Palavras-chave
Modelos de linguagem
Tecnologia educacional
Integração pedagógica
Semântica computacional
Formação docente
Como Citar
Resumo
Objetivo: Este glossário atua como um recurso terminológico abrangente para compreender a inteligência artificial (IA) generativa em contextos educacionais. Seu propósito é conectar os conceitos técnicos da IA às práticas pedagógicas, promovendo um diálogo informado entre educadores, pesquisadores, formuladores de políticas e estudantes.
Metodologia: O desenvolvimento do glossário seguiu uma abordagem metodológica mista, incluindo revisão sistemática da literatura (modelo PRISMA), técnicas de processamento de linguagem natural (análise de frequência, clustering semântico) e validação com especialistas por meio do método Delphi. A seleção dos termos considerou critérios como relevância pedagógica, clareza conceitual e frequência de uso em contextos educacionais com IA.
Resultados: O glossário apresenta definições operacionais de termos-chave relacionados à IA generativa — especialmente modelos de linguagem de grande escala (LLMs) — integrando contribuições da pedagogia digital, semântica computacional e ciências cognitivas. Inclui conceitos em evolução, exemplos de aplicação e referências cruzadas para facilitar sua adoção em programas de formação docente e desenho curricular.
Implicações Práticas: A proposta fornece uma base terminológica sólida para cursos universitários, programas de formação docente e desenvolvimento de políticas educacionais. Além disso, contribui para a alfabetização em IA por meio do fortalecimento da compreensão crítica e do uso ético das tecnologias emergentes na educação.
Originalidade/Valor: Ao alinhar a terminologia técnica da IA com estruturas pedagógicas, este glossário promove uma integração mais responsável e eficaz da IA generativa na educação. Representa uma contribuição inovadora para educadores e instituições que buscam navegar com segurança o cenário dinâmico da educação mediada por IA.
Referências
Austin, J. L. (1962). How to do things with words. Oxford University Press.
Bajtín, M. M. (1982). Estética de la creación verbal. Siglo XXI Editores.
Baltrusaitis, T., Ahuja, C., & Morency, L. P. (2019). Multimodal machine learning: A survey and taxonomy. IEEE transactions on pattern analysis and machine intelligence, 41(2), 423-443.
Barocas, S., Hardt, M., & Narayanan, A. (2019). Fairness and machine learning. fairmlbook.org.
Brown, T., Mann, B., Ryder, N., Subbiah, M., Kaplan, J. D., Dhariwal, P., ... & Amodei, D. (2020). Language models are few-shot learners. Advances in neural information processing systems, 33, 1877-1901.
Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to algorithms. MIT Press.
Damasio, A. R. (1994). Descartes' error: Emotion, reason, and the human brain. Putnam.
Engeström, Y. (1987). Learning by expanding: An activity-theoretical approach to developmental research. Orienta-Konsultit.
Gardner, H. (1983). Frames of mind: The theory of multiple intelligences. Basic Books.
Goodfellow, I., Bengio, Y., & Courville, A. (2016). Deep learning. MIT Press.
Harris, Z. S. (1954). Distributional structure. Word, 10(2-3), 146-162.
Immordino-Yang, M. H., & Damasio, A. (2007). We feel, therefore we learn: The relevance of affective and social neuroscience to education. Mind, Brain, and Education, 1(1), 3-10.
Jobin, A., Ienca, M., & Vayena, E. (2019). The global landscape of AI ethics guidelines. Nature Machine Intelligence, 1(9), 389-399.
Lave, J., & Wenger, E. (1991). Situated learning: Legitimate peripheral participation. Cambridge University Press.
Lenci, A. (2018). Distributional models of word meaning. Annual Review of Linguistics, 4, 151-171.
Liu, P., Yuan, W., Fu, J., Jiang, Z., Hayashi, H., & Neubig, G. (2023). Pre-train, prompt, and predict: A systematic survey of prompting methods in natural language processing. ACM Computing Surveys, 55(9), 1-35.
Mikolov, T., Chen, K., Corrado, G., & Dean, J. (2013). Efficient estimation of word representations in vector space. arXiv preprint arXiv:1301.3781.
Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017-1054.
Mitchell, M. (2019). Artificial intelligence: A guide for thinking humans. Farrar, Straus and Giroux.
Mitchell, T. M. (1997). Machine learning. McGraw-Hill.
Ribeiro, M. T., Singh, S., & Guestrin, C. (2016). "Why should I trust you?" Explaining the predictions of any classifier. Proceedings of the 22nd ACM SIGKDD international conference on knowledge discovery and data mining, 1135-1144.
Russell, S., & Norvig, P. (2021). Artificial intelligence: A modern approach (4th ed.). Pearson.
Salomon, G. (1993). Distributed cognitions: Psychological and educational considerations. Cambridge University Press.
Searle, J. R. (1969). Speech acts: An essay in the philosophy of language. Cambridge University Press.
Siemens, G. (2005). Connectivism: A learning theory for the digital age. International Journal of Instructional Technology and Distance Learning, 2(1), 3-10.
Sweller, J. (1988). Cognitive load during problem solving: Effects on learning. Cognitive science, 12(2), 257-285.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., ... & Polosukhin, I. (2017). Attention is all you need. Advances in neural information processing systems, 30.
Vygotsky, L. S. (1978). Mind in society: The development of higher psychological processes. Harvard University Press.
Wei, J., Tay, Y., Bommasani, R., Raffel, C., Zoph, B., Borgeaud, S., ... & Fedus, W. (2022). Emergent abilities of large language models. arXiv preprint arXiv:2206.07682.
Xie, H., Chu, H. C., Hwang, G. J., & Wang, C. C. (2019). Trends and development in technology-enhanced adaptive/personalized learning: A systematic review of journal publications from 2007 to 2017. Computers & Education, 140, 103599.
Zimmerman, B. J. (2002). Becoming a self-regulated learner: An overview. Theory Into Practice, 41(2), 64-70.
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2025 Jairo Alberto Galindo-Cuesta