Inteligência artificial no ensino de inglês técnico: Uma proposta para alunos concluintes de ADS da Fatec Indaiatuba

Abstract

O presente estudo explorou a aplicação da inteligência artificial para oferecer feedbacks assertivos em uma plataforma de ensino de inglês técnico, a LinguaTech, direcionada a estudantes concluintes do curso de Análise e Desenvolvimento de Sistemas (ADS) da Fatec Indaiatuba. O objetivo foi desenvolver um sistema capaz de gerar automaticamente feedbacks detalhados a partir das respostas incorretas dos alunos, promovendo compreensão imediata do erro cometido e, ao final de cada quiz, fornecer uma revisão personalizada com base nos conteúdos que apresentaram maior dificuldade. Essa abordagem foi inspirada em estudos como o de Melo (2019), que destaca o potencial da inteligência artificial em fornecer retornos pedagógicos acessíveis e dinâmicos. O desenvolvimento da ferramenta foi motivado pela alta exigência de vocabulário técnico em inglês específico da área de tecnologia da informação e pela dificuldade enfrentada por estudantes que conciliam trabalho e graduação em aderir a métodos tradicionais de ensino. A proposta buscou oferecer uma alternativa mais acessível, personalizada e eficaz, alinhada às necessidades desse público. A metodologia adotada foi a pesquisa experimental, com apoio da pesquisa-ação para ciclos contínuos de planejamento, execução e análise. Por fim, para a validação, foi adotada uma pesquisa em ambiente acadêmico real, com aplicação prática da ferramenta para captar as percepções dos usuários quanto à clareza dos feedbacks, à eficácia dos recursos personalizados e à contribuição da ferramenta para o aprendizado do inglês técnico voltado à área de tecnologia da informação.

This study explored the application of artificial intelligence to deliver targeted feedback in a technical English learning platform, LinguaTech, designed for graduating students of the Systems Analysis and Development (ADS) program at Fatec Indaiatuba. The objective was to develop a system capable of automatically generating detailed feedback based on students’ incorrect answers, promoting immediate understanding of the mistake, and, at the end of each quiz, providing a personalized review focused on the topics in which the student showed the most difficulty. This approach was inspired by studies such as Melo (2019), who highlights the potential of artificial intelligence to offer accessible and dynamic pedagogical responses.The tool’s development was motivated by the high demand for English technical vocabulary specific to the information technology field, as well as by the difficulty faced by students who must balance academic responsibilities with professional work, making it hard to adhere to traditional teaching methods. The proposal aimed to offer a more accessible, personalized, and effective alternative, aligned with the needs of this specific audience. The methodology adopted was experimental research, supported by action research principles, enabling continuous cycles of planning, execution, and reflection. Finally, for validation, a study was conducted in a real academic environment, applying the platform in practice to gather users' perceptions regarding the clarity of the feedback, the effectiveness of the personalized features, and the tool’s contribution to learning technical English in the context of information technology.