Engenharia de prompt na formação docente: implicações de uma intervenção pedagógica para integrar IA e TPACK na licenciatura

Mayara de Carvalho Santos; Murilo Nicolas Mombelli; Wilton José Diolindo do Nascimento Júnior; Gildo Girotto Júnior

doi:10.31417/educitec.v12.2777

Autores

Mayara de Carvalho Santos Universidade Estadual de Campinas https://orcid.org/0000-0003-1204-0184
Murilo Nicolas Mombelli Universidade Estadual de Campinas https://orcid.org/0009-0002-4047-297X
Wilton José Diolindo do Nascimento Júnior Universidade Estadual de Campinas https://orcid.org/0000-0002-9964-4572
Gildo Girotto Júnior Universidade Estadual de Campinas https://orcid.org/0000-0001-9933-100X

DOI:

https://doi.org/10.31417/educitec.v12.2777

Palavras-chave:

formação de professores, inteligência artificial, tecnologia educacional

Resumo

O presente estudo teve como objetivo analisar a trajetória de desenvolvimento da competência em engenharia de prompt em licenciandos, investigando como uma intervenção pedagógica influencia a transição de um uso intuitivo para uma aplicação estruturada da Inteligência Artificial (IA) em tarefas de planejamento de ensino. A pesquisa, fundamentada no modelo TPACK (Technological Pedagogical Content Knowledge), adotou uma abordagem qualitativa de estudo de caso, acompanhando nove licenciandos ao longo de três fases: uso livre, reelaboração e aplicação. Os resultados sugerem que, após a intervenção, os licenciandos transitaram de prompts simples, focados em instrução e contexto, para um modelo misto. Contudo, a análise ao longo do processo identificou um gargalo persistente na formulação do dado de entrada: o componente do prompt que detalha o conteúdo a ser processado, indicando que a dificuldade em dialogar com a IA está ligada à complexidade de articular o próprio pensamento pedagógico. Algumas considerações destacadas sinalizam no sentido de que a formação de professores para o uso da IA deve ir além do treinamento técnico, incorporando a engenharia de prompt como uma ferramenta de estruturação do raciocínio docente que exige a mobilização e a externalização dos saberes profissionais.

Downloads

Não há dados estatísticos.

Biografia do Autor

Mayara de Carvalho Santos, Universidade Estadual de Campinas

Doutora em Ciências pela Universidade Estadual de Campinas (UNICAMP). Campinas, São Paulo, Brasil.

Murilo Nicolas Mombelli, Universidade Estadual de Campinas

Graduando em Licenciatura em Química pela Universidade Estadual de Campinas (UNICAMP). Campinas, São Paulo, Brasil.

Wilton José Diolindo do Nascimento Júnior, Universidade Estadual de Campinas

Doutorando em Ciências pela Universidade Estadual de Campinas (UNICAMP). Campinas, São Paulo, Brasil.

Gildo Girotto Júnior, Universidade Estadual de Campinas

Doutor em Ensino de Química pela Universidade de São Paulo (USP). Professor Livre Docente na Universidade Estadual de Campinas (UNICAMP). Campinas, São Paulo, Brasil.

Referências

BARDIN, Laurence. Análise de conteúdo. Lisboa: Edições 70, 2015.

BROWN, Tom et al. Language Models Are Few-Shot Learners. ArXiv (Cornell University), v. 4, 28 mai. 2020. Disponível em: http://arxiv.org/abs/2005.14165. Acesso em: 22 ago. 2025.

DAHER, Roula. Integrating AI literacy into teacher education: a critical perspective paper. Discover Artificial Intelligence, v. 5, n. 1, p. 217, 20 ago. 2025. Disponível em: https://link.springer.com/article/10.1007/s44163-025-00475-7. Acesso em: 30 ago. 2025.

EVANGELISTA, Anne Heloísa Alves, et al. Impactos da incorporação da Inteligência Artificial no ensino de Matemática: um Estado do Conhecimento. Educitec - Revista de Estudos e Pesquisas sobre Ensino Tecnológico, Manaus, Brasil, v. 11, n. jan./dez., p. e265425, 2025. Disponível em: https://doi.org/10.31417/educitec.v11.2654. Acesso em: 13 jan. 2026.

GIRAY, Louie. Prompt Engineering with ChatGPT: A Guide for Academic Writers. Annals of Biomedical Engineering, n. 51, p. 2629–2633, 2023. DOI: 10.1007/s10439-023-03272-4. Disponível em: https://pubmed.ncbi.nlm.nih.gov/37284994/. Acesso em: 30 ago. 2025.

GOOGLE. Prompting guide 101: a quick-start handbook for effective prompts. Google Workspace, 2024. Disponível em: https://services.google.com/fh/files/misc/gemini-for-google-workspace-prompting-guide-101.pdf. Acesso em: 30 ago. 2025.

KASNECI, Enkelejda et al. ChatGPT for good? on Opportunities and Challenges of Large Language Models for Education. Learning and Individual Differences, v. 103, n. 102274, 1 abr. 2023. DOI: https://doi.org/10.1016/j.lindif.2023.102274. Disponível em: https://www.sciencedirect.com/science/article/abs/pii/S1041608023000195. Acesso em: 30 ago. 2025.

KOJIMA, Takeshi et al. Large Language Models are Zero-Shot Reasoners. arXiv (Cornell University), 29 jan. 2023. Disponível em: http://arxiv.org/abs/2205.11916. Acesso em: 22 ago. 2025.

LINCOLN, Yvonna S.; GUBA, Egon. Naturalistic inquiry. Newbury Park, CA: Sage, 1985.

LIU, Pengfei et al. Pre-train, Prompt, and Predict: A Systematic Survey of Prompting Methods in Natural Language Processing. arXiv (Cornell University), 28 jul. 2021. Disponível em: http://arxiv.org/abs/2107.13586. Acesso em: 22 ago. 2025.

LO, Chung Kwan. What Is the Impact of ChatGPT on Education? A Rapid Review of the Literature. Education Sciences, v. 13, n. 4, p. 410, 17 abr. 2023. DOI: https://doi.org/10.3390/educsci13040410. Disponível em: https://www.mdpi.com/2227-7102/13/4/410. Acesso em: 30 ago. 2025.

MENTA, Eziquiel; BRITO, Glaucia da Silva. O papel da Inteligência Artificial no Ensino Tecnológico: implicações emergentes. Educitec - Revista de Estudos e Pesquisas sobre Ensino Tecnológico, Manaus, Brasil, v. 10. n. jan./dez., p. e232524, 2024. Disponível em: https://sistemascmc.ifam.edu.br/educitec/index.php/educitec/article/view/2325. Acesso em: 13 jan. 2026.

MISHRA, Punya, KOEHLER, Matthew J. Technological Pedagogical Content Knowledge: A Framework for Teacher Knowledge. Teachers College Record: The Voice of Scholarship in Education, v. 108, n. 6, p. 1017–1054, 2006. Disponível em: https://journals.sagepub.com/doi/10.1111/j.1467-9620.2006.00684.x. Acesso em: 30 ago. 2025.

MOUTA, Ana, PINTO-LLORENTE, Ana María, TORRECILLA-SÁNCHEZ, Eva María. “Where is Agency Moving to?”: Exploring the Interplay between AI Technologies in Education and Human Agency. Digital Society, v. 4, n. 2, p. 49, 11 jun. 2025. Disponível em: https://link.springer.com/article/10.1007/s44206-025-00203-9. Acesso em: 30 ago. 2025.

NASCIMENTO JÚNIOR, W. J. D.; MORAIS, C.; GILDO GIROTTO JÚNIOR. Enhancing AI Responses in Chemistry: Integrating Text Generation, Image Creation, and Image Interpretation through Different Levels of Prompts. Journal of Chemical Education, v. 101, n. 9, p. 3767–3779, 19 ago. 2024. Disponível em: https://pubs.acs.org/doi/10.1021/acs.jchemed.4c00230. Acesso em: 13 jan. 2026.

NG, Davy Tsz Kit et al. Teachers’ AI digital competencies and twenty-first century skills in the post-pandemic world. Educational technology research and development, v. 71, n. 1, p. 137–161, 21 fev. 2023. Disponível em: https://link.springer.com/article/10.1007/s11423-023-10203-6. Acesso em: 30 ago. 2025.

SHI, L., CHOI, I. A Systematic Review on Artificial Intelligence in Supporting Teaching Practice: Application Types, Pedagogical Roles, and Technological Characteristics. In: ZHAI, X., KRAJCIK, J. (Orgs.). Uses of Artificial Intelligence in STEM Education. 1. ed. [S.l.]: PressOxford, 2024. p. 321–347.

SHULMAN, Lee. Those Who Understand: Knowledge Growth in Teaching. Educational Researcher, v. 15, n. 2, p. 4, fev. 1986. Disponível em: https://journals.sagepub.com/doi/10.3102/0013189x015002004. Acesso em: 30 ago. 2025.

STAKE, Robert. The Art of Case Study Research. [S.l.]: Sage Publications, 1995.

WEI, Jason et al. Chain-of-Thought Prompting Elicits Reasoning in Large Language Models. arXiv(Cornell University), 10 jan. 2023. Disponível em: https://arxiv.org/abs/2201.11903. Acesso em: 22 ago. 2025.