Algumas escolas da Suíça estão incentivando o uso de ferramentas de IA, como o ChatGPT, na sala de aula. Elas acreditam que isso pode ajudar no desempenho de alunos e professores.
O que acontece quando a maioria faz uso de uma IA para realizar suas atividades laborais? E, no caso dos estudantes, quando os trabalhos passam a ser produzidos com o apoio de uma IA generativa? Luciano Sathler É PhD em administração pela USP e membro do Conselho Deliberativo do CNPq e do Conselho Estadual de Educação de Minas Gerais As diferentes aplicações de Inteligência Artificial (IA) generativa são capazes de criar novos conteúdos em texto, imagens, áudios, vídeos e códigos para software. Por se tratar de um tipo de tecnologia de uso geral, a IA tende a ser utilizada para remodelar vários setores da economia, com impactos políticos e sociais, assim como aconteceu com a adoção da máquina a vapor, da eletricidade e da informática. Pesquisas recentes demonstram que a IA generativa aumenta a qualidade e a eficiência da produção de atividades típicas dos trabalhadores de colarinho branco, aqueles que exercem funções administrativas e gerenciais nos escritórios. Também traz maior produtividade nas relações de suporte ao cliente, acelera tarefas de programação e aprimora mensagens de persuasão para o marketing. O revólver patenteado pelo americano Samuel Colt, em 1835, ficou conhecido como o "grande equalizador". A facilidade do seu manuseio e a possibilidade de atirar várias vezes sem precisar recarregar a cada disparo foram inovações tecnológicas que ampliaram a possibilidade individual de ter um grande potencial destrutivo em mãos, mesmo para os que tinham menor força física e costumavam levar desvantagem nos conflitos anteriores. À época, ficou famosa a frase: Abraham Lincoln tornou todos os homens livres, mas Samuel Colt os tornou iguais. Não fazemos aqui uma apologia às armas. A alegoria que usamos é apenas para ressaltar a necessidade de investir na formação de pessoas que sejam capazes de usar a IA generativa de forma crítica, criativa e que gerem resultados humanamente enriquecidos. Para não se tornarem vítimas das mudanças que sobrevirão no mundo do trabalho. A IA generativa é um meio viável para equalizar talentos humanos, pois pessoas com menor repertório cultural, científico ou profissional serão capazes de apresentar resultados melhores se souberem fazer bom uso de uma biblioteca de prompts. Novidade e originalidade tornam-se fenômenos raros e mais bem remunerados. A disseminação da IA generativa tende a diminuir a diversidade, reduz a heterogeneidade das respostas e, consequentemente, ameaça a criatividade. Maior padronização tem a ver com a automação do processo. Um resultado que seja interessante, engraçado ou que chama atenção pela qualidade acima da média vai passar a ser algo presente somente a partir daqueles que tiverem capacidade de ir além do que as máquinas são capazes de entregar. No caso dos estudantes, a avaliação da aprendizagem precisa ser rápida e seriamente revista. A utilização da IA generativa extrapola os conceitos usualmente associados ao plágio, pois os produtos são inéditos – ainda que venham de uma bricolagem semântica gerada por algoritmos. Os relatos dos professores é que os resultados melhoram, mas não há convicção de que a aprendizagem realmente aconteceu, com uma tendência à uniformização do que é apresentado pelos discentes. Toda Instituição Educacional terá as suas próprias IAs generativas. Assim como todos os professores e estudantes. Estarão disponíveis nos telefones celulares, computadores e até mesmo nos aparelhos de TV. É um novo conjunto de ferramentas de produtividade. Portanto, o desafio da diferenciação passa a ser ainda mais fundamental diante desse novo "grande equalizador". Se há mantenedores ou investidores sonhando com a completa substituição dos professores por alguma IA já encontramos pesquisas que demonstram que o uso intensivo da Inteligência Artificial leva muitos estudantes a reduzirem suas interações sociais formais ao usar essas ferramentas. As evidências apontam que, embora os chatbots de IA projetados para fornecimento de informações possam estar associados ao desempenho do aluno, quando o suporte social, bem-estar psicológico, solidão e senso de pertencimento são considerados, isso tem um efeito negativo, com impactos piores no sucesso, bem-estar e retenção do estudante. Para não cair na vala comum e correr o risco de ser ameaçado por quem faz uso intensivo da IA será necessário se diferenciar a partir das experiências dentro e fora da sala de aula – online ou presencial; humanizar as relações de ensino-aprendizagem; implementar metodologias que privilegiem o protagonismo dos estudantes e fortaleçam o papel do docente no processo; usar a microcertificação para registrar e ressaltar competências desenvolvidas de forma diferenciada, tanto nas hard quanto soft skills; e, principalmente, estabelecer um vínculo de confiança e suporte ao discente que o acompanhe pela vida afora – ninguém mais pode se dar ao luxo de ter ex-alunos. Atenção: esse artigo foi exclusivamente escrito por um ser humano. O editor, Michael França, pede para que cada participante do espaço "Políticas e Justiça" da Folha sugira uma música aos leitores. Nesse texto, a escolhida por Luciano Sathler foi "O Ateneu" de Milton Nascimento.
De igrejas coloniais à repatriação de remanescentes humanos, comunidades tradicionais e pesquisadores propõem revisões da herança cultural do continente
Vivemos em um mundo regido por algoritmos. Eles ditam boa parte dos nossos movimentos, os caminhos que fazemos, a música que ouvimos, os filmes a que assistimos, as notícias que lemos, a comida que comemos, os remédios que tomamos, os impostos que pagamos e as pessoas com quem nos relacionamos. Eles também influenciam políticas públicas e resultados de eleições.
No livro Política dos algoritmos – Instituições e as transformações da vida social, os cientistas políticos Ricardo Mendonça e Fernando Filgueiras e o cientista da computação Virgílio Almeida não só discutem como os algoritmos estão transformando a vida social (o que já sabíamos), mas também argumentam que os algoritmos são novas instituições. Analisando a digitalização das sociedades sob a ótica do institucionalismo, os autores mostram como o arcabouço conceitual das instituições é adequado para compreender melhor o papel dos algoritmos no contexto atual.
Na edição mais recente do Índice Global de Inovação (IGI), divulgada em 2024 pela Organização Mundial da Propriedade Intelectual (OMPI), o Brasil ocupa a 50ª posição. Desde 2015, avançou 20 posições e é líder da América Latina, à frente do Chile (51ª) e do México (56ª), o que evidencia uma inserção regional relativamente mais robusta do que no cenário internacional O IGI avalia o ambiente inovativo de um país e seus resultados. É uma medida sintética, que combina sete dimensões: instituições, capital humano e pesquisa, infraestrutura, sofisticação de mercado, sofisticação empresarial, produção de conhecimento e tecnologia, e produção criativa. Esses indicadores, devidamente normalizados e ponderados, representam um fenômeno multidimensional (inovação) em um único número, passível de ser ordenado num ranking comparativo de diferentes países Inspirado nesse referencial, o Instituto Nacional da Propriedade Industrial (INPI) tem publicado o Índice Brasil de Inovação e Desenvolvimento (Ibid) desde 2024, voltado às unidades da federação (UF) brasileiras. Trata-se de uma adaptação do Índice Global de Inovação às especificidades nacionais e à disponibilidade de dados regionais, com o objetivo de subsidiar políticas públicas, orientar a alocação de recursos e aprimorar a compreensão das dinâmicas territoriais da inovação no país
Ministério da Ciência e Tecnologia da China anunciou que irá ampliar a fiscalização das universidades do país para avaliar se elas estão investigando e punindo pesquisadores envolvidos com má conduta. Segundo um comunicado do ministério, as instituições devem se concentrar na apuração de artigos de autores chineses publicados em revistas internacionais que sofreram retratação, ou seja, que foram considerados inválidos, por desvios éticos. O governo também exigiu que os resultados dessas investigações se tornem públicos para servirem de exemplo para a comunidade científica. As universidades que acobertarem casos de má conduta poderão sofrer punições severas, que, contudo, não foram detalhadas.
studantes chineses já conseguem obter o grau de doutor sem escrever uma tese – em vez disso, eles podem apresentar um protótipo, produto ou uma solução tecnológica concreta desenvolvidos durante sua formação de pós-graduação. Uma lei aprovada em 2024 permitiu que universidades do país concedam títulos de mestre e doutor com base em realizações práticas dos alunos. Os alunos trabalham com dupla orientação: a de um professor e a de um especialista da indústria. Por enquanto, a novidade se aplica apenas à pós-graduação em engenharia e a setores como semicondutores, inteligência artificial e manufatura avançada.
Mortalidade em massa registrada entre 2024 e 2025 acende alerta sobre o futuro dos recifes no Brasil e no mundo #coralreef #coral #climatechange #criseclimática
Capazes de executar operações complexas, máquinas permitem investigar assuntos como os efeitos do desmatamento no clima e a evolução da Via Láctea #ciencia #efeitoestufa #divulgaçãocientífica #research #pesquisa #petróleo #supercomputers #supercomputing @petrobras
Formato fortalece modalidades e ligas esportivas menos populares, mas desperta polêmicas ligadas à promoção irregular de bets, à falta de auditoria das métricas de audiência e, em Portugal, a disputas regulatórias.
O maior estudo já realizado sobre o impacto da inteligência artificial na produção científica revela um paradoxo: pesquisadores que usam IA publicam mais, são mais citados e chegam mais cedo à liderança – mas a ciência, como empreitada coletiva, está estreitando seus horizontes Em janeiro de 2026, a Nature publicou um estudo dos mais abrangentes e robustos sobre a influência da inteligência artificial (IA) na produção de ciência. Pesquisadores da Universidade de Tsinghua, na China, e da Universidade de Chicago, nos Estados Unidos, analisaram 41,3 milhões de artigos científicos publicados entre 1980 e 2025 em seis grandes áreas das ciências naturais: biologia, ciências dos materiais, física, geologia, medicina e química. Os resultados são positivos para quem adota IA em seus estudos: pesquisadores desse grupo publicam, em média, 3 vezes mais artigos e recebem quase 5 vezes mais citações do que os demais. A prática também acelera a carreira dos cientistas, que assumem a liderança de projetos mais cedo. A conclusão mais simplória é a de que a IA torna os cientistas mais produtivos, mais visíveis e mais influentes. No entanto, o estudo também mostra que a ciência, como construção coletiva, encolheu quase 5% em amplitude temática desde a disseminação da IA e gera 22% menos engajamento cruzado entre pesquisadores. Traduzindo: há mais cientistas publicando mais sobre menos assuntos, e esses trabalhos provocam menos conversas entre os pares. “Fiquei surpreso com a menor probabilidade da IA gerar novos engajamentos”, afirma James Evans, professor de sociologia e ciência de dados na Universidade de Chicago, diretor do Knowledge Lab e um dos autores do artigo. “Pensei que essa tendência pudesse mudar ao longo do tempo que o estudo abrange, mas ela continua valendo para modelos recentes de IA.” Mais produção, menos diversidade O estudo divide a história da IA em três eras: a do aprendizado de máquina clássico (machine learning), de 1980 a 2014; a do aprendizado profundo (deep learning), de 2015 a 2022; e a da IA generativa, de 2023 em diante. Em todas elas, o padrão se repete: o cientista que adota IA ganha em produtividade individual, mas a ciência como um todo perde em diversidade temática. Para medir essa perda, os autores desenvolveram o conceito de “extensão do conhecimento”, uma medida da variedade de temas explorados por um conjunto de artigos. Quando comparados em amostras aleatórias, os artigos que usam IA cobrem um espaço temático quase 5% menor do que os que não usam. E isso vale para mais de 70% das mais de 200 subáreas do conhecimento analisadas no estudo. Uma das explicações para esse resultado é a disponibilidade de dados. A IA funciona melhor onde há mais dados estruturados para treinar modelos e validar previsões. Isso pode atrair pesquisadores para campos já maduros, com padrões e referências consolidados, em detrimento de questões menos estabelecidas e, portanto, “arriscadas”. “Acelerar a atividade científica sob a luz lançada por fenômenos de alta visibilidade e ricos em dados afasta a ciência de muitas questões fundamentais e a empurra em direção a questões operacionais”, pontuam os autores no artigo. “A IA parece impulsionar a solução de problemas em vez de gerá-los”, completam. Os resultados apresentam a seguinte lógica: se publicar com IA garante mais citações e mais visibilidade, o incentivo para adotar a tecnologia cresce. E quando mais pesquisadores se voltam para os mesmos campos – os mais ricos em dados e aqueles em que o uso da IA já é mais consagrado – a concentração aumenta. O estudo revela um índice de Gini de 0,75 na distribuição de citações para artigos que usam IA, contra 0,69 para os demais – neste índice, que compara desigualdades, quanto mais perto de 1, mais homogênea é a amostragem. Ou seja, os números indicam que poucos trabalhos – aqueles que usam IA – concentram uma fatia desproporcional da atenção. Evans chama isso de “multidão solitária”: artigos que se voltam para os mesmos tópicos populares, mas que interagem menos entre si. “A adoção de IA na ciência apresenta o que parece ser um paradoxo: uma expansão do impacto dos cientistas como indivíduos, mas uma contração no alcance da ciência coletiva”, opina. Fabio Cozman, diretor do Centro de Inteligência Artificial da USP (C4AI), apoiado pela FAPESP, por outro lado, considera outras possibilidades. “A IA é uma ferramenta útil e poderosa. Se ela for usada para ficar repetindo soluções, ela vai, sim, aumentar o overlapping”, afirma. “Mas cabe a nós, à comunidade acadêmica e também aos órgãos de financiamento, ter uma política agressiva que valorize a originalidade. Se você valoriza a originalidade, isso vai forçar os pesquisadores a usar as ferramentas de IA como suporte para a busca de novas ideias.” Dilemas para jovens cientistas Há outra dimensão da adoção de IA na produção acadêmica que levanta um questionamento entre pesquisadores ouvidos pela reportagem: o que acontece com os jovens cientistas que deveriam aprender realizando tarefas que agora a IA executa? O estudo revela que equipes de pesquisa que usam IA tendem a ter menos pesquisadores – sobretudo em início de carreira. O número médio de cientistas júniores em equipes que não trabalham com IA é de 2,89. Já em equipes que aplicam IA na pesquisa, a quantidade é de 1,99 (31% a menos). Considerando pesquisadores sênior, a discrepância é menor: média de 4,01 em times que adotam IA e de 3,58 em times que não adotam. Em outras palavras: proporcionalmente, a IA substitui mais iniciantes do que veteranos. Ao mesmo tempo, cientistas iniciantes que trabalham com IA têm 45% de chance de se estabelecer na carreira; uma taxa 13,64% superior à dos pares que não usam a tecnologia. “Meu medo não é que os jovens dependam da IA para executar a parte técnica, mas que ela cause uma dessensibilização neles”, comenta Helder Nakaya, pesquisador sênior do Einstein Hospital Israelita e professor da Faculdade de Ciências Farmacêuticas da USP. Marcos Buckeridge, professor do Instituto de Biociências e vice-diretor do Instituto de Estudos Avançados da USP, compartilha a preocupação e vai além. Para ele, o artigo da Nature carrega um risco adicional: ser mal interpretado pelos pesquisadores em formação. “Ele é instrutivo e ao mesmo tempo perigoso. Pode induzir a uma utilização da IA a qualquer custo”, comenta. Afinal, se publicar com IA garante mais citações e uma carreira mais rápida, jovens cientistas pressionados pelo sistema de avaliação acadêmica têm todos os incentivos errados para adotar a tecnologia de forma irrefletida, independentemente da pertinência científica. A questão da formação tem um aspecto ainda mais concreto. Análise de dados, revisão de literatura e planejamento de experimentos são habilidades aprendidas na prática – errando, corrigindo e refazendo. É nesse processo que surgem perguntas novas, insights inesperados e uma intuição que a IA ainda não oferece. “Uma coisa é usar a IA para aumentar a produtividade em tarefas que o pesquisador já domina. Outra é aprender a fazer ciência usando IA desde o início”, afirma Nakaya. “Há estudos que indicam que o aprendizado com IA não ativa as mesmas áreas do cérebro que são estimuladas pelo aprendizado sem esse apoio”, diz. O estudo deixa em aberto justamente o que acontece quando a tecnologia encurta – ou substitui – essas etapas fundamentais da formação científica. “O papel do orientador será cada vez mais estimular reflexão, em vez de focar na técnica, que será automatizada”, diz Nakaya. “O que sobra para mim, como cientista, é a parte da curiosidade, que é o que fez a gente entrar nesse caminho.” Buckeridge vê benefícios mais concretos. Desde 2023, os manuscritos de seus alunos passaram a chegar com o inglês mais polido graças à IA generativa. O biólogo vê vantagem na mudança, especialmente para pesquisadores de países que não têm o inglês como língua nativa. “Isso pode liberar o foco do pesquisador para as ideias, para os dados, para tornar a ciência melhor.” Entretanto, ele estabelece limites: “Mas a aprendizagem pelo fazer continua sendo insubstituível.” A ciência que a IA não alcança Evans, que além de pesquisador na Universidade de Chicago, é também pesquisador visitante no Google, acredita em uma mudança no foco de aplicação da IA na ciência. Em vez de priorizar dados existentes, o objetivo deveria ser usar a tecnologia para coletar dados novos, em territórios ainda não mapeados. “Usar IA para impulsionar a coleta de novos dados representaria uma mudança crucial em direção a problemas que somente ela pode ajudar a resolver”, afirma Evans. “O processamento de dados já existentes demonstra que a IA tem bom desempenho com esse tipo de informação. Contudo, é possível estimular a coleta de dados inéditos que conectem sistemas biológicos conhecidos ou que relacionem informações de escala astronômica com áreas da física que buscam pistas valiosas pelo Universo, como quem procura uma agulha no palheiro.” Evans também trabalha em uma direção menos explorada: abrir novas dimensões nos modelos de linguagem, em vez de apenas comprimir informação existente. “Estamos desenvolvendo modelos para reconhecer dados, afirmações ou artigos surpreendentes e, em seguida, avaliar, a partir de uma surpresa identificada, que outras ideias improváveis até então podem ser mais prováveis agora?” A lógica é a da descoberta: encontrar o que era invisível em vez de otimizar o que já se conhece. Segundo Cozman, da USP, “cabe a nós valorizar menos a repetição e o número de publicações e valorizar aquilo que é novo, mesmo quando não deu certo, porque isso é o que é difícil na análise e no suporte à pesquisa.” O lugar humano na pesquisa Nakaya, que aplica aprendizado de máquina em suas pesquisas há mais de duas décadas, desde seu doutorado, analisa que o impacto da IA na ciência seguirá três estágios. No primeiro, o atual, a tecnologia aumenta a produtividade individual. No segundo, já em curso, a IA passa a executar tarefas melhor do que os humanos, e ao cientista caberá fazer as perguntas certas e entender os gargalos. No terceiro, mais distante, a IA também formulará as perguntas, e o que sobrará para os pesquisadores será, ironicamente, aquilo que os levou à ciência em primeiro lugar: o gosto pela curiosidade. “No futuro, a meu ver, vai sobrar fazer pesquisa não utilitarista, por prazer”, diz Nakaya. Ele também traça um paralelo com o xadrez. Em 1997, Garry Kasparov perdeu para o supercomputador Deep Blue e muita gente achou que o jogo acabaria. “Hoje, mais pessoas jogam xadrez do que antes. Temos que perder um pouco desse ego de achar que vamos ser sempre melhores do que as máquinas. Em alguns aspectos seremos piores. Tudo bem. Vamos usar as máquinas para melhorar a nossa pesquisa”, afirma. Buckeridge evoca uma analogia com outro jogo ainda mais popular: o futebol. “Em relação à IA, assim como no esporte, a gente tem que antever a jogada e se mover para onde a bola vai estar e não se aglomerar onde ela está”. O perigo, para ele, é a ciência correndo atrás “da bola” da IA e abandonando campos com menos dados, mas com questões igualmente importantes. “Vai se repetir o que aconteceu com a biologia molecular. Chegou um momento em que todo mundo foi atrás e faltou gente em bioquímica. Isso é ruim para a ciência, ruim para a produção do conhecimento, mas é assim que o jogo é jogado”, conclui. Conhecimento não é entendimento Há uma anedota do físico americano Richard Feynman: você pode saber o nome de um pássaro em todas as línguas do mundo e continuará sem saber nada sobre o pássaro. Em outras palavras, o conhecimento não é a mesma coisa que o entendimento. Ter acesso a toda a literatura científica via um modelo de linguagem não faz de ninguém um cientista, mas somente alguém bem informado. O estudo de Evans e colaboradores aponta, nesse sentido, para um horizonte que vai além das métricas de produtividade. Ao final, a pergunta não é apenas quantos artigos a IA ajuda a publicar, mas o que esses artigos estão descobrindo e, mais importante, o que estão deixando de perguntar. “Esses achados iluminam um caminho crítico e amplo para o desenvolvimento da IA na ciência”, escrevem os autores no artigo da Nature. “Para preservar a exploração coletiva numa era de uso de inteligência artificial, precisaremos reimaginar sistemas de IA que expandam não apenas a capacidade cognitiva, mas também a capacidade sensorial e experimental, permitindo e incentivando os cientistas a buscar, selecionar e coletar novos tipos de dados de domínios anteriormente inacessíveis, em vez de meramente otimizar a análise de dados existentes”, completam. A história das grandes descobertas científicas, argumentam, está mais ligada a novas formas de ver a natureza do que à otimização das formas já existentes de olhar para ela. O desafio é ensinar à máquina, e aos jovens pesquisadores, o caminho da curiosidade.
Experimentados de maneira crônica, episódios intermitentes de queda de oxigenação, típicos da apneia do sono, tornam essas células hiperativas e podem levar à hipertensão
China aprovou um implante cerebral fabricado pela Neuracle, de Xangai, que permite que pessoas com paralisia movam as mãos. É a primeira aprovação mundial de uma interface cérebro-computador invasiva para uso comercial. O chip cerebral, do tamanho de uma moeda, contém oito eletrodos e é colocado em um lado da dura-máter do cérebro, acima do córtex sensório-motor primário. Os eletrodos registram a atividade elétrica neuronal quando uma pessoa imagina mover a mão. Os sinais são enviados a um computador, decodificados e usados para controlar uma luva robótica utilizada pela pessoa, movendo sua mão. Um homem conseguiu agarrar e mover objetos com a mão direita enluvada após receber o dispositivo, indicando que poderia realizar tarefas como comer e beber. Depois de usar a interface cérebro-computador por nove meses, conseguiu agarrar objetos com a mão esquerda, que não havia usado a luva. Exames indicaram que suas conexões neurais na medula espinhal haviam se recuperado. Dispositivos semelhantes estão sendo testados em um número limitado de pacientes. Um deles, da Neuralink, permitiu que três pessoas com paralisia controlassem um cursor na tela do computador pensando em mover os dedos. A tecnologia da Neuralink consiste em um implante fixado no crânio que é conectado a fios contendo mais de mil eletrodos, que penetram no córtex motor do paciente (Nature Biotechnology, 17 abril).
No início de 2025, quando se candidatou a uma vaga na Academia Chinesa de Ciências, ele deu entrevistas afirmando ter credenciais que depois se revelaram falsas. Dizia que havia sido o estudante com maior nota em ciências em sua província, Shaanxi, em 1994, e que mais tarde tinha estudado em universidades da China e da Austrália, antes de ir trabalhar como engenheiro na Alemanha e se tornar membro da Academia Nacional de Ciências alemã.
O nome da filha não foi divulgado pelo site, mas uma consulta aos manuscritos mostra que se trata de Dongqi Liu, aluna da Universidade da Carolina do Norte, em Chapel Hill. Ela garante que não teve participação na pesquisa e na redação dos trabalhos, nem consentiu que fosse incluída no rol de autores. “Pedi a ele que parasse, mas ele não parou”, disse ao Retraction Watch. Em alguns casos, o nome da estudante é citado como autora correspondente, uma espécie de porta-voz dos autores de um artigo e interlocutora do grupo com revistas científicas. Ela informou ter procurado os administradores de repositórios como Zenodo e Cambridge Open Engage, onde os manuscritos foram divulgados, para pedir a retirada de seu nome dos artigos.
Reportagem mergulhou no ecossistema de inovação que permitiu que país europeu se tornasse líder na produção de alimentos, apesar de ter uma área territorial mais de 70 vezes menor que a da Argentina.
To get content containing either thought or leadership enter:
To get content containing both thought and leadership enter:
To get content containing the expression thought leadership enter:
You can enter several keywords and you can refine them whenever you want. Our suggestion engine uses more signals but entering a few keywords here will rapidly give you great content to curate.
Scoop.it!
Your new post is loading...
