PERCEPTIONS OF ARTIFICIAL INTELLIGENCE AMONG POSTGRADUATE STUDENTS IN EDUCATION

www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 417 O Boletim de Conjuntura (BOCA) publica ensaios, artigos de revisão, artigos teóricos e empíricos, resenhas e vídeos relacionados às temáticas de políticas públicas. O periódico tem como escopo a publicação de trabalhos inéditos e originais, nacionais ou internacionais que versem sobre Políticas Públicas, resultantes de pesquisas científicas e reflexões teóricas e empíricas. Esta revista oferece acesso livre imediato ao seu conteúdo, seguindo o princípio de que disponibilizar gratuitamente o conhecimento científico ao público proporciona maior democratização mundial do conhecimento. BOLETIM DE CONJUNTURA BOCA Ano VII | Volume 23 | Nº 69 | Boa Vista | 2025 http://www.ioles.com.br/boca ISSN: 2675-1488 www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 418 PERCEPÇÕES SOBRE INTELIGÊNCIA ARTIFICIAL ENTRE PÓS-GRADUANDOS EM EDUCAÇÃO 1 Maria Daliane Ferreira Barroso 2 Cassandra Ribeiro Joye 3 Sinara Socorro Duarte Rocha 4 Resumo A rápida disseminação da Inteligência Artificial (IA) vem influenciando as práticas acadêmicas, exigindo uma compreensão de como os pesquisadores em formação percebem esta transformação. O objetivo deste estudo foi identificar as percepções iniciais de pós-graduandos stricto sensu em Educação sobre o uso da IA na Pesquisa Científica. Trata-se de uma pesquisa exploratória com abordagem de métodos mistos, tendo como estratégia metodológica o levantamento e como instrumento um questionário com estrutura mista. Os dados primários foram coletados junto a uma amostra de 148 discentes (60 mestrandos e 88 doutorandos) com idade média de 38,1 anos e formação concentrada em licenciatura (82,4%). Os resultados mostram que o primeiro contato com a IA foi entre 2022-2023 (62,5%), com alta taxa de adoção (94,6%), sendo os recursos mais citados: ChatGPT (34,11%), Gemini (10,47%), DeepSeek (6,20%) e Copilot (5,43%). 9,4% temem o uso da IA por roubo de ideias, enquanto 91,2% acredita em impactos sistêmicos, destacando-se os na educação, de forma positiva (58,1%). A IA é vista majoritariamente como assistente virtual (50,0%) e rede neural artificial (29,8%). 22,3% acredita que comete plágio ao usar IA, enquanto 52,7% pretendem usá-la em suas pesquisas. Concluiu-se que o contato com essa tecnologia existe e está crescendo, apesar de ser novo, é marcado pela experimentação de recursos generativos e de assistência. O imaginário associado tende para a funcionalidade, sinalizando uma visão pragmática das tecnologias de IA, com incertezas sobre questões éticas. Identificou-se ainda a necessidade de ações formativas sobre letramento digital para o uso da IA de forma crítica, ética e responsável. Palavras-chave: IA Generativa; IA na Educação; IA na Pesquisa; Letramento Digital em IA; Pós-Graduação. Abstract The rapid diffusion of Artificial Intelligence (AI) has been influencing academic practices, requiring an understanding of how researchers in training perceive this transformation. The objective of this study was to identify the initial perceptions of postgraduate students in Education regarding the use of AI in Scientific Research. This is an exploratory study using a mixed-methods approach, with a survey as the methodological strategy and a mixed-structure questionnaire as the instrument. Primary data were collected from a sample of 148 students (60 master’s students and 88 doctoral students) with a mean age of 38.1 years and a concentration of bachelor’s degrees (82.4%). The results show that the first contact with AI was between 2022-2023 (62.5%), with a high adoption rate (94.6%), the most cited resources being: ChatGPT (34.11%), Gemini (10.47%), DeepSeek (6.20%), and Copilot (5.43%). 9.4% fear the use of AI for stealing ideas, while 91.2% believe in systemic impacts, especially in education, in a positive way (58.1%). AI is mostly seen as a virtual assistant (50.0%) and artificial neural network (29.8%). 22.3% believe that using AI constitutes plagiarism, while 52.7% intend to use it in their research. It was concluded that contact with this technology exists and is growing, despite being new, and is marked by experimentation with generative and assistance resources. The associated imagery tends toward functionality, signaling a pragmatic view of AI technologies, with uncertainties about ethical issues. The need for training in digital literacy for the critical, ethical, and responsible use of AI was also identified. Keywords: AI in Education; AI in Research; Digital Literacy in AI; Generative AI; Postgraduate Studies. 1 A presente pesquisa contou com apoio institucional da Fundação Cearense de Apoio ao Desenvolvimento Científico e Tecnológico (FUNCAP). 2 Professora da Secretaria da Educação do Estado do Ceará (SEDUC). Doutoranda em Educação pela Universidade Federal do Ceará (UFC). E-mail: [email protected] 3 Professora do Instituto Federal de Educação, Ciência e Tecnologia do Ceará (IFCE). Doutora em Engenharia de Produção pela Universidade Federal de Santa Catarina (UFSC). E-mail: [email protected] 4 Professora do Instituto Federal de Educação, Ciência e Tecnologia do Ceará (IFCE). Doutora em Educação pela Universidade Federal do Ceará (UFC). E-mail: sinara.d[email protected] www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 419 INTRODUÇÃO A tecnologia digital tem sido gradualmente aceita como parte integrante do cotidiano, intensificando-se nas últimas duas décadas do século XXI. Nesse contexto, a Inteligência Artificial (IA) irrompe como um elemento impactante, exigindo a reavaliação de práticas tradicionais de ensino. Desde suas origens, a IA se relaciona com aspectos cognitivos, buscando uma aproximação com o viés da inteligência humana, baseada em estudos de redes neurais artificiais e aprendizado profundo (deep learning). As aplicações de IA, especialmente a Inteligência Artificial Generativa (IAGen), representam um divisor de águas no cenário tecnológico. A disseminação de softwares como chatbots após 2022 e o lançamento de milhares de novos aplicativos em 2024 ilustram a veloz popularização de recursos de IA. Termos como ChatGPT, Gemini, e Copilot tornaram-se comuns no léxico atual, consolidando a categorização da IA como uma tecnologia central do século XXI. Tais aplicações, com suas elevadas capacidades de processamento, influenciam diretamente a área da Pesquisa Científica nos diversos eixos e campos da Ciência. Contudo, a integração da IA em áreas como a Educação, apesar de promissora, requer uma fundamentação teórica que tenha envolvimento prático e aplicado, indo além de estudos basilares, principalmente ao se considerar que as reflexões sobre a tecnologia esbarram na contínua necessidade de preparação técnica e pedagógica. Adicionalmente, os debates sobre tecnologias na Educação correm o risco da abstração se não estiverem ancorados nos desafios reais e persistentes, como as desigualdades estruturais amplamente documentadas na literatura. No âmbito da academia, a discussão centraliza-se na apropriação de tecnologias e recursos de IA no fazer científico, especialmente na Pesquisa Científica em Educação. Essa apropriação deriva em questões essenciais como autonomia, consciência tecnológica e letramentos. Para estudantes de pósgraduação stricto sensu, vistos como pesquisadores em formação, essa realidade impõe um duplo movimento: a adaptação a ferramentas digitais sofisticadas e a reflexão crítica sobre os limites éticos e metodológicos. Dessa conjuntura, emerge a seguinte questão norteadora: qual o perfil de familiaridade, uso e percepção de pós-graduandos stricto sensu em Educação em relação à Inteligência Artificial? Nesse cenário, o presente estudo justifica-se, principalmente, pelo fenômeno tecnológico emergente da IAGen, cujas implicações ainda não são completamente compreendidas na área da Educação. Justifica-se ainda pela lacuna de pesquisas sobre a percepção de pesquisadores em formação quanto ao uso dessas tecnologias. E por fim, porque dar voz aos discentes, contribui para planejamento de ações formativas e pedagógicas alinhadas às demandas atuais de letramento e consciência tecnológica. www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 420 A partir dessa questão, tem-se como objetivo geral identificar percepções iniciais de pósgraduandos em Educação sobre IA na Pesquisa Científica. Especificamente busca-se: identificar o primeiro contato com o tema; coletar relatos de uso; mapear a percepção sobre impactos (inclusive e principalmente na Educação); levantar representações simbólicas associadas à IA; e explorar questões conceituais, éticas e as interações com a pesquisa científica. Para tanto, foi adotada metodologia de natureza exploratória, com abordagem mista e coleta de dados por questionário com delineamento convergente, permitindo a obtenção simultânea de dados quantitativos e qualitativos em único instrumento. Trata-se do recorte de uma pesquisa maior, cujo universo pesquisado abrangeu 287 discentes de um Programa de Pós-Graduação stricto sensu em Educação de uma universidade pública federal. Na íntegra, está estruturado da seguinte forma: A primeira seção apresenta o Referencial TeóricoConceitual; seguida por uma seção que detalha os procedimentos metodológicos; além da seção que apresenta e discute os resultados obtidos. Por fim, são apresentadas as considerações finais. REFERENCIAL TEÓRICO-CONCEITUAL A Inteligência Artificial atravessa hoje um novo limiar de relevância social e científica, diferenciado de suas próprias fases históricas anteriores por capacidades de escala, adaptação e criação de conteúdo, antes apenas almejados. Mais do que uma evolução tecnológica linear, a emergência da capacidade generativa da IA, materializada em ferramentas como DeepSeek, AI Meta, Gemini, Le Chat e inúmeros outros sistemas lançados pós ChatGPT, deslocou paradigmas sobre autoria, criatividade e produção do conhecimento em múltiplos domínios sociais. Como apontam Wang et al. (2024) e Lampou (2023), parte da especificidade dessa nova era devese, além do crescimento veloz e avançado da sofisticação técnica, à sua capacidade disruptiva de redefinir questões como a organização e a mediação e/ou avaliação das práticas científicas e educativas, tornando a IA de fato uma tecnologia onipresente (SANTAELLA; KAUFMAN, 2024; BARROSO et al., 2025). Para entender a configuração presente, é necessário resgatar o percurso histórico que a IA trilhou desde meados do século XX. No campo conceitual, a IA tradicionalmente se define como o campo da Ciência da Computação voltado para criar, desenvolver e treinar sistemas capazes de executar tarefas que exigiriam inteligência quando/se realizadas por humanos (RUSSELL; NORVIG, 2022; SULEYMAN; BHASKAR, 2024). Contudo, essa busca manifestou-se em abordagens distintas ao longo de seu percurso técnico e histórico: www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 421 da IA simbólica e baseada em regras (décadas de 1950-80), passando pela lógica matemática de Turing, até o ressurgimento das redes neurais nos anos 2000. Estas redes, como essência do conexionismo, fundamentam-se nas técnicas do machine learning (aprendizado de máquina) e, mais recentemente, do deep learning (aprendizado profundo). O deep learning, especificamente, é definido por seus principais expoentes como modelos computacionais compostos por múltiplas camadas de processamento, capazes de aprender representações de dados com múltiplos níveis de abstração (LECUN; BENGIO; HINTON, 2015; BENGIO; LECUN; HINTON, 2021). É essa abordagem que constitui as aplicações que ampliaram radicalmente o alcance, a autonomia e a adaptabilidade dos sistemas artificiais atuais. Indo além dos aspectos puramente técnicos, Doroudi (2023) ressalta que a história da IA é também a história do seu entrelaçamento com as ciências cognitivas e a Educação. Pioneiros como Papert, Simon e Minsky reconheceram, desde as décadas 1950, a aproximação entre a IA como formalização da mente e a educação como um lugar de experimentação desses modelos. Nas últimas décadas, consolidou-se na literatura a distinção entre duas categorias técnicas de IA: a IA restrita (ou estreita, específica) e a IA geral. A chamada IA restrita (Narrow AI) diz respeito a sistemas treinados para realizar funções específicas, como reconhecimento de fala, recomendação de conteúdos, identificação biométrica ou tradução automática. Essa categoria engloba praticamente todas as aplicações em operação até o momento, inclusive a IAGen, e representa o núcleo da revolução recente possibilitada pelo machine learning e pelo deep learning (WANG et al., 2024; STOLPE; HALLSTRÖM, 2024). Por sua vez, a IA Geral (IAG - Artificial General Intelligence ou AGI) permanece como um horizonte teórico: refere-se à perspectiva de máquinas capazes de aprender e agir com flexibilidade, adaptando-se a múltiplos domínios de conhecimento e resolução de problemas, em níveis próximos ou superiores ao humano. Embora alvo de intensos debates científicos e filosóficos, este patamar ainda não foi alcançado e carrega implicações éticas, sociais e políticas ainda mais profundas que as aplicações de IA restrita/específica que já estão em campo (NGUYEN et al., 2023; STOLPE; HALLSTRÖM, 2024; SANTAELLA; KAUFMAN, 2024). De forma específica, o termo Inteligência Artificial Generativa designa uma nova fronteira da Computação, caracterizada pela superação na habilidade das máquinas e programas em classificar ou processar dados, sendo capaz de criar conteúdos ‘originais’, como textos, códigos, imagens, sons e até mesmo argumentos e simulações, muitas vezes indistinguíveis dos produzidos por humanos (LAMPOU, 2023; WANG et al., 2024; STOLPE; HALLSTRÖM, 2024). www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 422 Esta categoria se popularizou de forma expansiva a partir de 2022, com o advento de Grandes Modelos de Linguagem (GLM – Large Language Models - LLM) como ChatGPT, Gemini, Copilot, entre outros, inaugurando a chamada era da IA generativa. Os próprios LLMs que impulsionam essa nova era, conforme Yao, Jong e Ng (2023), evoluem na integração de raciocínio processual e mecanismos de ação explícitos, que juntos visam maior confiabilidade e minimizam erros factuais, permitindo novas formas de ‘explicitação’ das etapas do processamento algorítmico. Apesar desse nível elevado de acurácia tecnológica, revisões históricas evidenciam que o campo evoluiu entre ciclos: incluindo promessas revolucionárias, desafios técnicos, conhecidos como invernos, e finalmente, picos de inovação atreladas ao poder computacional. Nessa equação acrescenta-se a disponibilidade de grandes volumes de dados, oportunizadas pela imensa massa informacional gerada pelas interações humanas, algoritmos e programas que hoje constituem a sociedade, não restringindo-se ao online (LEE, 2023; SANTAELLA, 2023; WANG et al., 2024; BARROSO et al., 2025). Surge daí uma inflexão fundamental no campo educacional: ao ultrapassar a mera automação, a IA passou a disponibilizar de ambientes inteligentes de aprendizagem e sistemas tutores adaptativos. Além disso, nos últimos anos do século XXI, instrumentos de personalização e análise preditiva, que podem contribuir em apoio complementar à docência, influenciam uma reflexão sobre os papéis de professores e estudantes no ciclo do conhecimento (LAMPOU, 2023; FERREIRA BARROSO et al., 2025; WANG et al., 2024). Esta trajetória acentuou rupturas e reforçou a urgência de se retomar debates sobre ética, equidade, autoria, privacidade e regulação, temas atualmente centrais nos marcos internacionais de pesquisa e nas recomendações de organismos internacionais (NGUYEN et al., 2023; WEBER-WULFF et al. 2023 No contexto contemporâneo, a disseminação da IA ultrapassou a esfera dos avanços técnicos, passando a se configurar uma verdadeira onipresença nos fluxos informacionais e nas estruturas de decisão, abrangendo inclusive os processos de socialização, frequentemente de modo invisível e pervasivo (SANTAELLA, 2023; LEE, 2023; STOLPE; HALLSTRÖM, 2024; LAMPOU, 2023; BARROSO et al., 2025). Diversos estudos alertam que a sociedade vive um ‘descompasso crítico’ entre a rápida expansão das aplicações de IA, especialmente das tecnologias generativas, e a capacidade individual e institucional de compreendê-las, avaliá-las criticamente e regulá-las (SELWYN, 2024; LAMPOU, 2023; NGUYEN et al., 2023; WANG et al., 2024). Nessa rede de efeitos, que se expande cada vez mais, a IA deixa de ser apenas uma ferramenta utilitária, como o computador e a internet, passando a reorientar padrões de relacionamento, trabalho, consumo e até mesmo práticas de pensamento e expressão simbólica, como os efeitos no campo artístico e cultural. Nesses aspectos, à sociedade, bem como às convivências humanas e produtivas, são impostos www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 423 novos desafios, impactando a autonomia, os fluxos democráticos e a construção de sentido coletivo (SANTAELLA; KAUFMAN, 2024; SELWYN, 2024; NGUYEN et al., 2023; UNESCO, 2023). Como consequência desse cenário de ubiquidade, emergem múltiplos vieses analíticos, incluindo tanto perspectivas benéficas quanto preocupantes. Por um lado, a IA promete contribuir para ganhos de eficiência e em automação de rotinas, com promessas de democratizar o acesso à informação. Por outro, projetam-se riscos de apropriação indevida de dados, reforço de desigualdades e dependências sociotécnicas, além de agravar o fenômeno da desinformação e da manipulação algorítmica (LAMPOU, 2023; NGUYEN et al., 2023). O uso, irresponsável ou não regulado, dessas tecnologias, principalmente as que se propagam no meio digital, pode amplificar preconceitos históricos, polarizando discursos e fragilizando empregos e funções tradicionalmente estereotipadas. Além disso, pode criar novos contornos para o exercício do poder social, agora mediado por poucos atores detentores dos sistemas e dos dados que movem a IA (NGUYEN et al., 2023; HOLMES; BIALIK; FADEL, 2019; SELWYN, 2024). Relações interpessoais e experiências emocionais também são afetadas, na medida em que a crescente delegação de interações a agentes virtuais pode erodir o desenvolvimento de empatia e do pensamento crítico (STOLPE; HALLSTRÖM, 2024). Esses riscos evidenciam a necessidade de debates públicos abrangentes e de mecanismos legais e regulatórios que promovam transparência e segurança para os cidadãos e cidadãs, considerando a multiplicidade étnica e racial, para além de consumidores desses recursos de IA. Nos próprios sistemas avançados, estudos mostram que só por meio de processos iterativos de feedback e ajustamento com participação humana ativa é possível garantir que os outputs de IA sejam de fato alinhados a valores éticos (OUYANG et al., 2022). Essa necessidade, o refinamento dos LLMs via feedback humano, torna-se assim uma estratégia para a mitigação de vieses e aprimoramento da segurança de uso de sistemas de IA (OUYANG et al., 2022). Independente dessa estratégia ser utilizada de forma consciente, questões como responsabilidade, justiça algorítmica, letramento digital e proteção à privacidade devem ser consideradas, estando inclusive nas pautas dos debates e das discussões legislativas, orientados por organismos internacionais como Unesco e OCDE. Estes, vêm defendendo uma abordagem de governança ancorada não apenas nos direitos individuais, mas na construção de uma cultura ética e crítica sobre a IA, orientada pelo pluralismo, pela equidade, pela inclusão e pelo engajamento cidadão (UNESCO, 2023; NGUYEN et al., 2023). Apesar de carregar os anseios e os medos do impacto da IA, a Educação se destaca nesse horizonte como espaço estratégico para o desenvolvimento de competências capazes de responder criativa e responsavelmente aos impactos dessas tecnologias (STOLPE; HALLSTRÖM, 2024), conforme seu papel histórico e social. A partir desse desenvolvimento, projetam-se a possibilidade de estreitamento do vínculo www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 424 entre formação ética e produção de conhecimento, incluindo ainda a própria agência das novas gerações diante dos desafios da sociedade digital (WANG et al., 2024; STOLPE; HALLSTRÖM, 2024). Sob essa conjuntura, discussões éticas e contemporâneas em torno da IA na pesquisa e na pósgraduação se intensificam à medida que as fronteiras tradicionais de autoria e originalidade passam a ser tensionadas por ferramentas generativas e automação de larga escala. Foltýnek et al. (2023) e WeberWulff et al. (2023) destacam que as práticas institucionais éticas frente ao uso de IA devem considerar mecanismos de detecção de plágio e adaptação textual, mas, sobretudo, devem pontuar a necessidade de formação crítica, com políticas claras, transparência e o desenvolvimento de letramento científico digital. Os estudiosos sugerem que políticas eficazes devem conjugar regulação, considerando as inovações, e aplicação concreta da ética, abandonando lógicas focadas apenas em critérios punitivos para adotar abordagens formativas, baseadas em cultura de responsabilidade no uso acadêmico das tecnologias (FOLTÝNEK et al., 2023; WEBER-WULFF et al., 2023). Desta forma, a emergência do letramento em IA, que ultrapassa o domínio instrumental e abrange competências éticas, interpretativas e comunicacionais, vem sendo explorada em produções como de Stolpe e Hallström (2024), Park e Kwon (2024) e Yue, Jong e Ng (2024). EM seus relatos, os pesquisadores enfatizam que conhecimento sobre algoritmos, vieses, explicabilidade e limites dos sistemas são apenas elementos base para a autonomia e a criatividade de estudantes e pesquisadores em formação. No contexto nacional, Barroso (2025) também evidencia que a emergência desse letramento em específico, deve levar em conta o contexto digital onde as ferramentas de IA ora se expandem, indo ao encontro de reflexões internacionais como as de Lampou (2023), Wang et al. (2024). Para além do uso correto, esses autores defendem práticas integradas de reflexividade e experimentação, atravessando as diversas esferas que compõem o currículo, abrangendo avaliação e participação ativa (consciente) dos pós-graduandos, e dos docentes do Ensino Superior, nos processos de decisão institucional sobre tecnologias. Destacam ainda que o letramento em IA abrange, além do domínio operacional das tecnologias, uma compreensão crítica de seus funcionamentos e limitações, de modo a promover e colocar em prática uma consciência tecnológica. Esse conjunto de habilidades pode contribuir, além da aplicação concreta das ferramentas de IA, para a identificação do seu uso em ambientes acadêmicos e sociais, evitando plágio e apropriação de texto gerado artificialmente, ou a desinformação. Para Wang Sheng-Yu et al. (2020), o avanço dos sistemas generativos eleva a urgência sobre o desenvolvimento de técnicas de análise de imagem, em especial no que diz respeito às análises forenses. Essa emergência se justifica porque, para os estudiosos, existem evidências empíricas que deixam claro que conteúdos artificiais, como imagens e vídeos gerados por IA ainda conservam padrões e artefatos www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 425 detectáveis mesmo frente a múltiplas arquiteturas, validando a centralidade do letramento digital e científico para análise e combate à desinformação (WANG SHENG-YU et al., 2020). Contribuindo nesse debate, Rahiman e Kodikal (2024) registram, ao abordar a apropriação qualificada, ética e responsável de ferramentas de IA na pós-graduação, que a adoção consciente de assistentes baseados em Inteligência Artificial pode potencializar a inovação metodológica, em eixos de colaborações e novas formas de pesquisa inter/transdisciplinar. No entanto, alertam para riscos ligados à homogeneização dos processos e à dependência de recursos externos, impactando a autonomia intelectual. Outro conjunto de reflexão aponta para a falta de equilíbrio entre automação e originalidade e à restrição da criatividade científica, em caso de ambientes formativos que não mantenham espaços para crítica, erro, descoberta e criação própria (RAHIMAN; KODIKAL, 2024). Na outra ponta, Foltýnek et al. (2023), em seus estudos desde 2019, recomenda que a comunidade científica mantenha o olhar atento à “invisibilidade inteligente” dos sistemas de detecção, alertando para possíveis injustiças algorítmicas, erros de interpretação e para o perigo de transferir, de forma acrítica, o juízo humano para decisões automatizadas. Nesse campo, Araújo (2025) fundamenta que o algoritmo é um texto, e por si, carrega informações, objetivos e sentidos que influenciam os diversos campos de interpretação social. Foltýnek et al. (2023), junto às outras vozes já registradas aqui, defende que o letramento em IA, em específico nos níveis de pós-graduação, envolve tanto o domínio técnico quanto uma postura ética e politicamente engajada na construção coletiva de normativas de autoria e integridade, refletindo-se em boas práticas na produção do conhecimento em sociedades digitalizadas (ALEXANDER et al. 2023; PARTRIDGE et al., 2024). Completando este ciclo, estudos como os de Partridge et al. (2024) e Weber-Wulff et al. (2023) já vinham ampliando o debate internacional, sugerindo que a pluralização de vozes, e o respeito às trajetórias locais/nacionais são estratégias-chave nos debates sobre IA. Além desses elementos, para esses estudiosos, o estímulo ao protagonismo estudantil e docente podem contribuir para que a pesquisa e o ensino não sejam apenas adaptativos – possam ser também elementos de ruptura e de inovação cultural no ecossistema acadêmico, que vem se integrando cada vez mais ao digital. Essa perspectiva dialógica é ainda fundamental para enfrentar os desafios de autoria e autonomia que caracterizam o cenário global da adoção de IA, e se mostra ainda mais pertinente em contextos educacionais marcados por desigualdade e assimetrias de acesso, como enfatizam estudos internacionais recentes (SELWYN, 2024; LAMPOU, 2023; YUE; JONG; NG, 2024). Outros diagnósticos nacionais como os de como Tedesco e Ferreira (2023), Ferreira Barroso et al. (2025), e Celestino e Valente (2024), também contribuem nessa reflexão, abordando desigualdades no acesso e uso de tecnologias digitais, www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 432 Gráfico 2 - Q4 (Ano do primeiro contato) e Q5 (Uso de IA) Fonte: Elaboração própria. Os dados da Q5 (Gráfico 2) incluem os 4 sujeitos que disseram não lembrar o ano (Q4), mas que apesar disso informaram já ter utilizado. O volume sob o recorte temporal 2022-2024 reflete a influência da popularização da IA Generativa, que se tornou um tema central no debate público após 2022 (LAMPOU, 2023; SANTAELLA; KAUFMAN, 2024; WANG et al., 2024). Além disso, esse crescimento a partir de 2021 acompanha tendências internacionais de adoção de IA em ambientes acadêmicos já mapeadas por Wang et al. (2024), Lampou (2023) e Stolpe e Hallström (2024), que apontam para a intensificação desse uso após ChatGPT. Aqui, é importante considerar a análise individualizada das respostas dos 8 sujeitos que informaram nunca terem utilizado IA, entre os quais, embora marcando a opção “Não” (Q5), relataram algum uso ou aplicação de IA experimentada na questão seguinte (Q6). Essa ambiguidade nas respostas sobre uso de IA reflete um fenômeno recorrente em levantamentos internacionais, onde letramento digital limitado, barreiras subjetivas e desconhecimento da amplitude das aplicações dificultam a autoidentificação como usuário de IA. Esse desafio, já reportado por Yue, Jong e Ng (2024) e Selwyn (2024), confirma a necessidade de ações formativas e conceituais para alinhar percepção e apropriação consciente em práticas digitais. Além disso, vai ao encontro das discussões de Doroudi (2023), que aborda “histórias entrelaçadas” da IA e da Educação, considerando que há uma confusão histórica e conceitual do público em diferenciar o que é automação simples do que é IA. A Q6, uma questão aberta, coletou textos sobre recursos e ferramentas de Inteligência Artificial que foram concretamente utilizadas pelos participantes. Esse uso foi reportado de forma variada: 6 (4,05%) responderam “Não se aplica” ou “Não utilizei”; 19 (12,84%) não citaram ferramentas específicas, ao invés disso, descreveram o uso; e por fim, 123 sujeitos (83,11%) citaram pelo menos uma ferramenta específica de IA, entre esses, 58 citaram mais de 2 recursos/aplicativos. As respostas, após categorização e normalização, geraram 258 citações. Essa etapa envolveu www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 433 correção de termos, contagem, e normalização, como por exemplo: “Recurso do Chat GPT” foram categorizados como “ChatGPT”, e “Alexia” como “Alexa”. Os recursos foram condensados em uma nuvem de palavras, destacando: o ChatGPT, 88 menções (34,11%), Gemini, 27 citações (10,47%), DeepSeek (16 citações, 6,20%) e Copilot (14 citações, 5,43%). Em contraste, os menos citados incluem 32 recursos distintos, (Figura 1). Figura 1 - Q6: Recursos de IA citados pelos pós-graduandos Fonte: Elaboração própria. Apesar da centralidade do ChatGPT (Figura 1), as respostas apontam para um ecossistema de uso com variados níveis de acesso. O ChatGPT se destaca por ter sido um dos primeiros modelos a se disseminar amplamente no contexto da IAGen, sendo inclusive, o estopim para o debate em torno da Inteligência Artificial conversacional, (LAMPOU, 2023; SANTAELLA; KAUFMAN, 2024). No geral, aparece nas citações de 112 entre os 123 sujeitos, podendo ser considerada uma ferramenta versátil que segundo Polat et al. (2024) e atuar como assistente de ensino por meio de respostas e materiais instrucionais. Em seguida, a inclusão de recursos como Gemini e Copilot, com aplicações e contribuições semelhantes em linguagem natural e processamento de informações, indica uma potencial utilidade para fins acadêmicos, como geração de ideias, sumarização, personalização de processos, conceitos e informações gerais (SAMPAIO et al., 2023; RAHIMAN; KODIKAL, 2024; WANG et al., 2024). Vallejo (2024) também identificou que entre os chatbots principais na Espanha, estavam o “Bing e o Bard”, primeiros nomes dos chatbots da Microsoft e da Google, hoje Copilot e Gemini, respectivamente. Ferreira et al. (2024) ressalta que, na área da Saúde, o uso de chatbots potencializam a ação humana e o acesso à informações e atendimento. Por fim, o DeepSeek também em destaque, deve-se provavelmente às capacidades semelhantes aos já citados e aos teores midiáticos em torno dos recursos de IA com uso parecido, frequentemente comparando-os, (Figura 2). www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 434 Figura 2 - Os quatro modelos de IA mais citados Fonte: Elaboração própria. Depois dos quatro mais citados (Figura 2), um segundo grupo de destaque visual inclui recursos como Meta AI, Canva, Gamma. O Meta que, apesar de já ter grande representação no campo das redes sociais, como os já conhecidos Instagram, Facebook e WhatsApp (Figura 3), inclusive com funções de IA integradas, lançou em abril de 2025 (nos Estados Unidos da América), um aplicativo independente, cuja versão mobile chegou ao Brasil apenas em agosto/2025. Figura 3 – Aplicativos de redes sociais do grupo Meta Fonte: Elaboração própria. A figura 3 demonstra também uma grande presença do grupo Meta no campo virtual das interações por mídias sociais. Quanto ao uso da IA, embora a grande maioria da população não tenha conhecimento desse detalhe, por se dar de forma invisibilizada, o próprio Mark Zuckerberg reforça que mais de 1 bilhão de pessoas já usam IA por meio de seus aplicativos. Esse uso não implica necessariamente aplicar IA em tarefas generativas por parte dos usuários, mas que as capacidades de IA atuam na “padronização de feeds, personalização de anúncios e da coleta de dados”, ou seja, no funcionamento desses aplicativos (BARROSO, 2025, p. 114). Em geral, há a probabilidade de boa parte do público sequer ter consciência do uso embutido de Inteligência Artificial por meio de filtros e interações virtuais nas redes sociais (BARROSO, 2025). Kaufman (2022) reitera que Google e Facebook, dois gigantes da tecnologia, extraem informações dos dados dos usuários para monetizar (BRANCO NETO, 2024). Voltando aos outros recursos citados, tanto o Canva como Gamma podem ser usados para gerar apresentações online, este último de forma mais especializada e automatizada. Apesar disso, o Canva não é um modelo de IA. Trata-se de uma plataforma focada em design gráfico para imagens, apresentações, www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 435 cartazes, vídeos, documentos e outros tipos de mídias. No entanto, vem integrando Inteligência Artificial desde 2023 em diversas funcionalidades internas, assim como o Prezi. Os demais termos, menores na nuvem, sugerem uma ampla experimentação, abrangendo funcionalidades que vão da geração de texto e imagem à otimização de tarefas na pesquisa. Além disso, alguns pós-graduandos incluíram RemoveBg, PowerPoint, Spotify e YouTube, aplicações que não são IA mas que se utilizam internamente dela, ilustrando uma percepção concreta da existência dessa tecnologia, mesmo que embutida em códigos. Essa aparente confusão conceitual, evidencia empiricamente a tese da onipresença algorítmica (SANTAELLA, 2023; BARROSO et al. 2025), na qual a IA se torna tão ubíqua e invisível que os usuários percebem sua presença, mas têm dificuldade em delimitá-la. Trata-se de uma demonstração clara da lacuna de letramento (AI Literacy gap) que a literatura internacional aponta como desafio central para a formação acadêmica (STOLPE; HALLSTRÖM, 2024; YUE, JONG; NG, 2024). Observou-se ainda que, mesmo havendo citação de plataformas que não são IA, dentre todos os textos dos 123 relatos de uso em apenas um (1/123) não foi identificado recurso que se caracterizava essencialmente como IA, configurando todas as outras como, de fato, aplicações atuais de Inteligência Artificial. Neste caso específico, a citação listou unicamente a plataforma Canva. Para além das ferramentas específicas da nuvem, a análise considerou manifestações de 19 sujeitos (12,84%) com respostas de outra natureza, (Quadro 3). Quadro 3 - Respostas da Q6 que não citaram recursos específicos de IA Categoria/Número de sujeitos Exemplos de Respostas Tarefas diretas (7) “quando tenho dúvida sobre algum conceito”; “Criação de imagens e vídeos”. Local/campo de uso (3) “No trabalho”; “Em sala de aula e estudos” Contexto específico (2) “planejamento de planos de aula na escola”; “Análise comparativa de dados” Tipos, funções de IA (4) “chats, geradores de imagens, sistemas de segurança”; “IA preditiva”; IA integrada (3) “IA do ZAP”; “IA do google” Fonte: Elaboração própria. O quadro 3 indica uma compreensão funcional e contextualizada da IA, ilustrando capacidade e aplicabilidade no cotidiano acadêmico e profissional, apontando alinhamento ao perfil dos sujeitos, como licenciatura e docência. Esses usos incluem tarefas como análise, tradução, geração de mídias e interação com chats, e vai além da identificação do nome comercial das ferramentas Vale notar que essa compreensão funcional (focada em tarefas como planejamento ou análise) não deve ser vista como imprecisa, mas sim como alinhada à própria literatura como estudos de Wang et al. (2024) e Lampou (2023) que citam eixos de aplicações em personalização do ensino e automação de www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 436 avaliações; e de Rahiman e Kodikal (2024), que abordam usos em automação de avaliações. Essa compreensão serve de base para explorar percepções mais subjetivas na seção seguinte. Percepções sobre impactos da Inteligência Artificial Da Q7 a Q10 investigou-se o receio quanto ao uso e apropriação de ideias pela IA, percepção sobre impactos em áreas como Inovação, Saúde, Economia e Comércio, e de forma específica, impactos positivos e negativos na Educação. Para contrastar visualmente a discordância e concordância da escala tipo Likert, utilizou-se gráficos de barras divergentes (Gráfico 3), com respostas em eixos opostos: à esquerda os níveis 1 e 2 (negativos); à direita, os 4 e 5 (positivos), com o 3 no centro, como neutralidade. A resposta média na Q7 foi de 2,2, revelando concentração em discordância. Gráfico 3 - Percepções quanto ao uso e aos impactos da IA Fonte: Elaboração própria. Os dados do gráfico 3 informam que 59,5% da amostra dessa pesquisa não tem medo de usar IA nem acredita que ela roube ideias. A distribuição foi a seguinte: 59,5% (88) em discordância com a afirmativa (33,1% discordam totalmente, 26,4% discordam), enquanto 9,5% concordaram com a afirmação (7,4% concordam, 2,1% concordam totalmente). Outros 31,1% mantiveram-se neutros, (Gráfico 3). Esse resultado, com média de 2,2 na escala, contrasta diretamente com a percepção de riscos, como a “erosão da agência” e desafios à “integridade/autoria” levantados por Selwyn (2024), Foltýnek et al. (2023) e Weber-Wulff et al. (2023). A alta discordância sugere uma lacuna de letramento ético (STOLPE; HALLSTRÖM, 2024). Avançando para a Q8, observa-se que 91,2% (135) dos pós-graduandos acreditam que a IA pode impactar a sociedade, em áreas como Inovação, Saúde, Economia e Comércio. Com média de 4,4 na escala, situando-se entre Concordo e Concordo totalmente, com discordância baixa de 3,4% (5 pessoas). www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 437 Essa percepção quase unânime valida empiricamente as reflexões de Kaufman (2022) e Lee (2023), que posicionam a IA como uma inovação de impacto sistêmico e transversal na sociedade contemporânea. Em relação aos impactos na Educação (Gráfico 3), as médias foram de 3,8 nos impactos positivos (Q9), se aproximando do nível “Concordo”, e 2,8 nos negativos (Q10), indicando neutralidade da amostra. Esse otimismo visto na Q9 se alinha aos estudos de Wang et al. (2024) e Lampou (2023) que mapeiam o potencial da IA nessa área. Da mesma forma, Rahiman e Kodikal (2024) apontam para essa possível contribuição da IA para a aprendizagem (AI-empowered learning) no ensino superior. Apenas 29,7% acreditam que a IA pode impactar negativamente a Educação (Q10), com mais de 40% de neutralidade, transmitindo dúvidas sobre as reais ameaças que podem vir com a IA nesse campo. Esses resultados (Q9 e Q10), podem indicar que benefícios e contribuições são mais tangíveis, enquanto os malefícios são mais especulativos. Neste aspecto, podemos recorrer ao desconhecimento dos possíveis efeitos revanches da IA, que é quando uma tecnologia pode dar errado ou contrariar os propósitos originais, (SULEYMAN; BHASKAR, 2023). Além disso, essa incerteza espelha o próprio debate acadêmico. Selwyn (2024), por exemplo, foca exatamente nos limites e riscos da IA na Educação. O grupo que crê no impacto negativo (29,7%) demonstra consciência dos riscos de vieses e desafios éticos levantados por Nguyen et al. (2023), ou do aprofundamento das desigualdades estruturais de acesso, como alerta Marinho, Vieira e Vidal (2025) para o contexto brasileiro. Representações simbólicas associadas à Inteligência Artificial Como parte das reflexões sobre os imaginários, a Q11 buscou mapear representações simbólicas. Esta análise baseia-se em autores que destacam como essas percepções, muitas vezes ancoradas em estereótipos midiáticos, influenciam a interação humana com a tecnologia (SANTAELLA, 2023). De forma complementar, Osawa et al. (2022) afirmam que obras de ficção científica ajudam os pesquisadores a entender como as pessoas podem reagir às novas tecnologias, enquanto Burkhardt (2025) analisa como os imaginários da IA são moldados por filmes que servem como catalisador para o discurso público. Nessa questão, fechada com múltipla escolha, os discentes responderam a seguinte pergunta “Qual das seguintes imagens representa melhor a ideia que você tem da IA hoje?”. Como alternativas, foram escolhidos os seguintes termos, da esquerda para a direita: “Ser Supremo”, “Rede Neural Artificial”, “Robô”, “Monstro”, “Assistente Virtual” e “Máquina Controladora”, (Figura 4). Os imaginários foram ilustrados com imagens elaboradas usando o DALL-E3 integrado ao ChatGPT 4.0, em janeiro de 2025. www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 438 Figura 4 – Imagens usadas nas alternativas da Q11 para coletar imaginários visuais Fonte: Elaboração própria. Os resultados mostraram que “Assistente Virtual” liderou com 50,0% das escolhas, seguido por “Rede Neural Artificial” (29,8%). Os demais se distribuíram entre “Robô” (10,0%), “Máquina Controladora” (6,8%) e “Ser Supremo” (3,4%). “Monstro” não foi escolhido por ninguém, (Gráfico 4). Gráfico 4 - Q11: Representação simbólica sobre Inteligência Artificial Fonte: Elaboração própria. O gráfico 4 ilustra também uma representação simbólica dual da IA por meio de “Assistente Virtual” e “Rede Neural Artificial” que juntos somam 79,8% das respostas, demonstrando uma relativa predominância de utilidade cotidiana (assistentes) e base técnica (redes neurais). Essa visão predominantemente (funcionalista) reflete a forma como a IA tem sido introduzida no Ensino Superior: como uma ferramenta de produtividade. Os achados de Wang et al. (2024) e Lampou (2023) confirmam que o uso de chatbots e assistentes (aplicações) é uma tendência dominante. No entanto, a literatura sobre Letramento em IA adverte que a formação do pesquisador deve ultrapassar essa visão utilitária (a IA como ferramenta) e caminhar para uma compreensão crítica de suas implicações éticas e sociais, algo que Stolpe e Hallström (2024) e Yue, Jong e Ng (2024) apontam como essencial. A inclusão de rede neural entre as opções deu-se em função dos resultados pioneiros de Hinton em 2012, juntamente com LeCun e Bengio, sobre deep learning. Enquanto o assistente virtual, derivou principalmente da interação cotidiana difundida por meio de assistentes integrados em navegadores de internet. www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 439 A partir do imaginário predominante de “Assistente Virtual” constata-se uma parcial proximidade com o debate instigado por Suleyman e Bhaskar (2024) sobre a capacidade de sistemas como o ChatGPT de desafiar a busca Google. A retomada dessa perspectiva aqui não ocorre por considerar a substituição, mas por desvelar novos modos, ou mesmo paradigmas de interação com a informação. O ChatGPT, embora não seja um navegador, destaca-se pelo pioneirismo de suas capacidades, podendo ser considerado como uma influência na construção da simbologia do assistente virtual. Essa reflexão se fundamenta especialmente ao se observar que 62,5% dos pós-graduandos ouviram falar em IA pela primeira vez entre 2022 e 2023 (Q4 – Gráfico 2) e por ser o mais citado, (Q6 – Figura 1). Outro fato que pode contribuir na interpretação deste conjunto de escolhas é a presença de dispositivos de voz no atual contexto sociocultural brasileiro: Alexa (Amazon), Nest (Google), e de forma integrada a outros dispositivos móveis, a Siri (Apple), Google Assistant (Google), e mais recentemente a XiaoAI (Xiaomi). No Brasil, de acordo com a Fundação Getúlio Vargas (2024), existem 480 milhões de dispositivos digitais, incluindo computador, notebook, tablet e smartphone, o que pode favorecer o uso dos assistentes. Especificamente, são mais de 250 milhões de smartphones em uso, chegando a 1,2 por habitante, (FGV, 2024), somado a isso há uma expectativa mundial de aproximadamente 8,4 bilhões de usos de assistentes de voz no mundo todo. As redes neurais artificiais (29,8% das escolhas), é o termo técnico mais adequado e usado para ilustrar o raciocínio, conexão e complexidade das camadas de dados no aprendizado profundo, com representação baseada no cérebro humano (LECUN; BENGIO; HINTON, 2015; BENGIO, HINTON E LECUN, 2021). Apesar disso, a IA vem evoluindo numa direção particularmente diferente da capacidade humana, se distanciando das características outrora atribuídas, semelhante aos anseios e debates impulsionados pelo filósofo Coeckelbergh (2023) e pelo historiador e sociólogo Harari (HARARI, 2024). De certa forma, os imaginários centrais para os pós-graduandos ajudam a entender a inexistência de respostas para Monstro (0 escolhas), no outro lado dos resultados. Juntamente com Ser supremo (5), esse extremo sugere que a IA é mais percebida como ferramenta do que como vilã. Este dado reforça os achados da Q7 e Q10 (Gráfico 3): a amostra demonstra uma baixa percepção de risco. O fato de Máquina controladora (6,8%) ter uma pontuação tão baixa é também significativo, pois sugere que as preocupações centrais da literatura ética internacional sobre vieses, vigilância e concentração de poder (NGUYEN et al., 2023; SELWYN, 2024) ainda não fazem parte do imaginário dominante desses pós-graduandos. Por interpretação, acaba validando Assistente virtual e Redes neurais como representação, o que é relevante para o contexto em análise, principalmente porque abre margem para uma aproximação da IA com o campo da pesquisa, bem como com a Educação. Aqui, essa aproximação se dá no sentido em que www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 440 se propõe uma abertura e expectativas de contribuição, evitando um distanciamento tradicional, e talvez estereotipado, entre Ciências Humanas e Tecnologia. Ademais, nesta reflexão envolvendo Ser supremo (3,4%), Máquina controladora (6,8%) e Monstro, é pertinente acrescentar o Robô (10,0%) para condensar uma possível influência do contexto sociocultural. Para além do uso cada vez mais frequente de IA como tecnologia nas produções e estúdios de cinema (DANTAS, 2023), os quatro imaginários listados compõem um conjunto imagético tradicionalmente transmitido em obras hollywoodianas: um corpo mecânico, superinteligente, personificando o arquétipo do inimigo na trama. Essa análise se aproxima da reflexão de Burkhardt (2025) sobre a ficção científica ocidental e da de Osawa et al. (2022) sobre representações de IA em obras de ficção científicas. Essas transposições, para Santaella (2023), buscam se familiarizar a algo que não se conhece bem, daí derivando a inclusão desses três imaginários nessa questão. No entanto, identificou-se que essas simbologias já não possuem o mesmo poder de influência, pelo menos para o grupo em questão. Adicionalmente, é possível que as transformações ocasionadas pela mudança de perspectiva nas produções dos últimos anos tenham ressignificado essa visão sobre a IA. Nas últimas duas décadas o repertório simbólico sobre IA vem sendo remodelado na cinematografia, transitando da figura ameaçadora robótica para representações mais robustas e dúbias. “Her” (2014), por exemplo, explora a IA como uma assistente com apoio emocional. “Ex_Machina” (2015), “Better Than Us” (2018) e “Cassandra” (2025) personificam emoções e dilemas morais na projeção dessa inteligência não humana. Além de desafiar as tradicionais fronteiras entre humano e máquina, esse panorama pauta considerações sob aspectos éticos e morais (COECKELBERGH, 2023). Mais do que uma ferramenta, produções como “Atlas” (2024) retratam a IA como solução contra perigos existenciais. Nessa transposição, a IA torna-se uma extensão das capacidades humanas, com inteligência e habilidades complementares, em nível de singularidade. Já “Black Mirror” (2025) e “Eletric Dreams” (2018) aprofundam-se em cenários distópicos que, não obstante as ameaças advindas do digital, concorrem para a naturalização da IA e de artefatos tecnológicos no cotidiano. Tais narrativas vêm impulsionando o debate para além da dicotomia habitual, suscitando perspectivas plurais da relação humano-máquina, além de contribuir para reelaborações das percepções individuais acerca da tecnologia. Essa mudança é analisada por Burkhardt (2025) que identifica visões cinematográficas que diferem das de Hollywood: associam a IA a questões sociopolíticas vividas, como controle social, vigilância, exploração do trabalho e colonialismo de dados Por fim, convém pontuar que “Máquina controladora” foi listada também em referência a um supercomputador com altos níveis de processamento e grande poder de coleta de dados, sendo requisitos www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 441 ao funcionamento e treinamento das aplicações atuais de IA. Esse imaginário de infraestrutura centralizada, remete à visionária novela “A Máquina Parou” de Foster (1909), onde a humanidade vive sob a dependência de uma Máquina que controla todos os aspectos da vida. Esta opção se apoia na ideia de que, embora a IA esteja onipresente na arquitetura social do século XXI, ela requer uma base material e concreta, o que podemos chamar de “estrato físico” e “eletrônico” (SANTAELLA, 2023, p.28-9). Esse tópico abre margem para as últimas questões, que abordam algumas questões conceituais teóricas da IA e possíveis relações com a Pesquisa Científica. Questões teóricas e contribuição da IA na Educação e Pesquisa Adentrando na seção 3 do questionário (Quadro 1), a análise se debruça sobre algumas questões conceituais teóricas, elaboradas com base na literatura que apoia o estudo, visando coletar concordância em níveis de 1 a 5. A representação gráfica utilizou a mesma estrutura descrita nas Q7-Q10. Na Q12 e Q13 identificou-se, inicialmente, um sólido entendimento sobre o que é a Inteligência Artificial e a IAGen, (Gráfico 5). Na Q12 a média das respostas foi de 3,8 na definição funcional da IA, enquanto na Q13 a média indica uma compreensão mais consolidada em relação à IAGen com média de 4,2. Gráfico 5 – Questões conceituais sobre IA e IAGen Fonte: Elaboração própria. Essas médias (Q12 e Q13) ao serem situadas na escala de 1 a 5 se aproximam de uma concordância razoável: 69,6% sobre a IA ser constituída por hardware e software, indica um entendimento técnico da tecnologia que a sustenta. Mesmo assim, nessas questões nota-se que a concordância não é total, existindo neutralidade de 19,6%. Por sua vez, a capacidade da IAGen em gerar dados e mídias se destaca e apoia o entendimento conceitual registrado por um nível de concordância de 83,8%, identificando que nenhum dos 148 sujeitos discorda totalmente, mesmo que 12,8% se posicione com dúvidas (neutralidade, nível 3). www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 448 dados se dá em função do avanço da tecnologia que, em sua rápida disseminação, constitui um fenômeno sociotécnico presente, com o qual a comunidade acadêmica e a sociedade em geral já interagem. Nesse panorama, ao pesquisador e educador em formação não é dada a opção de simplesmente ignorar esta transformação. A apropriação ou a recusa da tecnologia torna-se, portanto, uma questão de atualização e de posicionamento profissional, como registram os estudos sobre a necessidade de aprendizagem potencializada pela IA (RAHIMAN; KODIKAL, 2024) e de letramento digital como competência central do século XXI (STOLPE; HALLSTRÖM, 2024). CONSIDERAÇÕES FINAIS Conclui-se que, entre os pós-graduandos em Educação stricto sensu como sujeitos deste estudo, 94,6% já usou algum recurso de Inteligência Artificia, sendo os anos de 2022 e 2023 o marco do contato inicial para 62,3%. A IA é vista majoritariamente como assistente virtual (50,0%) e rede neural artificial (29,8%). Para 91,2% a IA pode impactar a sociedade forma sistêmica, sendo que 58,1% acredita em impactos positivos na Educação. Quanto às práticas de uso, as ferramentas mais citadas foram: ChatGPT (34,11%), Gemini (10,47%), DeepSeek (6,20%) e Copilot (5,43%). 83,8% entende o conceito de IA Generativa e 22,3% acreditam que usar IA é plágio, enquanto 9,4% temem o “roubo de ideias” ao usar recursos de IA. Por fim, 52,7% pretendem, de fato, usá-la em suas pesquisas. Considera-se que este estudo alcançou seu objetivo ao identificar que, para pós-graduandos stricto sensu em Educação, o contato com a IA é recente, marcado por rápida adoção e uma visão predominantemente funcional. Essa percepção de ferramenta de assistência, impulsionada pelo boom da IAGen em 2022-2023, coexiste com uma notável incerteza. Os sujeitos demonstram otimismo sobre as contribuições positivas, mas hesitam diante das implicações éticas, revelando dúvidas coerentes sobre plágio e integridade acadêmica. O estudo evidencia uma lacuna não no conhecimento básico sobre IA, mas no letramento digital em IA. A dificuldade em avaliar os riscos desse uso demonstra que são necessárias ações formativas, e que devem ir além do letramento instrumental (saber usar), e abranger a compreensão das implicações sociais, como vieses algorítmicos, riscos à integridade e o aprofundamento de desigualdades estruturais. Além disso, conclui-se que são necessárias, aliadas às ações formativas, normativas e regulamentação, de forma a clarear o uso e atualizar as práticas quanto ao arcabouço de recursos que existe hoje, esse passo deve ser dado tendo ao lado além de gestores das instituições de ensino, os docentes e os discentes, colocando em pauta diversidade de vozes e de perspectivas. Reitera-se que este estudo, por ser inicial e exploratório, possui limitações inerentes ao recorte www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 449 institucional, aos métodos e à amostra, como previsto em delineamentos survey. A Inteligência Artificial não é um assunto passageiro; exige pesquisas multifacetadas como entrevistas e estudos de caso para compreender os fenômenos aqui apenas delineados. As temáticas que emergem se voltam para: análise comparativa da percepção ética entre diferentes áreas do conhecimento (Humanas vs. Exatas e Tecnológicas); estudos longitudinais sobre letramento crítico ao longo da formação; levantamento de usos e reconhecimento de ferramentas de IA; além de pesquisas que promovam e avaliem ações formativas. Por fim, destaca-se que o propósito específico da IA (muitas vezes comercial) não é, em essência, contribuir para a Educação, embora se utilize dela para seu próprio avanço. A universidade, como espaço crítico, deve transformar a cautela dos discentes em criticidade e o conhecimento teórico em prática qualificada. A apropriação ou a recusa da tecnologia torna-se, portanto, uma questão de atualização e de posicionamento, exigindo ações formativas que capacitem os pesquisadores a navegarem os efeitos revanches e os desafios da onipresença algorítmica. REFERÊNCIAS ALEXANDER, K.; et al. “Who wrote this essay? Detecting AI-generated writing in second language education in higher education” Teaching English with Technology, vol. 23, n. 2, 2023. ARAÚJO, J. “O algoritmo é um texto”. Texto Livre, vol. 18, 2025. ATLAS. Direção de Brad Peyton. Washington: Netflix, 2024. BARROSO, M, D. F. Letramento digital em Inteligência Artificial: conhecimentos e percepções de Pós-Graduandos em Educação sobre IA na pesquisa científica acadêmica (Dissertação de Mestrado em Educação). Fortaleza: UFC, 2025. BARROSO, M. D. F. et al. “Da invisibilidade a onipresença: a trajetória da inteligência artificial e seus artefatos no cotidiano”. Revista de Estudos de Cultura, vol. 11, n. 27, 2025. BENGIO, Y.; LECUN, Y.; HINTON, G. “Deep learning for AI”. Communications of the ACM, vol. 64, n. 7, 2021. BETTER THAN US. Direção de Andrey Dzhunkovskiy. Moscou: Netflix, 2018. BLACK MIRROR. Criação de Charlie Brooker. London: Netflix, 2025. BOATENG, G. O. et al. “Best practices for developing and validating scales for health, social, and behavioral research: a primer”. Frontiers in Public Health, vol. 6, 2018. BRANCO NETO, W. C. “Estamos ficando burros para os computadores parecerem inteligentes: os perigos da inteligência artificial”. Boletim de Conjuntura (BOCA), vol. 18, n. 54, 2024. BURKHARDT, A. “Artificial intelligence in the work and view of Latin American filmmakers: insights from a qualitative interview study”. AI and Society, vol. 32, 2025. www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 450 CASSANDRA. Direção de Benjamin Gutsche. Berlin: Netflix, 2025. CELESTINO, M. S.; VALENTE, vol. C. P. N. “O uso da ferramenta ChatGPT no suporte à educação e à produção acadêmica”. Educação Temática Digital, vol. 26, 2024. COECKELBERGH, M. Ética na inteligência artificial. Rio de Janeiro: Ubu, 2023. CRESWELL, J. W. Projeto de pesquisa: método qualitativo, quantitativo e misto. Porto Alegre: Editora Artmed, 2018. CRESWELL, J. W.; PLANO CLARK, V. L. Designing and conducting mixed methods research. Thousand Oaks: Sage, 2018. DANTAS, J. “Arte, profissão e tecnologia: as greves em hollywood em 2023”. Boletim de Conjuntura (BOCA), vol. 15, n. 45, 2023. DILLMAN, D. A.; SMYTH, J. D.; CHRISTIAN, L. M. Internet, phone, mail, and mixed-mode surveys: the tailored design method. Hoboken: Wiley, 2014. DOROUDI, S. “The intertwined histories of artificial intelligence and education”. International Journal of Artificial Intelligence in Education, vol. 33, n. 4, 2023. EX_MACHINA: INSTINTO ARTIFICIAL. Direção de Alex Garland. London: Universal Pictures, 2015. FERREIRA BARROSO, M. D; et al. “Cenário prospectivo da docência na Educação a Distância brasileira frente ao avanço da Inteligência Artificial Generativa”. Revista Educação e Ensino, vol. 9, n. 1, 2025. FERREIRA, D. S.; et al. “Validação de um chatbot para o cuidado em saúde”. Boletim de Conjuntura (BOCA), vol. 18, n. 53, 2024. FGV - Fundação Getúlio Vargas. “Pesquisa revela que Brasil tem 480 milhões de dispositivos digitais em uso, sendo 2,2 por habitante”. Portal FGV [2024]. Disponível em: <www.fgv.br>. Acesso em: 23/05/2025. FOLTÝNEK, T. et al. “ENAI Recommendations on the ethical use of Artificial Intelligence in Education”. International Journal for Educational Integrity, vol. 19, n. 1, 2023. HARARI, Y. N. Nexus: Uma breve história das redes de informação, da Idade da Pedra à inteligência artificial. São Paulo: Editora Companhia das Letras, 2024. HER. Direção e criação de Spike Jonze. Washington: Warner Bros. Pictures, 2014. HOLMES, W.; BIALIK, M.; FADEL, C. “Artificial intelligence in education promises and implications for teaching and learning. ResearchGate [2019]. Disponível em: <www.researchgate.net>. Acesso em: 23/05/2025. JOHNSTON, M. P. “Secondary data analysis: A method of which the time has come”. Qualitative and Quantitative Methods in Libraries, vol. 3, n. 3, 2014. KAUFMAN, D. Desmistificando a inteligência artificial. Belo Horizonte: Editora Autêntica, 2022. www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 451 LAMPOU, R. “The integration of artificial intelligence in education: opportunities and challenges”. Review of Artificial Intelligence in Education, vol. 4, 2023. LECUN, Y; BENGIO, Y.; HINTON, G. “Deep learning”. Nature, vol. 521, n. 7553, 2015. LEE, K. F. Inteligência artificial: como robôs estão mudando o mundo. Rio de Janeiro: Editora Globo, 2023. MARINHO, I. C.; VIEIRA, S. L.; VIDAL, E. M. “Uma revisão da literatura internacional sobre desigualdades educacionais e gestão escolar”. Revista Diálogo Educacional, vol. 25, n. 85, 2025. NGUYEN, A. et al. “Ethical principles for artificial intelligence in education”. Education and Information Technologies, vol. 28, n. 4, 2023. OSAWA, H. et al. “Visions of Artificial Intelligence and Robots in Science Fiction: a computational analysis”. International Journal of Social Robotics, vol. 14, n. 10, 2022. OUYANG, L. et al. “Training language models to follow instructions with human feedback”. ResearchGate [2022]. Disponível em: <www.researchgate.net>. Acesso em: 23/05/2025. PARANHOS, R. et al. “Uma introdução aos métodos mistos”. Sociologias, vol. 18, n. 42, 2016. PARK, W.; KWON, H. “Implementing artificial intelligence education for middle school technology education in Republic of Korea” International Journal of Technology and Design Education, vol. 34, n. 1, 2024. PARTRIDGE, M. et al. “Reflections on co-researching AI literacy: A Students as Partners approach with international students”. International Journal for Students as Partners, vol. 8, n. 2, 2024. PHILIP K. DICK'S ELECTRIC DREAMS. Produção: Ronald D. Moore; Michael Dinner; Bryan Cranston. London: Amazon Prime Video, 2018. POLAT, H. et al. “A bibliometric analysis of research on ChatGPT in education”. International Journal of Technology in Education, vol. 7, n. 1, 2024. RADFORD, A. et al. “Improving Language Understanding by Generative Pre-Training”. ResearchGate [2018]. Disponível em: <www.researchgate.net>. Acesso em: 23/05/2025. RAHIMAN, H. U.; KODIKAL, R. “Revolutionizing education: Artificial intelligenceempowered learning in higher education”. Cogent Education, vol. 11, n. 1, 2024. RAUPP, F. M.; BEUREN, I. M. Metodologia científica: para cursos de ciências sociais aplicadas. São Paulo: Editora Atlas, 2006. REIS, E. A.; REIS, I. A. Análise descritiva de dados. Belo Horizonte: Editora da UFMG, 2002. RUSSELL, S.; NORVIG, P. Inteligência Artificial: Uma Abordagem Moderna. Rio de Janeiro: Editora GEN LTC, 2022. SAMPAIO, R. C. et al. “Chatgpt e outras IAs transformarão a pesquisa científica: reflexões sobre seus usos”. Revista Sociologia e Política, vol. 2, 2024. www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 452 SANTAELLA, L. A inteligência artificial é inteligente? São Paulo: Editora Almedina, 2023. SANTAELLA, L.; KAUFMAN, D. “Inteligência Artificial generativa: a quarta ferida narcísica do humano”. MATRIZes, vol. 18, n. 1, 2024. SELWYN, N. “On the Limits of Artificial Intelligence (AI) in Education”. Nordisk Tidsskrift for Pedagogikk og Kritikk, vol. 10, 2024. STOLPE, K.; HALLSTRÖM, J. “Artificial intelligence literacy for technology education”. Computers and Education Open, vol. 6, 2024. SULEYMAN, M.; BHASKAR, M. A próxima onda: Inteligência Artificial, poder e o maior dilema do século XXI. Rio de Janeiro: Editora Record, 2024. SULLIVAN, G. M.; ARTINO, A. R. J. “Analyzing and interpreting data from likert-type scales”. ResearchGate [2013]. Disponível em: <www.researchgate.net>. Acesso em: 23/05/2025. TEDESCO, A. L.; FERREIRA, J. L. “Ética e Integridade acadêmica na Pós-Graduação em Educação em tempos de Inteligência Artificial”. Horizontes, vol. 41, n. 1, 2023. UNESCO. Resumo do Relatório do Monitoramento Global da Educação 2023: Tecnologia na educação: Uma ferramenta a serviço de quem? Paris: Unesco, 2023. VALLEJO, M. C. G. “Cómo entrenar tu dragon: developing a module to build up AI literacy of HE lecturers”. Journal of Learning Development in Higher Education, vol. 31, 2024. WANG, S. et al. “Artificial intelligence in education: A systematic literature review”. Expert Systems with Applications, vol. 252, 2024. WANG, S. Y. et al. “CNN-Generated Images Are Surprisingly Easy to Spot... for Now”. Conference on Computer Vision and Pattern Recognition. Cham: IEEE, 2020. WEBER-WULFF, D. et al. “Testing of detection tools for AI-generated text”. International Journal for Educational Integrity, vol. 19, n. 1, 2023. YAO, S. et al. “ReAct: Synergizing Reasoning and Acting in Language Models”. ResearchGate [2023]. Disponível em: <www.researchgate.net>. Acesso em: 23/05/2025. YUE, M.; JONG, M. S.Y; NG, D. T. K. “Understanding K–12 teachers’ technological pedagogical content knowledge readiness and attitudes toward artificial intelligence education”. Education and Information Technologies, vol. 29, n. 15, 2024. ZHOU, Y.; MACHTMES, K. “Mixed methods integration strategies used in education: a systematic review”. International Journal of Qualitative Methods, vol. 23, n. 1, 2024. www.ioles.com.br/boca BOLETIM DE CONJUNTURA (BOCA) ano VII, vol. 23, n. 69, Boa Vista, 2025 453 BOLETIM DE CONJUNTURA (BOCA) Ano VII | Volume 23 | Nº 69 | Boa Vista|2025 http://www.ioles.com.br/boca Editor chefe: Elói Martins Senhoras Conselho Editorial Antonio Ozai da Silva, Universidade Estadual de Maringá Vitor Stuart Gabriel de Pieri, Universidade do Estado do Rio de Janeiro Charles Pennaforte, Universidade Federal de Pelotas Elói Martins Senhoras, Universidade Federal de Roraima Julio Burdman, Universidad de Buenos Aires, Argentina Patrícia Nasser de Carvalho, Universidade Federal de Minas Gerais Conselho Científico Claudete de Castro Silva Vitte, Universidade Estadual de Campinas Fabiano de Araújo Moreira, Universidade de São Paulo Flávia Carolina de Resende Fagundes, Universidade Feevale Hudson do Vale de Oliveira, Instituto Federal de Roraima Laodicéia Amorim Weersma, Universidade de Fortaleza Marcos Antônio Fávaro Martins, Universidade Paulista Marcos Leandro Mondardo, Universidade Federal da Grande Dourados Reinaldo Miranda de Sá Teles, Universidade de São Paulo Rozane Pereira Ignácio, Universidade Estadual de Roraima Caixa postal 253. Praça do Centro Cívico. Boa Vista, RR, Brasil. CEP 69601-970.