DESAFIOS E OPORTUNIDADES PARA O USO DO CHAT GPT NA PESQUISA EM EDUCAÇÃO MATEMÁTICA

Jonas Souza Barreira; Marcos Guilherme Moura-Silva; Tadeu Oliver Gonçalves

doi:10.21723/riaee.v19iesp.2.18594

Autores

Jonas Souza Barreira Universidade Federal do Pará (UFPA), Belém – PA – Brasil. https://orcid.org/0000-0001-7902-212X
Marcos Guilherme Moura-Silva Universidade Federal do Pará (UFPA), Belém – PA – Brasil. https://orcid.org/0000-0003-3589-1897
Tadeu Oliver Gonçalves Universidade Federal do Pará (UFPA), Belém – PA – Brasil. https://orcid.org/0000-0002-2704-5853

DOI:

https://doi.org/10.21723/riaee.v19iesp.2.18594

Palavras-chave:

Chat GPT, Educação Matemática, Inteligência Artificial, Tecnologia da Informação e comunicação

Resumo

O objetivo desse artigo é identificar os principais desafios e oportunidades associados ao uso do Chat GPT como ferramenta de apoio à pesquisa em Educação Matemática. Para tanto, realizamos uma entrevista com a Inteligência Artificial Chat GPT4. Os resultados indicam que o Chat GPT é uma ferramenta promissora baseada em inteligência artificial com potencial para auxiliar na pesquisa e ensino em educação matemática. Entretanto, seu uso responsável e ético requer consideração cuidadosa de seus desafios, limitações e oportunidades. A supervisão humana e a integração com outras metodologias de pesquisa são fundamentais para equilibrar o uso dessa tecnologia com abordagens pedagógicas. Por fim, promover a equidade e a inclusão são essenciais para garantir que todos os alunos tenham acesso à tecnologia e se beneficiem de seu potencial.

Downloads

Não há dados estatísticos.

Biografia do Autor

Jonas Souza Barreira, Universidade Federal do Pará (UFPA), Belém – PA – Brasil.

Doutorando do Programa de Pós-Graducação em Educação em Ciências e Matemática (PPGECM) - do Instituto de Educação Matemática e Cientifica (IEMCI), da Universidade Federal do Pará - UFPA. Na Linha de Pesquisa: Formação de Professores. Mestre em Docência em Educação em Ciências e Matemática pelo Programa de Pós-Graduação em Docência em Educação em Ciências e Matemática (PPGDOC) do Instituto de Educação Matemática e Cientifica (IEMCI), da Universidade Federal do Pará - UFPA. Na Linha de Pesquisa: Formação de Professores para o Ensino de Ciências e Matemática. Possui graduação em Educação do Campo - ênfase em Matemática e Sistema de Informação pela Universidade Federal do Sul e Sudeste do Pará - UNIFESSPA (2017) e graduação em Pedagogia - Faculdade Regional de Filosofia, Ciências e Letras de Candeias (2014). Atualmente é professor na Secretaria Municipal de Educação (SEMED) - Marabá, Técnico Pedagógico e Formador de Professores (SEMED) Itupiranga. Tem experiência na área de Educação do Campo com ênfase em Matemática, atuando principalmente no seguinte tema: Educação Matemática. Ensino de Matemática e Formação de Professores que ensinam Matemática. Atualmente Participa do Projeto: Letramentos Matemático e Científico na Formação e na Prática de Professores dos Anos Iniciais do Ensino Fundamental IEMCI/UFPA(2019). É membro do Grupo de Estudos em Educação Matemática e Práticas Socioculturais na Amazônia (GPEMAZON), do Grupo de Estudos e Pesquisas CNPq: Alfabetização, Letramento e Práticas em Linguagens Docentes na Amazônia (ALLEPLIDA), ainda do Grupo de Pesquisa sobre Práticas Socioculturais e Educação Matemática.

Marcos Guilherme Moura-Silva, Universidade Federal do Pará (UFPA), Belém – PA – Brasil.

Doutor em Educação em Ciências e Matemática pela Universidade Federal do Pará (2019). Mestre em Educação em Ciências e Matemática pela Universidade Federal do Pará (2014). Licenciado em Matemática pela Universidade Federal do Pará (2011). É Professor permanente do Programa de Pós Graduação em Educação em Ciências e Matemáticas (PPGECM/UFPA), atuando na graduação pela Faculdade de Educação Matemática e Científica (FEMCI). Atualmente é Coordenador do Programa de Pós Graduação em Educação em Ciências e Matemáticas (PPGECM/UFPA) e líder do grupo de NeuroEducação Matemática vinculado ao diretório de grupos do CNPq. Investiga temas relacionados à Mente, Cérebro e Educação, e formação de professores que ensinam matemática.

Tadeu Oliver Gonçalves, Universidade Federal do Pará (UFPA), Belém – PA – Brasil.

Licenciado em Matemática pela Universidade Federal do Pará (1976), Mestre em Ensino de Ciências e Matemática pela Universidade Estadual de Campinas (1981) e Doutor em Educação Matemática pela Universidade Estadual de Campinas (2000). É professor da UNIVERSIDADE FEDERAL DO PARÁ desde agosto de 1976, situando-se atualmente na categoria de PROFESSOR TITULAR. É docente/pesquisador do Programa de Pós-graduação em Educação em Ciências e Matemática (PPGECM/IEMCI/UFPA) - Mestrado e Doutorado, desde o seu início, em 2002 (NPADC). Também é docente do Programa de Pós-Graduação em Educação em Ciências e Matemática - Rede Amazônica de Educação em Ciências e Matemáticas (REAMEC). Tem experiência na área de Educação Matemática e seu campo de pesquisa tem ênfase na Formação de Formadores e de Professores de Matemática, atuando principalmente nos seguintes temas: educação matemática, formação de professores, ensino-aprendizagem, ensino da matemática e neuro ciência e educação matemática.

Referências

ALEKS. Assessment and Learning in Knowledge Spaces. Disponível em: https://www.aleks.com/, 2023. Acesso em: 02 dez. 2022.

BAKRI, S. R. B. A.; LING, S.-E.; JULAIHI, N. H. B.; LIEW, C.-Y.; LING, S.-C. Improving low passing rate in mathematics course at higher learning education: Problem identification and strategies towards development of mobile app. In: International Conference on Computer and Drone Applications (IConDA), 2017. Proceedings […]. Kuching, Malaysia, 2017. p. 77-81. DOI: 10.1109/ICONDA.2017.8270403.

BAYERL, C. V.; DALBÓ, D. F.; CARDOSO, C. V. Investigações sobre o whatsapp nos processos de ensino e de aprendizagem: refletindo sobre o uso das tecnologias digitais durante a pandemia da COVID-19. Kiri-kerê: Pesquisa em Ensino, [S. l.], n. 12, 2022. DOI: 10.47456/krkr.v1i12.37087.

BELUSSO, R.; PERUCHIN, D. Modificações no processo de aprendizagem com a inserção de tecnologias digitais na educação. #Tear: Revista de Educação, Ciência e Tecnologia, Canoas, v. 7, n. 1, p. 1-17, 2018. DOI: 10.35819/tear.v7.n1.a2701.

BOGDAN, R. C.; BIKLEN, S. K. Investigação qualitativa em educação. Porto Codex. Portugal: Porto Editora, 1994.

BOJARSKI, M.; DEL TESTA, D.; DWORAKOWSKI, D.; FIRNER, B.; FLEPP, B.; GOYAL, P.; JACKEL, L. D.; MONFORT, M.; MULLER, U.; ZHANG, J.; ZHANG, X.; ZHAO, J.; ZIEBA, K. End to end learning for self-driving cars. 2016. Disponível em: https://arxiv.org/abs/1604.07316. Acesso em: 23 abr. 2023.

BORGES NETO, H.; BORGES, S. M. C. As tecnologias digitais no desenvolvimento do raciocínio lógico. Linhas Crí-ticas, [S. l.], v. 13, n. 24, p. 77–88, 2007. DOI: 10.26512/lc.v13i24.3344.

DREAMBox Learning. DreamBox Learning Math. 2023. Disponível em: https://www.dreambox.com/. Acesso em: 10 dez. 2023.

ELLINGTON, A. J. A Meta-Analysis of the Effects of Calculators on Students’ Achievement and Attitude Levels in Precollege Mathematics Classes. Journal for Research in Mathematics Education, [S. l.], v. 34, n. 5, p. 433–463, 2003. DOI: 10.2307/30034795.

GONÇALVES, T. V.; LEBREGO, R.; BARREIRA, J.; SIQUEIRA, I. Instrucciones de enseñanza expresadas por profesores de ciencias en cartas a sus alumnos. Campo Abierto. Revista De Educación, [S. l.], v. 39, n. 2, p. 207-219, 2020.

KNEWTON. Adaptive Learning Platform, 2023. Disponível em: https://www.knewton.com/. Acesso em: 23 abr. 2023.

KOEDINGER, K. R.; ANDERSON, J. R.; HADLEY, W. H.; MARK, M. A. Intelligent tutoring goes to school in the big city. International Journal of Artificial Intelligence in Education, [S. l.], v. 8, p. 30-43, 1997.

MA, J. Intelligent Decision System of Higher Educational Resource Data under Artificial Intelligence Technology. International Journal of Emerging Technologies in Learning (iJET), [S. l.], v. 16, n. 5, p. 130–146, 2021. DOI: 10.3991/ijet.v16i05.20305.

MOLL, I. The Myth of the Fourth Industrial Revolution: Implications for Teacher Education. In: MARINGE, F. (ed.). Higher Education in the Melting Pot: Emerging Discourses of the 4IR and Decolonisation. Cape Town: Aosis, 2021. p. 91–110.

MORAES, R.; GALIAZZI, M. C do. Análise Textual Discursiva. Ijuí, RS: Unijuí, 2007.

PARREIRA, A.; LEHMANN, L.; OLIVEIRA, M. O desafio das tecnologias de inteligência artificial na Educação: percepção e avaliação dos professores. Ensaio: Avaliação e Políticas Públicas em Educação, [S. l.], v. 29, n. 113, p. 975-999, 2021. DOI: 10.1590/S0104-40362020002803115.

PEREIRA, J. A Inteligência Artificial e o Processo Educacional: desafios e possibilidades na era do ChatGPT. Pelotas: Rubra Cinematográfica, 2023.

POWERS, J.; AZHAR, M. Preparing Teachers to Engage Students in Computational Thinking through an Introductory Robot Design Activity. Journal of Computers in Mathematics and Science Teaching, [S. l.], v. 39, n. 1, p. 49-70, 2020. Disponível em: https://www.learntechlib.org/p/213891. Acesso em: 10 abr. 2023.

SHUTE, V. J.; RAHIMI, S. Review of computer-based assessment for learning in elementary and secondary education. Journal of Computer Assisted Learning, [S. l.], v. 33, n. 1, 2017.

SOARES, F. R.; SANTANA, J. R.; SANTOS, M. J. C. dos. A realidade aumentada na aprendizagem de Geometria Espacial e as contribuições da Sequência Fedathi. Revista de ensino de ciências e matemática, [S. l.], v. 13, n. 4, 2022. DOI: 10.26843/rencima.v13n4a11.

VIDELA, R.; ROSSEL, S.; MUÑOZ, C.; AGUAYO, C. Online Mathematics Education during the COVID-19 Pandemic: Didactic Strategies, Educational Resources, and Educational Contexts. Educ. Sci., [S. l.], p.12, 2022. DOI: 10.3390/educsci12070492.

WEBBER, C.; CESARO, C.; GUDER, D.; FLORES, D.; BECKER, J. Experiências do pensamento computacional no ensino de ciências e matemática. Revista Brasileira De Ensino De Ciências E Matemática, v. 5, n. esp., p. 120-134, 2022. DOI: 10.5335/rbecm.v5iespecial.12853.

WOOLF, B. P. Building intelligent interactive tutors: Student-centered strategies for revolutionizing e-learning. [S. l.]: Morgan Kaufmann, 2009. DOI: 10.1016/B978-0-12-373594-2.X0001-9.