Efeitos longitudinais da pedagogia ética em inteligência artificial sobre a alfabetização em IA, a competência moral e a equidade educacional no ensino superior indiano: Um estudo de métodos mistos com duração de três anos em instituições urbanas e rurais, alinhado à NEP 2020
DOI:
https://doi.org/10.37497/rev.artif.intell.educ.v7ii.76Palavras-chave:
Pedagogia de IA ética, Letramento em IA, Competência moral, Equidade digital, Desigualdade urbano-rural, NEP 2020, Desenho quase experimental, Estudo longitudinal, Métodos mistos, Ensino superior, Sul GlobalResumo
Contexto: A inteligência artificial generativa está transformando o ensino superior. Entretanto, a integração pedagógica ética dessas tecnologias ainda avança de forma limitada no Sul Global, onde as desigualdades de infraestrutura podem ampliar disparidades já existentes. A Política Nacional de Educação da Índia de 2020 — NEP 2020 — recomenda uma adoção inclusiva e interdisciplinar da inteligência artificial, o que evidencia a necessidade de estudos rigorosos sobre modelos capazes de desenvolver competências técnicas e, simultaneamente, promover a autonomia moral.
Objetivo: Este estudo avaliou a eficácia de uma proposta pedagógica ética para o ensino de inteligência artificial, integrando alfabetização técnica, formação em ética sociotécnica e estratégias de ensino offline. Foram analisados seus efeitos sobre a alfabetização em IA, a consciência ética, a criatividade e a colaboração, bem como a influência moderadora do gênero, da área de formação e do contexto urbano ou rural nas instituições de ensino superior indianas.
Métodos: Foi realizado um estudo quase experimental longitudinal, de métodos mistos, durante três anos, entre 2022 e 2025, em 12 instituições de ensino superior da Índia. Participaram grupos equivalentes de estudantes submetidos à intervenção (n = 600) e integrantes do grupo de controle (n = 568), totalizando 1.168 estudantes, além de docentes e gestores acadêmicos. Foram utilizados instrumentos de avaliação pré e pós-intervenção, diários reflexivos, grupos focais e dados de análise da aprendizagem. Os dados foram examinados por meio de medidas de tamanho de efeito e síntese temática. Os procedimentos observaram as diretrizes do Conselho Indiano de Pesquisa Médica — ICMR (2017), da Declaração de Helsinque (2013) e da Lei de Proteção de Dados Pessoais Digitais da Índia — DPDP Act (2023).
Resultados: A intervenção esteve associada a ganhos expressivos na alfabetização em IA, que alcançou 78,9%, com tamanho de efeito elevado (d = 0,80), e na consciência ética, que atingiu 76%, também com tamanho de efeito elevado (d = 0,90). Foram igualmente observadas melhorias na criatividade e na colaboração. Os efeitos mostraram-se equitativos entre os diferentes gêneros e áreas de formação. Contudo, verificou-se uma acentuada moderação decorrente do contexto urbano-rural, mesmo após a implementação de adaptações pedagógicas. Foi identificada uma diferença de 16 pontos percentuais na alfabetização em IA — 85,2% nas instituições urbanas e 69,2% nas rurais — e de 23 pontos percentuais na consciência ética — 85% nas instituições urbanas e 62% nas rurais. Os resultados qualitativos confirmaram o desenvolvimento de uma autonomia moral emergente por meio de práticas orientadas pelo princípio da equidade desde a concepção. As instituições urbanas adotaram os currículos e as políticas institucionais com maior facilidade.
Conclusão: Os resultados indicam que a integração entre formação ética e técnica em inteligência artificial pode produzir resultados consistentes e amplamente equitativos, desde que o apoio institucional alcance níveis mínimos considerados essenciais. O estudo apresenta instrumentos replicáveis e um roteiro de governança aplicável ao ensino superior no Sul Global. Entretanto, sua efetividade depende do enfrentamento das desigualdades de infraestrutura, condição necessária para o cumprimento dos objetivos de inclusão e interdisciplinaridade estabelecidos pela NEP 2020. A pesquisa também contribui para as concepções sociotécnicas de autonomia moral em ambientes educacionais híbridos, constituídos pela interação entre seres humanos e sistemas de inteligência artificial.
Referências
Barczak, A. L., Mathrani, A., Han, B., & Reyes, N. H. (2023). Automated assessment system for programming courses: A case study for teaching data structures and algorithms. Educational Technology Research and Development, 71(6), 2365–2388. https://doi.org/10.1007/s11423-023-10277-2 DOI: https://doi.org/10.1007/s11423-023-10277-2
Baxter, G., & Sommerville, I. (2011). Socio-technical systems: From design methods to systems engineering. Interacting with Computers, 23(1), 4–17. https://doi.org/10.1016/j.intcom.2010.07.003 DOI: https://doi.org/10.1016/j.intcom.2010.07.003
Challa, J. S. (2025). Sakshm AI: Advancing AI-assisted coding education for engineering students in India through Socratic tutoring and comprehensive feedback [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2503.12479
Córdova, P., Grájeda, A., Córdova, J. P., Vargas-Sánchez, A., Burgos, J., & Sanjinés, A. (2024). Leveraging AI tools in finance education: Exploring student perceptions, emotional reactions and educator experiences. Cogent Education, 11(1), Article 2431885. https://doi.org/10.1080/2331186X.2024.2431885 DOI: https://doi.org/10.1080/2331186X.2024.2431885
Dignum, V. (2019). Responsible artificial intelligence: How to develop and use AI in a responsible way. Springer. https://doi.org/10.1007/978-3-030-30371-6 DOI: https://doi.org/10.1007/978-3-030-30371-6
Ellikkal, A., & Rajamohan, S. (2024). AI-enabled personalized learning: Empowering management students for improving engagement and academic performance. Vilakshan-XIMB Journal of Management, 22(1), 28–44. https://doi.org/10.1108/XJM-02-2024-0023 DOI: https://doi.org/10.1108/XJM-02-2024-0023
Essel, H. B., Vlachopoulos, D., Tachie-Menson, A., Johnson, E. E., & Baah, P. K. (2022). The impact of a virtual teaching assistant (chatbot) on students’ learning in Ghanaian higher education. International Journal of Educational Technology in Higher Education, 19(1), Article 57. https://doi.org/10.1186/s41239-022-00362-6 DOI: https://doi.org/10.1186/s41239-022-00362-6
Facer, K., & Selwyn, N. (2021). Digital technology and the futures of education: Towards ‘Non-Stupid’ optimism. UNESCO Futures of Education initiative. https://unesdoc.unesco.org/ark:/48223/pf0000377071
Floridi, L. (2013). The ethics of information. Oxford University Press. DOI: https://doi.org/10.1093/acprof:oso/9780199641321.001.0001
Goyal, H., Garg, G., Mordia, P., Ramachandran, V., Kumar, D., & Challa, J. S. (2025). The impact of large language models on K-12 education in rural India: A thematic analysis of student volunteer’s perspectives [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2505.03163 DOI: https://doi.org/10.1038/s41598-025-18047-1
Gupta, K. P., & Bhaskar, P. (2020). Inhibiting and motivating factors influencing teachers’ adoption of AI-based teaching and learning solutions: Prioritization using analytic hierarchy process. Journal of Information Technology Education: Research, 19, 693–723. https://doi.org/10.28945/4640 DOI: https://doi.org/10.28945/4640
Hong, Q. N., Pluye, P., Fàbregues, S., Bartlett, G., Boardman, F., Cargo, M., Dagenais, P., Gagnon, M. P., Griffiths, F., Nicolau, B., O’Cathain, A., Rousseau, M. C., & Vedel, I. (2018). Mixed Methods Appraisal Tool (MMAT), version 2018. Canadian Intellectual Property Office, Industry Canada. https://doi.org/10.1136/bmjopen-2020-039246 DOI: https://doi.org/10.1136/bmjopen-2020-039246
Indian Council of Medical Research. (2017). National ethical guidelines for biomedical and health research involving human participants. ICMR. https://ethics.ncdirindia.org/asset/pdf/ICMR_National_Ethical_Guidelines.pdf
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389–399. https://doi.org/10.1038/s42256-019-0088-2 DOI: https://doi.org/10.1038/s42256-019-0088-2
Joseph, G. V., Athira, P., Thomas, M. A., Jose, D., Roy, T. V., & Prasad, M. (2024). Impact of digital literacy, use of AI tools and peer collaboration on AI assisted learning: Perceptions of the university students. Digital Education Review, 45, 43–49. https://eric.ed.gov/?id=EJ1434328 DOI: https://doi.org/10.1344/der.2024.45.43-49
Krishnan, S. (2025a). Harnessing generative AI in higher education: Opportunities, challenges, and strategies for responsible integration. International Journal of Emerging Technologies and Innovative Research, 12(8), 12–18. https://doi.org/10.56975/jetir.v12i8.568737 DOI: https://doi.org/10.56975/jetir.v12i8.568737
Krishnan, S. (2025b). Scoping the landscape: Opportunities, challenges, and strategies for generative AI in higher education. Indian Journal of Computer Science, 10(4), 8–19. https://doi.org/10.17010/ijcs/2025/v10/i4/175747 DOI: https://doi.org/10.17010/ijcs/2025/v10/i4/175747
Krishnan, S. (2025c). Ethics-integrated AI pedagogy and metacognitive growth: A longitudinal quasi-experimental study in Indian higher education (SSRN Scholarly Paper No. 5526736). SSRN. https://doi.org/10.2139/ssrn.5526736 DOI: https://doi.org/10.2139/ssrn.5526736
Ministry of Education, Government of India. (2020). National Education Policy 2020. https://www.education.gov.in/sites/upload_files/mhrd/files/NEP_Final_English_0.pdf
NITI Aayog. (2021). Towards responsible AI for all: Approach document for India part 1 – Principles for responsible AI. https://www.niti.gov.in/sites/default/files/2021-02/Responsible-AI-22022021.pdf
Ouyang, F., Zheng, L., & Jiao, P. (2022). Artificial intelligence in online higher education: A systematic review of empirical research from 2011 to 2020. Education and Information Technologies, 27(6), 7893–7925. https://doi.org/10.1007/s10639-022-10925-9 DOI: https://doi.org/10.1007/s10639-022-10925-9
Pardos, Z. A., Tang, M., Anastasopoulos, I., Sheel, S. K., & Zhang, E. (2023). OATutor: An open-source adaptive tutoring system and curated content library for learning sciences research. In Proceedings of the 2023 CHI Conference on Human Factors in Computing Systems (Article 416, pp. 1–17). https://doi.org/10.1145/3544548.3581574 DOI: https://doi.org/10.1145/3544548.3581574
Ruiz-Rojas, L. I., Salvador-Ullauri, L., & Acosta-Vargas, P. (2024). Collaborative working and critical thinking: Adoption of generative artificial intelligence tools in higher education. Sustainability, 16(13), Article 5367. https://doi.org/10.3390/su16135367 DOI: https://doi.org/10.3390/su16135367
Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.
Smith, M., & Neupane, S. (2022). Artificial intelligence and human development: Toward a research agenda. International Development Research Centre. http://hdl.handle.net/10625/60907
Tang, Y., & Hare, R. (2023). Combining gamification and intelligent tutoring systems in a serious game for engineering education [Preprint]. arXiv. https://doi.org/10.48550/arXiv.2305.16568
UNESCO. (2021). Recommendation on the Ethics of Artificial Intelligence. https://unesdoc.unesco.org/ark:/48223/pf0000381137
Usher, M., & Barak, M. (2024). Unpacking the role of AI ethics online education for science and engineering students. International Journal of STEM Education, 11(1), Article 35. https://doi.org/10.1186/s40594-024-00493-4 DOI: https://doi.org/10.1186/s40594-024-00493-4
Wang, C. (2024). Exploring students’ generative AI-assisted writing processes: Perceptions and experiences from native and nonnative English speakers. Technology, Knowledge and Learning, 29(3), 1–22. https://doi.org/10.1007/s10758-024-09744-3 DOI: https://doi.org/10.1007/s10758-024-09744-3
Wilkinson, M. D., Dumontier, M., Aalbersberg, I. J., Appleton, G., Axton, M., Baak, A., Blomberg, N., Boiten, J.-W., da
Silva Santos, L. B., Bourne, P. E., Bouwman, J., Brookes, A. J., Clark, T., Crosas, M., Dillo, I., Dumon, O., Edmunds, S., Evelo, C. T., Finkers, R., … Mons, B. (2016). The FAIR Guiding Principles for scientific data management and stewardship. Scientific Data, 3, Article 160018. https://doi.org/10.1038/sdata.2016.18 DOI: https://doi.org/10.1038/sdata.2016.18
World Medical Association. (2013). World Medical Association Declaration of Helsinki: Ethical principles for medical research involving human subjects. JAMA, 310(20), 2191–2194. https://doi.org/10.1001/jama.2013.281053 DOI: https://doi.org/10.1001/jama.2013.281053
Downloads
Arquivos adicionais
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2026 Supriya Krishnan

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Open Science Badges
Open Materials: https://alumnijournals.org/raie/article/view/1059/888