INTRODUÇÃO

Os avanços tecnológicos têm influenciado significativamente diversos aspectos da vida (Albana; Sujarwo, 2021). Nas últimas décadas, o desenvolvimento da Inteligência Artificial (IA) tem gerado um impacto expressivo em diferentes áreas do conhecimento (Johri et al., 2021). A capacidade da IA de processar grandes volumes de dados, reconhecer padrões complexos e realizar previsões precisas está transformando a maneira como cientistas conduzem pesquisas, analisam informações e produzem novos conhecimentos (Ara Shaikh et al., 2022).

Na educação, um dos principais benefícios da IA é sua capacidade de analisar o desempenho dos alunos (Ahmad et al., 2021). Sistemas de IA podem coletar e interpretar dados de diversas fontes, como provas, trabalhos e atividades avaliativas, permitindo a identificação dos pontos fortes e fracos de cada estudante. Com base nessas análises, a IA pode gerar recomendações personalizadas, adaptadas ao nível de habilidade e às necessidades individuais de cada aluno (Bokhari; Myeong, 2022), promovendo um aprendizado mais eficiente e direcionado. Essa personalização contribui para o desenvolvimento de indivíduos mais criativos e preparados para os desafios acadêmicos e profissionais (Surya; Arty, 2020).

O avanço da IA também tem criado novas oportunidades para o ensino personalizado. Ao analisar dados educacionais, fornecer conteúdos adaptados e oferecer suporte em tempo real, a IA melhora a eficácia do aprendizado. Além da educação, sua aplicação em outras áreas, como a saúde, tem sido crucial para diagnósticos, tratamentos e gestão de doenças (Kaplan et al., 2021). No campo do aprendizado de máquina, a IA tem revolucionado métodos de ensino e aprendizagem (Friedrich et al., 2022).

Tradicionalmente, os métodos de ensino eram generalizados e não consideravam as diferenças individuais entre os alunos (Bokhari; Myeong, 2022). Com a chegada da IA, tornou-se possível adotar abordagens mais personalizadas, beneficiando tanto os estudantes quanto a comunidade científica (Allen, 2019; Rahayu, 2023). Além disso, a IA tem contribuído para o aprimoramento dos sistemas de avaliação, tornando-os mais objetivos e consistentes (Ng et al., 2022). Professores podem utilizar algoritmos programados para corrigir e avaliar atividades, reduzindo erros humanos e proporcionando feedbacks mais precisos (Kannan et al., 2020). Dessa forma, a IA se torna uma aliada na avaliação educacional, fornecendo insights mais detalhados sobre o progresso dos alunos (Surya; Arty, 2020).

No entanto, apesar dos benefícios da IA no ensino, é essencial manter um equilíbrio entre tecnologia e interação humana (Alexander; Romito; Çobanoǧlu, 2020). A personalização do aprendizado por meio da IA não substitui a importância do relacionamento entre professores e alunos, fundamental para o desenvolvimento social e emocional dos estudantes (Bokhari; Myeong, 2022). Assim, a IA deve ser vista como uma ferramenta de apoio ao processo educacional, e não como um substituto da interação humana (Ayling, Lewis; Cotter, 2019).

Diante do crescente impacto da IA na educação, esta pesquisa tem como objetivo documentar e analisar os múltiplos papéis dessa tecnologia no ensino, considerando suas funções como tutor inteligente, ferramenta de aprendizado, parceira pedagógica e suporte à formulação de políticas educacionais. Para isso, foi conduzida uma Revisão Sistemática da Literatura (RSL), utilizando a metodologia PRISMA, a fim de sintetizar o conhecimento existente e compreender as principais tendências do uso da IA na educação. Nesse contexto, a pesquisa busca responder à seguinte questão: “Quais são as principais aplicações e desafios da inteligência artificial na educação, segundo a literatura científica recente?”. O estudo busca oferecer uma visão abrangente sobre o potencial da IA para transformar e otimizar o processo de aprendizagem, impulsionar inovações pedagógicas e auxiliar na tomada de decisões educacionais.

METODOLOGIA

Esta pesquisa adota uma abordagem qualitativa descritiva, baseada em uma Revisão Sistemática da Literatura (RSL). Para a análise, foram selecionados e avaliados artigos e periódicos científicos que possuem relevância para o problema e os objetivos do estudo. A revisão sistemática segue um processo rigoroso de seleção, identificação e avaliação de pesquisas existentes, com o propósito de responder a questões claramente formuladas. Especificamente, este estudo busca investigar as aplicações da Inteligência Artificial na educação. O levantamento bibliográfico foi realizado a partir da busca de artigos nas bases de dados Scopus e Google Acadêmico. O processo de mapeamento da literatura seguiu quatro etapas principais: identificação, triagem, verificação de elegibilidade e inclusão.

Questões de pesquisa sobre revisão sistemática de literatura

Fonte: Elaboração da autora (2025)

PRIMEIRA FASE (IDENTIFICAÇÃO)

Nesta etapa, foram selecionados os artigos que atendem aos critérios estabelecidos para a revisão sistemática. As bases de dados utilizadas para a pesquisa foram Scopus e Google Scholar, considerando publicações no período de 2021 a 2024. A base Scopus se destaca por reunir uma ampla variedade de literatura científica na área da educação, enquanto o Google Scholar é um mecanismo de busca gratuito que indexa grande parte da produção acadêmica revisada por pares em diversas disciplinas. A identificação dos artigos foi realizada por meio de palavras-chave específicas, aplicadas nas duas bases selecionadas para a revisão, conforme apresentado na Tabela 1.

Tabela 1 – Palavras-chave para selecionar os artigos científicos significativos

Fonte: Elaboração da autora (2025)

O foco desta revisão está em pesquisas que analisam o papel da Inteligência Artificial. Após essa etapa inicial, foram definidos os critérios de inclusão e exclusão dos artigos, garantindo a seleção de estudos alinhados ao escopo da revisão. A Tabela 2 detalha esses critérios, conforme o framework estabelecido para a análise.

Tabela 2 – Critérios de inclusão e exclusão

Fonte: Elaboração da autora (2025)

Tabela 2 apresenta os artigos selecionados para análise com base nos critérios de inclusão e exclusão. Os textos completos dos artigos foram baixados, e aqueles que não atenderam aos critérios estabelecidos foram descartados. Dessa forma, apenas os estudos relevantes foram analisados em profundidade para responder às perguntas da pesquisa. A definição criteriosa dos parâmetros de inclusão e exclusão é essencial para garantir a qualidade da revisão.

Os resultados obtidos nas bases Scopus e Google Acadêmico foram processados pelo software Mendeley, que identificou e eliminou artigos duplicados. Em seguida, foi realizada a triagem dos títulos e resumos, filtrando os estudos conforme a relevância para a pesquisa e a correspondência com as palavras-chave utilizadas. Apenas os artigos cujos resumos se enquadravam nos critérios de inclusão foram mantidos para a próxima etapa.

Nesta etapa, os artigos passaram por uma análise detalhada para verificar sua adequação aos critérios de inclusão e exclusão estabelecidos na Tabela 2. Após essa verificação, os textos completos dos estudos elegíveis foram baixados e aqueles que se encaixavam nos critérios de exclusão foram descartados. Apenas os artigos que contribuíam diretamente para a resposta às perguntas da pesquisa foram mantidos. Após a avaliação da elegibilidade, os artigos selecionados foram extraídos e analisados com base no modelo PICOS (População, Intervenção, Comparação, Desfecho e Tipo de Estudo). O processo de extração seguiu a análise de conteúdo de Bardin (2010; 2011), garantindo uma avaliação rigorosa da qualidade dos estudos incluídos. A próxima etapa envolveu a organização dos dados extraídos e sua representação visual por meio do diagrama PRISMA, que ilustra o fluxo de seleção dos artigos.

Figura 1 – Fluxo de seleção dos artigos

Fonte: Elaboração da autora (2025)

Conforme ilustrado no diagrama do prisma acima, foram acessadas 548 bases de dados por meio das plataformas Scopus e Google Acadêmico. Dentre elas, 175 foram identificadas como duplicadas. As bases restantes foram analisadas de acordo com os critérios de inclusão e exclusão. No total, 259 bases foram excluídas por conterem dados no formato de livros, anais de conferências ou por não estarem em português ou inglês. Além disso, outros 99 textos foram descartados por não atenderem aos critérios de palavras-chave estabelecidos na pesquisa. Ao final, 15 estudos, compostas por artigos, foram consideradas elegíveis. Na etapa seguinte, esses artigos serão analisados em profundidade com base nos critérios estabelecidos pelo modelo PICOS.

RESULTADOS

MAPEAMENTO DOS ARTIGOS SOBRE O PAPEL DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO

A busca nas bases de dados Scopus e Google Acadêmico pelos termos resultou em 548 registros. Após a triagem realizada com o software Mendeley, 15 artigos atenderam aos critérios previamente estabelecidos. Esses artigos serão categorizados com base em diversos aspectos, como autor, ano de publicação, periódico (nome, volume, edição e ano), tipo de publicação, indexação na Scopus. A seguir, apresenta-se uma tabela com o mapeamento dos artigos selecionados:

Fonte: Elaboração da autora (2025)

O mapeamento dos artigos sobre o papel da inteligência artificial na educação revela a crescente relevância do tema, com publicações recentes abordando diferentes perspectivas sobre sua aplicação e impacto. Os estudos selecionados discutem desde desafios e oportunidades da IA na educação até abordagens específicas, como a aprendizagem adaptativa, tutores inteligentes e o metaverso educacional. O levantamento destaca a preocupação com a explicabilidade da IA e os desafios éticos, bem como a influência do ChatGPT e outras tecnologias emergentes no ensino. Além disso, há uma forte ênfase na necessidade de repensar modelos pedagógicos, superando abordagens behavioristas e explorando novas possibilidades para o ensino e a aprendizagem no século XXI.

DISCUSSÃO

APLICAÇÕES DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO

A inteligência artificial tem emergido como um elemento transformador no contexto educacional, oferecendo novas possibilidades para o ensino e a aprendizagem. Diversas pesquisas destacam a capacidade da IA de personalizar o ensino, otimizar a gestão educacional e ampliar o acesso ao conhecimento, promovendo uma experiência de aprendizagem mais eficiente e adaptável às necessidades individuais dos estudantes.

Um dos principais avanços proporcionados pela IA na educação está na personalização do ensino. Alam (2022) discute como a implementação de sistemas adaptativos e tutores inteligentes permite que os alunos recebam instruções personalizadas com base em seu desempenho e estilo de aprendizado. Esses sistemas utilizam algoritmos de machine learning para identificar dificuldades específicas dos estudantes e oferecer conteúdos ajustados às suas necessidades, favorecendo um aprendizado mais dinâmico e eficaz. De maneira semelhante, Shaikh (2022) explora como a IA, combinada ao aprendizado de máquina, pode estruturar salas de aula digitais mais eficientes, tornando o ensino remoto e híbrido mais interativo e acessível.

Além da personalização, a IA tem sido utilizada para a criação de ambientes imersivos e interativos. Hwang (2022) analisa o papel da inteligência artificial no metaverso educacional, destacando como essa tecnologia pode oferecer experiências de aprendizado mais envolventes por meio de realidade aumentada e virtual. Essas abordagens permitem que os alunos participem de simulações complexas e interajam com conteúdos de maneira mais prática, facilitando a compreensão de conceitos abstratos.

Outra aplicação relevante da IA na educação é sua contribuição para a análise e interpretação de grandes volumes de dados educacionais. Khosravi et al. (2022) enfatizam a importância da Inteligência Artificial Explicável (XAI, do inglês Explainable Artificial Intelligence) no campo educacional, permitindo que professores e gestores compreendam melhor o desempenho dos alunos por meio de sistemas de análise de dados. A transparência dos algoritmos facilita a identificação de padrões de aprendizagem e possibilita intervenções pedagógicas mais assertivas.

A IA também tem sido utilizada para facilitar a acessibilidade educacional. Ouyang et al. (2021) classificam a evolução da IA na educação em três paradigmas principais: tutorias inteligentes, aprendizado personalizado e sistemas autônomos. Eles ressaltam que a IA pode contribuir significativamente para a inclusão de alunos com necessidades especiais, fornecendo recursos como assistentes de voz, legendas automáticas e tradutores em tempo real, promovendo um ensino mais equitativo.

Dessa forma, algumas pesquisas exploram a integração da IA na administração e gestão educacional. Ahmad (2021) argumenta que a IA pode otimizar processos burocráticos, como a gestão de matrículas, avaliação do desempenho docente e alocação de recursos educacionais. Essa automação permite que professores e gestores direcionem mais tempo para atividades pedagógicas e estratégicas. Diante desses avanços, fica evidente que a inteligência artificial tem um impacto significativo na transformação do ambiente educacional. No entanto, apesar dos benefícios apresentados, seu uso também levanta desafios e questões éticas, que serão abordados na próxima seção.

DESAFIOS E IMPACTOS DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO

Embora a Inteligência Artificial (IA) ofereça avanços significativos na educação, sua implementação também traz desafios complexos e impactos que precisam ser cuidadosamente analisados. Questões como a dependência tecnológica, a transparência dos algoritmos, a adaptação do corpo docente e os dilemas éticos emergem como pontos centrais no debate sobre o uso da IA no ensino. Um dos desafios mais discutidos na literatura recente é a necessidade de adaptação dos professores ao uso da IA. Parreira, Lehmann e Oliveira (2021) destacam que muitos educadores ainda enfrentam dificuldades na incorporação de tecnologias baseadas em IA, seja pela falta de formação adequada ou pelo receio de que essas ferramentas substituam seu papel na mediação do aprendizado. Nesse sentido, Durso (2024) argumenta que a IA deve ser compreendida como um suporte pedagógico, e não como um substituto da atuação docente, ressaltando a importância da capacitação contínua dos professores para que possam utilizar essas tecnologias de forma crítica e eficiente.

Além disso, a transparência e a explicabilidade dos algoritmos são questões fundamentais quando se discute a implementação da IA na educação. Khosravi et al. (2022) alertam para os riscos de viés algorítmico e decisões opacas em sistemas de IA, que podem reforçar desigualdades educacionais ao classificar alunos com base em critérios não explícitos. Essa preocupação também é evidenciada por Nemorin et al. (2023), que apontam como o hype em torno da IA na educação pode mascarar desafios estruturais, como a falta de transparência no desenvolvimento e aplicação dessas tecnologias. Outro impacto relevante diz respeito ao uso da IA como ferramenta de avaliação. Rodrigues e Rodrigues (2023) analisam os desafios do uso de modelos como o ChatGPT no ensino, destacando preocupações sobre a originalidade dos trabalhos acadêmicos e a necessidade de novas estratégias para avaliar a aprendizagem. De maneira semelhante, Teles e Nagumo (2023) questionam a predominância de modelos behavioristas no design das tecnologias educacionais baseadas em IA argumentando que muitas dessas ferramentas ainda priorizam respostas automatizadas em detrimento do pensamento crítico e da construção ativa do conhecimento pelos estudantes.

Além disso, o impacto da IA na educação não pode ser analisado isoladamente, sem considerar questões sociais e estruturais. Veras et al. (2024) discutem como a implementação da IA na educação pode acentuar desigualdades, uma vez que o acesso a essas tecnologias ainda é desigual em muitos contextos. A infraestrutura limitada em algumas regiões pode impedir que alunos e professores usufruam plenamente dos benefícios da IA criando um fosso digital entre aqueles que têm acesso a recursos tecnológicos avançados e aqueles que não têm.  Com isso, os desafios éticos também merecem atenção. Santos et al. (2024) destacam que a coleta massiva de dados por sistemas educacionais baseados em IA levanta preocupações sobre privacidade e segurança da informação. A utilização dessas tecnologias deve, portanto, ser acompanhada por regulamentações e diretrizes que garantam o uso responsável dos dados dos alunos.

Diante dessas questões, torna-se evidente que, embora a inteligência artificial tenha grande potencial para transformar a educação, sua implementação exige uma abordagem crítica e cuidadosa. A superação desses desafios passa pelo desenvolvimento de políticas educacionais que garantam a equidade no acesso às tecnologias, a capacitação docente e a transparência no uso dos sistemas de IA assegurando que esses avanços sejam utilizados de forma ética e inclusiva.

CONSIDERAÇÕES FINAIS

Este estudo teve como objetivo analisar as principais aplicações e desafios da Inteligência Artificial (IA) na educação, a partir da literatura científica recente. Com base na revisão de 15 artigos, foi possível identificar que a IA tem desempenhado um papel cada vez mais relevante no ensino, proporcionando avanços significativos na personalização da aprendizagem, na criação de ambientes imersivos, na análise de dados educacionais e na otimização da gestão acadêmica. No entanto, também foram evidenciados desafios estruturais, éticos e pedagógicos que precisam ser superados para garantir o uso responsável e eficaz dessas tecnologias.

No que se refere às aplicações, os estudos analisados destacam que a IA tem sido utilizada para personalizar o ensino por meio de tutores inteligentes e sistemas adaptativos (Alam, 2022; Shaikh, 2022), criando experiências de aprendizado mais ajustadas às necessidades individuais dos alunos. Além disso, tecnologias como o metaverso (Hwang, 2022) e a inteligência artificial explicável (Khosravi et al., 2022) estão contribuindo para tornar o ensino mais interativo e transparente. Outra aplicação significativa está na acessibilidade educacional, permitindo a inclusão de estudantes com dificuldades de aprendizado e necessidades especiais (Ouyang et al., 2021).

Por outro lado, os desafios da implementação da IA na educação são complexos. Um dos principais entraves apontados pelos pesquisadores é a necessidade de formação dos professores para lidar com essas tecnologias, evitando a percepção de que a IA possa substituir o papel docente (Parreira, Lehmann & Oliveira, 2021; Durso, 2024). Além disso, a transparência dos algoritmos e os riscos de viés algorítmico são preocupações relevantes (Khosravi et al., 2022; Nemorin et al., 2023), assim como o impacto da IA na avaliação da aprendizagem, que demanda novas estratégias para garantir autenticidade e desenvolvimento crítico dos estudantes (Rodrigues & Rodrigues, 2023; Teles & Nagumo, 2023).

Com base nesses achados, pode-se responder à questão central deste estudo: as principais aplicações da IA na educação incluem a personalização do ensino, a criação de ambientes interativos e a otimização da gestão acadêmica, enquanto os desafios mais relevantes envolvem a formação docente, a transparência dos algoritmos e as implicações éticas e sociais do uso dessas tecnologias.

Os resultados deste estudo indicam que a implementação da IA na educação exige uma abordagem equilibrada, que maximize seus benefícios sem comprometer a equidade e a ética no ensino. Políticas educacionais precisam ser desenvolvidas para garantir que professores sejam capacitados a utilizar essas ferramentas de forma crítica e que os alunos tenham acesso igualitário às inovações tecnológicas. Além disso, regulamentações sobre o uso de dados estudantis e a transparência dos sistemas de IA devem ser aprimoradas para minimizar riscos de discriminação e uso indevido das informações.

Para pesquisas futuras, sugere-se a investigação de metodologias específicas para capacitação de professores no uso da IA explorando estratégias que possam integrar essas tecnologias de forma ética e eficaz nas práticas pedagógicas. Além disso, estudos podem aprofundar a análise dos impactos da IA em diferentes contextos educacionais, como ensino fundamental, médio e superior, bem como avaliar sua influência em grupos historicamente marginalizados. Outra área promissora envolve a criação de diretrizes para a construção de sistemas de IA educacionais mais transparentes e explicáveis, reduzindo os riscos de vieses e desigualdades. Dessa forma, este estudo contribui para a compreensão do papel da IA na educação e reforça a necessidade de abordagens interdisciplinares e regulamentações adequadas para que essas tecnologias possam ser plenamente aproveitadas, promovendo uma aprendizagem mais inclusiva, inovadora e ética.

REFERÊNCIAS BIBLIOGRÁFICAS

AHMAD, Sayed Fayaz; RAHMAT, Mohd Khairil; MUBARIK, Muhammad Shujaat; ALAM, Muhammad Mansoor; HYDER, Syed Irfan. Artificial intelligence and its role in education. Sustainability (Switzerland), v. 13, n. 22, p. 1–11, 2021. Disponível em: https://doi.org/10.3390/su132212902. Acesso em: 10 fev. 2025.

ALBANA, Leila Fajrie Auddiena Nuriel Fath; SUJARWO. Pengembangan e-modul interaktif untuk meningkatkan kemandirian belajar dasar desain grafis. Jurnal Kependidikan, v. 5, n. 2, p. 223–236, 2021.

ALLEN, Bibb. The role of the FDA in ensuring the safety and efficacy of artificial intelligence software and devices. Journal of the American College of Radiology, v. 16, n. 2, p. 208–210, 2019. Disponível em: https://doi.org/10.1016/j.jacr.2018.09.007. Acesso em: 10 fev. 2025.

ALEXANDER, John C.; ROMITO, Bryan T.; ÇOBANOǦLU, Murat Can. The present and future role of artificial intelligence and machine learning in anesthesiology. International Anesthesiology Clinics, v. 58, n. 4, p. 7–16, 2020. Disponível em: https://doi.org/10.1097/AIA.0000000000000294. Acesso em: 10 fev. 2025.

SHAIKH, Asmat Ara; KUMAR, Anuj; JANI, Kruti; MITRA, Saloni; GARCÍA-TADEO, Diego A.; DEVARAJAN, Agilandeswari. The role of machine learning and artificial intelligence for making a digital classroom and its sustainable impact on education during Covid-19. Materials Today: Proceedings, v. 56, p. 3211–3215, 2022. Disponível em: https://doi.org/10.1016/j.matpr.2021.09.368. Acesso em: 10 fev. 2025.

AYLING, Ruth M.; LEWIS, Stephen J.; COTTER, Finbarr. Potential roles of artificial intelligence learning and faecal immunochemical testing for prioritisation of colonoscopy in anaemia. British Journal of Haematology, v. 185, n. 2, p. 311–316, 2019. Disponível em: https://doi.org/10.1111/bjh.15776. Acesso em: 10 fev. 2025.

BOKHARI, Syed Asad Abbas; MYEONG, Seunghwan. Artificial intelligence-based technological-oriented knowledge management, innovation, and e-service delivery in smart cities: moderating role of e-governance. Applied Sciences (Switzerland), v. 12, n. 17, 2022. Disponível em: https://doi.org/10.3390/app12178732. Acesso em: 10 fev. 2025.

DURSO, S. D. O.. REFLEXÕES SOBRE A APLICAÇÃO DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO E SEUS IMPACTOS PARA A ATUAÇÃO DOCENTE. Educação em Revista, v. 40, p. e47980, 2024.

FIGUEIREDO, Leonardo de Oliveira; ZEM LOPES, Aparecida Maria; VALIDORIO, Valeria Cristiane; MUSSIO, Simone Cristina. Desafios e impactos do uso da Inteligência Artificial na educação. Educação Online, Rio de Janeiro, Brasil, v. 18, n. 44, p. e18234408, 2023. DOI: 10.36556/eol.v18i44.1506. Disponível em: https://www.educonline.openjournalsolutions.com.br/index.php/eduonline/article/view/1506. Acesso em: 4 mar. 2025.

FRIEDRICH, Sarah et al. Is there a role for statistics in artificial intelligence? Advances in Data Analysis and Classification, v. 16, n. 4, p. 823–846, 2022. Disponível em: https://doi.org/10.1007/s11634-021-00455-6. Acesso em: [data de acesso].

JOHRI, Amer M. et al. Role of artificial intelligence in cardiovascular risk prediction and outcomes: comparison of machine-learning and conventional statistical approaches for the analysis of carotid ultrasound features and intra-plaque neovascularization. International Journal of Cardiovascular Imaging, v. 37, n. 11, p. 3145–3156, 2021. Disponível em: https://doi.org/10.1007/s10554-021-02294-0. Acesso em: 10 fev. 2025.

KAPLAN, Alan et al. Artificial intelligence/machine learning in respiratory medicine and potential role in asthma and COPD diagnosis. Journal of Allergy and Clinical Immunology: In Practice, v. 9, n. 6, p. 2255–2261, 2021. Disponível em: https://doi.org/10.1016/j.jaip.2021.02.014. Acesso em: 10 fev. 2025.

PARREIRA, A.; LEHMANN, L.; OLIVEIRA, M.. O desafio das tecnologias de inteligência artificial na Educação: percepção e avaliação dos professores. Ensaio: Avaliação e Políticas Públicas em Educação, v. 29, n. 113, p. 975–999, out. 2021.

RAHAYU, S. Transforming learning environments with information technology: trends and best practices. Bulletin of Science Education, v. 3, n. 3, p. 209-219, 2023. Disponível em: http://dx.doi.org/10.51278/bse.v3i3.821. Acesso em: 10 fev. 2025.

RODRIGUES, O. S.; RODRIGUES, K. S.. A inteligência artificial na educação: os desafios do ChatGPT. Texto Livre, v. 16, p. e45997, 2023.

SANTOS, S. M. A. V.; ZIMMERMANN, J. A. T.; GUIMARÃES, C. D. A INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO. RECIMA21 – Revista Científica Multidisciplinar – ISSN 2675-6218, [S. l.], v. 3, n. 7, p. e371714, 2022. DOI: 10.47820/recima21.v3i7.1714. Disponível em: https://recima21.com.br/index.php/recima21/article/view/1714. Acesso em: 4 mar. 2025.

SANTOS, S. M. A. V.; GUIMARÃES, C. D.; DOS SANTOS FILHO, E. B.; GOMES, L. F.; DE CASTILHO, L. P.; DA SILVA, M. V. M.; DE OLIVEIRA, R. F.; NARCISO, R. INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO. Revista Contemporânea, [S. l.], v. 4, n. 1, p. 1850–1870, 2024. DOI: 10.56083/RCV4N1-101. Disponível em: https://ojs.revistacontemporanea.com/ojs/index.php/home/article/view/3041. Acesso em: 4 mar. 2025.

SURYA, Wisnu Parmmana; ARTY, Indyah Sulistyo. Pengaruh pembelajaran berbasis masalah terhadap minat belajar kimia peserta didik. Jurnal Kependidikan, v. 4, n. 2, p. 200–212, 2020. Disponível em: https://doi.org/10.21831/jk.v4i2.30543. Acesso em: 10 fev. 2025.

TELES, L.; NAGUMO, E. Uma inteligência artificial na educação para além do modelo behaviorista. Revista Ponto de Vista, [S. l.], v. 12, n. 3, p. 01–15, 2023. DOI: 10.47328/rpv.v12i3.15452. Disponível em: https://periodicos.ufv.br/RPV/article/view/15452. Acesso em: 4 mar. 2025.

VERAS, W. A.; MELO, L. C.; SILVA, D. S. da; SOUSA, S. D. A.; SIMÃO, M. V. O.; SERRA, A. R. C. Conectando Saberes: Desafios e Oportunidades da Inteligência Artificial na Educação do Século XXI. Revista JRG de Estudos Acadêmicos, Brasil, São Paulo, v. 7, n. 17, p. e171430, 2024. DOI: 10.55892/jrg.v7i17.1430. Disponível em: https://www.revistajrg.com/index.php/jrg/article/view/1430. Acesso em