Inteligência artificial na docência: aplicações, limites e evidências de uso entre professores do ensino superior

Abstract

A incorporação da Inteligência Artificial (IA) ao ensino superior avança rapidamente, mas ainda carece de evidências locais e de diretrizes institucionais que orientem sua adoção responsável pelos docentes. Este artigo investiga aplicações, benefícios, riscos e limites da IA na docência e mapeia seu uso entre professores da FATEC. Metodologicamente, combina-se uma revisão integrativa da literatura (2014-2025), realizada em Google Scholar, SciELO, CAPES e BDTD, com um survey aplicado a 12 docentes, composto por itens em escala Likert e questões abertas. A síntese teórica aponta ganhos em automação de rotinas, feedback formativo e learning analytics, ao lado de riscos ligados à privacidade de dados, vieses algorítmicos e dependência tecnológica. Os resultados empíricos indicam adoção moderada, elevada utilidade percebida sobretudo na preparação de aulas, forte demanda por capacitação e preocupações éticas recorrentes. Como limitação, o tamanho amostral reduzido (n=12) e o delineamento descritivo restringem a generalização dos achados. Conclui-se que a IA Curso Superior de Tecnologia em Análise e Desenvolvimento de Sistemas reconfigura o papel docente como mediação orientada por dados, recomendando-se políticas institucionais claras, formação continuada e práticas de governança para consolidar usos pedagógicos responsáveis.

The integration of Artificial Intelligence (AI) into higher education is advancing rapidly, yet local evidence and institutional guidelines to support responsible, teacher-led adoption remain limited. This article examines applications, benefits, risks, and constraints of AI in teaching and maps its use among faculty at FATEC. Methodologically, it combines an integrative literature review (2014–2025)—conducted in Google Scholar, SciELO, CAPES, and BDTD—with a survey of 12 instructors that included Likert-scale items and open-ended questions. The theoretical synthesis highlights gains in task automation, formative feedback, and learning analytics, alongside risks related to data privacy, algorithmic bias, and technological dependence. Empirical findings indicate moderate adoption, high perceived usefulness—especially for lesson preparation—strong demand for training, and recurring ethical concerns. As a limitation, the small sample (n=12) and descriptive design constrain the generalizability of results. We conclude that AI is reshaping the teaching role toward data-informed mediation, and we recommend clear institutional policies, continuous professional development, and sound governance practices to consolidate responsible pedagogical uses.