Uma formação sobre inteligência artificial pode começar a ficar ultrapassada antes mesmo de terminar… Uma ferramenta muda de versão, uma funcionalidade que parecia avançada passa a fazer parte de outra plataforma, novos recursos são incorporados aos ambientes que professores e estudantes já utilizam. O que foi aprendido como procedimento precisa ser revisto em pouco tempo.
Essa velocidade costuma ser apresentada como um problema tecnológico: seria preciso oferecer mais cursos, atualizar os conteúdos com maior frequência ou ensinar novas ferramentas. Há algo importante nessas iniciativas, principalmente quando professores precisam compreender princípios básicos de funcionamento da inteligência artificial, conhecer possibilidades de uso e reconhecer seus limites. Mas talvez a velocidade das mudanças esteja evidenciando também um problema de outra natureza: que concepção de formação, inicial e continuada, é adequada quando aquilo que precisamos aprender continua mudando?
A pergunta ganha relevância no caso da inteligência artificial generativa. Saber elaborar um prompt ou utilizar determinada plataforma pode ser útil, mas não responde às decisões mais difíceis que professores têm encontrado em sua prática. Em que situação o uso da IA contribui para o objetivo de aprendizagem proposto? Quando pode reduzir uma atividade intelectual que gostaríamos que o estudante realizasse? Como avaliar uma produção elaborada com apoio de IA? Que informações podem ser inseridas nessas plataformas? Como lidar com erros, vieses e respostas aparentemente convincentes, mas incorretas?
Essas perguntas não têm respostas exclusivamente técnicas. Elas exigem conhecimento profissional e julgamento pedagógico.
Essa distinção encontra apoio em uma discussão anterior à atual expansão da IA. Ao recuperar os estudos sobre a base de conhecimentos para a docência e o conhecimento pedagógico do conteúdo (PCK), Shulman destaca que a docência constitui uma profissão com um corpo próprio de conhecimentos. O PCK procura justamente compreender um conhecimento mobilizado pelo professor no processo de ensino, diferenciando o domínio de determinado conteúdo do conhecimento necessário para ensiná-lo.
Algo semelhante acontece quando introduzimos as tecnologias nessa equação. O referencial TPACK, desenvolvido a partir do PCK, propõe que ensinar com tecnologias envolve relações entre conhecimento do conteúdo, conhecimento pedagógico e conhecimento tecnológico. Esses conhecimentos não funcionam isoladamente: sua articulação ocorre diante de contextos concretos, objetivos de aprendizagem e características dos estudantes.
A chegada da IA torna ainda mais visível a importância dessa base de conhecimento profissional!
Da alfabetização em IA ao julgamento profissional
Uma revisão de escopo publicada por Sperling e colaboradores em 2024 ajuda a compreender esse problema. Os pesquisadores analisaram 34 trabalhos relacionados à alfabetização em IA e à formação docente e encontraram um campo ainda emergente, com pouca presença de estudos especificamente voltados à formação de professores. Os autores também chamam atenção para a necessidade de participação mais efetiva de professores e pesquisadores da educação na definição do que significa ser “alfabetizado” em IA.
Uma contribuição interessante dessa revisão é considerar diferentes dimensões do conhecimento profissional. Conhecimentos teóricos sobre IA são necessários. Conhecimentos práticos para utilizar esses sistemas também são necessários. Mas há decisões que dependem de uma dimensão de julgamento profissional: avaliar uma situação concreta e decidir pedagogicamente diante dela.
É justamente aí que uma formação docente baseada apenas em atualização técnica encontra seus limites.
Imagine, por exemplo, um professor que aprende a utilizar IA generativa para produzir feedback sobre textos dos estudantes. Saber operar a ferramenta é uma primeira camada. Decidir que informações fornecer à IA, verificar a qualidade das respostas e reconhecer seus erros acrescentam outra. Há, porém, perguntas ainda mais diretamente relacionadas ao trabalho docente: qual é a finalidade daquele feedback? Que aspectos precisam ser observados pelo próprio professor? Que tipo de devolutiva ajuda o estudante a avançar? Em que momento automatizar parte do processo contribui para a aprendizagem e em que momento pode empobrecê-lo?
Um tutorial dificilmente encerra essas questões. Elas precisam ser examinadas na prática e revisitadas à medida que professores observam o que acontece com seus estudantes.
É nesse ponto que as comunidades de prática podem oferecer uma contribuição importante.
Quando a experiência de um professor se torna aprendizagem de outros
A ideia de comunidade de prática não deve ser utilizada como sinônimo de qualquer grupo de professores reunidos presencialmente ou em um ambiente digital. A revisão sistemática de Vangrieken e colaboradores (2017), baseada em 40 estudos empíricos sobre comunidades docentes, mostra justamente a diversidade de formas assumidas por essas comunidades e identifica condições como confiança, respeito, dinâmica do grupo e liderança entre os elementos que influenciam seu funcionamento.
Portanto, criar um grupo em uma plataforma digital, reservar um horário de reunião ou reunir professores para conversar sobre IA não constitui, automaticamente, uma comunidade de prática.
O potencial formativo aparece quando existe continuidade e quando problemas reais da prática podem ser colocados em discussão. Um professor experimenta determinada estratégia com IA, observa o que aconteceu e compartilha a experiência. Outro identifica um problema semelhante. O grupo confronta resultados, analisa produções dos estudantes, discute alternativas e decide o que experimentar em seguida. Com o tempo, experiências individuais podem alimentar um repertório compartilhado.
Esse movimento é especialmente relevante diante de tecnologias que mudam rapidamente. Em vez de depender exclusivamente de alguém que determine previamente quais conhecimentos todos precisarão dominar, os professores passam também a produzir conhecimento a partir dos problemas que encontram.
Isso não significa substituir cursos por comunidades de prática. Cursos podem oferecer fundamentos conceituais, repertório inicial e conhecimentos técnicos que dificilmente seriam construídos apenas pela experiência. A questão é o que acontece depois deles.
Uma revisão sistemática de Jin e colaboradores (2024), envolvendo 28 estudos sobre comunidades profissionais docentes online, identificou possibilidades proporcionadas pelas tecnologias digitais, entre elas ampliar redes profissionais, facilitar o compartilhamento de conhecimento, oferecer apoio mais rapidamente e permitir diferentes formas de participação. Ao mesmo tempo, a revisão apresenta uma cautela relevante: boa parte dos estudos consegue demonstrar participação, satisfação ou aprendizagem profissional, mas as evidências são mais limitadas quando buscamos acompanhar mudanças efetivas na prática pedagógica.
Participar de uma comunidade não garante desenvolvimento profissional. Compartilhar materiais não significa necessariamente investigar a prática. E aprender algo novo não permite concluir automaticamente que houve melhoria na aprendizagem dos estudantes.
E o que já sabemos sobre comunidades de prática e IA?
Aqui é preciso reconhecer os limites do conhecimento disponível. A pesquisa específica sobre comunidades de prática para desenvolvimento da competência docente em IA ainda é recente. Portanto, seria prematuro afirmar que já dispomos de evidências suficientes para recomendar esse modelo como a estratégia mais eficaz de formação.
Os estudos recentes, porém, oferecem dicas interessantes.
Uma revisão sistemática publicada em 2026 por Zhou, Lavicza e Chiu examinou 42 estudos empíricos publicados entre 2015 e 2025 sobre o desenvolvimento da competência docente em IA. Os autores identificaram diferentes modalidades de aprendizagem profissional, incluindo cursos, experiências de co-design, experimentação de aulas, pesquisa-ação e comunidades de prática.
Nas comunidades analisadas pelos estudos incluídos na revisão, aparecem atividades como discussão de textos sobre IA, reflexão entre pares depois de experiências em sala de aula, webinars, fóruns, discussão de questões éticas e elaboração conjunta de propostas pedagógicas envolvendo IA.
Há uma mudança importante de foco quando essas práticas são comparadas a uma formação exclusivamente instrumental. A pergunta passa a ser “o que estamos aprendendo sobre ensinar quando utilizamos esta ferramenta?” E essa pergunta exige olhar para a prática.
Um estudo publicado por Jin e colaboradores em 2025 avança nessa direção ao investigar uma comunidade profissional online na qual professores iniciantes, professores experientes e IA generativa participavam de processos de construção de conhecimento. Entre os temas que apareceram nas interações estavam produção de materiais didáticos, avaliação e questões pedagógicas. O estudo também encontrou diferenças nas formas como professores com diferentes níveis de experiência interagiam com a IA.
Não é suficiente para generalizarmos os resultados. É, porém, uma indicação de uma possibilidade que merece atenção: a IA pode tornar-se não apenas conteúdo da formação docente, mas objeto de investigação coletiva da prática profissional.
O que seria necessário para constituir comunidades nas instituições de ensino?
Se levarmos esse argumento para instituições de ensino, a primeira implicação talvez seja resistir à tentação de organizar a formação em IA exclusivamente como uma sequência de ferramentas.
Professores precisam conhecer tecnologias, evidentemente. Mas poderiam também ter oportunidades recorrentes para levar às reuniões de formação situações que estão vivendo: uma atividade que funcionou de maneira diferente da esperada; uma produção de estudante que levanta dúvidas sobre autoria; um feedback gerado por IA que parece adequado, mas precisa ser analisado; uma atividade em que a ferramenta ampliou possibilidades de investigação; outra em que seu uso eliminou justamente o raciocínio que deveria ser desenvolvido.
Essas situações podem se tornar casos para análise coletiva, ou seja, não é um momento de desabafo! A ideia é que os educadores possam se debruçar em um desafio e construir, juntos, estratégias e/ou reflexões sobre ele.
Isso exige condições que não são produzidas espontaneamente: tempo, continuidade, confiança para compartilhar dificuldades, acesso a evidências da aprendizagem dos estudantes e uma cultura na qual experimentar não signifique simplesmente adotar novidades tecnológicas. Também exige que a discussão permaneça vinculada aos objetivos educacionais. Caso contrário, uma comunidade dedicada à IA pode rapidamente se transformar em espaço para circulação de ferramentas, prompts e novidades tecnológicas.
Há uma diferença significativa entre compartilhar “olha o que esta ferramenta faz” e perguntar “o que aconteceu com a aprendizagem quando fizemos isso?”
Talvez essa diferença ajude a definir o tipo de comunidade de prática para desenvolvimento profissional de que precisamos.
Continuar aprendendo quando a tecnologia mudar novamente
A IA que professores utilizarão daqui a alguns anos provavelmente não será a mesma que utilizam hoje. Não sabemos quais plataformas permanecerão, quais desaparecerão ou que novas possibilidades estarão incorporadas aos ambientes educacionais.
Por isso, uma política de formação docente não pode depender apenas da tentativa de acompanhar cada atualização tecnológica.
Precisamos também criar condições para que professores continuem aprendendo quando essas atualizações acontecerem.
Comunidades de prática oferecem uma possibilidade para esse desenvolvimento profissional contínuo porque podem aproximar conhecimento, experiência e reflexão sobre situações concretas. As evidências disponíveis recomendam cautela: não basta reunir professores porque ainda precisamos compreender melhor os efeitos dessas comunidades sobre mudanças na prática e sobre a aprendizagem dos estudantes. No caso específico da IA, a literatura está apenas começando a responder essas perguntas.
Talvez seja justamente por isso que esse seja um bom momento para construirmos comunidades de prática que não tenham como objetivo encontrar rapidamente respostas definitivas sobre inteligência artificial.
Podemos começar por algo mais consistente: criar espaços nos quais professores possam formular boas perguntas sobre o que acontece quando a IA entra na sala de aula, testar possibilidades, analisar evidências e transformar essas experiências em conhecimento profissional compartilhado.
Para saber mais
FERNANDEZ, C. Revisitando a base de conhecimentos e o conhecimento pedagógico do conteúdo (PCK) de professores de ciências. Ensaio Pesquisa em Educação em Ciências, v. 17, n. 2, p. 500–528, 2015. DOI: 10.1590/1983-21172015170211.
JIN, F. et al. Technological affordances in teachers’ online professional learning communities: a systematic review. Journal of Computer Assisted Learning, v. 40, n. 3, p. 1019–1039, 2024. DOI: 10.1111/jcal.12935.
SPERLING, K. et al. In search of artificial intelligence (AI) literacy in teacher education: a scoping review. Computers and Education Open, v. 6, 100169, 2024. DOI: 10.1016/j.caeo.2024.100169.
VANGRIEKEN, K.; MEREDITH, C.; PACKER, T.; KYNDT, E. Teacher communities as a context for professional development: a systematic review. Teaching and Teacher Education, v. 61, p. 47–59, 2017. DOI: 10.1016/j.tate.2016.10.001.
ZHOU, X.; LAVICZA, Z.; CHIU, T. K. F. Developing teacher AI competence: a systematic review of beliefs, professional learning, and cultural factors. Teaching and Teacher Education, v. 172, 105384, 2026. DOI: 10.1016/j.tate.2026.105384.
Inovação na educação 
Deixe um comentário