Generative AI Dependency and its Eff ects on Introductory Programming Learning: An Experimental Study

• Vinícius Castro Coutinho UEA
• Diana Maria Da Câmara Gorayeb UEA
• Osvaldo Tavares Viana Junior UEA

DOI: https://doi.org/10.5753/eniac.2026.30052

Resumo

Este estudo investigou o impacto da dependência de Inteligência Artificial Generativa, especificamente o ChatGPT, na retenção do aprendizado de estudantes de Introdução à Programação. Foi realizado um experimento controlado com 18 alunos, divididos em grupo experimental e grupo controle. O grupo experimental utilizou o ChatGPT na resolução de exercícios e posteriormente foi privado da ferramenta, enquanto o grupo controle não teve acesso à IA. Os resultados mostraram que, embora o uso da IA tenha aumentado o desempenho inicial, os alunos que dependeram dela apresentaram queda de desempenho quando privados do recurso. Em contraste, o grupo controle demonstrou melhora na retenção e aplicação do conhecimento. Os achados sugerem que o uso excessivo de GenAI pode favorecer a dependência e prejudicar a consolidação da aprendizagem, reforçando a necessidade de seu uso pedagógico equilibrado.

Referências

Stone, I. (2024) “Exploring Human-Centered Approaches in Generative AI and Introductory Programming Research: A Scoping Review”, Proceedings of the 2024 Conference on United Kingdom & Ireland Computing Education Research (UKICER '24). Association for Computing Machinery, New York, NY, USA, Article 4, 1–7.

Becker, B., et al. (2023) "Generative ai in introductory programming." Computer Science Curricula: 438-439

Kohen-Vacs, D., Usher, M. e Jansen, M. (2025) “Integrating Generative AI into Programming Education: Student Perceptions and the Challenge of Correcting AI Errors”. International Journal of Artificial Intelligence in Education

Yılmaz, R., e Karaoğlan Yılmaz, F. G. (2023) “The eff ect of generative artificial intelligence (AI)-based tool use on students' computational thinking skills, programming self-efficacy and motivation”. Computers and Education: Artificial Intelligence. 4.

Smith, M. A. e Karpicke, J. D. (2014) Retrieval practice with short-answer, multiple choice, and hybrid tests, Memory, 22:7, 784-802

Sheard, J. et al. (2024). Instructor Perceptions of AI Code Generation Tools - A Multi-Institutional Interview Study. Em Proceedings of the 55th ACM Technical Symposium on Computer Science Education V. 1 (Portland, OR, USA) (SIGCSE 2024). ACM, New York, NY, USA, 1223–1229.

Hou, I., Mettille, S., Man, O., Li, Z., Zastudil, C., e MacNeil, S. (2024). The Eff ects of Generative AI on Computing Students’ Help-Seeking Preferences. Em Proceedings of the 26th Australasian Computing Education Conference (Sydney, NSW, Australia) (ACE ’24). ACM, New York, NY, USA, 39–48

Mogavi, R. H. et al. (2024). ChatGPT in education: A blessing or a curse? A qualitative study exploring early adopters’ utilization and perceptions. Computers in Human Behavior: Artificial Humans, 2(1).

Denny, P. et al. (2024). Computing Education in the Era of Generative AI. Commun. ACM 67, 2 (Jan. 2024), 56–67

Silva Junior, S. M. et al. (2023) "ChatGPT no auxílio da aprendizagem de programação: Um estudo de caso", Em: Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE), Passo Fundo. pp. 1375-1384.

OpenAI (2022). “Conheça o ChatGPT”, [link]

Shapiro, S. S., Wilk, M. B. An analysis of variance test for normality (complete samples), Biometrika, Volume 52, Issue 3-4, December 1965, Pages 591–611.

Figueiredo Filho, D. et al. (2023). Living with outliers: How to detect extreme observations in data analysis. BIB - Revista Brasileira De Informação Bibliográfica Em Ciências Sociais, (99)