A incorporação da IA na Educação Básica inaugura um novo paradigma pedagógico em cujo contexto ensino-aprendizagem passam a ocorrer ecossistemas híbridos, mediados por algoritmos, dados e interações ser humano-máquina.
Esse movimento global, impulsionado pela democratização do acesso à IA, principalmente, com a rápida popularização das IAs generativas, exige das redes de ensino, gestores e professores.
- um posicionamento ético frente ao uso dessas novas tecnologias;
- o desenvolvimento de novas competências e habilidades técnicas;
- a compreensão conceitual de impactos, riscos e benefícios da integração de tal tecnologia à educação.
O olhar pedagógico diante de novas formas de produção do conhecimento, avaliação e autoria é essencial para formar as novas gerações.
As experiências internacionais analisadas neste mapeamento, notadamente as lideradas por organismos como Organização das Nações Unidas para a Educação, a Ciência e a Cultura – Unesco, Paris (FR), 2021; Escritório do Superintendente de Instrução Pública de Washington – Ospi, Washington D.C. (EUA) 2024; Educate Ventures Research – EVR, Londres (RU), 2022; e Departamento de Educação do Governo Australiano – DoE, Camberra (AU), 2023 apontam para um consenso:
Nesse contexto, este mapeamento se propõe localizar os temas mais discutidos quando se trata de cuidados e boas práticas para o uso seguro e responsável da IA na educação, principalmente, na Educação Básica, com o objetivo de oferecer caminhos para a integração da IA às redes de ensino brasileiras.
Aqui iremos identificar:
- os princípios norteadores; e
- os eixos de governança e práticas pedagógicas.
Essa identificação parte dos destaques em termos de coerência ética, eficácia formativa e alinhamento com as competências do século XXI. Mais que uma compilação de iniciativas, este módulo constitui um instrumento estratégico para orientar políticas públicas, formações docentes e processos decisórios sobre adoção tecnológica, contribuindo para que o uso de IA na escola fortaleça o protagonismo humano, a justiça social e o direito à aprendizagem em tempos de transformação digital.
O mapeamento fundamenta-se em um conjunto de referenciais internacionais e nacionais que refletem o estado da arte das discussões, frameworks e práticas emergentes sobre o uso da inteligência artificial na Educação Básica.
Plano internacional
Neste plano, destacam-se documentos orientadores e guias técnicos de alta relevância:
| Documentos e guias | Relevância/contribuição |
|---|---|
| Artificial intelligence and the future of teaching and learning: insights and recommendations (US Department of Education, 2023). | Orienta o uso responsável da IA em processos de ensino, aprendizagem e formação docente. |
| Human-centered AI guidance for K-12 public schools (Ospi, 2024). | Introduz o modelo Human-AI-Human (H-AI-H) e propõe diretrizes práticas para a adoção ética e centrada no humano da IA em escolas. |
| AI for school teachers (Luckin, George & Cukurova, 2022). | Apresenta o framework, voltado à preparação institucional e à governança ética do uso de tecnologias de IA no ambiente educacional. |
| Artificial intelligence risk management framework (AI RMF 1.0), desenvolvido pelo National Institute of Standards and Technology (Nist, 2023). | Estabelece parâmetros para mitigação de riscos e conformidade ética no uso de IA. |
| Australian framework for generative AI in schools (Department of Education, DoE, 2023). | Propõe uma abordagem nacional para orientar escolas na adoção pedagógica de ferramentas generativas. |
| Teach AI toolkit (2023–2024). | Articula recomendações de organismos multilaterais, como a Unesco, o WEF e a OCDE, para o desenvolvimento de políticas de AI Literacy e integração curricular da inteligência artificial nos sistemas de ensino. |
Boas práticas nacionais
No contexto nacional, o mapeamento considera iniciativas institucionais que vêm consolidando um ecossistema emergente de diretrizes e práticas voltadas ao uso da IA na educação. Entre elas, destacam-se:
| Documentos e guias | Relevância/contribuição |
|---|---|
| O evento e relatório IA na educação básica, construindo referenciais nacionais (Ministério da Educação – MEC, 2025). | Marca a mobilização do governo federal e de universidades públicas na formulação de referenciais específicos para o contexto brasileiro. |
| Relatório de pesquisa nacional sobre o uso da IA na educação básica (Instituto Significare e UTFPR, 2024). | Analisa percepções, usos e desafios enfrentados por professores de diferentes redes e etapas de ensino no país. |
Metodologia
A metodologia adotada combinou mapeamento documental e análise de conteúdo, com o objetivo de identificar orientações replicáveis de uso da IA na Educação Básica. Foram analisados documentos produzidos entre 2021 e 2025, priorizando materiais que apresentassem foco em e aplicabilidade pedagógica.
O processo metodológico foi estruturado em três etapas:
Identificação e seleção das fontes
levantamento de marcos regulatórios, frameworks técnicos, relatórios e publicações acadêmicas de referência tanto no cenário internacional quanto no nacional, com ênfase na.
Análise e extração de boas práticas
leitura analítica das fontes com o objetivo de mapear as principais orientações que compõem tais documentos.
Categorização e comparação
sistematização das evidências com base em palavras-chave e categorização de eixos temáticos.
A abordagem seguiu o princípio da triangulação de fontes, articulando diretrizes globais (Unesco, Ospi, Nist, Educate e TeachAI) e nacionais (MEC, CNE, AGU, UTFPR e Instituto Significare). Essa triangulação permitiu identificar tendências convergentes como a defesa da IA como ferramenta de ampliação cognitiva e ética e lacunas estruturais especialmente relacionadas à formação docente e à equidade de acesso. O resultado é uma síntese interpretativa que oferece um referencial sólido para orientar políticas públicas, guias pedagógicos e estratégias institucionais de adoção da IA na Educação Básica brasileira.
Resultados
A análise das boas práticas mapeadas foi organizada em cinco categorias analíticas principais, concebidas a partir da triangulação entre frameworks internacionais (Unesco, Ospi, Educate, Nist e TeachAI) e referenciais brasileiros (MEC, CNE, Instituto Significare, AGU e Ebia).
Cada eixo reflete um conjunto de dimensões críticas para a implementação ética, pedagógica e sustentável da IA na Educação Básica, permitindo tanto a comparação entre modelos quanto a identificação de avanços e lacunas no contexto nacional.
As categorias foram avaliadas a partir de critérios de análise qualitativa (clareza conceitual, coerência ética, aplicabilidade pedagógica, evidência de impacto e potencial de escalabilidade), buscando responder à questão orientadora do mapeamento:
A tabela a seguir mostra esse resultado.
| Eixo analítico | Descrição da dimensão | Critérios de avaliação | Indicadores interpretativos |
|---|---|---|---|
| 1. Governança ética e regulatória | Refere-se a princípios, políticas e estruturas institucionais que garantem o uso responsável, transparente e seguro da IA em ambientes educacionais. | • Existência de políticas públicas ou diretrizes específicas; • Mecanismos de transparência e prestação de contas; e • Frameworks de gestão de risco (Nist, AGU e Ebia). |
1. Presença de frameworks institucionais de ética em IA • Códigos de conduta; • Comitês ou instâncias de governança; e • Protocolos de proteção de dados. 2. Formação docente e letramento em IA • Capacitação de professores e gestores para compreender, usar e ensinar IA de forma crítica e pedagógica; • Programas estruturados de formação continuada; • Integração curricular de IA na formação inicial de docentes; • Estratégias de AI literacy (TeachAI, Ospi). |
| 2. Formação docente e letramento em IA | Trata da capacitação de professores e gestores para compreender, usar e ensinar IA, de forma crítica e pedagógica. | • Programas estruturados de formação continuada; • Integração curricular de IA na formação inicial de docentes; e • Estratégias de AI literacy (TeachAI, Ospi). |
• Oferta de trilhas formativas, microcredenciais, recursos abertos e repositórios nacionais; • Presença de planos de formação docente (MEC, UTFPR, CNE). |
| 3. Práticas pedagógicas e inovação didática | Abrange o uso de IA como ferramenta de apoio ao ensino, aprendizagem e avaliação, respeitando a autoria e a criatividade humana. | • Evidências de uso pedagógico da IA (planejamento, personalização, feedback); • Ênfase na coautoria ser humano-máquina; e • Conexão com aprendizagem ativa e avaliação formativa. |
• Experiências de ensino mediadas por IA; • Práticas de escrita assistida; • Uso de plataformas adaptativas; • Projetos integradores e interdisciplinares. |
| 4. Inclusão e equidade digital | Considera o acesso justo, acessibilidade tecnológica e mitigação de desigualdades no uso de IA nas escolas. | • Políticas de inclusão digital e acessibilidade; • Equidade no acesso à infraestrutura tecnológica; e • Estratégias de redução de vieses algorítmicos. |
• Programas de conectividade escolar; • Iniciativas de IA acessível (Educação Especial, EJA, EAD); e • Diretrizes de uso inclusivo e antivieses. |
| 5. Avaliação, autoria e integridade acadêmica | Analisa abordagens de avaliação e produção textual com IA valorizando a transparência e a legitimidade da autoria. | • Existência de rubricas e protocolos que preveem o uso da IA. • Estratégias de ensino sobre ética, autoria e coautoria. • Monitoramento da integridade acadêmica. |
• Diretrizes sobre atribuição de coautoria; • Práticas de verificação ética; • Uso pedagógico de detectores e relatórios reflexivos. |
O vídeo a seguir conclui esse mapeamento, trazendo as evidências e questões que ficam latentes: