Teoria
Evolução e Impacto Pedagógico
Explora como a IA altera o engajamento discente e a aprendizagem autorregulada.
Inteligência Artificial na Educação e Integridade Acadêmica, Implicações para o Brasil
A integração de ferramentas de inteligência artificial generativa no ensino superior reconfigura as dinâmicas de aprendizagem e os padrões de integridade acadêmica. Este estudo investiga a tensão entre a eficiência tecnológica e a necessidade de preservar o rigor ético, propondo diretrizes para a governança acadêmica no contexto brasileiro.
Relevância
A crescente adoção de IA por estudantes brasileiros exige uma resposta estruturada das instituições de ensino para mitigar riscos à integridade acadêmica.
Objetivo do trabalho
Analisar os impactos da inteligência artificial na integridade acadêmica e propor diretrizes para sua integração responsável no ensino superior brasileiro.
Objeto de pesquisa
A inteligência artificial generativa em ambientes de ensino superior.
Assunto da pesquisa
A integridade acadêmica e a governança educacional.
Objetivos específicos
- •Mapear os benefícios e riscos da IA na aprendizagem universitária.
- •Identificar tensões éticas entre produtividade e desonestidade intelectual.
- •Propor modelos de governança adaptáveis ao contexto brasileiro.
O que o trabalho vai explorar
Direções centrais do futuro texto. A versão completa vai refinar o plano e ampliar a argumentação.
Método
Triangulação de Evidências Empíricas
Detalhamento do mé de desk research baseado em estudos internacionais e adaptação ao contexto nacional.
Análise
Dilemas de Integridade
Analisa a tensão entre a produtividade gerada pela IA e a manutenção dos valores éticos acadêmicos.
Aplicação
Valor aplicado
A argumentação conecta “Inteligência artificial na educação e integridade acadêmica: um estudo empírico com implicações para o Brasil” a evidências, interpretação, limitações e conclusões acadêmicas prudentes.
Tema, idioma, tipo de trabalho e formatação ABNT NBR 14724:2011 (Trabalhos acadêmicos) serão preservados.
Em que base de fontes o trabalho vai se apoiar
A prévia mostra a direção inicial das fontes. A versão completa ampliará e verificará a base conforme o padrão escolhido.
- A fundamentação baseia-se em estudos empíricos recentes sobre inteligência artificial e ética educacional [2][5].
- A análise prioriza a transposição de modelos internacionais para a realidade normativa brasileira [4][6].
Exemplo de escrita acadêmica
Demonstra estilo e lógica, não um trecho final do documento.
Método
Abordagem Metodológica
Esta pesquisa adota uma abordagem de revisão bibliográfica sistemática e análise documental, focando em estudos empíricos recentes sobre o impacto da IA na educação [2][5]. O mé baseia-se na triangulação de dados qualitativos e quantitativos oriundos de literatura internacional, adaptando as evidências identificadas para a realidade do ensino superior no Brasil. As limitações do estudo concentram-se na ausência de coleta primária de dados, mitigada pelo uso de evidências robustas de estudos de caso globais [4][6].
Análise
Análise da Dualidade Tecnológica
A análise dos dados revela uma dualidade na adoção de IA: enquanto ferramentas de geração de conteúdo impulsionam a produtividade e o engajamento, elas amplificam preocupações éticas latentes [3][5]. Ao contrastar os modelos de governança de instituições internacionais com os desafios de infraestrutura no Brasil, observa-se que a integridade acadêmica não deve ser mantida apenas pela proibição, mas pelo redesenho das práticas avaliativas. A evidência aponta que a autonomia do estudante é mediada positivamente pelo uso ético da tecnologia, desde que amparada por políticas institucionais claras [5][6].
Prévia do Documento
Esta é uma breve prévia. A versão completa inclui texto expandido para todas as seções, uma conclusão e uma bibliografia formatada.
Trabalho de Diploma
DegreeType
Inteligência Artificial na Educação e Integridade Acadêmica, Implicações para o Brasil
Autor/a:
Group
Nome Completo
Orientador/a:
Prof. Dr./Dra. Nome
Cidade, 2026
Introdução
A ascensão da inteligência artificial (IA) generativa no ensino superior tem provocado uma reconfiguração profunda das práticas de ensino e aprendizagem. Conforme evidenciado por estudos recentes, a tecnologia oferece oportunidades para o aumento da eficiência, mas traz desafios significativos para os pilares tradicionais da integridade acadêmica [3][5].
O problema central reside na tensão entre o uso da IA como ferramenta de suporte à aprendizagem e o risco de desonestidade intelectual, que ameaça o desenvolvimento de competências críticas nos estudantes. A literatura aponta que, embora a IA possa mediar positivamente a autonomia, a falta de diretrizes claras resulta em incertezas éticas que impactam a qualidade da educação [2][6].
Este trabalho tem como objetivo analisar os impactos da IA na integridade acadêmica, utilizando uma abordagem de revisão documental e análise comparativa de modelos de governança. Espera-se que os resultados ofereçam subsídios teóricos e práticos para que instituições brasileiras desenvolvam estratégias de letramento digital e políticas institucionais robustas. A relevância deste estudo é acentuada pela necessidade de alinhar a inovação tecnológica às exigências éticas do sistema educacional brasileiro, promovendo uma cultura de integridade adaptada aos novos desafios digitais [4][5].
Referências
- Artificial Intelligence vs. Academic Integrity: ways of collaboration for inclusive education (2023)Oleksandr DluhopolskyiLink DOI
- Artificial intelligence and academic integrity in nursing education: A mixed methods study on usage, perceptions, and institutional implications. (2025)Maggie Zgambo, Martina Costello, Melanie Buhlmann et al.Código Aberto
- Artificial Intelligence in Higher Education: A Study of Benefits, Challenges, and Academic Integrity Concerns (2025)H. Alsalmi, M. Al-Waaili, A. ZekiCódigo Aberto
- Artificial intelligence in education: implications for academic integrity and the shift toward holistic assessment (2024)A. Ateeq, Mohammed Alzoraiki, Marwan Milhem et al.
- Impact of Generative Artificial Intelligence on Student Engagement, Self-Regulated Learning, and Academic Integrity in Higher Education (2026)Muhammad Safdar Tahir, Qurat-Ul-Ain, Aghosh Zahra
- Governing Academic Integrity: Ensuring the Authenticity of Higher Thinking in the Era of Generative Artificial Intelligence (2025)Hamish Coates, G. Croucher, Angel Calderon
Bibliografia
Fontes VerificadasNormas de FormataçãoAlta OriginalidadeModelos Pro
Trabalho de Diploma
ABNT NBR 14724:2011 (Trabalhos acadêmicos)