fNIRS Hyperscanning e IA Generativa: O Efeito do Parceiro GAI na Aprendizagem em Ciências

Uma leitura BrainLatam2026 baseada no abstract e apêndices sobre TSI, GSI, metacognição e Jiwasa educativo

Antes de falar em IA generativa na educação, a gente precisa falar de presença.

Aprender não é apenas receber uma resposta correta. Aprender envolve atenção, dúvida, erro, reformulação, metacognição e vínculo. Por isso, o estudo “The GAI Partner Effect: A comparative study of interaction types on students’ learning engagement and academic performance in science education”, de Wang, Ren e colaboradores, é muito relevante para a BrainLatam2026.

O artigo compara dois modos de aprendizagem em ciências:

TSI — Teacher-Student Interaction, interação professor-aluno;
GSI — GAI-Student Interaction, interação estudante-IA generativa.

A pergunta central é:

o que muda no engajamento, no desempenho acadêmico e na dinâmica neural quando o estudante aprende com um professor humano ou com um parceiro de IA generativa?

O que o estudo mostrou

Com base no abstract disponível, o estudo usou um desenho within-subjects e aplicou fNIRS hyperscanning para investigar mecanismos cognitivos e neurais associados aos dois paradigmas.

Os resultados indicam que a interação com IA generativa (GSI) aumentou mais o engajamento cognitivo. Já a interação professor-aluno (TSI) favoreceu mais o engajamento comportamental, emocional e social.

Isso é muito importante. A IA pode exigir mais processamento, mais autorregulação e mais esforço metacognitivo. O professor humano, por outro lado, sustenta melhor presença social, vínculo, emoção compartilhada e participação.

O estudo também mostra que a sincronia cerebral professor-aluno se associou positivamente ao engajamento social, indicando que a aprendizagem humana continua profundamente relacional.

Elogio à pergunta científica

O mérito do artigo está em não tratar a IA como substituta simples do professor. A pergunta é mais inteligente: quais dimensões da aprendizagem são fortalecidas por cada tipo de interação?

Esse desenho é valioso porque une educação, IA generativa, metacognição, engajamento e fNIRS hyperscanning. Ele ajuda a entender a IA não apenas como ferramenta de resposta, mas como parceiro cognitivo que pode modificar a forma como o estudante pensa, monitora e reorganiza sua compreensão.

Equipamentos e limites da análise

O material disponível para esta leitura inclui abstract e apêndices, mas não traz detalhes completos sobre marca e modelo do sistema fNIRS, número de participantes, montagem dos optodos, regiões cerebrais medidas, canais, software de aquisição e estatísticas completas.

O que está explícito é o uso de functional near-infrared spectroscopy — fNIRS hyperscanning e o uso de um sistema pedagógico com ChatGPT configurado como tutor inteligente. O prompt orientava a IA a não entregar respostas diretamente, mas a trabalhar com perguntas, feedback, novas perguntas e sínteses, favorecendo raciocínio e metacognição.

Leitura BrainLatam2026

Pela lente BrainLatam2026, a IA generativa pode favorecer Zona 2 quando ajuda o estudante a pensar sobre o próprio pensamento. Ela pode perguntar, provocar, pedir explicação e ajudar na revisão do raciocínio.

Mas, se for usada apenas para entregar respostas rápidas, pode empurrar o estudante para passividade cognitiva.

O professor humano segue essencial porque sustenta Jiwasa educativo: presença, vínculo, escuta, ajuste afetivo, leitura corporal e pertencimento. A IA pode ampliar a cognição, mas o professor organiza o campo humano onde a aprendizagem acontece.

Da pergunta do artigo ao desenho BrainLatam2026

O artigo perguntou:

como TSI e GSI afetam engajamento, desempenho e mecanismos neurais na aprendizagem em ciências?

A BrainLatam2026 pode ampliar:

como professor, IA generativa, corpo, metacognição e pertencimento podem formar um ecossistema educacional de Zona 2?

Um desenho futuro poderia combinar:

fNIRS hyperscanning + EEG/ERP + eye-tracking + HRV/RMSSD + respiração + GSR + análise de linguagem + desempenho acadêmico + medidas de pertencimento.

O fNIRS hyperscanning mediria sincronia professor-aluno e aluno-aluno.
O EEG/ERP captaria erro, surpresa, conflito semântico e atualização conceitual.
O eye-tracking mostraria como o estudante distribui atenção entre professor, tela, IA e material.
O HRV/RMSSD, respiração e GSR ajudariam a medir esforço, segurança corporal e regulação emocional.
A análise de linguagem indicaria se o estudante apenas repete respostas ou realmente reorganiza conceitos.

Crítica decolonial generosa

Na América Latina, a pergunta não pode ser apenas se a IA melhora o desempenho. A pergunta precisa ser:

em quais condições sociais, afetivas, tecnológicas e pedagógicas a IA generativa melhora a aprendizagem sem enfraquecer professor, corpo e pertencimento?

Se a IA for usada para substituir professor e reduzir custo, pode enfraquecer o Jiwasa educativo. Se for usada para apoiar o professor, ampliar perguntas, personalizar feedback e fortalecer metacognição, pode se tornar tecnologia de Zona 2.

DREX Cidadão e educação

A IA generativa não resolve desigualdade sozinha. Para aprender, o estudante precisa de internet, alimentação, segurança, sono, tempo, professor valorizado e escola viva.

O DREX Cidadão, como metabolismo econômico mínimo distribuído ao corpo social, entra aqui como base de pertencimento. Ele pode reduzir urgências materiais que sequestram atenção e dificultam aprendizagem.

Tecnologia sem pertencimento vira automação fria.
Pertencimento sem tecnologia pode perder potência.
A política pública precisa unir os dois.

Fechamento

O estudo de Wang, Ren e colaboradores mostra que o futuro da educação não depende apenas de máquinas mais inteligentes, mas da qualidade das interações.

A IA pode ampliar engajamento cognitivo.
O professor pode sustentar engajamento social e emocional.
O fNIRS hyperscanning pode mostrar quando a aprendizagem vira sincronia.
E Jiwasa lembra que aprender nunca foi apenas acumular informação.

A grande pergunta não é se a IA vai substituir o professor.

A pergunta é:

como professor, estudante, IA, corpo e território podem formar um ecossistema de aprendizagem com mais consciência, pertencimento e liberdade cognitiva?

Referência

Wang, J., Ren, J., Liu, W., Rong, Z., Shi, Z., Zhao, Y., Zou, S., & Gao, S. (2026). The GAI Partner Effect: A comparative study of interaction types on students’ learning engagement and academic performance in science education. Journal of Science Education and Technology. https://doi.org/10.1007/s10956-026-10311-x