INTRODUÇÃO

O universo acadêmico passa por uma transformação sem precedentes, impulsionada pela ascensão das tecnologias digitais e, especialmente, pelas aplicações da inteligência artificial (Elias, 2025).

Seguindo a mesma linha, a gestão acadêmica, no século XXI, tem sido profundamente impactada pelas transformações tecnológicas que reconfiguram o tempo, o espaço e as relações institucionais (Ferreira et al., 2025). A globalização digital e o avanço das tecnologias disruptivas, sobretudo a inteligência artificial (IA), instauraram um novo paradigma de organização dos processos educacionais, exigindo das instituições uma reformulação estratégica na forma como planejam, acompanham e avaliam a aprendizagem (Pearson Higher Education, 2025).

O contexto educacional atual evidencia uma ruptura com os modelos tradicionais de gestão escolar centrados na previsibilidade e na linearidade, uma vez que o advento das IAs, somado à emergência da educação, promoveu uma verdadeira revolução na administração pedagógica e operacional, exigindo competências digitais, análise de dados em tempo real e capacidade de resposta rápida a múltiplas demandas simultâneas (Tavares, 2025).

A pandemia de Covid-19, iniciada em 2020, acentuou esse cenário, forçando gestores e professores a migrarem, em tempo recorde, de um modelo presencial para sistemas digitais (Viegas, Campos e Silva, 2025). Segundo estes mesmos autores, nesse período, plataformas virtuais, ferramentas automatizadas e sistemas inteligentes se tornaram não apenas recursos complementares, mas essenciais para garantir a continuidade da aprendizagem e da governança educacional. A pós-pandemia consolidou essa tendência, legitimando a hibridez como estratégia pedagógica e, sobretudo, como modelo de gestão acadêmica inovadora.

Nesse novo cenário, a IA passou a ser empregada não apenas no apoio ao ensino, mas também como instrumento decisivo de gestão institucional, capaz de monitorar indicadores de desempenho, antecipar riscos de evasão, personalizar trilhas formativas, automatizar serviços e qualificar a tomada de decisão (Fernandes et al., 2025), uma vez que sistemas baseados em algoritmos auxiliam na identificação de lacunas de aprendizagem, no controle de frequência, no suporte ao estudante e na gestão curricular adaptativa, reposicionando o papel da gestão educacional como centro estratégico do ecossistema acadêmico (Santos et al., 2025).

As tecnologias de inteligência artificial, nesse cenário, quando utilizadas de forma planejada e ética, possibilitam um modelo de gestão mais eficiente, analítico e responsivo (Fernandes et al., 2024). 

 Plataformas de Learning Analytics, Chatbots institucionais, sistemas adaptativos, realidade aumentada, entre outras soluções, vem redesenhando a experiência educacional sob a ótica da personalização, da escalabilidade e da eficácia operacional (Moran, Massa e Marihama, 2025).

Segundo estes mesmos autores, diante desse contexto, o presente estudo, de caráter dedutivo e bibliográfico, propõe-se a analisar as contribuições da inteligência artificial para a modernização da gestão acadêmica, destacando suas potencialidades, desafios e implicações para a atuação institucional em tempos de transformação digital profunda.

REVISÃO DE LITERATURA

CONCEITO DE INTELIGÊNCIA ARTIFICIAL

O conceito de inteligência artificial tem sido objeto de debate em múltiplas áreas do conhecimento, tais como a psicologia, a linguística, a ciência da computação, o direito e a filosofia (Sichman, 2021). De acordo com estes mesmos autores, cada campo busca compreender, à sua maneira, como sistemas artificiais podem simular ou até mesmo superar processos cognitivos humanos, como percepção, aprendizagem, raciocínio e tomada de decisão.

A inteligência artificial pode ser compreendida como a capacidade de desenvolver computadores que realizam tarefas que, até então, exigiam a interação humana. Desse modo, as IAs surgem basicamente com o objetivo de replicar e exceder a maneira como os humanos percebem e reagem ao mundo à sua volta  (Fernandes et al., 2025).

A partir do avanço tecnológico das últimas décadas, as aplicações de IA romperam fronteiras antes impensáveis. Sistemas inteligentes já conseguem prever desastres naturais, diagnosticar enfermidades com precisão superior à humana, operar veículos autônomos, redigir peças jurídicas complexas e, de maneira crescente, atuar como agentes de transformação no processo de ensino-aprendizagem (Elias, 2025). Essas funcionalidades evidenciam que a inteligência artificial deixou de ser mera hipótese futurista e se consolidou como tecnologia central nas estratégias contemporâneas de gestão e inovação. (Ferreira, Martins e Santos, 2025).

Elias (2025) define:

A inteligência artificial (Artificial Intelligence – ou simplesmente AI), em definição bem resumida e simples, é a possibilidade das máquinas (computadores, robôs e demais dispositivos e sistemas com a utilização de eletrônica, informática, telemática e avançadas tecnologias) executarem tarefas que são características da inteligência humana, tais como planejamento, compreensão de linguagens, reconhecimento de objetos e sons, aprendizado, raciocínio, solução de problemas, etc. Em outras palavras, é a teoria e desenvolvimento de sistemas de computadores capazes de executar tarefas normalmente exigindo inteligência humana, como a percepção visual, reconhecimento de voz, tomada de decisão e tradução entre idiomas, por exemplo.

Definida por algoritmos materializados em programas informáticos, que objetivam simular o modo de funcionamento do cérebro humano, a inteligência artificial seguiu quatro linhas de pensamento desenvolvidas pelos filósofos Russell e Norvig (Souza, 2025).

Ao longo da história, diferentes correntes teóricas foram responsáveis por estruturar os modos de compreender a finalidade e o funcionamento das Inteligência Artificiais. Russell e Norvig  (Fernandes et al., 2025) classificam essas abordagens em quatro perspectivas principais, que revelam as tensões entre modelos inspirados no comportamento humano e aqueles ancorados na racionalidade lógica e computacional.

A primeira vertente propunha a criação de sistemas que pensam como seres humanos, ou seja, máquinas dotadas de processos mentais análogos à cognição humana. Era o esforço de construir dispositivos com capacidades mentais completas, capazes de “pensar” no sentido pleno da palavra (Vicari, 2025).

Na sequência, segundo esta mesma autora, surgiram os sistemas que agem como humanos, focando na reprodução de comportamentos inteligentes por meio da simulação funcional das ações humanas. 

Nessa linha, o objetivo era desenvolver artefatos capazes de executar tarefas tradicionalmente dependentes da inteligência biológica, como reconhecimento de fala, jogos estratégicos ou navegação autônoma (Lucena, 2014).

Segundo esta autora, a terceira concepção enfatiza os sistemas que pensam de maneira racional, concentrando-se na modelagem computacional das faculdades mentais, por meio de algoritmos que operam com base em princípios lógicos, assim, trata-se de investigar como estruturas computacionais podem raciocinar, resolver problemas e tomar decisões, utilizando a lógica formal como referência para a inteligência.

Por fim, para Aruda (2024), a quarta abordagem destaca os sistemas que agem racionalmente, orientando-se para o desempenho eficiente de tarefas com base em regras que maximizam o sucesso das ações. Nessa perspectiva, a inteligência artificial é concebida como o estudo de agentes autônomos que tomam decisões com base em avaliações de resultado, utilidade e contexto (Vieira, Guimarães e Garcia, 2024).

Embora cada corrente tenha suas particularidades, elas frequentemente se sobrepõem e geram tensões conceituais. Enquanto as abordagens voltadas ao comportamento humano priorizam a observação empírica e o teste experimental, as centradas na racionalidade operam a partir de fundamentos matemáticos e modelos formais de engenharia dados (Moran, Massa e Marihama, 2024).

Independentemente do ponto de partida, todas as correntes convergem na construção de sistemas inteligentes capazes de analisar cenários, identificar padrões e realizar inferências dado, essas capacidades têm permitido, por exemplo, prever comportamentos de mercado com base em dados históricos, como ocorre nos algoritmos aplicados ao mercado financeiro, que indicam momentos ideais de compra ou venda de ativos com base em tendências estatísticas (Araújo et al., 2020).

AS INTELIGÊNCIAS ARTIFICIAIS APLICADAS À GESTÃO EDUCACIONAL

As inteligências artificiais (IAs) têm assumido um papel central na reconfiguração da gestão educacional, especialmente em contextos nos quais a complexidade das demandas administrativas e pedagógicas exige agilidade, previsão e tomada de decisão baseada em dados (Durso, 2024).

Não se trata apenas de recursos voltados ao ensino e à aprendizagem em si, mas sim de ferramentas capazes de transformar o funcionamento das instituições de ensino como um todo, integrando processos, otimizando fluxos e promovendo gestão mais inteligente e responsiva (Azambuja e Silva, 2024).

A era digital impôs às instituições acadêmicas a necessidade de revisitar modelos de gestão baseados em burocracias lentas e controles manuais e, neste contexto, a IA emerge como solução estratégica dados. Plataformas digitais, sistemas adaptativos, bancos de dados interativos e assistentes virtuais tornaram-se aliados na gestão da vida acadêmica, desde o ingresso do estudante até sua formação (Alves e Lopes, 2024). 

Viegas afirma que a inteligência coletiva aumenta exponencialmente quando conectada por tecnologias digitais, o que demonstra a relevância das plataformas digitais, sistemas adaptativos, bancos de dados interativos e assistentes virtuais como aliados na gestão da vida acadêmica, desde o ingresso do estudante até sua formação.

Com efeito, o ensino superior e a tecnologia sempre se relacionaram, principalmente, na última década, em que as distâncias foram encurtadas pela dinâmica das aulas digitais, com a utilização de dispositivos eletrônicos, plataformas adaptativas de aprendizagem, laboratórios virtuais e bibliotecas virtuais, recursos que aumentaram consideravelmente a acessibilidade à cultura e ao conhecimento  (Trindade e Oliveira, 2024). 

Não há dúvidas de que a era digital alterou o dia-a-dia do mundo acadêmico, trazendo benefícios e facilidades na forma de interagir entre estudantes, docentes, instituição e sociedade, possibilitando a resposta às necessidades do processo acadêmico de modo rápido e eficiente, sobretudo, tomando por paradigma as ações de um passado recente, em que se controlava a presença por meio de simples lista e que um diagnóstico de desempenho podiam levar horas, ou até mesmo dias (Silva et al., 2024). 

Atualmente, com a automatização de processos e a análise de dados eficiente realizada por meio de inteligências artificiais, as instituições de ensino podem conhecer o seu público para melhor se planejar e criar comunidades de aprendizagem que possam interagir em atividades inovadoras e produtivas, concomitantemente, no campo administrativo, as IAs também podem melhorar a prestação de serviço, respondendo às necessidades do estudante com rapidez e eficiência  (Bezerra et al., 2024). 

Ainda de acordo com Bezerra et al. (2024), as IAs, portanto, favorecem a análise de dados educacionais sobre desempenho, estilo de aprendizado, padrões comportamentais de cada estudante e, tal diagnóstico, permite atender às necessidades individuais e proporcionar um ambiente de aprendizado mais eficiente, sendo possível criar atividades personalizadas, por meio de materiais interativos e multimídia, metaverso, feedback contínuo e imediato, adaptação constante de conteúdos e, por fim, alinhamento vivo de rotas de aprendizagem. Tudo isso reflete na gestão acadêmica de forma direta e impactante, afinal, administrar estudantes mapeados se torna bem mais eficiente.

Nessa perspectiva, soluções como Learning Analytics, Data Mining e sistemas preditivos permitem à gestão acadêmica monitorar continuamente os dados de desempenho, engajamento e trajetórias formativas, circunstância que permite identificar precocemente sinais de evasão, lacunas de aprendizagem e necessidades de intervenção, com base em informações concretas (Cardoso et al., 2022).

Por meio de soluções de Big Data, Inteligência Artificial e outras tecnologias, as instituições de ensino podem capturar uma série de informações, obtendo o desempenho educacional com mais consistência, especialmente, porque cada interação do estudante é registrada digitalmente, sendo possível gerar bases de dados precisas e monitorar a aprendizagem em tempo real (Silva et al., 2024).

Segundo Pearson Higher Education (2025):

Especialistas em big data educacional definem a análise de aprendizagem como dispositivos tecnológicos que são incorporados em plataformas educacionais ou redes sociais para registrar a atividade dos alunos, criando grandes bancos de dados. 

Para a Society for Learning Analytics Research (2025), a análise de aprendizagem é o instrumento ideal para medir, coletar, analisar e apresentar informações relevantes sobre os alunos e seus contextos, com o objetivo de compreender e otimizar a aprendizagem e os ambientes em que ela ocorre”.  

Resumindo: a análise de aprendizagem nos permite processar uma enorme quantidade de dados relevantes para entender as necessidades dos alunos e da comunidade escolar em geral a partir de diferentes perspectivas, de maneira tão precisa que de outra forma seria impossível acessar essas informações”.

A Learning Analytics, desse modo, tem aptidão para capturar e analisar dados gerados nos ambientes virtuais de aprendizagem, a exemplo de detecção de acertos e erros, quantidade de acessos em um determinado conteúdo, tempo de permanência em uma página e acesso a vídeos com conteúdos complementares (Gonzales et al., 2024).

Vale dizer que a “Mineração de Dados” (Data Mining) como uma abordagem de busca em grandes bancos de dados já vinha sendo utilizado, há tempos, buscando revelar estruturas de conhecimento que agregam valor para tomada de decisões (Martinéz-Ávila, Souza e Gonzales, 2019). 

Com base nas informações coletadas, os educadores podem identificar os pontos fortes e fracos de cada estudante e, a partir dessa análise, estabelecer roteiros de aprendizado personalizados, os quais podem indicam o caminho mais eficiente para se atingir os objetivos educacionais propostos. 

Como ressaltam Siemens e Long (2025), “a análise da aprendizagem é a aplicação da ciência de dados na educação”, o que evidencia seu potencial estratégico para decisões institucionais.

A IA também se mostra valiosa na administração de rotinas operacionais, uma vez que assistentes virtuais baseados em linguagem natural (chatbots) auxiliam estudantes com dúvidas frequentes, os sistemas inteligentes automatizam matrículas, rematrículas, emissão de documentos e fluxos de aprovação interna, as plataformas com painéis intuitivos (dashboards) consolidam indicadores de evasão, desempenho, frequência e perfil comportamental dos alunos (Tavares, 2025).

Tais tecnologias permitem maior personalização do acompanhamento acadêmico, de modo que o estudante é visto não como um número ou prontuário, mas como um sujeito em processo. Segundo Moran (2025), “a educação personalizada é um caminho promissor para atender à diversidade dos aprendizes e às exigências da sociedade contemporânea”.

Ademais, o uso de plataformas adaptativas, realidade aumentada, sistemas de recomendação de conteúdo e gamificação transcende o âmbito pedagógico, contribuindo diretamente para a gestão institucional (Tavares, 2025). Segundo este autor, por meio de diagnósticos mais precisos e feedbacks em tempo real, é possível implementar ajustes ágeis em programas curriculares, cronogramas e estruturas de suporte.

Do ponto de vista da segurança institucional, a IA também atua na detecção de plágios, comportamentos de risco e ameaças cibernéticas, colaborando para a proteção de dados sensíveis e da integridade acadêmica dados (Azambuja e Silva, 2024). Dessa forma, conforme posto por estes mesmos autores, os sistemas de detecção de sentimentos e análise de redes também têm sido empregados para avaliar o clima organizacional e o bem-estar da comunidade acadêmica.

Além dessas possibilidades, diversas ferramentas concretas têm se destacado na prática da gestão acadêmica, são eles Power BI com integração de IA Educacional, Canvas LMS + Impact, Salesforce Education Cloud + Einstein AI, Civitas Learning, Zendesk AI e Intercom AI, Brightspace Insights (D2L) e Turnitin com IA avançada (Parisi e Oliveira, 2021). Segundo esses autores, a Power BI com integração de IA Educacional permite criar dashboards dinâmicos com visualização de dados preditivos, úteis para análise de evasão, desempenho por disciplina e gargalos curriculares.

O Canvas LMS + Impact é um sistema de gestão de aprendizagem com recursos integrados de IA que notificam gestores sobre padrões de acesso, engajamento e dificuldades individuais dos alunos (Ribeiro, 2024). Segundo este autor, a Salesforce Education Cloud + Einstein AI identifica atritos no percurso acadêmico desde o ingresso até a diplomação, sugerindo intervenções institucionais personalizadas.

A Civitas Learning é reconhecida nos EUA por oferecer soluções preditivas que cruzam dados acadêmicos e comportamentais para antecipar risco de evasão e orientar estratégias de retenção (Bussinguer, 2024). Segundo eles, já a Zendesk AI e Intercom AI oferecem atendimento automatizado por meio de chatbots com linguagem natural, utilizados para suporte acadêmico e administrativo 24 horas por dia.

A Brightspace Insights (D2L) é uma plataforma de inteligência educacional que conecta dados de ensino com indicadores institucionais, apoiando decisões curriculares e pedagógicas (Uratsuka 2024). Este autor explica ainda que o Turnitin com IA avançada, além da detecção textual, identifica padrões de escrita compatíveis com produção artificial e monitora integridade acadêmica.

Como se observa, a gestão acadêmica, na era das IAs, não é mais um processo meramente administrativo, mas uma prática baseada em dados, capaz de integrar planejamento estratégico, acompanhamento pedagógico e inovação institucional. 

Jarauta e Ibernón (2020) destaca que a verdadeira inteligência artificial será aquela que conseguir se colocar a serviço da inteligência humana coletiva, ampliando suas capacidades e decisões. Segundo estes mesmos autores, para tanto, exige-se das lideranças acadêmicas competências digitais, formação continuada e postura analítica, para que possam transformar os dados gerados em conhecimento que retroalimente o sistema com mais eficiência, equidade e inteligência coletiva dados.

Diante do cenário apresentado, verifica-se que as instituições de ensino têm sido pressionadas a implementar tecnologias que alteram a forma de ensinar, unindo pessoas, espaços/infraestrutura e tecnologia, de modo a atender o novo perfil de estudantes, os nativos digitais. 

CONSIDERAÇÕES FINAIS

A incorporação das inteligências artificiais (IAs) na gestão acadêmica representa uma mudança significativa que vai além da digitalização de processos acadêmicos. A IA permite o monitoramento em tempo real, a personalização das rotas formativas e a automatização de tarefas, fortalecendo a capacidade estratégica das instituições de ensino. Entre as principais vantagens destacam-se as análises preditivas que antecipam riscos de evasão, a personalização da aprendizagem com base em dados individuais, a melhoria da comunicação institucional através de chatbots e assistentes virtuais, e o suporte à tomada de decisão com indicadores confiáveis.

Entretanto, a adoção de tecnologias baseadas em IA também apresenta desafios, como a necessidade de investimentos em infraestrutura e formação contínua de gestores e professores, além da atenção à ética no tratamento de dados e à proteção da privacidade. A transformação digital na educação requer uma liderança que compreenda o contexto social e humano das instituições, garantindo que a IA seja uma aliada da inteligência humana. Assim, a gestão acadêmica do futuro deve equilibrar inovação tecnológica com um compromisso com a formação integral, reconhecendo que a implementação responsável das IAs pode ser um vetor poderoso de modernização educacional.

REFERÊNCIAS BIBLIOGRÁFICAS 

ALVES, Lynn; LOPES, David (Org.). Educação e plataformas digitais popularizando saberes, potencialidades e controvérsias. 1ª Edição. Salvador : EDUFBA, 287 p., 2024. Retirado de: Educação e plataformas digitais-miolo.indd. Acesso em 15 jul. 2025.

ARAÚJO, Adriane Reis de; ANDRAUS, Thiago Milanez; BRUCH, Thaís Fideles, CARELLI, Rodrigo de Lacerda. (COORD.). Uso de dados pessoais e inteligência artificial nas relações de trabalho: proteção, discriminção, violéncia e assédio digital. 1ª Edição. Brasília : Ministério Público do Trabalho, 452 p., 2022. Retirado de: O Uso de Dados Pessoais e Inteligência artificial na relação de trabalho.indd. Acesso em 15 jul. 2025. 

ARUDA, Eucidio Pimenta. Inteligência artificial generativa no contexto da transformação do trabalho

docente. Educação em Revista. v. 40, p. e48078, 2024. Retirado de: scielo.br/j/edur/a/WMcSGNHJbgMKzh3WgTh4MSb/?format=pdf&lang=pt Acesso em: 23 jun. 2025.

AZAMBUJA, Celso Candido de; SILVA, Gabriel Ferreira da. Novos desafios para a educação na Era da Inteligência Artificial. Filosofia Unisinos. v. 25 n. 1, p. 1-16, 2024. Retirado de: scielo.br/j/fun/a/jWKkyjpRzxjm6c85yCKv4MN/?format=pdf&lang=pt. Acesso em: 14 jul. 2025.

BEZERRA, Erich Teles; CAITANO, Tomé Fernandes; GONÇALVES, Rosimeire; DAMACEMA, Rosana; CORTES, Vanderlene Rafael Rosa; SCABENI, Rosângela Schãffer. O impacto do uso da inteligência artificial nos processos de ensino-aprendizagem. Revista Ibero-Americana de Humanidades, Ciências e Educação. v. 10, n. 7, p. 1211 – 1220, 2024. Retirado de: [90]+O+IMPACTO+DO+USO+DA+INTELIGÊNCIA+ARTIFICIAL+NOS+PROCESSOS+DE+++ENSINO+E+APRENDIZAGEM++.pdf. Acesso em: 15 jul. 2025.

BUSSINGUER, Elda Coelho de Azevedo; SARLET, Ingo Wolfgang; TRINDADE, André Karam, RODRIGUES, Ricardo Schneider (ORGs.). Estado, regulação e transformação digital: políticas públicas, vulnerabilidades, mudanças climáticas e bioética. 1ª Edição. São Paulo : Tiranto lo Blanch, 299 p., 2024. Retirado de: E000020005901.pdf. Acesso em 15 jul. 2025.

CARDOSO, Michael Miller Rodrigues; de OLIVEIRA, Márcio Henrique Vieira; LIMA, João Vitor Falcão Santos; PAIVA, Ranilson Oscar Araújo. O uso de learning analytics em ambientes de aprendizagem on line: um mapeamento sistemático da literatura. Revista Brasileira de Informática na Educação. v. 3, p. 396 – 418, 2022. Retirado de: 2664-Versão Final-11509-2-10-20220927.pdf. Acesso em: 15 jul. 2025.

DURSO, Samuel de Oliveira. Reflexões sobre a aplicação de inteligência artificial na educação e seus impactos para a atuação docente. Educação em Revista. v. 402, p. e47980, 2024. Retirado de: scielo.br/j/edur/a/3mh8D6366By9w9THfF8bThQ/?format=pdf&lang=pt. Acesso em: 15 jul. 2025. 

ELIAS, Paulo Sá. Algoritmos e inteligência artificial exigem atenção do Direito. Publicado em 20/11/2017. Consultor Jurídico. Retirado de: https://www.conjur.com.br/2017-nov-20/paulo-sa-elias-inteligencia-artificial-requer-atencao-direito/. Acesso em: 01 jul. 2025.

FERNANDES, Allysson Barbosa; ERNANDES, Itamar; MENDES, Mateus Luan de Carvalho; PEREIRA, Paulo Ricardo da Silva; CAMPOS, Eduardo de Castro; ROMÃO, Adirnao Alves.  Ia e Gestão Educacional: O Futuro Da Tomada de Decisão Baseada em Dados. Revista Aracê. v. 7, n. 1, p. 4011 – 4024, 2025. Retirado de: https://doi.org/10.56238/arev7n1-236. Acesso em: 14 jul. 2025.

FERNANDES, Allysson Barbosa; NARCIDOS, Rodi; BRAGA, Alen da Silva; CARDOSO, Andreza de Souza; LIM, Eline Simone da Conceição; VILALVA, Eter Aparecida de Mei Melo; REZENDE, Guelly Urzêda de Mello; MELO JÙNIOR, Hemócrates Gomes; da SILVA, Luciene Viana; LIMA, Simone do Socorro Azevedo. A ética no uso da inteligência artificial na educação: implicações para professores e estudantes. Revista Ibero-Americana de Humanidades, Ciências e Educação. v. 10, n. 3, p. 346-361, 2024. Retirado de: [25]-A+ÉTICA+NO+USO+DE+INTELIGÊNCIA+ARTIFICIAL+NA+EDUCAÇÃO-+IMPLICAÇÕES+PARA+PROFESSORES+E+ESTUDANTES.pdf. Acesso em 15 jul. 2025.

FERREIRA, Hugo Silva; MARTINS, Geisse; SANTOS, Danillo Miguel de Sales. Proposta de uma estrutura ética computacional. Retirado de: https://www.academia.edu/47771398/TECNOLOGIA_EDUCACIONAL_ADAPTATIVA_ESTUDO_DE_CASO_DA_PLATAFORMA_EDUCACIONAL_SIMPLIX. Acesso em: 06 mar. 2025.

GONZALES, Andreson; GOMES, Antônio José Ferreira; FERREIRA, Juliana Balta. MOTA, Christian dos Santos; GOMES, Jefferson de Souza; DEMUNER, Jocelino Antônio. Revolução Silenciosa: como a inteligência artificial está transformando o futuro da Educação Superior. Revista Aracê. v. 6, n. 2, p. 1567-1586, 2024. Retirado de: arev6n2-068.pdf. Acesso em 14 jul. 2025.

JARAUTA, Beatriz; IMBERNÓN, Francisco (Coords.). Penso no futuro da educação: uma nova escola para o século XXII. 1ª Edição. Barcelona : Editora GRAÓ, 2020. Retirado de: Penso no futuro da Educaçäo – Google Books. Acesso em 15 jul. 2025.

LUCENA, Simone (ORG.). Cultura de digital, jogos eletrôicos e educação. 1ª Edição. Salvador : EDUFBA, 246 p. 2014. Retirado de: cultura-digital-jogos-eletronico_RI (1).pdf. Acesso em 15 jun. 2025.

MARTINÉZ-ÁVILA, Daniel; de SOUZA, Edna Alves; GONZALES, Maria Eunice Quilici. Informação, conhecimento, ação autônoma e big data: continuidade ou revolução? 1º Edição. Campinas/SP : Editora UNESP, 278 p., 2019. Retirado de: Informação, conhecimento, ação autônoma e big data – Google Books. Acesso em: 15 jul. 2025.

MORAN, José; MASSA, Rubens Mussolin; MARIHAMA, Diego Kenji de Almeida. A relação homem com a máquina: como a Inteligência Artificial pode ajudar nas práticas pedagógicas? Revista Caderno Pedagógico. v. 21, n. 6, 1-28 p., 2024. Retirado de: https://ojs.studiespublicacoes.com.br/ojs/index.php/cadped/article/view/5080. Acesso em: 11 jul. 2025.

PARISI, Baby de Fátima Barbosa; OLIVEIRA, Kléber Fernandes de. Painel da gestão acadêmica dos cursos de graduação do Instituto Federal de Educação, Ciência e Tecnologia do Sergipe: uma proposta de Power Bi® como ferramenta gerencial. REGAE. v. 10, n. 19, p. 1-22, 2021. Retirado de: Vista do Painel de gestão acadêmica dos cursos de graduação do Instituto Federal de Educação, Ciência e Tecnologia de Sergipe: uma proposta de Power Bi® como ferramenta gerencial. Acesso em: 15 jul. 2025.

PEARSON HIGHER EDUCATION. Learning Analytics: 4 usos práticos na educação superior. Retirado de: https://hed.pearson.com.br/blog/plataformas-de-aprendizagem/learning-analytics-4-usos-praticos-na-educacao-superior#content-1. Acesso em: 01 mar. 2025.

RIBEIRO, Márcio Vinícius Machado. O impacto da inteligência artificial na educação: oportunidades e desafios na escola. Revista DELOS. v. 17, n. 61, p. 01 -21, 2024. Retirado de: (PDF) O impacto da inteligência artificial na educação: oportunidades e desafios nas escolas. Acesso em> 15 jul. 2025.

SANTOS, Laurita Christina Bonfim; SANTOS, José Leonardo Diniz de Melo; do NASCIMENTO, Isidro José Bezerra Maciel Fortaleza; de SOUZA, Jussara Dantas; de SOUZA, Luciana Gonçalves; DEZEN, Lucas Teixeira. Transformação digital na educação escolar: ferramentas tecnológicas, práticas, inovadoras e desafios. Revista Lumen et Virtus. V. 16, n.XLIV, p. 510-526, 2025. Retirado de: levv16n44-040.pdf. Acesso em: 15 jun. 2025.

SICHMAN, Jaime Simão. Inteligência artificial e sociedade: avanços e riscos. Estudos avançados. v. 35, n. 101, p. 37-49, 2021. Retirado de: 037-050.indd. Acesso em: 15 jun. 2025.

SILVA, Alessandra Mara de Freitas; VIEGAS, Cláudia Mara de Almeida Rabelo; CAMPOS, Denise; SILVA, Larissa Marila Serrano; ARAGÃO, Larissa Thayane Alvarim; NEIVA, Rodrigo. As inteligências artificiais aplicadas à educação híbrida. Cuadernos de Educación y Desarrollo. v. 16, n. 5, p. 1 – 27, 2024. Retirado de: 016+CUADERNOS.pdf. Acesso em 15 jul. 2025.

SOUZA, Ednilson Sérgio Ramalho de. Letramento científico e inteligênia artificial na educação: desafios e perspectivas para a formação crítica. Revista Foco. v. 18, n. 02, p. 01-17, 2025. Retirado de: (PDF) LETRAMENTO CIENTÍFICO E INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO: DESAFIOS E PERSPECTIVAS PARA A FORMAÇÃO CRÍTICA. Acesso em: 15 jun. 2025.

TAVARES, Luís Antônio; MEIRA, Matheus Carvalho. AMARAL, Sérgio Ferreira. Inteligência Artificial na Educação: Survey.  Retirado de: https://ojs.brazilianjournals.com.br/ojs/index.php/BRJD/article/view/13539/11346. Acesso em: 06 mar 2025.

TRINDADE, Alessanda Stefane Cândido Elias da; OLIVEIRA, Henry Pôncio Cruz de. Inteligência Artificial (IA) generativa e competência em informação: habilidades informacionais necessárias ao uso de ferramentas de IA generativa em demandas informacionais de natureza acadêmica-científica. Perspectivas em Ciência da Informação. v. 29, ed. 47485, p. 1-27, 2024. Disponível em: scielo.br/j/pci/a/GVCW7KbcRjGVhLSrmy3PCng/?format=pdf. Acesso em: 12 abr. 2025

URATSUKA, Ricardo Ukio. As plataformas digitais educacionais e a ciência de dados. Studies Publicações. v. 5, n. 2, p. 1-19, 2024. Retirado de: St.+Exatas+-+012.pdf. Acesso em 15 jul. 2025.

VICARI, Rosa Maria. Influências das tecnologias da inteligência artificial no ensino. Estudos

Avançados. v. 35, n. 101, p. 73–84, 2021. Retirado de: 073-084.indd. Acesso em: 12 abr. 2025.

VIEIRA, Igor Aurélio; GUIMARÃES, Thyrciane Paulo; GARCIA, Williana Pereira. O uso da inteligência artificial no processo penal e suas implicações éticas e jurídicias. REDES. v. 4, n. 1, 22 p., 2024. Retirado de: SciELO Brasil – Inteligência Artificial e sociedade: avanços e riscos Inteligência Artificial e sociedade: avanços e riscos. Acesso em 15 jul. 2025.

VIEGAS, Cláudia Mara de Almeida Rabelo; CAMPOS, Denise; SILVA, Alessandra Mara de Freitas. As inteligências artificiais aplicadas à educação híbrida. Cuadernos de Educación Y Desarrollo. DOI: 10.55905/cuadv16n5-016.  Disponível em: https://ojs.europubpublications.com/ojs/index.php/ced/article/view/4133/3238. Acesso em: 11 jul. 2025.