Apresentação do Programa
O Mestrado em Inteligência Artificial aplicada à Educação é um programa de pós-graduação projetado para acompanhar docentes e profissionais da educação em uma transformação inevitável: a integração ética, crítica e pedagogicamente sólida da Inteligência Artificial (IA) nos processos educacionais.
A rápida expansão das ferramentas baseadas em IA está modificando a forma como ensinamos, avaliamos e gerenciamos ambientes educacionais. Diante destas mudanças, este mestrado oferece uma formação rigorosa e atualizada, voltada tanto para o desenvolvimento profissional quanto para a iniciação da pesquisa educacional aplicada a contextos reais da América Latina —marcados pela diversidade cultural, pelas brechas digitais e pelas necessidades de inovação pedagógica.
O programa está estruturado em três pilares essenciais: inovação pedagógica, competências digitais avançadas e uso ético e responsável de tecnologias emergentes. Com base nisso, são analisadas criticamente as oportunidades e os desafios que a IA representa para a educação: personalização do aprendizado, analítica educacional, automação de tarefas, design de ambientes imersivos e gestão de dados, bem como as questões que mais preocupam a comunidade educacional global: privacidade, viés algorítmico, autoria, transparência e equidade.
A integração da IA na educação é uma prioridade não apenas na Europa: também faz parte dos planos e das agendas educacionais dos países latino-americanos e de organizações internacionais como a UNESCO, a CEPAL, o Banco Interamericano de Desenvolvimento (BID) e os ministérios da educação da região. Neste contexto, o mestrado prepara seus egressos para atuar como:
- Docentes inovadores, capazes de projetar experiências personalizadas, inclusivas e éticas com o apoio da IA.
- Pesquisadores(as) em IA educacional, com habilidades para analisar dados, avaliar tecnologias emergentes e gerar evidências para o aprimoramento educacional.
- Líderes educacionais, preparados para promover processos de transformação pedagógica e tecnológica em diversas instituições e contextos formativos.
Orientação profissional
Ao longo do programa, os estudantes aprenderão a:
- Integrar a IA ao projeto de aulas, cursos e experiências de aprendizagem presenciais, virtuais e híbridas.
- Utilizar ferramentas de aprendizagem automática, processamento de linguagem natural, plataformas adaptativas e analíticas de aprendizagem.
- Implementar práticas docentes atualizadas e fundamentadas em evidências científicas, adequadas aos desafios educacionais da região.
Orientação para pesquisa
Desta forma, o mestrado capacita para:
- Projetar pesquisas rigorosas em IA educacional aplicáveis a contextos escolares e comunitários na América Latina, utilizando metodologias qualitativas, quantitativas e mistas.
- Analisar e interpretar dados educacionais por meio de técnicas avançadas com suporte de IA.
- Desenvolver um projeto de pesquisa que contribua para a melhoria da prática docente e do sistema educacional a partir de uma perspectiva crítica, inclusiva e situada.
A quem é dirigido
O programa é dirigido a profissionais da educação que desejam integrar a Inteligência Artificial de maneira ética, inovadora e pedagogicamente fundamentada em sua prática, bem como para aqueles que buscam iniciar ou fortalecer sua carreira em pesquisa educacional vinculada a tecnologias emergentes.
Destina-se especialmente a pessoas tituladas em áreas educacionais, tais como:
- Graduados(as) ou Diplomados(as) em Magistério, em qualquer uma de suas especialidades.
- Licenciados(as) ou Graduados(as) em Pedagogia.
- Licenciados(as) ou Graduados(as) em Educação Social.
- Graduados(as) ou Diplomados(as) em Educação Infantil.
- Graduados(as) ou Diplomados(as) em educação primária.
- Mestrado em Educação.
- Mestrado em Docência Universitária.
Da mesma forma, poderão ter acesso titulados(as) universitários(as) cuja formação seja equivalente ou afim às anteriores, seja por pertencerem a novas titulações do sistema universitário, seja por serem provenientes de sistemas educacionais internacionais.
Titulação
Ao final do programa, o(a) estudante receberá o título de Mestrado em Inteligência Artificial aplicada à Educação emitido pela Universidade em que esteja matriculado.
Estrutura do Programa
Duração
O Mestrado em Inteligência Artificial aplicada à Educação tem 90 créditos.
A duração do programa varia entre 12 e 17 meses, dependendo da dedicação do(a) estudante. Neste período, o(a) estudante deve ter concluído com êxito todas as atividades avaliativas e obtido aprovação no Trabalho Final de Mestrado.
Objetivos
Os principais objetivos de aprendizagem do mestrado são que os(as) estudantes sejam capazes de:
- Interpretar dados educacionais utilizando métodos qualitativos, quantitativos e mistos, aplicando critérios éticos, de validade, de cibersegurança e de proteção de dados.
- Utilizar redes neurais, modelos adaptativos e técnicas de processamento de linguagem natural para desenvolver tarefas educacionais, como análise de sentimentos, classificação, tutoria acadêmica e personalização do aprendizado.
- Formular propostas didáticas mediadas por IA —incluindo tutoria inteligente, avaliação automatizada, análise educacional e microaprendizagem— baseadas em evidências pedagógicas e tecnológicas.
- Aplicar metodologias ativas sustentadas em tecnologias emergentes (realidade aumentada, realidade virtual, big data, IA generativa e ambientes tridimensionais) em diferentes áreas disciplinares.
- Construir experiências de aprendizagem a partir de uma perspectiva neurodidática, integrando conteúdos, estratégias e ambientes disruptivos que favoreçam a colaboração e a tomada de decisões.
- Orientar as equipes docentes na adoção ética e pedagógica da IA e da neuroeducação, promovendo a atenção à diversidade, a gestão emocional e o aprimoramento das práticas em sala de aula.
- Caracterizar os fundamentos da Inteligência Artificial, da aprendizagem automática e da aprendizagem profunda, bem como suas aplicações em ambientes educacionais presenciais, virtuais e híbridos.
- Descrever os princípios essenciais da neuroeducação, abordando o funcionamento cerebral, plasticidade, funções executivas, modos de aprendizagem e a análise crítica dos neuromitos.
- Integrar abordagens neuroeducacionais na personalização do aprendizado, considerando a atenção, a memória, as emoções, a neurodiversidade e a lacuna cognitiva dos(as) estudantes.
- Desenvolver um Trabalho Final de Mestrado que articule de maneira coerente os conhecimentos e habilidades adquiridas, orientado a melhoria de problemas reais em contextos educacionais.
Saídas Profissionais
O mestrado prepara o(a) estudante para atuar como:
- Docente inovador(a), capaz de incorporar IA, estratégias ativas e recursos digitais avançados nos processos de ensino-aprendizagem.
- Coordenador(a) de transformação educacional, responsável por promover projetos de digitalização e melhoria institucional baseados em tecnologias emergentes.
- Designer de experiências de aprendizado mediadas por IA, especializado(a) na criação de conteúdos adaptáveis, atividades personalizadas e ambientes virtuais ou imersivos.
- Consultor(a) em tecnologias educacionais, acompanhando instituições, equipes docentes e projetos formativos na adoção ética e eficaz de soluções baseadas em IA.
- Analista de Aprendizagem (Learning Analytics Specialist), dedicado(a) a interpretar dados educacionais para orientar decisões pedagógicas e fortalecer a avaliação.
- Pesquisador(a) em Inteligência Artificial aplicada à educação, desenvolvendo estudos, pilotos e projetos de inovação voltados para a melhoria da qualidade da educação.
Plano de estudos
O plano de estudos do Mestrado em Inteligência Artificial aplicada à Educação totaliza 90 créditos e é composto pelas seguintes disciplinas:
| BLOCO 1: APRENDIZAGEM AUTOMÁTICA E PLN APLICADOS A AMBIENTES EDUCACIONAIS | ||
|---|---|---|
| # | DISCIPLINAS | CRÉDITOS |
| 1 | Aprendizagem Automática e Redes Neurais | 7 |
| 2 | Processamento de Linguagem Natural | 6 |
| TOTAL | 13 | |
| BLOCO 2: INTELIGÊNCIA ARTIFICIAL PARA A SALA DE AULA IMERSIVA | ||
|---|---|---|
| # | DISCIPLINAS | CRÉDITOS |
| 1 | Desenhos de Ambientes Educacionais com Inteligência Artificial | 7 |
| 2 | Aplicações da Inteligência Artificial na Sala de Aula Presencial e Virtual | 7 |
| 3 | Realidade Estendida e Inteligência Artificial | 7 |
| TOTAL | 21 | |
| BLOCO 3: BIG DATA E LEARNING ANALYTICS: PERSONALIZAÇÃO E AVALIAÇÃO DE APRENDIZAGENS | ||
|---|---|---|
| # | DISCIPLINAS | CRÉDITOS |
| 1 | DO DADOS À INFORMAÇÃO | 7 |
| 2 | Avaliação da Aprendizagem e Inteligência Artificial | 7 |
| TOTAL | 14 | |
| BLOCO 4: DESENVOLVIMENTO PROFISSIONAL E METODOLOGIA DE PESQUISA EDUCACIONAL | ||
|---|---|---|
| # | DISCIPLINAS | CRÉDITOS |
| 1 | Desenvolvimento Profissional Docente | 6 |
| 2 | Seminário de Iniciação à Pesquisa em Inteligência Artificial aplicada à Educação | 2 |
| 3 | Metodologias de Pesquisa em Inteligência Artificial aplicada à Educação | 5 |
| TOTAL | 13 | |
| BLOCO 5: NEUROCIÊNCIA EDUCACIONAL E IA | ||
|---|---|---|
| # | DISCIPLINAS | CRÉDITOS |
| 1 | Bases Biológicas e Genéticas do Cérebro | 7 |
| 2 | A Neurociência no Contexto Educacional | 6 |
| 3 | Neurociência Educacional: Mitos e Evidências | 6 |
| TOTAL | 19 | |
| BLOCO 6: TRABALHO FINAL | ||
|---|---|---|
| # | DISCIPLINAS | CRÉDITOS |
| 1 | Trabalho Final do Mestrado | 10 |
| TOTAL | 10 | |
*O número de créditos e a duração do mestrado podem variar dependendo da universidade pela qual se obtenha o título.
Descrições dos Cursos
BLOCO 1: APRENDIZAGEM AUTOMÁTICA E PLN APLICADOS A AMBIENTES EDUCACIONAIS
- APRENDIZAGEM AUTOMÁTICA E REDES NEURAIS
Como funciona a aprendizagem automática? O que é machine learning? Diferença entre aprendizagem automática e aprendizagem profunda. Tipos de aprendizagem automática: supervisionada, não supervisionada e por reforço. Redes neurais, processamento de dados e detecção de objetos. Comparação de funcionamento entre redes neurais e machine learning. Aplicações práticas da Inteligência Artificial em diversos campos: aprendizagem automática, aprendizagem profunda e processamento de linguagem natural (PNL): automação de tarefas, agentes virtuais, chatbots, IA conversacional. Projetando experiências de aprendizagem personalizadas. Adaptação do conteúdo de acordo com as necessidades do(a) estudante. Sistemas de Recomendação.
- PROCESSAMENTO DE LINGUAGEM NATURAL
Processamento de Linguagem Natural (NLP). Modelos de linguagem conversacionais (LLM). Linguagem natural e representação de conteúdos. Análise sintática e semântica. Criação e compreensão de textos. Aplicação de Sistemas de processamento de linguagem natural no ensino. Aprendizagem Automático, Linguagem e Percepção: agentes Inteligentes e Interação. Text Mining (mineração de texto)
BLOCO 2: INTELIGÊNCIA ARTIFICIAL PARA A SALA DE AULA IMERSIVA
- PROJETO DE AMBIENTES EDUCACIONAIS COM INTELIGÊNCIA ARTIFICIAL
Princípios da Inteligência Artificial e sua aplicação educacional; inteligências generativas para co-evoluir e co-criar com a IA; análise crítica de neuromitos e seu impacto no planejamento e na instrução; implementação eficaz da IA em ambientes educacionais e análise de cenários futuros; projeto neuroeducacional de programas, cursos e conteúdos apoiados por IA; estratégias de aprendizagem em ambientes disruptivos; desenvolvimento de itinerários, práticas e trajetórias personalizadas; criação de conteúdos e atividades adaptados às necessidades, ritmos e estilos de aprendizagem; integração curricular da IA para promover a autonomia e a participação; avaliação e feedback automatizado; e planejamento tecnopedagógico de experiências, lições e materiais com ferramentas de IA.
- APLICAÇÕES DA INTELIGÊNCIA ARTIFICIAL EM SALA DE AULA PRESENCIAL E VIRTUAL
Tendências em e-Learning (aprendizagem personalizada, microaprendizagem, gamificação e mobile learning); integração da IA na sala de aula por meio de plataformas adaptativas, tutoria inteligente e análise de dados; metodologias ativas apoiadas por tecnologia (sala de aula invertida, aprendizagem colaborativa, EAS e Visual Thinking); uso de tecnologias emergentes, como realidade virtual e aumentada, videogames, simulações e metaverso; ferramentas docentes para planejamento, comunicação e criação de conteúdos; programação e robótica educacional; e Inteligência Artificial generativa para a produção de textos, imagens, áudio e o uso de chatbots e assistentes virtuais.
- REALIDADE ESTENDIDA E INTELIGÊNCIA ARTIFICIAL
Convergência entre neurociência, inteligência artificial e realidade estendida: revisão crítica de marcos teóricos e descobertas recentes. Aplicações da IA para pesquisar processos cognitivos (memória, atenção, tomada de decisões) e para o projeto de aprendizagem adaptativa. Análise de algoritmos e plataformas para personalização educacional: potencial, limitações e debates éticos. Estratégias neuroeducacionais apoiadas pela realidade ampliada: experiências multissensoriais e seu impacto na atenção, memória e motivação. Avaliação crítica de ferramentas didáticas baseadas em IA e RE (chatbots, learning analytics, ambientes imersivos). Projeto e análise de experiências educacionais com IA e RE a partir de uma perspectiva de pesquisa: linhas emergentes e desafios. Tendências emergentes em IA imersiva.
BLOCO 3: BIG DATA E LEARNING ANALYTICS: PERSONALIZAÇÃO E AVALIAÇÃO DE APRENDIZAGENS
- DO DADO À INFORMAÇÃO
Como os dados educacionais informam o ensino e a diferença entre dados, informações e conhecimento; estratégias de contextualização e análise de dados; pegada digital, privacidade e segurança no aprendizado on-line; fundamentos de cibersegurança e proteção de dados em plataformas educacionais; responsabilidade digital e direitos em ambientes virtuais; Big Data e algoritmos de aprendizagem de máquina aplicados à educação; mineração de dados e previsão do rendimento estudantil; coleta, limpeza, processamento e visualização de dados para a tomada de decisões pedagógicas; ferramentas de análise educacional do básico ao avançado; regulamentos de privacidade e segurança (GDPR, FERPA e outros); considerações éticas no uso de dados educacionais; e desenvolvimento de políticas institucionais de privacidade e segurança da informação.
- AVALIAÇÃO DA APRENDIZAGEM E INTELIGÊNCIA ARTIFICIAL
Avaliação da aprendizagem na era digital, da observação docente à análise automatizada; potencial, limites e desafios da avaliação por IA; modalidades diagnóstica, formativa, somativa e de autoavaliação; análitica da aprendizagem para detectar necessidades, trajetórias e risco de abandono; personalização de itinerários e feedback por meio de IA; métodos adaptativos e algoritmos que ajustam a dificuldade e o conteúdo; avaliação automatizada com correção de ensaios, rubricas inteligentes e análise semântica; tutores virtuais e feedback inteligente; avaliação multimodal com análise de voz, emoção e engajamento; projeto e validação de instrumentos assistidos por IA; construção de perguntas algorítmicas; ética, equidades e vieses na avaliação digital; e aplicações práticas, como avaliação por competências, portfólios digitais e gamificação.
BLOCO 4: DESENVOLVIMENTO PROFISSIONAL E METODOLOGIA DE PESQUISA EDUCACIONAL
- DESENVOLVIMENTO PROFISSIONAL DOCENTE
Redefinindo a formação docente: Aprender IA ou Aprender com IA. Papel docente como arquiteto da mudança educacional. Habilidades e competências digitais dos(as) professores(as). Reflexividade, capacidades digitais e resiliência dos professores: formação continua personalizada. As emoções dos professores: chaves na aprendizagem de seus estudantes. Neuroeducação em sala de aula: guia de atuação. Criação e participação em comunidades de prática on-line: criatividade distribuída no contexto educacional. Colaboração criativa entre docentes e sistemas de IA: ferramentas e plataformas. Gestão educacional e IA: empreendedorismo, inovação e criatividade digital.
- SEMINÁRIO DE INICIAÇÃO À PESQUISA EM INTELIGÊNCIA ARTIFICIAL APLICADA À EDUCAÇÃO
Iniciação à pesquisa e à alfabetização cientifica em inteligência artificial aplicada à educação. A pesquisa em Inteligência Artificial aplicada à educação. Leitura crítica e análise de artigos científicos: estrutura de um artigo científico; critérios de leitura crítica; identificação de marcos teóricos e estratégias metodológicas; ferramentas básicas para análise da literatura. Terminologia, estruturas de publicação e fontes de informação científica: termos-chave em Inteligência Artificial aplicada à educação; tipologia de publicações científicas; bancos de dados e repositórios acadêmicos especializados; critérios de pesquisa e avaliação de fontes; gerenciadores de referências bibliográficas e regras de citação APA. Ética básica de pesquisa e uso de evidências científicas.
- METODOLOGIAS DE PESQUISA EM INTELIGÊNCIA ARTIFICIAL APLICADA À EDUCAÇÃO
Projetos de pesquisa em contextos educacionais e socioeducacionais; princípios da pesquisa aplicada e coerência entre problema, objetivos e projeto metodológico; métodos de coleta de dados quantitativos, qualitativos e mistos; triangulação e critérios de validade e confiabilidade; elaboração de propostas metodológicas iniciais (formulação do problema, objetivos, hipóteses, perguntas, amostragem, instrumentos e técnicas de análise); considerações éticas avançadas em pesquisa com estudantes, docentes e comunidades; regulamentação sobre proteção de dados e consentimento informado; gestão responsável de informação sensível e comunicação ética; prevenção de vieses cognitivos e culturais na interpretação; e revisão do funcionamento de protocolos e comitês éticos em pesquisa educacional.
BLOCO 5: NEUROCIÊNCIA EDUCACIONAL E IA
- BASES BIOLÓGICAS E GENÉTICAS DO CÉREBRO
A origem evolutiva do cérebro. O cérebro como parte do sistema nervoso, neurônios, neurotransmissores e redes neurais, genes e aprendizagem, plasticidade e epigenética. Anatomia e morfologia funcional do cérebro. A formação do cérebro: da concepção à idade adulta.
- A NEUROCIÊNCIA NO CONTEXTO EDUCACIONAL
A educação em contexto. Teorias de aprendizagem. Posição da neurociência na educação. O método científico na neuroeducação. A aprendizagem a partir da neurociência. A educação emocional. Emoções e aprendizagem. O que é inteligência emocional?
- NEUROCIÊNCIA EDUCACIONAL: MITOS E EVIDÊNCIAS
Fundamentos epistemológicos da neurociência educacional como campo interdisciplinar, em diálogo com a psicologia cognitiva e a educação. Análise crítica de neuromitos e outras crenças pseudocientíficas na educação, a partir de revisões sistemáticas, meta-análises e estudos sobre a alfabetização científica dos(as) professores(as). Estudo dos processos cognitivos, metacognitivos e de autorregulação (atenção, memória, funções executivas e monitoramento da aprendizagem) a partir de uma perspectiva empírica e metodológica. Avaliação de estratégias pedagógicas com embasamento científico e análise crítica de programas e práticas docentes fundamentadas em evidências. Análise de pesquisas sobre hábitos de vida, saúde cerebral e aprendizagem (sono, alimentação, atividade física, estresse, multitarefa) e suas implicações educacionais.
Nota: O conteúdo do programa acadêmico pode estar sujeito a pequenas modificações, dependendo das atualizações ou das melhorias efetuadas.