Posso Fazer a Minha Tese sobre Inteligência Artificial na Educação? Problema, Objetivos e Fontes (2026)

“Inteligência artificial na educação” é, ao mesmo tempo, um dos temas mais procurados e um dos mais mal recortados em projetos de tese de Educação em 2026. O termo cobre fenómenos muito diferentes entre si — ferramentas de ensino adaptativo, perceções de professores, deteção de uso indevido em trabalhos académicos, avaliação automatizada — e uma tese que tente abarcar todos ao mesmo tempo não consegue aprofundar nenhum. Este artigo mostra como escolher um sub-ângulo concreto e transformá-lo num projeto de tese com pergunta de investigação, objetivos e fontes de dados definidos.

1. Porque “IA na educação” não é, por si só, um tema de tese

O maior risco de uma tese sobre inteligência artificial na educação não é a falta de interesse do tema — é precisamente o oposto: um tema tão amplo e tão mediático que atrai formulações vagas como “estudar o impacto da IA no ensino”, sem nomear que impacto, em quem, medido como. Antes de escrever uma única linha do projeto, é preciso decidir qual das várias perguntas distintas que “IA na educação” pode significar é, de facto, a sua pergunta. Se ainda está a comparar temas possíveis dentro da área, veja também os 32 temas de tese em Educação com as fontes de dados associadas.

Comentário: um teste rápido para verificar se o tema já está suficientemente recortado é tentar escrevê-lo numa única frase que inclua a população, o comportamento ou perceção a medir, e o contexto — se essa frase ainda contiver a palavra “impacto” sem qualificação, provavelmente ainda não está recortado o suficiente.

2. Os quatro sub-ângulos possíveis

Comentário: repare que cada sub-ângulo estuda uma unidade de análise diferente — estudantes, professores, trabalhos escritos, ou sistemas de avaliação. Escolher a unidade de análise antes de escrever a pergunta evita o erro mais comum nesta área: misturar níveis de análise (por exemplo, começar por estudar a perceção dos professores e terminar a medir o desempenho dos alunos, sem uma ponte metodológica entre os dois).

3. Como formular a pergunta de investigação

Pergunta mal formulada (demasiado ampla): “Qual é o impacto da inteligência artificial na educação?”

Pergunta bem formulada (ilustrativa): “Como é que os professores do 3.º ciclo do ensino básico em Portugal percecionam a sua própria preparação para integrar ferramentas de inteligência artificial generativa na sala de aula, depois da disseminação generalizada destas ferramentas entre os estudantes?”

Comentário: a segunda pergunta nomeia a população (professores de um ciclo de ensino específico), o país (Portugal), o construto (perceção de preparação/literacia digital) e um marco temporal (depois da disseminação) — tornando-a testável com um inquérito ou entrevistas num prazo de mestrado, ao contrário da primeira pergunta, que não é respondível por nenhum desenho metodológico realista.

4. Exemplo desenvolvido: perceção de professores

O exemplo que se segue é ilustrativo, construído para mostrar a lógica do desenho, não um resultado real.

Objetivo geral: Analisar a perceção de professores do ensino básico sobre a sua preparação e literacia digital para integrar ferramentas de inteligência artificial generativa na prática letiva.

• Objetivo específico 1: Caracterizar o nível de literacia digital autopercebida dos professores relativamente a ferramentas de IA generativa.
• Objetivo específico 2: Identificar as principais barreiras percebidas à integração de IA na prática letiva (formação, tempo, infraestrutura, apoio institucional).
• Objetivo específico 3: Analisar se variáveis como os anos de experiência docente ou a área disciplinar estão associadas a diferenças na perceção de preparação.

Instrumento: um questionário adaptado de escalas já validadas na literatura internacional sobre literacia digital docente e adoção de tecnologia educativa, complementado com perguntas específicas sobre IA generativa, dado tratar-se de um fenómeno recente, para o qual há menos escalas validadas e replicadas do que para a tecnologia educativa em geral.

5. Segundo exemplo: integridade académica

Também ilustrativo. Uma tese sobre o sub-ângulo de integridade académica poderia ter como objetivo geral: analisar as políticas e práticas de deteção de uso indevido de IA generativa em trabalhos escritos, adotadas por um agrupamento de escolas do ensino secundário. Os objetivos específicos incluiriam caracterizar as políticas formais existentes (se as há), analisar a perceção dos professores sobre a sua eficácia prática, e identificar tensões entre o uso pedagógico legítimo de ferramentas de IA e o uso considerado fraude académica. Este desenho combina análise documental de políticas escolares com entrevistas a professores, sem necessidade de aceder a trabalhos de estudantes ou a dados sensíveis sobre casos individuais de fraude.

Comentário: este segundo exemplo mostra como um sub-ângulo aparentemente sensível (fraude académica) pode ser investigado de forma eticamente robusta focando-se nas políticas e perceções institucionais, em vez de exigir acesso a casos individuais de estudantes, o que levantaria questões éticas bem mais complexas de consentimento e confidencialidade.

6. Fontes de dados e documentos de referência

Para enquadrar teoricamente e situar a sua tese face a documentos de política educativa, algumas fontes de referência incluem: os relatórios da rede Eurydice sobre educação digital na Europa; os documentos de orientação da Direção-Geral da Educação (DGE) sobre digitalização e competências digitais no currículo português; e os dados do PISA (OCDE), cujos questionários de contexto recolhem informação sobre o uso e a familiaridade dos estudantes com tecnologias digitais — que, embora não sejam especificamente sobre IA, fornecem um enquadramento comparativo internacional que pode servir de pano de fundo à discussão.

Comentário: dado tratar-se de um campo em rápida evolução, é especialmente importante declarar a data de consulta de qualquer documento de política educativa ou orientação institucional citado — um documento sobre “orientações para o uso de IA na escola” publicado em 2023 pode já estar desatualizado face a orientações mais recentes publicadas depois da conclusão da revisão de literatura da tese.

7. Erros comuns nesta área ainda pouco consolidada

Quatro erros recorrentes: (1) tratar “IA na educação” como o problema de investigação em si, sem o recortar num dos quatro sub-ângulos; (2) citar apenas notícias e artigos de opinião sobre IA, em vez de literatura académica revista por pares, precisamente porque a área é nova e a tentação de citar fontes jornalísticas é maior; (3) assumir que um instrumento de perceção tecnológica desenvolvido antes da disseminação da IA generativa (por exemplo, escalas mais antigas sobre adoção de tecnologia educativa em geral) mede exatamente o mesmo construto sem adaptação — a tese deve justificar e documentar qualquer adaptação feita ao instrumento; (4) generalizar conclusões de uma amostra pequena e local (por exemplo, os professores de uma única escola) para “os professores portugueses” no seu todo. Para o processo de validação do questionário usado nesta área, veja o guia de validação de questionários com alfa de Cronbach, e para o enquadramento mais amplo de como definir objetivos e hipóteses, o guia de objetivos, perguntas de investigação e hipóteses da tese.

Perguntas Frequentes

Em resumo

Uma tese sobre Inteligência Artificial na Educação só se torna exequível quando o tema é recortado num de quatro sub-ângulos — ensino adaptativo, perceção e literacia digital docente, integridade académica, ou avaliação automatizada — cada um com a sua unidade de análise, população e método próprios. Priorize literatura académica revista por pares sobre notícias e opinião, e declare sempre a data de consulta de documentos de política educativa, dado tratar-se de uma área em rápida evolução.