REVISÃO DA LITERATURA SOBRE INTELIGÊNCIA ARTIFICIAL GENERATIVA EM FÍSICA E CIÊNCIAS: DESAFIOS, POTENCIALIDADES E IMPACTOS NO PROCESSO DE APRENDIZAGEM
DOI:
https://doi.org/10.63330/aurumpub.057-011Palavras-chave:
Aprendizagem Ativa, Ensino de Ciências, Ensino de Física, Inteligência Artificial Generativa, Revisão Sistemática da LiteraturaResumo
A Inteligência Artificial Generativa (IAG) tem se consolidado como uma tecnologia emergente no contexto educacional, especialmente no ensino de Física e Ciências, a partir de 2022, suscitando debates sobre suas potencialidades e limitações pedagógicas. A relevância do tema justifica-se pelo caráter sensível e complexo de sua incorporação em áreas que exigem rigor conceitual, pensamento crítico e sólida mediação docente. O objetivo geral deste estudo é analisar como a literatura acadêmica aborda o uso da IAG no processo de ensino-aprendizagem de Física e Ciências entre 2022 e 2025, considerando impactos, desafios e possibilidades. Metodologicamente, adotou-se uma Revisão Sistemática da Literatura, orientada pelo protocolo PRISMA, com busca na base Scopus, resultando na análise de sete estudos. Os resultados indicam que a IAG apresenta potencial para apoiar a aprendizagem ativa, a resolução de problemas e a inovação metodológica, embora ainda enfrente limitações conceituais, riscos de uso superficial e dependência tecnológica. Conclui-se que a integração da IAG requer estratégias pedagógicas críticas, formação docente adequada e uso ético, de modo a potencializar a aprendizagem sem comprometer a qualidade do ensino.
Downloads
Referências
DUNLAP, Justin; SISSONS, Ryan; WIDENHORN, Ralf. Descending an inclined plane with a large language model. Physical Review Physics Education Research, 2025.
GOLOVKO, N. Yu.; GONCHARENKO, T. L.; KOROBOVA, I. V. Experience in developing and implementing a system of visualized teaching cases in physics using a computerized digital measurement system Einstein. IOP Conference Series: Materials Science and Engineering, 2022.
KORTEMEYER, Gerda; NÖHL, Julian; ONISHCHUK, Daria. Assisting grading of handwritten thermodynamics exams using artificial intelligence: an exploratory study. Physical Review Physics Education Research, 2024.
MOREIRA, Marco Antônio. Ensino de Física no Brasil: desafios e perspectivas. São Paulo: Editora Livraria da Física, 2018.
PAGE, Matthew J. et al. The PRISMA 2020 statement: an updated guideline for reporting systematic reviews. BMJ, v. 372, 2021.
POLVERINI, Giulia; GREGORCIC, Bor. How understanding large language models can inform the use of ChatGPT in physics education. European Journal of Physics, 2024.
POLVERINI, Giulia et al. Performance of ChatGPT on physics tasks involving visual representations: the case of the Brief Electricity and Magnetism Assessment. Physical Review Physics Education Research, 2025.
PRATES, José Humberto de Souza et al. Ensino de física mediado por aprendizado de máquina: o caso do pêndulo simples. Revista Brasileira de Ensino de Física, 2023.
TONG, Dazhen et al. Exploring the role of human-AI collaboration in scientific problem solving. Physical Review Physics Education Research, 2025.
VILELAS, José. Investigação: o processo de construção do conhecimento. Lisboa: Edições Sílabo, 2022.
WANG, Peijun; JING, Yuhui; SHEN, Shusheng. A systematic literature review on the application of generative artificial intelligence in higher education: instructional contexts, processes and strategies. The Internet and Higher Education, 2025.
Downloads
Publicado
Edição
Seção
Licença

Este trabalho está licenciado sob uma licença Creative Commons Attribution-NonCommercial-NoDerivatives 4.0 International License.