Esqueleto de TCC — Inteligência Artificial na Educação

para o escritor desenvolver o trabalho com autoria própria. O texto final
deve ser reescrito com a voz e a análise do escritor, com fontes realmente
lidas e dados verificados — é assim que o trabalho é autêntico e passa por
qualquer verificação de originalidade sem "truques".

---

1. Tema e título sugerido

Tema: Inteligência Artificial no ensino superior.

Título (ajustável conforme a instituição e o curso do cliente):

*"Inteligência Artificial Generativa no Ensino Superior: usos, percepções e
diretrizes éticas para o apoio ao processo de ensino-aprendizagem"*

⚠️ Antes de fechar o título: confirmar com o cliente a área do curso
(Administração, Pedagogia, TI, Direito...), pois isso muda o recorte da
fundamentação e dos exemplos. Ex.: em Direito, o recorte vira regulação;
em Pedagogia, vira práticas docentes; em TI, vira a própria tecnologia.

2. Problema de pesquisa

Pergunta central que o trabalho precisa responder.

Problema:

*"De que forma as ferramentas de inteligência artificial generativa podem ser
utilizadas, de maneira ética e eficaz, como apoio ao processo de
ensino-aprendizagem no ensino superior?"*

Perguntas secundárias:

1. Como as ferramentas de IA generativa (ex.: ChatGPT) são percebidas e usadas por estudantes e professores?
2. Quais benefícios pedagógicos e quais riscos (plágio, viés, dependência, privacidade) o uso apresenta?
3. Que diretrizes institucionais e individuais favorecem o uso ético da IA na educação?

3. Hipóteses (orientam a análise)

• H1: o uso orientado de IA generativa pode personalizar o aprendizado e acelerar a produção acadêmica.
• H2: sem orientação, o uso indiscriminado compromete o desenvolvimento de habilidades de escrita e raciocínio crítico.
• H3: a falta de letramento digital de docentes e a ausência de normativas institucionais são as principais barreiras à adoção ética.

4. Justificativa (pontos a desenvolver)

• Atualidade: a IA generativa popularizou-se a partir de 2022 e transformou a rotina acadêmica em escala global.
• Relevância prática: instituições ainda sem diretrizes formais de uso; professores e alunos sem orientação.
• Lacuna identificada: há muita discussão opinativa e poucos trabalhos empíricos sobre percepção e uso real no Brasil.
• Relevância social: o tema dialoga com inclusão digital, ética, mercado de trabalho e futuro da educação.

5. Objetivos

Objetivo geral:

Analisar as possibilidades e os limites do uso de IA generativa como apoio ao
processo de ensino-aprendizagem no ensino superior.

Objetivos específicos:

1. Caracterizar as principais ferramentas de IA generativa e seu funcionamento básico.
2. Identificar os usos relatados por estudantes e professores no contexto acadêmico.
3. Analisar benefícios e riscos do uso, incluindo plágio, viés e privacidade.
4. Propor diretrizes práticas e éticas para o uso da IA na educação superior.

6. Metodologia (sugestão)

Cronograma sugerido (12 semanas):

7. Estrutura do trabalho (capítulos)

Elementos pré-textuais

Capa, folha de rosto, ficha catalográfica, sumário, lista de figuras/tabelas,

resumo e *abstract* (conforme a instituição).

Capítulo 1 — Introdução

• Contextualização do tema (o que é IA, por que o tema importa hoje)
• Problema de pesquisa e perguntas secundárias
• Justificativa
• Objetivo geral e específicos
• Metodologia em síntese
• Estrutura do trabalho (o que cada capítulo traz)

Ao escritor: escrever a contextualização com dados recentes e concretos
(números de adoção de IA, notícias de instituições brasileiras). Nada de
abertura genérica de "vive-se na era da tecnologia".

Capítulo 2 — Fundamentação teórica

• 2.1 Evolução da Inteligência Artificial: das origens (1956, Dartmouth) às redes neurais e ao aprendizado profundo
• 2.2 IA generativa e modelos de linguagem: o que são LLMs, como funcionam em linhas gerais, limitações (alucinações, viés, dados de treinamento)
• 2.3 IA na educação: usos práticos (tutoria personalizada, correção, geração de materiais, apoio à pesquisa), benefícios documentados
• 2.4 Ética e integridade acadêmica: plágio, autoria, transparência, privacidade de dados (LGPD), viés algorítmico
• 2.5 Panorama normativo: políticas educacionais no Brasil (EBIA), marco regulatório da IA em discussão (PL 2338/2023) e diretrizes internacionais (UNESCO)

Ao escritor: cada subseção precisa de citação direta de fonte **lida de
verdade**. Ler o artigo, marcar a ideia central e parafrasear com as próprias
palavras. É esse trabalho que dá originalidade real ao texto.

Capítulo 3 — Metodologia

• Classificação da pesquisa (natureza, abordagem, procedimentos)
• Universo e amostra
• Instrumento de coleta (questionário — anexar no apêndice)
• Procedimentos de coleta e análise
• Aspectos éticos (TCLE — Termo de Consentimento Livre e Esclarecido)

Capítulo 4 — Análise e discussão dos resultados

• Apresentação dos dados (tabelas e gráficos)
• Discussão à luz do referencial teórico (confrontar dados com autores)
• Resposta às perguntas de pesquisa e às hipóteses

Capítulo 5 — Considerações finais

• Retomar objetivos e responder ao problema de pesquisa
• Síntese dos principais achados
• Limitações do estudo
• Sugestões para trabalhos futuros

Elementos pós-textuais

Referências (ABNT), apêndices (questionário, TCLE) e anexos.

8. Referências iniciais (verificar antes de citar!)

Regra de ouro: só citar o que foi lido. Esta lista é um ponto de
partida — o escritor deve conferir existência, edição e páginas.

Livros e artigos clássicos:

• RUSSELL, S.; NORVIG, P. *Inteligência Artificial: uma abordagem moderna*. 3. ed. São Paulo: Pearson, 2013.
• LUCKIN, R. *Machine Learning and Human Intelligence: The Future of Education for the 21st Century*. London: UCL IOE Press, 2018.
• HOLMES, W.; BIALIK, M.; FADEL, C. *Artificial Intelligence in Education: Promises and Implications for Teaching and Learning*. Boston: Center for Curriculum Redesign, 2019.
• SELWYN, N. *Should Robots Replace Teachers? AI and the Future of Education*. Cambridge: Polity Press, 2019.
• VASWANI, A. et al. *Attention Is All You Need*. NeurIPS, 2017.

Documentos institucionais e legislação:

• UNESCO. *Guidance for generative AI in education and research*. Paris: UNESCO, 2023.
• UNESCO. *AI and Education: Guidance for Policy-makers*. Paris: UNESCO, 2021.
• BRASIL. *Estratégia Brasileira de Inteligência Artificial (EBIA)*. Brasília: MCTI, 2021.
• BRASIL. Lei nº 13.709/2018 (LGPD).
• BRASIL. PL nº 2338/2023 (marco regulatório da IA).

Artigos atuais (buscar nas bases):

• BOMMASANI, R. et al. *On the Opportunities and Risks of Foundation Models*. Stanford CRFM, 2021.
• Artigos recentes em SciELO/CAPES sobre "inteligência artificial generativa educação" (2023–2025).

9. Checklist do escritor — autenticidade real (sem "truques")

• [ ] Reescrever todo o rascunho com a própria voz e estrutura de argumentação
• [ ] Incluir análise pessoal e exemplos concretos do contexto do estudo
• [ ] Ler e marcar cada fonte citada; parafrasear com palavras próprias
• [ ] Inserir dados primários reais (survey/aplicação) — é o que mais agrega
• [ ] Evitar frases genéricas e "encher linguiça" (red flag de texto artificial)
• [ ] Rodar verificador de similaridade (ex.: Turnitin da instituição, se houver)
• [ ] Revisar formatação ABNT e conferir que toda citação tem referência e vice-versa
• [ ] Registrar o processo no relatório de acompanhamento do pedido (painel Inédita)

---