Mestrado em Inteligência Artificial aplicada à Educação

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.