INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO SUPERIOR:  
CONTRIBUIÇÕES, DESAFIOS E PERSPECTIVAS A PARTIR DE  
UMA REVISÃO INTEGRATIVA  
Resumo  
A inteligência artificial (IA) tem promovido mudanças estruturais na educação superior ao ampliar as  
possibilidades de inovação pedagógica, personalização da aprendizagem e otimização dos processos  
acadêmicos e administrativos. Embora o uso crescente dessas tecnologias represente oportunidades  
relevantes para o fortalecimento do ensino universitário, sua incorporação também suscita desafios  
relacionados à formação docente, à ética, à privacidade dos dados e à integridade acadêmica. Nesse  
contexto, este estudo teve como objetivo analisar criticamente as evidências científicas acerca das  
contribuições, potencialidades e limitações da inteligência artificial no ensino superior, enfatizando os  
impactos sobre o processo de ensino e aprendizagem. Trata-se de uma revisão integrativa da literatura,  
conduzida mediante busca sistematizada nas bases PubMed/MEDLINE, Embase, Scopus, Scielo,  
utilizando o Google Acadêmico. Foram considerados estudos publicados entre 2011 e 2025,  
selecionados conforme critérios previamente estabelecidos de inclusão e exclusão. Inicialmente foram  
identificadas 296 publicações, das quais 65 atenderam aos critérios metodológicos definidos e  
compuseram a amostra final da revisão. Os resultados evidenciaram que a inteligência artificial favorece  
a personalização do ensino, amplia o engajamento discente, contribui para a aprendizagem adaptativa,  
otimiza processos avaliativos e fortalece a tomada de decisão institucional baseada em dados. Entretanto,  
persistem desafios relacionados à infraestrutura tecnológica, à qualificação docente, às desigualdades de  
acesso, à proteção de dados pessoais e às implicações éticas decorrentes do uso intensivo dessas  
ferramentas. Portanto, que a integração da inteligência artificial na educação superior deve ocorrer de  
forma planejada, ética e pedagogicamente fundamentada, exigindo políticas institucionais consistentes,  
investimento contínuo na formação de professores e desenvolvimento de competências digitais que  
favoreçam uma utilização crítica, responsável e socialmente comprometida dessas tecnologias, com  
mitigação de riscos.  
Palavras-chave: Inteligência Artificial; Educação Superior; Ensino-Aprendizagem; Inovação  
Educacional; Tecnologias Digitais.  
ARTIFICIAL INTELLIGENCE IN HIGHER EDUCATION:  
CONTRIBUTIONS, CHALLENGES, AND PERSPECTIVES BASED  
ON AN INTEGRATIVE REVIEW  
Abstract  
Artificial intelligence (AI) has driven structural changes in higher education by expanding possibilities  
for pedagogical innovation, personalized learning, and the optimization of academic and administrative  
processes. While the growing use of these technologies offers significant opportunities to strengthen  
university education, their integration also raises challenges regarding faculty training, ethics, data privacy,  
and academic integrity. In this context, this study aimed to critically analyze scientific evidence regarding  
the contributions, potential, and limitations of artificial intelligence in higher education, emphasizing its  
impact on the teaching-learning process. This is an integrative literature review conducted through a  
systematic search of the PubMed/MEDLINE, Embase, Scopus, and SciELO databases, as well as  
Google Scholar. Studies published between 2011 and 2025 were considered, selected based on pre-  
established inclusion and exclusion criteria. Initially, 296 publications were identified; of these, 65 met  
the defined methodological criteria and formed the final review sample. The results demonstrated that  
artificial intelligence fosters personalized instruction, enhances student engagement, contributes to  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
adaptive learning, optimizes assessment processes, and strengthens data-driven institutional decision-  
making. However, challenges persist regarding technological infrastructure, faculty qualifications, access  
inequalities, personal data protection, and the ethical implications arising from the intensive use of these  
tools. Therefore, the integration of artificial intelligence into higher education must occur in a planned,  
ethical, and pedagogically grounded manner, requiring consistent institutional policies, continuous  
investment in teacher training, and the development of digital competencies that foster a critical,  
responsible, and socially committed use of these technologies.  
Keywords: Artificial Intelligence; Higher Education; Teaching-Learning; Educational Innovation;  
Digital Technologies.  
LA INTELIGENCIA ARTIFICIAL EN LA EDUCACIÓN SUPERIOR:  
CONTRIBUCIONES, DESAFÍOS Y PERSPECTIVAS A PARTIR DE  
UNA REVISIÓN INTEGRADORA  
Resumen  
La inteligencia artificial (IA) ha impulsado cambios estructurales en la educación superior al ampliar las  
posibilidades de innovación pedagógica, aprendizaje personalizado y optimización de procesos  
académicos y administrativos. Si bien el uso creciente de estas tecnologías ofrece oportunidades  
significativas para fortalecer la educación universitaria, su integración también plantea desafíos  
relacionados con la formación docente, la ética, la privacidad de los datos y la integridad académica. En  
este contexto, el estudio tuvo como objetivo analizar críticamente la evidencia científica sobre las  
contribuciones, el potencial y las limitaciones de la inteligencia artificial en la educación superior,  
destacando su impacto en el proceso de enseñanza-aprendizaje. Se trata de una revisión integradora de  
la literatura realizada mediante una búsqueda sistemática en las bases de datos PubMed/MEDLINE,  
Embase, Scopus y SciELO, así como en Google Scholar. Se consideraron estudios publicados entre 2011  
y 2025, seleccionados según criterios de inclusión y exclusión preestablecidos. Inicialmente se  
identificaron 296 publicaciones; de ellas, 65 cumplieron con los criterios metodológicos definidos y  
conformaron la muestra final de la revisión. Los resultados demostraron que la inteligencia artificial  
fomenta la enseñanza personalizada, mejora la participación estudiantil, contribuye al aprendizaje  
adaptativo, optimiza los procesos de evaluación y fortalece la toma de decisiones institucionales basada  
en datos. No obstante, persisten desafíos en cuanto a la infraestructura tecnológica, la cualificación  
docente, las desigualdades en el acceso, la protección de datos personales y las implicaciones éticas  
derivadas del uso intensivo de estas herramientas. Por tanto, la integración de la inteligencia artificial en  
la educación superior debe realizarse de manera planificada, ética y pedagógicamente fundamentada, lo  
que requiere políticas institucionales coherentes, inversión continua en la formación docente y el  
desarrollo de competencias digitales que promuevan un uso crítico, responsable y socialmente  
comprometido de estas tecnologías.  
Palabras clave: Inteligencia artificial; Educación superior; Enseñanza-aprendizaje; Innovación  
educativa; Tecnologías digitales.  
INTRODUÇÃO  
A incorporação da Inteligência Artificial (IA) na educação superior representa uma das  
transformações mais significativas do cenário educacional contemporâneo. O avanço acelerado das  
tecnologias digitais, aliado ao desenvolvimento de sistemas inteligentes capazes de processar grandes  
volumes de informações e apoiar processos decisórios, tem promovido mudanças profundas nas práticas  
pedagógicas, na gestão universitária e nas formas de construção do conhecimento. Nesse contexto, a IA  
deixa de ser apenas um recurso tecnológico para assumir papel estratégico na reorganização dos  
processos de ensino e aprendizagem, contribuindo para o desenvolvimento de ambientes educacionais  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
mais dinâmicos, interativos e centrados nas necessidades dos estudantes (Costa Júnior et al., 2023;  
Espindola et al., 2024; Rodrigues; Rodrigues, 2023).  
A expansão dessas tecnologias favorece a implementação de modelos educacionais inovadores,  
caracterizados pela aprendizagem personalizada, pelo uso de sistemas adaptativos, pela análise inteligente  
de dados educacionais e pela automação de atividades acadêmicas. Ferramentas apoiadas por Inteligência  
Artificial possibilitam identificar dificuldades individuais de aprendizagem, recomendar trilhas formativas  
específicas, oferecer feedback imediato e apoiar professores na elaboração de estratégias pedagógicas  
mais efetivas. Paralelamente, essas tecnologias contribuem para otimizar processos administrativos e  
ampliar a eficiência institucional, fortalecendo a capacidade das universidades de responder às exigências  
impostas pela transformação digital (Copertari; Lopes, 2020).  
Entretanto, embora as potencialidades da Inteligência Artificial sejam amplamente reconhecidas,  
sua incorporação ao ensino superior suscita importantes desafios de natureza pedagógica, ética,  
tecnológica e social. Questões relacionadas à privacidade e à segurança dos dados, à transparência dos  
algoritmos, ao risco de ampliação das desigualdades digitais, à integridade acadêmica e à necessidade de  
formação continuada dos docentes evidenciam que a adoção dessas tecnologias exige planejamento  
institucional, regulamentação adequada e reflexão crítica sobre os impactos no processo educativo  
(Pinheiro; Valente, 2024).  
Sob essa perspectiva, a atuação docente passa por um processo de ressignificação. O professor  
deixa de ocupar exclusivamente a posição de transmissor do conhecimento para assumir funções de  
mediador, curador de informações e facilitador da aprendizagem em ambientes tecnologicamente  
mediados. Essa transformação requer o desenvolvimento contínuo de competências digitais,  
metodológicas e pedagógicas que permitam integrar, de forma ética e crítica, os recursos da Inteligência  
Artificial às práticas educativas. Da mesma forma, os estudantes passam a vivenciar experiências de  
aprendizagem mais flexíveis, colaborativas e personalizadas, favorecendo maior autonomia,  
protagonismo e desenvolvimento de competências essenciais para a sociedade do conhecimento (Duque  
et al., 2023; Franqueira et al., 2024).  
Nesse cenário, o surgimento e a consolidação de ferramentas de Inteligência Artificial generativa  
e de sistemas baseados em grandes modelos de linguagem revolucionaram o design instrucional  
tradicional. Tais recursos potencializam o desenvolvimento cognitivo, favorecem a construção ativa do  
conhecimento e ampliam as oportunidades de inovação pedagógica no ambiente acadêmico,  
contribuindo para a formação de profissionais mais preparados para os desafios contemporâneos  
impostos pela sociedade pós-digital (Azambuja; Silva, 2024; Costa Júnior et al., 2023).  
Apesar do crescente número de pesquisas sobre a aplicação da Inteligência Artificial na  
educação, observa-se que a produção científica ainda apresenta resultados dispersos quanto às  
contribuições efetivas, limitações e implicações para o ensino superior. Essa diversidade de evidências  
aponta a necessidade de estudos e síntese, capazes de integrar os conhecimentos produzidos, identificar  
tendências, lacunas e desafios, além de subsidiar práticas pedagógicas e políticas institucionais  
fundamentadas em evidências científicas.  
Diante desse contexto, emerge o seguinte problema de pesquisa: quais são as principais  
contribuições, potencialidades e desafios decorrentes da utilização da Inteligência Artificial na educação  
superior, especialmente no que se refere ao processo de ensino e de aprendizagem?  
Para responder a essa questão, este estudo tem como objetivo analisar criticamente as evidências  
científicas acerca da utilização da Inteligência Artificial na educação superior, identificando os impactos  
sobre o processo de ensino e aprendizagem, as potencialidades pedagógicas, os desafios éticos e  
tecnológicos e as perspectivas para sua implementação nas instituições de ensino superior.  
Para atingir esse propósito, realizou-se uma revisão integrativa da literatura, reunindo a produção  
científica disponível sobre a temática em bases de dados indexadas. A opção por esse delineamento  
metodológico justifica-se por permitir uma análise abrangente do conhecimento disponível, favorecendo  
a compreensão crítica dos avanços, limitações e tendências relacionadas à aplicação da Inteligência  
Artificial no contexto universitário.  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
Além desta introdução, o artigo está organizado em três seções. A primeira apresenta os  
procedimentos metodológicos adotados na revisão integrativa. Em seguida, são apresentados e  
discutidos os principais resultados encontrados na literatura científica. Posteriormente, são desenvolvidas  
as considerações finais, destacando as contribuições do estudo, as limitações e perspectivas para futuras  
investigações sobre o uso da Inteligência Artificial na educação superior.  
METODOLOGIA  
Este estudo caracteriza-se como uma revisão integrativa da literatura, método que possibilita  
reunir, analisar e sintetizar criticamente evidências científicas produzidas sobre um determinado tema,  
contribuindo para a ampliação do conhecimento e para a identificação de lacunas que subsidiem futuras  
investigações e práticas baseadas em evidências.  
A elaboração da revisão seguiu as etapas recomendadas para esse tipo de estudo,  
compreendendo: definição do problema de pesquisa e estabelecimento da questão norteadora,  
identificação dos descritores e estratégias de busca, definição dos critérios de elegibilidade, seleção dos  
estudos, extração e organização dos dados, análise crítica das evidências e síntese dos resultados.  
A questão norteadora da pesquisa foi definida da seguinte forma: Quais são os impactos da  
Inteligência Artificial na educação superior, especialmente no processo de ensino e aprendizagem?  
A busca bibliográfica foi realizada sistematicamente nas bases de dados PubMed/MEDLINE,  
Embase, Scopus, Scielo, utilizando o Google Acadêmico de forma complementar para expandir a  
recuperação de literatura cinzenta e mitigar o viés de publicação. Embora as bases Embases e Scielo  
tenham sido consultadas, as buscas nelas não retornaram artigos que atendessem simultaneamente aos  
critérios de elegibilidade para a amostra final, concentrando os estudos selecionados na Scopus, PubMed  
e Google Acadêmico.  
Para a estratégia de busca, foram utilizados descritores controlados do Medical Subject Headings  
(MeSH) e termos livres equivalentes. Os termos foram combinados por meio dos operadores booleanos  
AND e OR, utilizando a seguinte estratégia de busca padronizada:  
(“Artificial Intelligence” OR “AI” AND “Education, Higher” AND (“Teacher” OR “Faculty”)  
A seleção dos estudos ocorreu em etapas sequenciais. Inicialmente, realizou-se a triagem de  
títulos e resumos para a remoção de duplicatas e identificação de registros potencialmente elegíveis.  
Posteriormente, os artigos pré-selecionados foram submetidos à leitura na íntegra para a verificação do  
atendimento aos critérios de elegibilidade estabelecidos.  
Foram considerados como critérios de inclusão:  
(I) estudos que abordavam diretamente a utilização da Inteligência Artificial na educação  
superior;  
(II) pesquisas que investigavam os impactos, percepções ou efeitos da IA sob a perspectiva de  
docentes;  
(III) artigos originais disponibilizados na íntegra em formato eletrônico; e  
(IV) estudos de abordagem analítica, descritiva, qualitativa ou experimental.  
Como critérios de exclusão, foram eliminados: relatos de caso, editoriais, revisões de literatura  
prévias, documentos sem acesso ao texto completo e investigações que abordavam contexto  
educacionais distintos ao ensino superior estudos duplicados, publicações que não respondiam à questão  
norteadora da pesquisa, documentos sem acesso ao texto completo e investigações que abordavam  
contextos educacionais distintos do ensino superior.  
O processo de busca inicial resultou na identificação de 146 publicações. Na primeira etapa da  
triagem, foram removidas 13 publicações duplicadas, restando 133 artigos para avaliação de títulos e  
resumos. Após a aplicação rigorosa dos critérios de inclusão e exclusão na leitura de texto completo, 68  
estudos foram excluídos, resultando em uma amostra final de 65 artigos selecionados para análise  
qualitativa. O fluxo completo da seleção de estudos encontra-se detalhado no fluxograma da revisão  
Figura 1.  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
Após a definição da amostra, todos os artigos selecionados foram analisados integralmente. Para  
a sistematização das informações, elaborou-se um instrumento de extração de dados contendo as  
principais características metodológicas e os resultados de cada estudo, incluindo autoria, ano de  
publicação, delineamento metodológico, objetivos, população investigada, principais achados sobre a  
incorporação da IA.  
Na etapa final, procedeu-se à análise interpretativa e à síntese crítica das evidências científicas,  
buscando identificar convergências, divergências, tendências e lacunas relacionadas à utilização da  
Inteligência Artificial na educação superior. A discussão foi conduzida de forma comparativa, articulando  
os resultados encontrados na amostra com o referencial teórico nacional e internacional, de modo a  
oferecer uma compreensão abrangente e contextualizada sobre as potencialidades, limitações e desafios  
da incorporação da Inteligência Artificial nos processos de ensino e de aprendizagem universitários.  
RESULTADOS E DISCUSSÃO  
A urgência de abordar uma reflexão ética no cena´rio educacional contemporâneo tarnscebde o  
debate estritamente acadêmico, configurando-se como uma necessidade imperativa de governança  
institucional. Como adverte García Peñalvo (2023, p.4), “a velocidade com que estas ferramentas foram  
introduzidas no ecossistema educativo não tem precedentes, superando qualquer capacidade de resposta  
normativa e obrigando a uma redefinição urgente dos marcos de integridade acadêmica”. No contexto  
do ensino superior, essa urgência demanda uma revisão profunda sobre a formação de professores e  
estudantes. Em vez de aceitarmos acriticamente as lógicas algorítmas e o solucionismo tecnológico,  
sustenta-se a necessidade de uma práxia que promova vivência educativas conscientes, refelxivas e  
transformadoras, fundamentadas no conceito de uma cidade pós-digitalética e socialmente responsável  
(Avendaño; Copertari, 2025).  
Para compreendermos a constituição da realidade, a estratégia de busca implementada nesta  
revisão integrativa resultou na identificação de 146 estudos. Após a remoção de 13 registros duplicados,  
procedeu-se à etapa de triagem, no qual 68 artigos foram excluídos por não atenderem aos critérios de  
inclusão preestabelecidos. Na fase de elegibilidade, realizou-se a leitura integral dos textos remanescentes,  
culminando na seleção de 65 estudos que comupseram a amostra final desta investigação, conforme  
fluxo metodológico a seguir:  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
Figura 1 - Fluxograma de seleção dos estudos  
Fonte: Os autores, produzido com auxílio de IA (2026).  
A distribuição geográfica das publicações revela uma forte concentração de pesquisas originárias  
da China, Equador, Peru, Espanha, Ucrânia e Arábia Saudita. Em contrapartida, constatou-se a ausência  
de estudos brasileiros na amostra final selecionada. (Figura 2)  
Figura 2 – Países de origem dos estudos incluídos na revisão  
Fonte: Os autores (2026).  
Essa lacuna na produção científica nacional evidencia um descompasso preocupante. Embora o  
fenômeno da Inteligência Artificial (IA) tenha adquirido centralidade nos debates pedagógicos globais,  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
o contexto brasileiro ainda carece de pesquisas sistemáticas que considerem as especificidades de suas  
políticas públicas de educação, as disparidades de sua infraestrutura tecnológica e os desafios históricos  
de sua formação docente.  
Do ponto de vista temporal, a análise das publicações confirma uma aceleração exponencial do  
interesse científico em relação ao tema. Embora o recorte temporal tenha compreendido o período entre  
2011 e 2025, a quase totalidade das investigações concentra-se entre 2019 e 2025:  
•
•
•
•
•
•
•
2025: 32,31% (푛 = 21)  
2024: 26,15% (푛 = 17)  
2023: 16,90% (푛 = 11)  
2021: 10,76% (푛 = 7)  
2019: 6,15% (푛 = 4)  
2022: 4,65% (푛 = 3)  
2011 e 2015: 1,54% (푛 = 1 cada)  
O ano de 2025 apresentou o maior número de publicações (32,31%; n=21), seguido de  
2024 (26,15%; n=17), 2023 (16,90%; n=11), 2021 (10,76%; n=7), 2019 (6,15%; n=4), 2022  
(4,65%; n=3) e, por fim, 2015 e 2011, ambos com apenas um estudo (1,54%). Este salto  
qualitativo a partir de 2023 não nos indica que seja casual, pois ele marca o período de  
consolidação pública das tecnologias de IA generativa (IAGen) e a resposta acadêmica imediata  
aos processos de transformação digital intensificadas pelo período pós-pandemia de COVID-  
19.  
Quanto às fontes de indexação, observou-se predominância expressiva de trabalhos  
recuperados através do Google Scholar (69,23%; n=45), seguido pela Scopus (27,69%; n=18) e  
pela PubMed (3,08%; n=2). Essa distribuição reitera o papel do Google Scholar como  
repositório integrador, que captura inovações rápidas antes mesmo que estas passem pelos  
fluxos editoriais de revistas tradicionais indexadas.  
Metodologicamente, os estudos selecionados demonstraram abordagens variadas. No  
grupo que investigou os impactos diretos da IA na rotina universitária, a abordagem  
qualiquantitativa liderou com 17,24% de adesão. Contudo, acende-se um alerta para o fato de  
que aproximadamente 10% das publicações omitiram a descrição clara de seus métodos —  
fragilidade que compromete a reprodutibilidade e a robustez metodológica dessas pesquisas.  
Nas categorias destinadas a mapear as percepções de docentes/discentes e os impactos  
nos processos de ensino e de aprendizagem, os estudos de revisão (18,18%) dividiram espaço  
com pesquisas de campo qualitativas e mistas, revelando que a temática ainda atravessa um  
processo de consolidação conceitual e empírica.  
A síntese dos resultados consolida um consenso claro: a inteligência artificial (IA) não  
atua mais apenas como um recurso acessório, mas sim como um vetor de inovação estrutural  
que redesenha as dimensões pedagógica, administrativa e ética das Instituições de Ensino  
Superior (IES). Sua incorporação tem potencial para ampliar a eficiência administrativa,  
favorecer a personalização da aprendizagem e apoiar a tomada de decisões pedagógicas  
fundamentadas em dados, configurando um novo paradigma para o ensino superior.  
No plano de gestão acadêmica, os dados apontam que algoritmos preditivos e  
ferramentas de análise de dados (learning analytics) auxiliam os gestores no acompanhamento  
longitudinal do desempenho dos alunos, permitindo intervenções preventivas contra a evasão  
escolar e subsidiando decisões institucionais amparadas em indicadores objetivos (Barik;  
Barukab; Ahmed, 2020; Chamorro-Atalaya et al., 2023; Yang, 2021). Essa sinergia entre  
automação de processos burocráticos e inteligência de dados dá origem ao conceito de  
Universidades Inteligentes, onde a infraestrutura física e digital opera de maneira integrada para  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
otimizar recursos e antecipar demandas da comunidade acadêmica. Essas universidades são  
representativas de um ecossistema digital, flexível e orientado por evidências (Mohanachandran  
et al., 2021; Ocaña-Fernández et al., 2019).  
No domínio pedagógico, a introdução de plataformas adaptativas, tutores inteligentes e  
assistentes virtuais de aprendizado potencializa a personalização do ensino, oferecendo  
feedbacks em tempo real e propondo caminhos formativos customizados com base na análise  
das rotas cognitivas de cada estudante (Abbasi et al., 2024; Bhutoria, 2022; Lan, 2021). Essa  
perspectiva reforça a transição de um modelo de ensino tradicional para abordagens pedagógicas  
mais flexíveis, colaborativas e orientadas por evidências. Nesse contexto, a IA assume papel  
estratégico na construção de ambientes educacionais inteligentes que integram análise de dados  
e acompanhamento permanente do progresso acadêmico (Copertari; Lopes, 2020).  
Estudos realizados por Lopez-Carreño, Calvo-Lavado e Zarate-Perez (2022), Hu (2024)  
e Yeslyamov (2024) detalham que essas tecnologias contam com elevados índices de aceitação  
e usabilidade pelos usuários, o que eleva o potencial de adoção institucional. Assim, há maior  
possibilidade de interação e autonomia discente, bem como a redução de atividades repetitivas  
desempenhadas por professores, que podem direcionar esforços para ações pedagógicas mais  
complexas.  
Os resultados desta revisão indicam que a inteligência artificial promove mudanças que  
transcendem a incorporação de ferramentas tecnológicas isoladas: além de reorganizar  
processos administrativos, ela redefine as práticas pedagógicas e amplia as possibilidades de  
aprendizagem personalizada. Os estudos analisados demonstram que a percepção de docentes  
e estudantes acerca da IA no ensino superior é predominantemente positiva, embora permeada  
por preocupações relacionadas à ética, à formação profissional e às mudanças metodológicas. A  
literatura evidencia que a aceitação da tecnologia está associada à sua utilidade para potencializar  
a aprendizagem, otimizar o trabalho docente e favorecer experiências colaborativas e interativas.  
Entre os docentes, a atitude é favorável no que tange à otimização do planejamento  
pedagógico, à elaboração de materiais didáticos diversificados e à desoneração de tarefas  
burocráticas e repetitivas. Todavia, essa transição exige uma reconstrução de sua própria  
identidade profissional, deslocando o foco da transmissão exclusiva do saber para a função  
complexa de mediador de aprendizagens apoiadas por tecnologias inteligentes (Copertari, 2024).  
A competência digital emerge como uma variável crítica para essa aceitação pelos  
professores. Docentes dotados de repertório instrumental e pedagógico robusto demonstram  
maior autoconfiança para delinear desenhos curriculares que incorporem as IAs de forma  
intencional e crítica (Galindo-Domínguez et al., 2024). Nesse sentido, o desenvolvimento  
profissional contínuo constitui condição essencial para que a inovação produza impactos  
efetivos na qualidade do ensino. Programas de formação continuada eficazes evitam o  
treinamento meramente instrumental e proporcionam reflexões práticas e aplicadas a contextos  
reais de sala de aula, reduzindo resistências frequentemente associadas às transformações digitais  
(Copertari; Lopes; Delmaschio, 2023).  
Pelo prisma dos discentes, a IA é compreendida como um recurso valioso para a  
autonomia, provendo devolutivas imediatas, facilitando o acesso à informação, respeitando  
ritmos individuais de aprendizagem e estimulando a resolução de problemas para os desafios  
profissionais contemporâneos (Demianenko, 2019; Florea; Radu, 2019).  
Contudo, a literatura também revela preocupações importantes relacionadas ao uso  
excessivo da IA. Pesquisas como a de Mohammed et al. (2024) sinalizam o receio dos estudantes  
de que a dependência excessiva de sistemas generativos comprometa habilidades fundamentais,  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
como a escrita acadêmica, a argumentação científica própria e o pensamento crítico estruturado,  
reduzindo a autonomia intelectual e o esforço cognitivo necessário à construção do  
conhecimento.  
Apesar desses riscos de alienação, a IA — quando mobilizada com intencionalidade  
pedagógica — atua como um potente catalisador de metodologias ativas e ambientes  
colaborativos. Recursos como realidade virtual, realidade aumentada, sistemas tutores  
inteligentes e plataformas adaptativas ampliam as possibilidades de interação, inserindo o  
estudante em dinâmicas de resolução de problemas e aprendizagem experiencial. Essas  
ferramentas não substituem o papel docente, mas potencializam sua atuação como mediador,  
orientador e facilitador do desenvolvimento de competências complexas.  
Ademais, os recursos baseados em IA favorecem o desenvolvimento de habilidades  
cognitivas de maior complexidade ligadas aos níveis superiores da Taxonomia de Bloom. Em  
vez de despenderem esforço cognitivo nas bases da pirâmide (como recordar fatos isolados ou  
memorizar regras, tarefas facilmente terceirizadas para a IA), os alunos são desafiados a focar  
nas etapas de análise crítica dos dados sintéticos produzidos, avaliação de vieses e criação de  
novas soluções autorais (Domínguez-González et al., 2023).  
A incorporação da IA ao design instrucional representa outro avanço importante.  
Sistemas inteligentes permitem estruturar sequências didáticas mais eficientes, selecionar  
recursos personalizados e organizar avaliações formativas contínuas, favorecendo intervenções  
pedagógicas mais precisas. Modelos de planejamento apoiados por IA ampliam a capacidade  
dos professores de acompanhar o progresso individual dos estudantes e realizar ajustes durante  
as atividades, tornando o processo educativo mais flexível e responsivo (Ruiz-Rojas et al., 2023;  
Jane; Wibowo, 2023; Zhang, 2022).  
Os benefícios observados coexistem com desafios éticos e estruturais relevantes que  
exigem atenção das IES. A rápida expansão da IA generativa intensificou preocupações com a  
integridade acadêmica, especialmente diante do aumento das possibilidades de plágio  
sofisticado, produção automatizada de trabalhos e dificuldades na identificação da autoria. Esse  
panorama tem exigido das instituições novas estratégias de avaliação processual e a revisão das  
políticas de integridade científica (Cebrián-Robles et al., 2023; Tacuri et al., 2024).  
Além disso, aspectos éticos amplos emergem como preocupações centrais nesta revisão.  
Os estudos destacam desafios relacionados à proteção de dados pessoais, transparência dos  
algoritmos, confiabilidade das informações produzidas pelos sistemas inteligentes,  
responsabilização pelas decisões automatizadas, justiça na utilização e mitigação de possíveis  
vieses presentes nos algoritmos (Avendaño; Copertari, 2022; Malinka et al., 2023; Pedró, 2020;  
Zhang; Andwari, 2021). Tais evidências demonstram que a incorporação da IA exige não apenas  
investimentos tecnológicos, mas também a elaboração de marcos regulatórios institucionais e a  
formação ética de professores e estudantes como componente indispensável da alfabetização  
digital.  
Outro fator amplamente discutido refere-se à necessidade de fortalecimento da  
infraestrutura tecnológica. Estudos relatam limitações decorrentes da insuficiência de recursos  
tecnológicos, da desigualdade de acesso às ferramentas digitais e da ausência de programas  
sistemáticos de capacitação profissional (Aghaziarati; Nejatifara; Abedi, 2023; Gu; Li, 2024).  
Essas barreiras demonstram que o sucesso da implementação da IA depende diretamente de  
suporte técnico e de condições institucionais que favoreçam sua utilização crítica.  
Por fim, a literatura reafirma a necessidade de preservar o papel do professor como  
mediador do processo educativo. Embora a IA seja capaz de automatizar diversas atividades, há  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
consenso de que ela não substitui a atuação docente; ao contrário, amplia a importância do  
professor como responsável pela mediação pedagógica, promoção da aprendizagem  
colaborativa e formação ética dos estudantes (Radhamani et al., 2015).  
CONSIDERAÇÕES FINAIS  
A presente revisão sistemática permitiu compreender o panorama das evidências  
científicas acerca da utilização da inteligência artificial (IA) na educação universitária,  
demonstrando que sua incorporação tem promovido mudanças significativas nos processos de  
ensino, aprendizagem, gestão acadêmica e atuação docente. Os resultados evidenciaram que a  
IA constitui uma tecnologia com elevado potencial para personalizar a aprendizagem, otimizar  
processos administrativos, ampliar a efetividade das práticas pedagógicas e favorecer o  
desenvolvimento de competências digitais compatíveis com as demandas da sociedade  
contemporânea.  
As percepções majoritariamente favoráveis de docentes e estudantes em relação à  
utilização da inteligência artificial reconhecem sua capacidade de apoiar a construção do  
conhecimento, fornecer feedbacks imediatos, estimular a aprendizagem autônoma e ampliar as  
possibilidades de inovação educacional. Entretanto, a literatura é categórica ao apontar que a  
efetividade prática dessas tecnologias não ocorre por gravidade: ela depende da existência de  
infraestrutura adequada, formação continuada dos professores, políticas institucionais de  
integração tecnológica e desenhos curriculares que valorizem o protagonismo e a interação  
humana.  
Os desafios éticos associados à expansão da inteligência artificial no ensino superior  
também receberam destaque central nos estudos. Questões relacionadas à integridade  
acadêmica, ao plágio, à privacidade dos dados, à transparência algorítmica, aos vieses dos  
sistemas inteligentes e à responsabilidade pelo uso dessas tecnologias demonstram que sua  
adoção exige não apenas investimentos em infraestrutura, mas também a construção de marcos  
regulatórios e referenciais éticos locais capazes de assegurar uma utilização crítica, segura e  
socialmente responsável nas universidades.  
A análise da produção científica evidenciou uma concentração expressiva de estudos  
internacionais, especialmente provenientes da Ásia, Europa e outros países da América Latina,  
o que contrasta com a ausência de publicações brasileiras entre os artigos incluídos na amostra  
final desta revisão. Essa lacuna empírica demonstra a necessidade urgente de ampliar as  
investigações nacionais sobre inteligência artificial na educação superior, considerando as  
especificidades das instituições brasileiras, o desenho de nossas diretrizes curriculares, as  
políticas públicas educacionais do país e os diferentes contextos socioeconômicos e culturais  
que caracterizam o território nacional.  
Além disso, observou-se que grande parte das pesquisas atuais ainda se concentra na  
descrição das potencialidades técnicas e teóricas das ferramentas de IA. Há escassez de estudos  
longitudinais e de investigações aplicadas que avaliem, a longo prazo, os impactos efetivos  
dessas tecnologias sobre o ganho de aprendizagem real, o desenvolvimento de competências  
profissionais específicas, o desempenho acadêmico comparado e a qualidade da formação  
docente em diferentes áreas do conhecimento. Recomenda-se, portanto, que pesquisas futuras  
priorizem delineamentos metodológicos experimentais e de longo prazo, capazes de fornecer  
dados mais robustos sobre os diferentes modelos de implementação adotados pelas instituições  
de ensino superior.  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
Em conclusão, a consolidação da inteligência artificial no ensino superior requer uma  
abordagem que ultrapasse a mera instrumentalização tecnológica. Seu potencial transformador  
depende de uma articulação institucional orgânica e planejada, pautada por políticas consistentes  
de letramento digital e princípios éticos claros. Somente ao alinhar a inovação tecnológica à  
intencionalidade pedagógica e à valorização das relações interpessoais será possível garantir que  
a inteligência artificial atue como um real elemento de qualificação, inclusão e fomento ao  
pensamento crítico no ambiente universitário.  
REFERÊNCIAS  
ABBASI, M. et al. Artificial intelligence: a look back to the future in university education. In: VILLACÍS,  
E. et al (Orgs.), Proceedings of International Structural Engineering and Construction, [s.l.]: ISEC Press,  
2024, v. 11.  
AGHAZIARATI, A.; NEJATIFAR, S.; ABEDI, A. Artificial Intelligence in Education: Investigating  
Teacher Attitudes. AI and Tech in Behavioral and Social Sciences, v. 1, n. 1, p. 35–42, 2023.  
ALKAN, A. Artificial Intelligence: Its Role and Potential in Education. İnsan ve Toplum Bilimleri  
Araştırmaları  
Dergisi,  
v.  
13,  
n.  
1,  
p.  
483–497,  
2024.  
Disponível  
em:https://dergipark.org.tr/en/pub/itobiad/issue/83428/1331201. Acesso em: 1 março. 2026.  
ALSHRANE, S. A proposed strategy to develop the preparation of the general education teacher in the  
Kingdom of Saudi Arabia in light of the trends of artificial intelligence. 
لبحوث
ل
 
ة
م
محک
 
ية
م
عل
 
مجلة
 
ة
ي
ب
تر
ل
ا
(
زهر
ل
اأ
:) 
عية
ما
جت
ل
اا
و
 
نفسية
ل
ا
و
 
ة
ي
و
ب
تر
ل
ا
, v. 41, n. 196, p. 329-413, 2022.  
ALVAREZ, G. A. The integration of artificial intelligence in language models in civil engineering  
university education: the case of ChatGPT. Remittances Review, v. 8, n. 4, p. 2187-2196, 2023.  
AZAMBUJA, C. C. de; SILVA, G. F. da. Novos desafios para a educação na Era da Inteligência Artificial.  
Filosofia Unisinos, v. 25, n. 1, p. e25107, 2024.  
AVENDAÑO, Fernando; COPERTARI, Susana (coords.). ¿Qué escuela para la postpandemia? Rosario:  
Homo Sapiens Ediciones, 2022.  
AZEVEDO, A.; AZEVEDO, P. Digital Education, Work and Artificial Intelligence: Health and Law.  
EDEN. Conference Proceedings, p. 277–288, 2020.  
BARIK, L.; BARUKAB, O.; ALI AHMED, A. Employing artificial intelligence techniques for student  
performance evaluation and teaching strategy enrichment: An innovative approach. International Journal  
of Advanced and Applied Sciences, v. 7, n. 11, p. 10–24, 2020.  
BEARMAN, M.; AJJAWI, R. Learning to work with the black box: Pedagogy for a world with artificial  
intelligence. British Journal of Educational Technology, v. 54, p. 1160–1173, 2023. DOI: 10.1111/bjet.13337.  
BHUTORIA, A. Personalized Education and Artificial Intelligence in the United States, China, and  
India: A Systematic Review Using a Human-in-The-Loop Model. Computers and Education: Artificial  
Intelligence, v. 3, art. 100068, 2022. DOI: https://doi.org/10.1016/j.caeai.2022.100068.  
COPERTARI, Susana. LOPES, Claudio Neves. Pedagogia da Virtualização em Tempos de  
Pandemia. Revista Científica Educ@ção, v. 4, n. 8, p. 905–921, 20 out. 2020.  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
COPERTARI, Susana. Debates y desafíos de la inteligencia artificial en las aulas. Rosario: Homo Sapiens  
Ediciones, 2024.  
COPERTARI, Susana; NEVES LOPES, Claudio; DELMASCHIO, Claudio. La Techné Educativa en  
pandemia. São Paulo: RCE Editora, 2023. DOI: https://doi.org/10.46616/editorarce-978-65-00-71566-  
8.  
COPERTARI, Susana; AVENDAÑO, Fernando (comps.). Entre tizas, chips e inteligencia artificial. Rosario:  
Homo Sapiens Ediciones, 2025.  
CHAMORRO-ATALAYA, O. et al, Application of the Chatbot in University Education: A Systematic  
Review on the Acceptance and Impact on Learning, Journal of Media Critiques. Brazil, Vol. 11, n. 27, p. 01-  
28, 2025.  
CHAMORRO-ATALAYA, O. et al, Application of the Chatbot in University Education: A Bibliometric  
Analysis of Indexed Scientific Production in SCOPUS, 2013-2023, International Journal of Learning, Teaching  
and Educational Research, v. 22, n. 7, p. 281–304, 2023.  
CEBRIÁN-ROBLES, V.; RUÍZ-REY, F.J.; RAPOSO-RIVAS, M.; et al. Impact of Digital Contexts in  
the Training of University Education Students. Education Sciences, v. 13, n. 9, 2023.  
COSTA JÚNIOR, J. F. et al. A inteligência artificial como ferramenta de apoio no ensino superior.  
Rebena - Revista Brasileira de Ensino e Aprendizagem, v. 6, p. 246–269, 2023.  
DEMIANENKO, V. Artificial intelligence systems in adaptive learning. Theory and practice of science  
education, v. 1, n. 1, p. 102-110, 2019. ISSN 978-617-7734-13-9.  
DÍAZ, J.R.S.; FERNÁNDEZ, B.E.; GUEVARA, O.C.M. Literacy in artificial intelligence content: an  
urgent challenge for cuban universities, Bibliotecas, Anales de Investigacion, v. 20, n. 1, 2024.Acesso em: 1  
jun. 2024.  
DOMÍNGUEZ-GONZÁLEZ, M. Á. et al. Attention to diversity from artificial intelligence. The  
European Educational Researcher, v. 6, p. 101–115, 2023.  
DURO, Ç.; XHAKO, D.; HYKA, N. Higher Education Study Programs Orientation on the  
Applications of Artificial Intelligence. Migration Letters, v. 20, n. S8, p. 377–383, 2023.  
DUQUE, R. C. S. et al. (Orgs). Ferramentas Tecnológicas e Abordagens Pedagógicas na Educação: Uma Integração  
Necessária na Formação Docente. São Paulo: EBPCA - Editora Brasileira de Publicação Científica Aluz, 2023.  
FRANQUEIRA, A.S. et al. Inteligência Artificial na educação: personalização e adaptatividade no  
processo de ensino-aprendizagem. Contribuciones a Las Ciencias Sociales, v. 17, n. 9, p. e10273, 2024.  
FLOREA, A. M.; RADU, S. Artificial Intelligence and Education, 2019. Journal of Media Critiques. Brazil,  
Vol.  
11,  
n.  
27,  
p.  
01-28,  
2025.  
Disponível  
em:  
https://www.researchgate.net/publication/334078230_Artificial_Intelligence_and_Education. Acesso  
em: 1 março. 2026.  
GALINDO-DOMÍNGUEZ, H. et al. Relationship between teachers’ digital competence and attitudes  
towards artificial intelligence in education. International Journal of Educational Research, v. 126, p. 102381,  
2024.  
GARCÍA-PEÑALVO, Francisco. La inteligencia artificial generativa en educación: posibilidades y desafíos. 2023.  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
GRASSE, O. et al. AI Approaches in Education Based on Individual Learner Characteristics: A Review,  
in: IEEE Int. Conf. Eng. Educ., ICEED, [s.l.]: Institute of Electrical and Electronics Engineers Inc., 2023, p.  
50–55.  
GU, G.; LI, H. Analysis of the Current State of Artificial Intelligence and Higher Education Research  
Based on Co-word Analysis. In: NMDME 2023: Proceedings of the 3rd International Conference on  
New Media Development and Modernized Education, NMDME 2023, October 13–15, 2023, Xi’an,  
China. European Alliance for Innovation, 2024. p. 74. Disponível em: https://eudl.eu/pdf/10.4108/eai.13-  
102023.2341285. Acesso em: 03 mar. 2026.  
ПАНУХНИК, О. В. Management of the university education system: integration of artificial  
intelligence tools and ethical literacy in Ukraine. Time description of economic reforms, n. 1, p. 86–92, 2024.  
HE, Q.; CHEN, H.; MO, X. Practical application of interactive AI technology based on visual analysis  
in professional system of physical education in universities. Heliyon, v. 10, n. 3, p. e24627, 2024.  
HU, J. Analysis of informationization teaching algorithms based on the internet of things, Journal of  
Intelligent and Fuzzy Systems, v. 46, n. 2, p. 3527–3544, 2024.  
KAZANTSEVA, N.V.; SERGEEVA, K.N.; DEMINA, N.A., Actual Problems of Using Digital  
Technologies in Russian Higher Education. Stud. Syst. Decis. Control., v. 314, p. 1033–1041, 2021.  
KÖPRÜLÜ, F.et al. Innovative Effects of Artificial Intelligence on Teacher Education. Conhecimento &  
Diversidade, v. 15, p. 449–465, 2023.  
KUTIŠ, T.; ŽILÍNKOVÁ, K. Infiltration of artificial intelligence in education. R&E SOURCE, p. 140–154,  
2024.  
LAN, Q. Construction of personalized education model for college students driven by big data and  
artificial intelligence. Journal of Physics: Conference Series, p. 032022, 2021.  
LEE, Y-J.; DAVIS, R. Korean in-service teachers’ perceptions of implementing artificial intelligence (AI)  
education for teaching in schools and their AI teacher training. Journal of Media Critiques. Brazil, Vol. 11,  
n. 27, p. 01-28, 2025  
LIU, H.; LI, Y.; LUO, W. Artificial intelligence in English language teaching. In: 3rd International  
Conference on Education, Language and Art (ICELA 2023). Atlantis Press, 2024. p. 120-131. Disponível  
em: https://api.semanticscholar.org/CorpusID:268256321. Acesso em: 01 março. 2026.  
LOPEZ-CARRENO, J. et al. Artificial-Intelligence-Based School Assistant for Detecting the Behavior  
of University Students. In: Proc. IEEE Int. Conf. Adv. Learn. Technol. Educ. Res., ICALTER, [s.l.]:  
Institute  
of  
Electrical  
and  
Electronics  
Engineers  
Inc.,  
2022.  
Disponível  
em:  
https://www.scopus.com/inward/record.uri?eid=2-s2.0-  
85144154535&doi=10.1109%2fICALTER57193.2022.9964801&partnerID=40&md5=3d1699edc9c59  
5fcf386104c5d004b3c. Acesso em: 01 março. 2026.  
LOPEZ-CARREÑO, J.; CALVO-LAVADO, C.; ZARATE-PEREZ, E. University Student Control  
Detection System Based on Machine Learning and Artificial Intelligence. In: LARRONDO, P. M. M.;  
TEXIER, J.; MATTA, R. A. R. (Orgs.). Proc. LACCEI int. multi-conf. eng. educ. technol. [s.l.]: Latin American  
and  
Caribbean  
Consortium  
of  
Engineering  
Institutions,  
2022.  
Disponível  
em:  
https://www.scopus.com/inward/record.uri?eid=2-  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
s2.085150700942&doi=10.18687%2fLEIRD2022.1.1.178&partnerID=40&md5=58b6f866420da07e80  
5b640e48b5a740. Acesso em: 01 março. 2026.  
LÓPEZ REGALADO, O. et al. El Análisis del uso de la inteligencia artificial en la educación  
universitaria: una revisión sistemática (Analysis of the use of artificial intelligence in university education:  
a systematic review). Pixel-Bit. Revista de Medios y Educación, v. 70, p. 97–122, 2024.  
MACEA-ANAYA, M. et al. Designing a Framework for the Appropriation of Information Technologies  
in University Teachers: A Four-Phase Approach. Data and Metadata, v. 2, p. 53-53, 2023.  
MALINKA, K. et al. On the Educational Impact of ChatGPT: Is Artificial Intelligence Ready to Obtain  
a University Degree? In: Proceedings of the 2023. Conference on Innovation and Technology in Computer Science  
Education, v. 1, 2023, p. 47-53.  
MOHAMMED, S. I. et al. Perceptions of Senior Pharmacy Students Towards the Impact of Artificial  
Intelligence on University Education and Scientific Writing: A Qualitative Study. Al-Rafidain Journal of  
Medical Sciences, v. 6, n. 1, p. 142–146, 2024.  
MOHANACHANDRAN, D. K. et al. Smart University and Artificial Intelligence. In: HAMDAN, A. et  
al. (Orgs.). The Fourth Industrial Revolution: Implementation of Artificial Intelligence for Growing  
Business Success. Cham: Springer International Publishing, 2021, p. 255–279. Disponível em:  
https://link.springer.com/chapter/10.1007/978-3-030-627966_15#citeas. Acesso em: 01 abril. 2026.  
NARANJO, I. E. P. et al. ChatGPT in the Classroom: Empowering University Education through  
Artificial Intelligence and Social Sciences. Migration Letters, London, UK, v. 20, n. S11, p. 358–367, 2023.  
OCAÑA-FERNANDEZ, Y.; VALENZUELA-FERNANDEZ, L.; GARRO-ABURTO, L. Artificial  
intelligence and its implications in higher education. Propósitos y Representaciones, v. 7, n. 2, p. 536-568,  
2019.  
PEDRÓ, F. Applications of Artificial Intelligence to higher education: possibilities, evidence, and  
challenges. IUL Research, v. 1, n. 1, p. 61–76, 2020.  
PINHEIRO, W. S.; VALENTE, E. A. T. Inteligência artificial na educação: entre a inovação tecnológica  
e o desafio ético. Revista Políticas Públicas & Cidades, v. 13, n. 2, p. e1257, 2024.  
RADHAMANI, R. et al. Role of Biotechnology simulation and remotely triggered virtual labs in  
complementing university education. In: Proc. Int. Conf. Interact. Mob. Commun. Technol. Learn,  
IMCL. [s.l.]: Institute of Electrical and Electronics Engineers Inc., 2015, p. 28–32. Disponível em:  
https://www.scopus.com/inward/record.uri?eid=2-  
s2.084962476283&doi=10.1109%2fIMCTL.2015.7359548&partnerID=40&md5=afe81aacb0bf723b9c  
6a9e6825db7a31. Acesso em:1 jun. 2024  
RODRIGUES, O. S.; RODRIGUES, K. S. A inteligência artificial na educação: os desafios do  
ChatGPT. Texto Livre, v. 16, p. e45997, 2023.  
ROY, R. et al. Evaluating the Intention for the Adoption of Artificial Intelligence-Based Robots in the  
University to Educate the Students. IEEE Access, v. 10, p. 125 - 146, 2022.  
RUIZ-ROJAS, L.I. et al. Empowering Education with Generative Artificial Intelligence Tools: Approach  
with an Instructional Design Matrix. Sustainability (Switzerland), v. 15, n. 15, 2023.  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
SAMARESCU, N. et al. Artificial intelligence in education: next-gen teacher perspectives. Amfiteatru  
Economic, v. XXVI, p. 145–161, 2024.  
SANG, G. Utilization of artificial intelligence technology in higher education management: teaching  
theory and practical skills of landscape architecture construction Journal of Media Critiques. Brazil, Vol. 11,  
n. 27, p. 01-28, 2025  
SIRGHI, N. et al. Challenges of artificial intelligence on the learning process in Higher education.  
Amfiteatru Economic, v. 26, p. 53, 2024.  
SU, L. The Use of Thinking Visualization Techniques in College Teaching Based on Improved Genetic  
Algorithms. Computational Intelligence and Neuroscience, v. 2022, p. 850 - 877, 2022.  
STRAKOVÁ, N.; VÁLEK, J. Chatbots as a learning tool: artificial intelligence in education. R&E-  
SOURCE, p. 245–265, 2024.  
TACURI, J. C. T. et al. Analysis of the implementation of artificial intelligence in the detection and  
prevention of academic plagiarism in a university environment. Revista de Gestao Social e Ambiental, v. 18,  
n. 8, 2024.  
TANG, M. et al. Research on classroom interaction mode based on artificial intelligence technology.  
Journal of Physics: Conference Series, v. 1314, p. 012216, 2019.  
VIDAL, I. M. G.; GARCÍA, M. C. R.; GONZÁLEZ, A. A. R. Impact of teacher training in computational  
thinking on educational innovation and use of Artificial Intelligence, 2024. Disponível em:  
https://www.researchsquare.com/article/rs4311604/v2. Acesso em: 03 mar. 2026.  
ZHANG, A.; YU, Z. Teacher robot, a new concept of modern teaching. In: 2011 6th International  
Conference on Computer Science & Education (ICCSE). IEEE, 2011. p. 691-696.  
ZHANG, J.; ANDWARI, D. Ethical reflection on the deep embedding of artificial intelligence in  
university teaching. In: International Conference on Signal and Information Processing, Networking and  
Computers. Singapore: Springer Nature Singapore, 2021. p. 1197-1204.  
ZHANG, W.; SHANKAR, A.; ANTONIDOSS, A. Modern art education and teaching based on  
artificial intelligence. Journal of Interconnection Networks, v. 22, n. Supp01, p. 2141, 2022.  
ZHAI, C.; WIBOWO, S. A systematic review on artificial intelligence dialogue systems for enhancing  
English as foreign language students’ interactional competence in the university. Computers and Education:  
Artificial Intelligence, v. 4, p. 1001, 2023.  
ZHOU, Y. Beliefs and Practice Evaluation Based on Artificial Intelligence Models under the IP  
Environment. Journal of Environmental and Public Health, v. 2022, 2022.  
WARDAT, Y. et al. Artificial intelligence in education: mathematics teachers’ perspectives, practices and  
challenges. Iraqi Journal for Computer Science and Mathematics, v. 5, p. 60–77, 2024.  
WEN, J. Innovative Application of Artificial Intelligence Technology in College Physical Education.  
Journal of Physics: Conference Series, v. 1881, n. 4, p. 042028, 2021.  
YANG, Y. The Potential Energy of Artificial Intelligence Technology in University Education Reform  
from the Perspective of Communication Science. Mobile Information Systems, v. 2021, 2021.  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.  
WINIARTI, Sri; SUNARDI; AHDIANI, Ulaya; PRANOLO, Andri. Tradition meets modernity:  
learning traditional building using artificial intelligence. Asian Journal of University Education, v. 18, n. 2, p.  
375–385, abr. 2022.  
YANG, T.-C. Application of artificial intelligence techniques in analysis and assessment of digital  
competence in university courses. Educational Technology & Society, v. 26, n. 1, p. 232–243, 2023.  
YESLYAMOV, S. Application of Software Robots Using Artificial Intelligence Technologies in the  
Educational Process of the University. Journal of Robotics and Control (JRC), v. 5, n. 2, p. 359–369, 2024.  
YU, H.; NAZIR, S. Role of 5G and artificial intelligence for research and transformation of English  
situational teaching in higher studies. Mobile Information Systems, v. 2021, p. 1–16, 2021.  
Submetido em abril 2026  
Aprovado em julho 2026  
Informações do (a) (s) autor(a)(es)  
Nome do autor: Claudio Neves Lopes  
Grau de escolaridade: Doutor em Educação  
Afiliação institucional: Universidade Santo Amaro (UNISA)  
E-mail: cnlopes@prof.unisa.br  
ORCID: https://orcid.org/0000-0003-1411-0174  
Link Lattes: http://lattes.cnpq.br/9077468651694064  
Nome do autor: Irineu Lopes  
Grau de escolaridade: Mestre em Educação  
Afiliação institucional: APAE de Miracatu  
E-mail: irineumiracatu@yahoo.com.br  
ORCID: https://orcid.org/0000-0001-7192-3046  
Link Lattes: https://lattes.cnpq.br/9823211563339988  
Nome do autor: Vera Lúcia Oliveira Ponciano  
Grau de escolaridade: Doutora em Educação  
Afiliação Institucional: Universidade Santo Amaro (UNISA)  
E-mail: vloponciano@prof.unisa.br  
ORCID: https://orcid.org/0000-0002-0099-0839  
Link Lattes: http://lattes.cnpq.br/0129211583987754  
Revista Científica Educ@ção v.11● n.17● jan-dez/2026 ●Demanda contínua.