Abordagem didática do ideal emancipatório das religiões afro-cubanas no ensino da história
Palavras-chave:
análise de aprendizagem, tomada de decisão baseada em dados, IA éticaResumo
Este estudo examina o papel da análise de aprendizagem apoiada por inteligência artificial responsável na tomada de decisões pedagógicas baseadas em dados na educação básica, integrando evidências empíricas e considerações éticas. Foi empregado um delineamento em duas fases, combinando uma revisão sistemática da literatura e um estudo empírico quantitativo explicativo. A primeira fase envolveu uma revisão sistemática da literatura seguindo as diretrizes PRISMA 2020, analisando 85 estudos publicados entre 2020 e 2025 em bases de dados de alto impacto. A segunda fase consistiu em um estudo empírico quantitativo explicativo transversal conduzido em instituições públicas de educação básica. Esta fase empírica incluiu 312 alunos do ensino fundamental II e do ensino médio I, bem como 60 professores dos departamentos de Língua Portuguesa, Matemática e Ciências. Os resultados demonstram associações significativas entre indicadores de análise de aprendizagem e a tomada de decisões pedagógicas informadas. Além disso, as percepções de inteligência artificial responsável — especialmente transparência, explicabilidade e supervisão humana — emergiram como os preditores mais fortes da confiança dos professores em sistemas analíticos. Este estudo propõe e valida empiricamente uma estrutura conceitual integrativa que articula análise de aprendizagem, inteligência artificial responsável e protagonismo docente, contribuindo para o desenvolvimento de abordagens éticas, inclusivas e baseadas em evidências para a inovação educacional na educação básica.
Downloads
Referências
Beck, J. S., & Nunnaley, D. (2021). A continuum of data literacy for teaching. Studies in Educational Evaluation, 69, 100871. https://doi.org/10.1016/j.stueduc.2020.100871
Beerwinkle, A. L. (2021). The use of learning analytics and the potential risk of harm for K-12 students participating in digital learning environments. Educational Technology Research and Development, 69, 327–330. https://doi.org/10.1007/s11423-020-09854-6
Bergdahl, N., & Sjöberg, J. (2025). Transformation, support needs and AI, in K-12 education. Education and Information Technologies. https://doi.org/10.1007/s10639-025-13762-8
Cheng, N., Zhao, W., Xu, X., Liu, H., & Tao, J. (2024). The influence of learning analytics dashboard information design on cognitive load and performance. Education and Information Technologies, 29, 19729–19752. https://doi.org/10.1007/s10639-024-12606-1
Han, J., Kim, K. H., Rhee, W., & Cho, Y. H. (2021). Learning analytics dashboards for adaptive support in face-to-face collaborative argumentation. Computers & Education, 163, 104041. https://doi.org/10.1016/j.compedu.2020.104041
Khosravi, H., Buckingham Shum, S., Chen, G., Conati, C., Tsai, Y.-S., Kay, J., Knight, S., Martinez-Maldonado, R., Sadiq, S., & Gaševi?, D. (2022). Explainable Artificial Intelligence in education. Computers and Education: Artificial Intelligence, 3, 100074. https://doi.org/10.1016/j.caeai.2022.100074
Kippers, W. B., Poortman, C. L., Schildkamp, K., & Visscher, A. J. (2018). Data literacy: What do educators learn and struggle with during a data use intervention? Studies in Educational Evaluation, 56, 21–31. https://doi.org/10.1016/j.stueduc.2017.11.001
Mandinach, E. B., & Schildkamp, K. (2021). Misconceptions about data-based decision making in education: An exploration of the literature. Studies in Educational Evaluation, 69, 100842. https://doi.org/10.1016/j.stueduc.2020.100842
Mohseni, Z. A., & Masiello, I. (2025). Co-designing, developing, and implementing multiple learning analytics dashboards for data-driven decision-making in education: A design-based research approach. Educational Technology Research and Development. https://doi.org/10.1007/s11423-025-10577-9
Nguyen, A., Gardner, L., & Sheridan, D. (2023). Ethical principles for artificial intelligence in education. Education and Information Technologies, 28, 4221–4241. https://doi.org/10.1007/s10639-022-11316-w
Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., Shamseer, L., Tetzlaff, J. M., Akl, E. A., Brennan, S. E., Chou, R., Glanville, J., Grimshaw, J. M., Hróbjartsson, A., Lalu, M. M., Li, T., Loder, E. W., Mayo-Wilson, E., McDonald, S., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372(71). https://doi.org/10.1136/bmj.n71
Possaghi, I., Vesin, B., Zhang, F., Sharma, K., Knudsen, C., Bjørkum, H., & Papavlasopoulou, S. (2025). Integrating multi-modal learning analytics dashboard in K-12 education: Insights for enhancing orchestration and teacher decision-making. Smart Learning Environments, 12(1), 1–34. https://doi.org/10.1186/s40561-025-00410-4
Roski, M., Sebastian, R., Ewerth, R., Hoppe, A., & Nehring, A. (2024). Learning analytics and the Universal Design for Learning (UDL): A clustering approach. Computers & Education, 210, 105028. https://doi.org/10.1016/j.compedu.2024.105028
Susnjak, T., Ramaswami, G. S., & Mathrani, A. (2022). Learning analytics dashboard: A tool for providing actionable insights to learners. International Journal of Educational Technology in Higher Education, 19(1). https://doi.org/10.1186/s41239-021-00313-7
Teasley, S. D. (2017). Student facing dashboards: One size fits all? Technology, Knowledge and Learning, 22(3), 377–384. https://doi.org/10.1007/s10758-017-9314-3
Schildkamp, K., Poortman, C. L., Luyten, H., & Ebbeler, J. (2020). Factors promoting and hindering data-based decision making in schools. Educational Research Review, 31, 100339. https://doi.org/10.1016/j.edurev.2020.100339
Tirado-Olivares, S., Moreno-Guerrero, A.-J., García-Martínez, I., & López-Belmonte, J. (2024). Learning analytics in primary education: A systematic review. Education and Information Technologies, 29, 3393–3424. https://doi.org/10.1007/s10639-023-12157-z
Valtonen, T., Lehtinen, A., Pöntinen, S., Huhta, A.-M., & Tondeur, J. (2025). Elementary and secondary school teachers’ perceptions of learning analytics: A qualitative approach. Technology, Knowledge and Learning. https://doi.org/10.1007/s10758-025-09847-5
Velander, J., Taiye, M. A., Otero, N., et al. (2024). Artificial intelligence in K-12 education: Eliciting and reflecting on Swedish teachers’ understanding of AI and its implications for teaching & learning. Education and Information Technologies, 29, 4085–4105. https://doi.org/10.1007/s10639-023-11990-4
Villa-Torrano, C., Suraworachet, W., Gómez-Sánchez, E., Asensio-Pérez, J. I., Bote-Lorenzo, M. L., Martínez-Monés, A., Zhou, Q., Cukurova, M., & Dimitriadis, Y. (2025). Using learning design and learning analytics to promote, detect and support socially-shared regulation of learning: A systematic literature review. Computers & Education, 232, 105261. https://doi.org/10.1016/j.compedu.2025.105261
Downloads
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 LUZ
Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-ShareAlike 4.0 International License.
