Pode a IA Ajudar a Incluir? Aceitação de LLMs para Geração de PEIs

• Eduardo Knabben Tiyo Universidade Tecnológica Federal do Paraná (UTFPR)
• Erick Molina Gehring Universidade Tecnológica Federal do Paraná (UTFPR)
• Juliana Coga de J. Cristo Universidade Tecnológica Federal do Paraná (UTFPR)
• João Ricardo P. Siqueira Universidade Tecnológica Federal do Paraná (UTFPR)
• Lucas Grander Universidade Tecnológica Federal do Paraná (UTFPR)
• Thiago Riemma Carbonera Universidade Tecnológica Federal do Paraná (UTFPR)
• Ana Carla Quallio Rosa Universidade de São Paulo (USP)
• Reginaldo Ré Universidade Tecnológica Federal do Paraná (UTFPR)
• Michele M. Capdeboscq Instituto Maringaense de Autismo (IMA)
• Nádia Qualio Centro Universitário Cidade Verde (UniCV)
• Gizeli de Alencar Universidade Estadual de Maringá (UEM)
• Igor Scaliante Wiese Universidade Tecnológica Federal do Paraná (UTFPR)

DOI: https://doi.org/10.5753/sbie.2026.28146

Resumo

Embora as matrículas da Educação Especial no Brasil tenham crescido cerca de 99,75% entre 2014 e 2023, mais da metade dos estudantes ainda não têm acesso ao atendimento educacional especializado. Os alunos dessa modalidade necessitam de um Plano de Ensino Individualizado (PEI), cuja elaboração é demorada e, frequentemente, não é realizada. Este artigo avalia a adoção de uma tecnologia de geração de PEIs baseada em LLMs. Foram aplicados questionários a 30 professores e graduandos em Pedagogia. Os professores demonstram receptividade à ferramenta, com resultados de caráter indicativo e exploratório, que apontam sugestões voltadas ao refinamento das atividades geradas e à oferta de capacitação para o uso pedagógico.

Palavras-chave: Plano Educacional Individualizado, Modelos de Linguagem de Grande Escala, Aceitação Tecnológica

Referências

Araujo, C. C. A. C. d. A., Caldeira, M. C. D. S., and Alves, A. L. (2021). A construção de planos de ensino individualizados (peis) em um colégio de aplicação: trajetória e desafios. Cadernos do Aplicação, 34(2).

Brasil (2014). Plano Nacional de Educação 2014–2024: Lei nº 13.005, de 25 de junho de 2014. Diário Oficial da União, Brasília, DF. Acesso em: 15 maio 2026.

Brasil. Ministério da Educação (2008). Política Nacional de Educação Especial na Perspectiva da Educação Inclusiva. MEC/SEESP, Brasília, DF. Acesso em: 15 maio 2026.

Castilho, G. U., Herrera, V. A., and Rodriguez, C. L. (2025). Explorando o potencial da ia generativa em ambientes virtuais de aprendizagem: Uma revisão sistemática. In Anais do XXXVI Simpósio Brasileiro de Informática na Educação (SBIE 2025), pages 113–126, Curitiba, PR, Brasil. Sociedade Brasileira de Computação.

Corbin, J. and Strauss, A. (2008). Basics of Qualitative Research (3rd ed.): Techniques and Procedures for Developing Grounded Theory. SAGE Publications, Inc.

da Silva, G. L. and Camargo, S. P. H. (2021). Revisão integrativa da produção científica nacional sobre o plano educacional individualizado. Revista Educação Especial, 34:1–23. Artigo e49.

de Mello Pereira, M. A. and Pereira, A. P. C. (2022). Planejamento educacional individualizado: Desafios e avanços nas práticas colaborativas de ensino. Colloquium Humanarum, 19(1):1–15.

do Socorro dos Santos, M. and Yildirim, K. (2025). Estratégias de elaboração e implementação do plano de ensino individualizado (pei) na educação inclusiva: Uma revisão bibliográfica. COGNITIONIS Scientific Journal, 8(2):1–18. Artigo e744.

FRANÇA, M. G. and PRIETO, R. G. (2025). O financiamento da educação especial no plano nacional de educação (2014-2024): Entraves e desafios1. Revista Brasileira de Educação Especial, 31.

Knabben Tiyo, E., Molina Gehring, E., Coga de Jesus Cristo, J., Prado Siqueira, J. R., Grander, L., Riemma Carbonera, T., Quallio Rosa, A. C., Ré, R., Margarida Capdeboscq, M., Qualio, N., de Alencar, G., and Scaliante Wiese, I. (2026). Dados de aceitação utaut de ferramenta baseada em llms para geração de planos de ensino individualizados (peis).

Likert, R. (1932). A technique for the measurement of attitudes. Archives of Psychology, 22(140):5–55.

Lin, Y. and Wu, Z. (2025). Learning path recommendation enhanced by knowledge tracing and large language model. Electronics, 14(22):4385.

Ng, C. and Fung, Y. (2024). Educational personalized learning path planning with large language models.

Otemaier, K. R., Quevedo, E., Valaski, J., de O. P. Tomaschitz, J., and Malucelli, A. (2025). Personalized inclusion with genai: An adaptive strategy to support students with asd in higher education. In Anais do XXXVI Simpósio Brasileiro de Informática na Educação (SBIE 2025), pages 182–197, Curitiba, PR, Brasil. Sociedade Brasileira de Computação.

Silva, J. R., Brugnera, E. D., de Melo Penha, M. C. S., da Cruz, N. A., Honório, V. A., and de Sousa, J. R. R. (2024). Plano educacional individualizado: Ferramenta fundamental para a inclusão educacional. ARACÊ, 6(2):1372–1386.

Tavakol, M. and Dennick, R. (2011). Making sense of cronbach's alpha. International Journal of Medical Education, 2:53–55.

Tian, W., Ge, J., Zhao, Y., and Zheng, X. (2024). Ai chatbots in chinese higher education: adoption, perception, and influence among graduate students—an integrated analysis utilizing utaut and ecm models. Frontiers in Psychology, 15.

Venkatesh, V., Morris, M. G., Davis, G. B., and Davis, F. D. (2003). User acceptance of information technology: Toward a unified view1. MIS Quarterly, 27(3):425–478.