acordo com Vasconcelos e Nunes (2025), o sucesso da personalização do ensino mediada por IA depende diretamente do protagonismo docente, o qual só pode ser exercido plenamente por profissionais que tenham sido preparados para atuar com criticidade, criatividade e sensibilidade diante das novas configurações do ensinar e aprender.

Em síntese, a integração da IA ao ensino de Matemática exige um reposicionamento da formação docente, que deve ser contínua, crítica e alinhada às transformações tecnológicas e pedagógicas do século XXI. A mediação humana permanece insubstituível, sendo o professor o principal agente capaz de garantir que a IA seja utilizada a favor de uma educação mais inclusiva, ética e significativa.

RESULTADOS E DISCUSSÃO

Os achados desta pesquisa apontam para uma transformação significativa nos processos de ensino e aprendizagem da matemática a partir da introdução da Inteligência Artificial (IA), sobretudo por meio de sistemas adaptativos e tutores inteligentes. A análise dos dados obtidos, tanto na revisão da literatura quanto nos instrumentos aplicados a professores e alunos em instituições de ensino, revela que a personalização do ensino, mediada pela IA, tem potencial para melhorar substancialmente o desempenho acadêmico e o engajamento dos estudantes. No entanto, também evidencia desafios estruturais e pedagógicos que precisam ser superados para que essa tecnologia seja plenamente integrada de forma equitativa e ética ao contexto escolar.

Um dos principais resultados observados refere-se à efetividade dos sistemas adaptativos no processo de ensino da matemática, os quais possibilitam a construção de trilhas de aprendizagem personalizadas, ajustando o nível de complexidade das atividades conforme o desempenho do aluno. Esse mecanismo favorece a autonomia e o protagonismo discente, pois respeita o ritmo individual e as necessidades específicas de cada estudante. De acordo com Santos e Oliveira (2023), o uso de plataformas inteligentes no ensino da matemática amplia o engajamento dos alunos, à medida que proporciona experiências de aprendizagem mais dinâmicas e contextualizadas. Esses autores destacam que, ao adaptar os conteúdos em tempo real, esses sistemas conseguem manter o aluno motivado e em constante desafio dentro de sua zona de desenvolvimento proximal.

Outro aspecto relevante diz respeito à contribuição dos tutores virtuais no reforço conceitual e na metacognição. Oliveira e Silva (2023) destacam que esses agentes inteligentes simulam mediações docentes ao oferecer explicações complementares, exemplos personalizados e feedbacks instantâneos, que incentivam a autorreflexão sobre os próprios processos de aprendizagem. Essa mediação virtual tem se mostrado eficaz na superação de dificuldades recorrentes, especialmente em tópicos abstratos ou com alto índice de evasão. A pesquisa empírica confirmou essa tendência, apontando um aumento médio de 18% no rendimento dos alunos em avaliações de matemática após a introdução desses recursos tecnológicos. Esse dado é indicativo de que o uso estratégico da IA pode contribuir para a recomposição de habilidades defasadas, promovendo uma aprendizagem mais significativa e duradoura.

Apesar das vantagens evidentes, a pesquisa identificou obstáculos importantes que ainda dificultam a implementação eficaz da IA no cotidiano escolar. Entre os mais recorrentes, destaca-se a resistência docente ao uso de tecnologias inteligentes, frequentemente relacionada à falta de formação específica. Muitos professores demonstram insegurança em relação à funcionalidade e aplicabilidade desses sistemas, o que compromete seu uso pedagógico. Segundo Peixoto e Paiva (2024), essa resistência decorre, em grande parte, da ausência de programas de formação continuada que articulem teoria, prática e reflexão crítica sobre o uso da IA em sala de aula. Sem o devido preparo, o professor tende a evitar ou subutilizar essas ferramentas, limitando seu potencial de transformação educacional.

Outro ponto crítico identificado diz respeito à privacidade e proteção dos dados educacionais dos estudantes. Como a IA opera a partir da coleta e análise de grandes volumes de dados, a ausência de regulamentações claras pode representar riscos à segurança e à ética no uso das informações pessoais dos discentes. Ribeiro e Almeida (2023) alertam para a necessidade urgente de políticas educacionais robustas que assegurem a conformidade com legislações como a Lei Geral de Proteção de Dados (LGPD), garantindo que o uso de dados sensíveis ocorra de forma ética, transparente e segura.

Além disso, a desigualdade de acesso à infraestrutura tecnológica permanece como um dos desafios mais graves e estruturais enfrentados pelas escolas públicas. Embora algumas instituições já contem com laboratórios de informática, rede de internet e dispositivos móveis, muitas outras ainda operam com condições precárias, o que inviabiliza a utilização adequada das ferramentas baseadas em IA. Mendes e Costa (2024) chamam atenção para o fato de que essa exclusão digital aprofunda ainda mais as desigualdades educacionais, criando um fosso entre alunos que têm acesso a inovações e aqueles que permanecem à margem dos avanços tecnológicos.

Diante desse cenário, os dados da pesquisa sugerem que a implementação responsável da IA na educação matemática depende de um conjunto articulado de ações intersetoriais. Em primeiro lugar, é necessário investir em políticas públicas que promovam a inclusão digital, com foco na ampliação da conectividade e na distribuição de dispositivos em regiões de maior vulnerabilidade. Paralelamente, é imprescindível garantir formação docente contínua e contextualizada, que prepare os profissionais da educação para lidar com os desafios técnicos, pedagógicos e éticos do uso da IA em sala de aula. Tais formações devem valorizar o protagonismo docente, possibilitando que o professor não apenas utilize as ferramentas, mas também compreenda seus limites e potencialidades em função dos objetivos educacionais.

Por fim, a pesquisa reforça a ideia de que a IA deve ser compreendida como instrumento complementar ao trabalho docente, e não como substituto. A mediação humana continua sendo essencial para a construção de vínculos afetivos, a interpretação crítica de dados e a promoção de uma aprendizagem significativa. Assim, o sucesso da IA na personalização do ensino de matemática dependerá, sobretudo, da capacidade do sistema educacional em articular inovação tecnológica, equidade social e formação crítica, garantindo que todos os estudantes tenham acesso a uma educação justa, inclusiva e de qualidade.

CONSIDERAÇÕES FINAIS

A pesquisa demonstrou que a Inteligência Artificial (IA) impacta positivamente a personalização do ensino de matemática, transformando práticas tradicionais em abordagens mais dinâmicas, interativas e centradas nas necessidades dos estudantes. Sistemas adaptativos e tutores inteligentes ajudam a diagnosticar dificuldades específicas, promovendo intervenções pedagógicas precisas e trajetórias de aprendizagem individualizadas, permitindo que os alunos avancem no seu ritmo e recebam feedbacks instantâneos.

A autonomia dos estudantes foi fortalecida pela atuação da IA, que promove maior participação ativa e reflexiva, contribuindo para melhor retenção do conhecimento, especialmente em conteúdos com altos índices de evasão. A análise quantitativa indicou uma melhora de até 18% nas avaliações após a adoção dessas plataformas, refletindo avanços no desempenho acadêmico e na superação de lacunas conceituais.

Entretanto, obstáculos como a resistência docente, decorrente da falta de formação adequada em tecnologias inteligentes, dificultam sua integração. É necessário investir em programas de formação continuada que abordem aspectos técnicos, éticos, metodológicos e pedagógicos. Além disso, preocupações com a privacidade dos dados dos estudantes exigem regulamentações rigorosas para garantir uso ético, transparente e seguro, fortalecendo a confiança na tecnologia.

Outro desafio importante é a desigualdade no acesso às tecnologias, que reforça a exclusão digital em escolas com infraestrutura precária. Políticas públicas voltadas à inclusão digital, ampliação de conectividade e democratização de dispositivos são essenciais para superar essas desigualdades.

Conclui-se que a IA tem potencial para melhorar o ensino da matemática, especialmente quando aplicada de forma crítica, planejada e com foco em equidade e inclusão. Sua implementação deve valorizar o papel do professor, investir na formação adequada e criar ambientes tecnológicos seguros e acessíveis. Recomenda-se aprofundar estudos sobre o impacto da IA no desempenho a médio e longo prazo, além de explorar modelos inovadores de formação docente e realidades específicas de escolas públicas, para que os avanços tecnológicos contribuam para uma educação mais justa, eficaz e significativa para todos.

REFERÊNCIAS BIBLIOGRÁFICAS

CARVALHO, A.; CABRAL, F.; FERRER, M. Sistemas Tutores Inteligentes: Conceitos e Aplicações na Educação Matemática. São Paulo: Editora Acadêmica, 2019.

CHEN, L. Personalized Learning with Artificial Intelligence: A Theoretical and Practical Approach. London: Springer, 2021.

COSTA, R.; FERREIRA, P. Proteção de Dados e Inteligência Artificial: Regulamentação e Desafios na Educação. Brasília: Editora Jurídica, 2022.

FIALHO, T. R. Competências digitais e formação inicial de professores: desafios para o currículo na era da inteligência artificial. Revista Brasileira de Formação de Professores, São Paulo, v. 12, n. 3, p. 45-62, 2024. Disponível em: https://www.rbfp.org.br. Acesso em: 06 maio 2025.

MENDES, C.; COSTA, L. Inclusão Digital e Acesso à Tecnologia: Desafios na Implementação da IA na Educação Básica. Rio de Janeiro: UFRJ, 2024.

MONTEIRO, S. A.; BORGES, L. M. Inteligência artificial na educação básica: implicações para a prática docente e para a formação continuada. Revista Ibero-Americana de Estudos em Educação, Araraquara, v. 18, n. 2, p. 230-249, 2023. DOI: https://doi.org/10.21723/riaee.v18i2.2023

MORAIS, J.; JAQUES, P. Emoções e Aprendizado: A Dinâmica Afetiva em Tutores Inteligentes para Matemática. Porto Alegre: Editora Universitária, 2022.

MORIN, C. et al. Artificial Intelligence in Mathematics Education: A Review of Recent Advances. New York: Academic Press, 2021.

MOURA, T. Sistemas Tutores Inteligentes: Benefícios e Desafios na Educação Matemática. Recife: UFPE, 2015.

MOURA, T. S.; LEITE, V. F. Mediação docente e ética digital na era da inteligência artificial: formação para além da técnica. Revista Educação & Tecnologia, Belo Horizonte, v. 29, n. 1, p. 88-106, 2023.

OLIVEIRA, M.; SILVA, R. Inteligência Artificial no Ensino: Personalização e Impactos no Desempenho Acadêmico. São Paulo: PUC-SP, 2023.

OLIVEIRA, M. C.; RIBEIRO, G. H. Formação ética e crítica para o uso da inteligência artificial na educação: um olhar sobre os desafios atuais. Revista Brasileira de Educação, Rio de Janeiro, v. 27, p. 1-19, 2022. DOI: https://doi.org/10.1590/s1413-24782022270010

PEIXOTO, D.; PAIVA, A. Capacitação Docente para o Uso da Inteligência Artificial na Educação. Belo Horizonte: Editora Educacional, 2024.

RIBEIRO, F.; ALMEIDA, G. Regulamentação e Privacidade de Dados na Educação Digital. Curitiba: Editora Jurídica, 2023.

SANTOS, J. V.; CARDOSO, R. F. Comunidades de aprendizagem e formação docente para o uso de IA: experiências e reflexões. Revista Práxis Educacional, Vitória da Conquista, v. 19, n. 4, p. 315-335, 2023. Disponível em: https://periodicos2.uesb.br/index.php/praxis. Acesso em: 06 maio 2025.

SANTOS, L.; OLIVEIRA, F. Engajamento e Aprendizado: A Personalização do Ensino por Inteligência Artificial. Salvador: Editora UFBA, 2023.

SILVA, J.; LIMA, T. Resistência Docente à Tecnologia e os Desafios da Educação Digital. Revista Ibero-Americana de Humanidades, Ciências e Educação, v. 9, n. 3, p. 45-67, 2023.

SMITH, K. Big Data and AI in Education: Personalized Learning Analytics. Cambridge: Cambridge University Press, 2023.

VASCONCELOS, M. J.; NUNES, C. A. Políticas públicas e inovação na formação de professores: perspectivas para a integração da inteligência artificial na educação. Cadernos de Pesquisa, São Paulo, v. 55, n. 1, p. 115-138, 2025. DOI: https://doi.org/10.1590/198053147291

WANG, Y. Artificial Intelligence in Education: A Constructivist Approach. New York: Routledge, 2018