Resumo
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
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
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
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
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
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
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.
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
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
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
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
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
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
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
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
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
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
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
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
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
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
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

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2026 Supriya Krishnan

