Informe Social 2025: inclusão digital como chave para a equidade na educação pública.
Pesquisas e Conteúdos
17.11.2026
Tempo de leitura: 11 minutos

Tutorias com IA: o que sabemos sobre seus efeitos na aprendizagem

Poucas ideias relacionadas ao uso da inteligência artificial na educação despertaram tanta expectativa quanto a possibilidade de adaptar o ensino às necessidades de cada estudante. As tutorias são um bom contexto para avaliar até que ponto essa promessa está sendo cumprida. Uma revisão da Universidade Stanford reúne os primeiros estudos sobre o que acontece quando a IA é incorporada às sessões de tutoria. Alerta de spoiler: até o momento, os melhores resultados aparecem quando a tecnologia é usada para apoiar o trabalho do tutor, e não para substituí-lo.

Oferecer atenção individual a um estudante exige um recurso escasso nas escolas: o tempo. Um professor responsável pelo avanço de toda uma turma tem poucas oportunidades para acompanhar cada aluno individualmente e compreender por que ele não conseguiu acompanhar determinado conteúdo. As tutorias criam esse espaço. O tutor pode ver como o estudante chegou a uma resposta, identificar em qual etapa do raciocínio surgiu a dificuldade e retomar esse ponto no encontro seguinte. Para estudantes que acumulam lacunas de aprendizagem e começam a ficar para trás, esse acompanhamento contínuo pode fazer uma diferença importante.

As tutorias de alto impacto estão entre as intervenções educacionais com maior respaldo da pesquisa. Nesses programas, um tutor capacitado trabalha regularmente com um estudante ou com um grupo de até quatro alunos. As sessões são frequentes, acontecem durante a jornada escolar e utilizam materiais relacionados aos conteúdos ensinados em sala de aula. O tutor também adapta as atividades de acordo com o progresso observado. Os encontros regulares permitem que tutor e estudante construam uma relação de confiança, que pode ajudar a manter o envolvimento e o esforço do aluno ao longo do tempo.

Ampliar esse modelo, porém, não é simples. É necessário contratar e formar tutores em número suficiente, articular seus horários com os das escolas e assegurar que os estudantes participem regularmente das sessões. A atenção individual tem um custo e depende de uma estrutura capaz de sustentar o atendimento durante vários meses. É nesse ponto que a inteligência artificial se torna especialmente atraente para a educação. Um programa disponível simultaneamente para muitos estudantes poderia ampliar as oportunidades de prática e apoio, com um custo menor por aluno.

O interesse por essas ferramentas levou a Universidade Stanford a examinar o que já se sabe sobre seus efeitos na aprendizagem. Em agosto de 2026, o National Student Support Accelerator e o AI Hub for Education, vinculados à iniciativa SCALE, publicaram o relatório AI Tutoring Is Not a Monolith: What We Actually Know. A revisão reúne estudos sobre tutorias, pesquisas recentes sobre o uso de IA e entrevistas com profissionais da área. Seus autores diferenciam dois tipos principais de ferramenta. O primeiro conduz diretamente as atividades realizadas pelo estudante. O segundo oferece orientações ao tutor enquanto ele ensina. Cada modelo altera a forma como a ajuda é oferecida e possui um nível diferente de respaldo científico.

“Stanford recomenda priorizar ferramentas que fortaleçam o trabalho dos tutores.”

 

Ter acesso a um tutor de IA não garante aprendizagem

O primeiro obstáculo surgiu antes mesmo que os pesquisadores pudessem avaliar quanto os estudantes haviam aprendido: era necessário fazer com que eles realmente utilizassem a ferramenta. Em dois experimentos aleatorizados, realizados em dois distritos escolares diferentes, estudantes do ensino fundamental tiveram acesso a uma plataforma de inteligência artificial voltada à prática da leitura. As escolas reservaram um período específico para essa atividade. Mesmo assim, entre 40% e 47% dos estudantes que deveriam usar a plataforma de maneira autônoma nem chegaram a acessá-la. Entre aqueles que utilizaram a ferramenta, o tempo médio de uso ficou entre dois e cinco minutos por semana.

Portanto, embora estivesse disponível, a plataforma teve pouca presença na experiência escolar de muitas crianças. Ao longo de uma intervenção que durou vários meses, os estudantes que chegaram a utilizá-la fizeram isso durante apenas quatro ou cinco semanas. Uma participação tão limitada e irregular oferecia poucas oportunidades para praticar, receber ajuda e consolidar o que havia sido aprendido.

Os pesquisadores também testaram o que acontecia quando um adulto acompanhava os estudantes. Esse profissional incentivava a participação, verificava o andamento das atividades e ajudava os alunos a manter a atenção. O ensino, no entanto, continuava sendo conduzido pelo programa. Com esse apoio, o tempo médio de uso da plataforma aumentou entre um e quatro minutos por semana. Os estudantes participaram um pouco mais, mas o tempo de prática continuou reduzido. Os experimentos não encontraram melhorias nos resultados de leitura.

Esses resultados mostram uma dificuldade conhecida nos programas educacionais: disponibilizar um recurso não significa garantir que ele seja utilizado com a frequência necessária para produzir aprendizagem. Nas tutorias humanas de alto impacto, a regularidade é assegurada por sessões previamente marcadas. Há uma pessoa esperando pelo estudante e preparada para retomar o trabalho do ponto em que ele foi interrompido na sessão de tutoria anterior. Quando a atividade depende principalmente de um programa, até incluindo a reserva de um período específico pode ser insuficiente para fazer com que o aluno comece e continue utilizando a ferramenta.

O relatório também menciona um estudo exploratório realizado em salas de aula britânicas. Nesse caso, as sessões eram conduzidas por IA, mas contavam com supervisão humana, objetivos de aprendizagem definidos e conteúdos alinhados ao currículo. A experiência oferece indícios sobre como essas atividades podem ser organizadas, mas ainda são necessárias mais pesquisas para avaliar seus efeitos sobre a aprendizagem.

Por isso, o estudo considera que as evidências sobre tutorias conduzidas por IA ainda estão em estágio inicial. Os estudos sobre leitura ajudam a identificar as barreiras à participação e mostram que a presença de um adulto pode diminuir parte delas. Ainda assim, nos casos analisados, o aumento no uso foi insuficiente para produzir melhorias detectáveis. Para avaliar adequadamente uma ferramenta desse tipo é necessário acompanhar como ela é utilizada ao longo de várias semanas, quanto tempo os alunos dedicam à prática e, principalmente, o que conseguem aprender.

Teste

“Stanford recomenda priorizar ferramentas que fortaleçam o trabalho dos tutores.”

 

A IA pode ajudar os tutores a ensinar melhor

Durante uma tutoria de matemática, uma resposta incorreta pode levar o tutor a diferentes caminhos. Ele pode pedir que o estudante explique como chegou àquele resultado, oferecer uma pista para que consiga avançar ou resolver um exemplo semelhante antes de solicitar uma nova tentativa. Escolher a melhor intervenção exige domínio do conteúdo e conhecimento sobre como ensiná-lo. Para um tutor com pouca experiência, tomar essa decisão enquanto a conversa acontece pode ser difícil.

O Tutor CoPilot foi desenvolvido para oferecer apoio justamente nesse momento. Durante as sessões virtuais, a ferramenta apresenta sugestões ao tutor, como perguntas para investigar o raciocínio do estudante ou maneiras de orientá-lo na etapa seguinte. O adulto continua responsável pela conversa e decide se e como utilizará as sugestões recebidas.

Um estudo aleatorizado com mais de 700 tutores e mil estudantes de comunidades desfavorecidas analisou os resultados da ferramenta. Os alunos cujos tutores tiveram acesso ao sistema apresentaram uma probabilidade quatro pontos percentuais maior de dominar os conteúdos matemáticos trabalhados nas sessões. Entre os estudantes atendidos por tutores que haviam recebido notas iniciais mais baixas, a diferença chegou a nove pontos percentuais. Portanto, o impacto foi maior justamente nos casos em que havia mais espaço para melhorar a qualidade da tutoria.

Os pesquisadores também analisaram mais de 350 mil mensagens trocadas durante as sessões. Com a ferramenta, os tutores fizeram mais perguntas voltadas à compreensão do raciocínio dos estudantes e recorreram menos a elogios genéricos. Essa análise ajuda a explicar o que mudou nas sessões. Uma pergunta bem formulada permite identificar o que o estudante compreendeu, localizar a origem do erro e adaptar a explicação com base em sua resposta.

A melhoria foi observada especificamente nos conteúdos de matemática trabalhados durante as tutorias. Ainda não se sabe por quanto tempo essa aprendizagem permanece nem se resultados semelhantes seriam obtidos em outras disciplinas e contextos. Apesar dessas limitações, o experimento constitui uma das evidências mais promissoras reunidas pelo estudo de Stanford sobre o uso da IA para melhorar o trabalho dos tutores.

O relatório também analisa tarefas que a IA poderia facilitar antes e depois das sessões de tutoria. Um resumo do progresso do estudante, por exemplo, poderia ajudar o tutor a preparar o encontro seguinte. A ferramenta também poderia produzir exercícios relacionados ao conteúdo ensinado em sala de aula, desde que fossem revisados pelo tutor antes de sua aplicação. Na gestão dos programas, a análise dos registros de frequência poderia ajudar a identificar estudantes que estão participando de menos sessões do que o previsto.

Essas possibilidades aparecem nas pesquisas e entrevistas reunidas pelos autores, mas ainda possuem diferentes níveis de evidência. O estudo do Tutor CoPilot conseguiu medir um efeito sobre a aprendizagem. Os demais usos descritos indicam formas possíveis de reduzir o tempo dedicado à preparação e à gestão das tutorias, mas ainda precisam ser avaliados em cada contexto. A utilidade dessas soluções dependerá da informação chegar no momento adequado, ser confiável e permitir que o tutor responda a uma necessidade concreta do estudante.

 

O que significa manter as pessoas no centro

A personalização do ensino costuma ser apresentada como a capacidade de ajustar os exercícios ao nível de cada estudante. Nas tutorias de alto impacto, porém, essa adaptação acontece dentro de uma relação construída ao longo de várias semanas. Com o tempo, o tutor passa a compreender como o estudante raciocina, quais dificuldades enfrenta e que tipos de explicação o ajudam a avançar. O aluno, por sua vez, encontra alguém com quem pode examinar uma dificuldade com calma e tentar novamente. O relatório de Stanford reúne pesquisas que associam a continuidade do trabalho com um mesmo tutor a níveis mais elevados de participação, motivação e aprendizagem.

Essa relação também pode aumentar a frequência escolar. Um dos estudos citados, realizado em escolas de Washington, D.C., constatou que os estudantes tinham uma probabilidade 7% menor de faltar nos dias em que participariam de uma sessão de tutoria. Esse resultado mostra que uma intervenção voltada à aprendizagem também pode fortalecer o vínculo do estudante com a escola. Para receber ajuda, o aluno precisa estar presente, e a expectativa de encontrar um tutor pode contribuir para sua participação.

A introdução da IA deve considerar essas condições. Uma ferramenta pode adaptar exercícios e registrar detalhadamente as respostas dos estudantes. Porém, para que essas informações melhorem o ensino, o tutor precisa interpretá-las e decidir como agir. Também precisa ter condições de revisar os materiais e as sugestões produzidas pelo sistema. No caso do Tutor CoPilot, as sugestões eram fornecidas diretamente à pessoa que conversava com o estudante e podia agir durante a própria sessão.

Por isso, Stanford recomenda priorizar ferramentas que fortaleçam o trabalho dos tutores. A tecnologia pode ajudar uma pessoa a ensinar melhor e permitir que um programa de tutoria atenda mais estudantes. Contudo, manter um adulto apenas como supervisor ocasional é diferente de contar com um tutor que ensina, acompanha o progresso do aluno e assume a responsabilidade por apoiá-lo ao longo do processo.

As expectativas sobre a personalização da aprendizagem precisam levar essa diferença em consideração. Até o momento, os resultados mais promissores reunidos pelo estudo vêm de ferramentas que apoiam os tutores durante o ensino. Essa conclusão indica um caminho concreto para ampliar o acesso às tutorias: investir em ferramentas que ajudem mais estudantes a receber acompanhamento humano de qualidade e avaliar o que eles aprendem com esse apoio.


Outras Pesquisas e Conteúdos