Somos economistas que criaram um chatbot para ajudar os nossos estudantes a raciocinar em vez de trapacear. Conheça o ‘Macro Buddy’

Estudantes que usam IA para trapacear em trabalhos de casa ou testes são uma fonte de muita discussão. Mas alguns estudiosos argumentam que o maior risco do uso de IA pelos estudantes é que eles simplesmente não aprendem.

Vídeo Recomendado

Aproximadamente 90% dos 1.100 estudantes americanos entrevistados em faculdades de dois e quatro anos em 2025 relataram usar IA generativa para tudo, desde redigir tarefas até esclarecer conceitos complexos.

Mas quando os estudantes usam IA como tutor ou parceiro de estudo, e não como gerador imediato de respostas, isso torna mais fácil ou mais difícil aprender?

Somos economistas que tentaram responder a essa pergunta criando uma ferramenta de IA usando o recurso GPT personalizado do ChatGPT, com o acesso à web do chatbot desativado.

Chamamos a ferramenta de Macro Buddy e treinamos para orientar alguns estudantes de uma de nossas aulas de macroeconomia de graduação na Universidade de Wisconsin, La Crosse, através do raciocínio, em vez de fornecer respostas diretas.

Nossa pesquisa, realizada na primavera de 2025, mostrou que estudantes que usaram o Macro Buddy, juntamente com discussões entre colegas, obtiveram notas mais altas nas provas do que estudantes que trabalharam sozinhos, sem esse tutor de IA.

Estudantes universitários estão cada vez mais usando IA para ajudá-los nos estudos. Maskot/iStock/Getty Images

Conheça seu novo tutor

Um de nossos cursos de macroeconomia tinha 140 estudantes de graduação, principalmente no primeiro ou segundo ano, divididos em quatro turmas.

Os materiais do curso, tarefas e exames eram idênticos em todas as turmas. Geralmente, os estudantes não podiam usar ferramentas de IA nem colaborar com colegas durante os exames. Os testes eram feitos presencialmente e não era permitido consultar notas ou outros materiais durante a prova.

Como resultado, as notas refletiam o que os estudantes compreendiam e podiam explicar por conta própria – sem ajuda de IA ou qualquer outra fonte externa.

Após todos os estudantes realizarem seu primeiro exame, atribuímos aleatoriamente as quatro turmas a diferentes formatos de estudo.

Um grupo de estudantes trabalhou individualmente, sem Macro Buddy; outro grupo trabalhou em grupos, sem Macro Buddy; um terceiro grupo trabalhou individualmente, com Macro Buddy; e um quarto grupo trabalhou em grupos, com Macro Buddy.

Queríamos comparar como diferentes abordagens de estudo – trabalhar sozinho, com colegas, usando Macro Buddy ou combinando ambos – afetaram o desempenho nas provas.

Habilidades do Macro Buddy

Treinamos o Macro Buddy com a ajuda de transcrições de aulas, slides e questões de tarefas específicas deste curso de macroeconomia.

O Macro Buddy tinha o acesso à internet desativado, dependendo apenas do material do curso fornecido pelo instrutor.

O Macro Buddy foi projetado para atuar como um tutor, não como uma máquina de respostas. Em vez de fornecer soluções completas, ele fazia perguntas de acompanhamento para orientar os estudantes rumo a uma resposta.

Por exemplo, se um estudante perguntasse por que preços mais baixos poderiam aumentar o gasto dos consumidores, o Macro Buddy não ofereceria uma explicação rápida e completa. Poderia, em vez disso, perguntar o que acontece com o poder de compra das pessoas quando os preços caem. O estudante teria que conectar os conceitos e explicar seu raciocínio, em suas próprias palavras, passo a passo.

Essa distinção entre explicar uma ideia e receber uma resposta pronta é importante.

Uma ferramenta de IA que apenas entrega respostas pode permitir que os estudantes evitem pensar sobre um problema. Um estudo descobriu que, quando estudantes universitários dependem de um chatbot como muleta, eles têm um desempenho pior quando deixam de ter acesso a ele. Uma ferramenta que faz perguntas exige que os estudantes façam o trabalho por conta própria, mesmo recebendo orientação. Esse é exatamente o processo que faz a aprendizagem consolidar-se.

O que aconteceu com a aprendizagem dos estudantes

O grupo de estudantes que continuou trabalhando individualmente, sem IA, serviu como nosso grupo de controle.

Os outros três grupos mudaram sua forma de estudar: um começou a trabalhar em grupos sem IA, outro trabalhou individualmente com Macro Buddy, e o último combinou trabalho em grupo com Macro Buddy.

Todas as médias das notas dos estudantes caíram na segunda prova, em todos os quatro grupos de estudo.

No entanto, até a terceira prova, as diferenças entre as turmas ficaram mais evidentes.

Estudantes que usaram tanto Macro Buddy quanto discussão em grupo obtiveram as maiores médias. Estudantes que usaram apenas Macro Buddy também tiveram notas mais altas do que aqueles que trabalharam sozinhos sem Macro Buddy. Os estudantes que trabalharam em grupos sem Macro Buddy apresentaram melhorias menores em comparação com os demais grupos.

A terceira prova ocorreu várias semanas após a introdução dos novos formatos de estudo.

Nesse momento, os estudantes do grupo combinado podem ter ficado mais confortáveis em usar o Macro Buddy para testar sua compreensão, ao mesmo tempo em que explicavam ideias aos colegas. Trabalhar com colegas exige articular claramente o raciocínio e responder a perguntas, o que pode aprofundar a compreensão ao longo do tempo.

Por que isso importa

Alguns críticos da IA temem que os estudantes dependam dela para fazer as partes mais difíceis do aprendizado. Isso reflete o medo de que os estudantes parem de praticar as habilidades que constroem a expertise. Os estudantes se tornam especialistas em suas áreas enquanto lutam com material confuso, revisam explicações e verificam se realmente compreendem uma ideia.

Nosso experimento sugere que a erosão do aprendizado ao usar IA não é inevitável.

Descobrimos que, quando a IA é projetada como um tutor que faz perguntas em vez de simplesmente fornecer respostas – e quando os estudantes também são obrigados a explicar seu raciocínio aos colegas – a tecnologia pode apoiar o aprendizado, e não substituí-lo.

A maioria dos estudantes hoje usa chatbots de uso geral que não são projetados como tutores. Eles digitam uma pergunta e recebem uma resposta. Mas nossas descobertas sugerem que até pequenas escolhas de design, como construir um chatbot de IA com perguntas orientadoras, podem influenciar como os estudantes se envolvem com o material.

A discussão entre colegas também acrescenta algo ao processo de aprendizagem que a IA não consegue oferecer: responsabilidade social e exposição a raciocínios alternativos.

Juntas, essas práticas incentivam os estudantes a pensar mais ativamente sobre os problemas.

As evidências de nosso experimento destacam uma distinção prática: a IA pode ser usada para substituir o pensamento ou para apoiá-lo. O impacto pode depender menos da tecnologia em si e mais de como ela é estruturada e integrada ao processo de aprendizagem.

Saharnaz Babaei-Balderlou, Professora Assistente de Economia, Universidade de Wisconsin-La Crosse, e Shishir Shakya, Professor Assistente de Economia, Appalachian State University

Este artigo foi republicado do The Conversation sob uma licença Creative Commons. Leia o artigo original.

**Participe conosco no Fortune Workplace Innovation Summit **de 19 a 20 de maio de 2026, em Atlanta. A próxima era de inovação no local de trabalho já começou — e o antigo manual está sendo reescrito. Neste evento exclusivo e de alta energia, os líderes mais inovadores do mundo se reunirão para explorar como IA, humanidade e estratégia convergem para redefinir, mais uma vez, o futuro do trabalho. Inscreva-se agora.