POSSIBILIDADES PEDAGÓGICAS DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO COM A LABIA BLOCKS: MEDIAÇÃO E AUTONOMIA NO ENSINO DE PROGRAMAÇÃO
DOI:
https://doi.org/10.5902/2675995098227Palavras-chave:
Inteligência artificial na educação, Programação em blocos, Ensino de programação, LabIA Blocks, Metodologias ativasResumo
A inteligência artificial generativa passou a ocupar espaço crescente em práticas educacionais, sobretudo por sua capacidade de oferecer explicações, pistas, feedback e apoio individual durante a resolução de problemas. Este estudo analisa as possibilidades pedagógicas de uso da inteligência artificial na educação por meio da LabIA Blocks, plataforma educacional voltada à iniciação em programação e criação de jogos com blocos de HTML, CSS e JavaScript. Caracteriza-se como análise de tecnologia educacional inovadora, de natureza aplicada e descritiva, baseada na inspeção funcional do editor em blocos e sua relação com o código textual, do Tutor IA, dos níveis de assistência controlados pelo professor e dos recursos de apoio ao percurso didático. Os resultados da análise indicam que a IA pode atuar como mediação contextual na compreensão de conceitos, no planejamento da lógica do jogo, na seleção e configuração de blocos, na depuração, na comparação entre blocos e código textual, na diferenciação pedagógica e na avaliação formativa. A plataforma também permite graduar o apoio da IA, favorecendo percursos com maior ou menor autonomia. Entre as potencialidades pedagógicas inferidas, destacam-se a ampliação do feedback durante a aprendizagem, o apoio à experimentação e o fortalecimento da autoria quando as respostas são testadas e justificadas pelo estudante. Como a investigação não envolveu aplicação empírica com estudantes, os achados são interpretados como possibilidades pedagógicas e não como evidências de eficácia de aprendizagem. Conclui-se que a IA pode enriquecer metodologias ativas no ensino de programação quando permanece subordinada à intencionalidade pedagógica, à supervisão docente e à verificação crítica das sugestões geradas.
Downloads
Referências
CHOA, Haeun; KOO, Dukhoi. AIBlockAgent: design and development of an AI agent to support block-based programming learning. The Journal of Korean Association of Computer Education, v. 29, n. 3, p. 113-122, 2026. DOI: https://doi.org/10.32431/kace.2026.29.3.011. Acesso em: 20 set. 2026.
DETERDING, Sebastian; DIXON, Dan; KHALED, Rilla; NACKE, Lennart. From game design elements to gamefulness: defining gamification. In: PROCEEDINGS OF THE 15TH INTERNATIONAL ACADEMIC MINDTREK CONFERENCE. Tampere: ACM, 2011. p. 9-15. DOI: https://doi.org/10.1145/2181037.2181040. Acesso em: 13 ago. 2026.
FREEMAN, Scott et al. Active learning increases student performance in science, engineering, and mathematics. Proceedings of the National Academy of Sciences, v. 111, n. 23, p. 8410-8415, 2014. DOI: https://doi.org/10.1073/pnas.1319030111. Acesso em: 13 ago. 2026.
GARCÍA-MÉNDEZ, Silvia; DE ARRIBA-PÉREZ, Francisco; SOMOZA-LÓPEZ, María del Carmen. A review on the use of large language models as virtual tutors. Science & Education, v. 34, p. 877-892, 2025. DOI: https://doi.org/10.1007/s11191-024-00530-2. Acesso em: 20 set. 2026.
GROVER, Shuchi; PEA, Roy. Computational thinking in K-12: a review of the state of the field. Educational Researcher, v. 42, n. 1, p. 38-43, 2013. DOI: https://doi.org/10.3102/0013189X12463051. Acesso em: 13 ago. 2026.
HUMBLE, Niklas. Risk management strategy for generative AI in computing education: how to handle the strengths, weaknesses, opportunities, and threats? International Journal of Educational Technology in Higher Education, v. 21, art. 61, 2024. DOI: https://doi.org/10.1186/s41239-024-00494-x. Acesso em: 13 ago. 2026.
RESNICK, Mitchel et al. Scratch: programming for all. Communications of the ACM, v. 52, n. 11, p. 60-67, 2009. DOI: https://doi.org/10.1145/1592761.1592779. Acesso em: 13 ago. 2026.
SAIDELLES, Tiago; BRASIL, Miguel Augusto Bauermann. LabIA Blocks: programação em blocos, inteligência artificial e gamificação no ensino introdutório de jogos web. Aurum Editora (e-Books), p. 492-518, 2026. DOI: https://doi.org/10.63330/aurumpub.057-026. Acesso em: 20 set. 2026.
UNESCO. Guia para a IA generativa na educação e na pesquisa. Paris: UNESCO, 2024. ISBN 978-92-3-700028-1. Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000390241. Acesso em: 13 ago. 2026.
WEINTROP, David; WILENSKY, Uri. Comparing block-based and text-based programming in high school computer science classrooms. ACM Transactions on Computing Education, v. 18, n. 1, art. 3, p. 1-25, 2018. DOI: https://doi.org/10.1145/3089799. Acesso em: 13 ago. 2026.
Publicado
Edição
Seção
Licença
Autores que publicam nesta revista concordam com os seguintes termos:
- Autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
- Autores têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
- Autores têm permissão e são estimulados a publicar e distribuir seu trabalho online (ex.: em repositórios institucionais ou na sua página pessoal) a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado, com reconhecimento de autoria e publicação inicial nesta revista.
