Um Estudo sobre a Inteligência Artificial Generativa na produção de materiais educacionais para o ensino de Computação
Resumo
A Inteligência Artificial Generativa (IAGen) evoluiu consideravelmente nos últimos anos, possibilitando o surgimento de ferramentas para produção de conteúdos. No contexto educacional, essas tecnologias têm sido utilizadas como apoio ao ensino e à aprendizagem, especialmente na área de Computação. Esta pesquisa investigou se ferramentas de IAGen podem apoiar docentes na geração de artefatos educacionais para disciplinas de Computação. Para isso, foi conduzido um estudo em duas fases envolvendo a geração de materiais e sua avaliação por docentes da área. Os resultados indicam bom desempenho na estruturação de planos de ensino, mas limitações na profundidade dos conteúdos e na elaboração de materiais didáticos mais complexos.Referências
Amaral, L., Cordeiro, J., and Avelino, G. (2024). Ia generativa na educação: Personalizando histórias para facilitar o aprendizado de leitura em crianças. In Anais do XXXV Simpósio Brasileiro de Informática na Educação, pages 1877–1889, Porto Alegre, RS, Brasil. SBC.
Borges, A. S. R. and Araujo, F. (2025). Do algoritmo à inclusão: O uso da ia na criação de planos de aula para robótica educacional. In Anais do XXXVI Simpósio Brasileiro de Informática na Educação (SBIE 2025).
Chen, B., Zhang, Z., Langrené, N., and Zhu, S. (2025). Unleashing the potential of prompt engineering for large language models. Patterns, 6(6):101260.
de Lima Netto, M. S. (2024). Analisando as potencialidades da inteligência artificial na criação de materiais didáticos para o ensino de física. Revista do Professor de Física.
Devanny, J., Dylan, H., and Grossfeld, E. (2023). Generative ai and intelligence assessment. RUSI Journal, 168.
Divino, S. (2024). Inteligência artificial generativa no ensino superior: Diretrizes para superação dos dilemas didáticos, éticos e legais. Revista Pedagogía Universitaria y Didáctica del Derecho.
Fan, W., Ding, Y., Ning, L., Wang, S., Li, H., Yin, D., Chua, T.-S., and Li, Q. (2024). A survey on rag meeting llms: Towards retrieval-augmented large language models. In Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, KDD ’24, page 6491–6501, New York, NY, USA. Association for Computing Machinery.
Giray, L. (2023). Prompt engineering with chatgpt: A guide for academic writers.
Huang, L., Yu, W., Ma, W., Zhong, W., Feng, Z., Wang, H., Chen, Q., Peng, W., Feng, X., Qin, B., and Liu, T. (2025). A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions. ACM Trans. Inf. Syst., 43(2).
Kandpal, N. and Raffel, C. (2025). Position: The most expensive part of an llm should be its training data.
Krippendorff, K. (2018). Content analysis: An introduction to its methodology. Sage publications.
Laranjeira, M. L. and Bezerra, P. T. L. (2025). Gerador automático de planos de aula sobre tecnologia baseado em llms. In Anais do XXXIII Workshop sobre Educação em Computação (WEI 2025).
Makridakis, S., Petropoulos, F., and Kang, Y. (2023). Large language models: Their success and impact. Forecasting, 5.
Ohiri, E. and Poole, R. (2025). What is the cost of training large language models? [link]. Published May 12, 2025.
Polastri, P. C., Linhalis, F., and Dos Reis, J. C. (2025). Compreendendo o uso da inteligência artificial generativa por professores da educação básica no brasil. Cuaderno activa.
Queiroz, F. and Lima, M. (2025). Uso do chatgpt na priorização de requisitos: Uma experiência educacional em engenharia de software. In Anais do V Simpósio Brasileiro de Educação em Computação, pages 491–501, Porto Alegre, RS, Brasil. SBC.
Rani, G., Singh, J., and Khanna, A. (2023). Comparative analysis of generative ai models. In 2023 International Conference on Advances in Computation, Communication and Information Technology (ICAICCIT), pages 760–765.
Silva, J. and Ferreira, H. (2024). Adaptação de questões avaliativas para estudantes neurodivergentes: Uma arquitetura computacional fundamentada em inteligência artificial generativa. In Anais do I Workshop de Informática na Educação Inclusiva, pages 36–43, Porto Alegre, RS, Brasil. SBC.
Silva, T., Vidotto, K., Tarouco, L., and Silva, P. (2024). Potencialidades do uso de inteligência artificial generativa como apoio ao ensino de programação. In Anais do XXXV Simpósio Brasileiro de Informática na Educação, pages 1942–1956, Porto Alegre, RS, Brasil. SBC.
Stöckl, A., Willaert, T., and Rudisch-Sommer, R. (2025). Humans and AI writing lectures together. In Ahram, T., Karwowski, W., Martino, C., Di Bucchianico, G., and Maselli, V., editors, Intelligent Human Systems Integration (IHSI 2025): Integrating People and Intelligent Systems, volume 160 of AHFE Open Access, USA. AHFE International.
Sætra, H. S. (2023). Generative ai: Here to stay, but for good? Technology in Society, 75.
Tonmoy, S. M. T. I., Zaman, S. M. M., Jain, V., Rani, A., Rawte, V., Chadha, A., and Das, A. (2024). A comprehensive survey of hallucination mitigation techniques in large language models.
UNESCO (2024). Guia para a IA generativa na educação e na pesquisa. Organização das Nações Unidas para a Educação, a Ciência e a Cultura (UNESCO), Paris. Título original: Guidance for generative AI in education and research.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., and Polosukhin, I. (2023). Attention is all you need.
Xu, L., Xie, H., Qin, S.-Z. J., Tao, X., and Wang, F. L. (2023). Parameter-efficient fine-tuning methods for pretrained language models: A critical review and assessment.
Borges, A. S. R. and Araujo, F. (2025). Do algoritmo à inclusão: O uso da ia na criação de planos de aula para robótica educacional. In Anais do XXXVI Simpósio Brasileiro de Informática na Educação (SBIE 2025).
Chen, B., Zhang, Z., Langrené, N., and Zhu, S. (2025). Unleashing the potential of prompt engineering for large language models. Patterns, 6(6):101260.
de Lima Netto, M. S. (2024). Analisando as potencialidades da inteligência artificial na criação de materiais didáticos para o ensino de física. Revista do Professor de Física.
Devanny, J., Dylan, H., and Grossfeld, E. (2023). Generative ai and intelligence assessment. RUSI Journal, 168.
Divino, S. (2024). Inteligência artificial generativa no ensino superior: Diretrizes para superação dos dilemas didáticos, éticos e legais. Revista Pedagogía Universitaria y Didáctica del Derecho.
Fan, W., Ding, Y., Ning, L., Wang, S., Li, H., Yin, D., Chua, T.-S., and Li, Q. (2024). A survey on rag meeting llms: Towards retrieval-augmented large language models. In Proceedings of the 30th ACM SIGKDD Conference on Knowledge Discovery and Data Mining, KDD ’24, page 6491–6501, New York, NY, USA. Association for Computing Machinery.
Giray, L. (2023). Prompt engineering with chatgpt: A guide for academic writers.
Huang, L., Yu, W., Ma, W., Zhong, W., Feng, Z., Wang, H., Chen, Q., Peng, W., Feng, X., Qin, B., and Liu, T. (2025). A survey on hallucination in large language models: Principles, taxonomy, challenges, and open questions. ACM Trans. Inf. Syst., 43(2).
Kandpal, N. and Raffel, C. (2025). Position: The most expensive part of an llm should be its training data.
Krippendorff, K. (2018). Content analysis: An introduction to its methodology. Sage publications.
Laranjeira, M. L. and Bezerra, P. T. L. (2025). Gerador automático de planos de aula sobre tecnologia baseado em llms. In Anais do XXXIII Workshop sobre Educação em Computação (WEI 2025).
Makridakis, S., Petropoulos, F., and Kang, Y. (2023). Large language models: Their success and impact. Forecasting, 5.
Ohiri, E. and Poole, R. (2025). What is the cost of training large language models? [link]. Published May 12, 2025.
Polastri, P. C., Linhalis, F., and Dos Reis, J. C. (2025). Compreendendo o uso da inteligência artificial generativa por professores da educação básica no brasil. Cuaderno activa.
Queiroz, F. and Lima, M. (2025). Uso do chatgpt na priorização de requisitos: Uma experiência educacional em engenharia de software. In Anais do V Simpósio Brasileiro de Educação em Computação, pages 491–501, Porto Alegre, RS, Brasil. SBC.
Rani, G., Singh, J., and Khanna, A. (2023). Comparative analysis of generative ai models. In 2023 International Conference on Advances in Computation, Communication and Information Technology (ICAICCIT), pages 760–765.
Silva, J. and Ferreira, H. (2024). Adaptação de questões avaliativas para estudantes neurodivergentes: Uma arquitetura computacional fundamentada em inteligência artificial generativa. In Anais do I Workshop de Informática na Educação Inclusiva, pages 36–43, Porto Alegre, RS, Brasil. SBC.
Silva, T., Vidotto, K., Tarouco, L., and Silva, P. (2024). Potencialidades do uso de inteligência artificial generativa como apoio ao ensino de programação. In Anais do XXXV Simpósio Brasileiro de Informática na Educação, pages 1942–1956, Porto Alegre, RS, Brasil. SBC.
Stöckl, A., Willaert, T., and Rudisch-Sommer, R. (2025). Humans and AI writing lectures together. In Ahram, T., Karwowski, W., Martino, C., Di Bucchianico, G., and Maselli, V., editors, Intelligent Human Systems Integration (IHSI 2025): Integrating People and Intelligent Systems, volume 160 of AHFE Open Access, USA. AHFE International.
Sætra, H. S. (2023). Generative ai: Here to stay, but for good? Technology in Society, 75.
Tonmoy, S. M. T. I., Zaman, S. M. M., Jain, V., Rani, A., Rawte, V., Chadha, A., and Das, A. (2024). A comprehensive survey of hallucination mitigation techniques in large language models.
UNESCO (2024). Guia para a IA generativa na educação e na pesquisa. Organização das Nações Unidas para a Educação, a Ciência e a Cultura (UNESCO), Paris. Título original: Guidance for generative AI in education and research.
Vaswani, A., Shazeer, N., Parmar, N., Uszkoreit, J., Jones, L., Gomez, A. N., Kaiser, L., and Polosukhin, I. (2023). Attention is all you need.
Xu, L., Xie, H., Qin, S.-Z. J., Tao, X., and Wang, F. L. (2023). Parameter-efficient fine-tuning methods for pretrained language models: A critical review and assessment.
Publicado
19/07/2026
Como Citar
FERREIRA, Isabela Stefanuto Ribeiro; COLETI, Thiago Adriano; MURA, Wellington Aparecido Della; MORANDINI, Marcelo; BALANCIERI, Renato.
Um Estudo sobre a Inteligência Artificial Generativa na produção de materiais educacionais para o ensino de Computação. In: WORKSHOP SOBRE EDUCAÇÃO EM COMPUTAÇÃO (WEI), 34. , 2026, Gramado/RS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2026
.
p. 434-445.
ISSN 2595-6175.
DOI: https://doi.org/10.5753/wei.2026.22698.
