Português (pdf)
Artigo em XML
Tradução automática
Enviar este artigo por email
Permalink
Introdução
O mundo está a mudar rapidamente. Esta mudança distingue-se das demais mudanças da história pelo seu ritmo. Atualmente, a pergunta educacional mais importante é: “Como adaptar a educação dos nossos filhos a essas mudanças exponenciais e contínuas?” (Prensky, 2017, p. 1). Os educadores nunca estiveram perante os desafios dos nossos dias (Porcheddu; Rezende; Bulgarelli, 2009).
O presente estudo visa dar resposta às exigências atuais através da investigação do desenvolvimento das competências de Pensamento Crítico e Criativo (PCC) e das disposições de Pensamento Crítico (PC) em alunos do ensino secundário, utilizando o modelo de aprendizagem colaborativa baseado em Inteligência Artificial Generativa (IAGen), designado como Modelo PCC_IAGen. A avaliação global sugere que, ao ingressarem no ensino superior, muitos estudantes ainda apresentam competências de PCC em níveis “Em desenvolvimento”, especialmente no que toca ao pensamento crítico e criativo, sublinhando a importância de práticas pedagógicas que promovam estas capacidades (Helaluddin et al., 2023; Van Damme et al., 2023).
Para responder a estas necessidades, o estudo propôs um modelo de resolução de problemas reais interdisciplinares que integra o uso do ChatGPT, adaptado a partir dos papéis propostos por Mollick e Mollick (2023), onde o ChatGPT atuou como mentor, ferramenta e simulador nas diferentes fases de desenvolvimento do PCC. A estrutura do modelo foi baseada na matriz do Teste de Pensamento Crítico e Criativo (TPCC) de Lopes, Silva e Morais (2018), o que garantiu uma abordagem integrada e alinhada para medir as capacidades de pensamento crítico e criativo.
O estudo pretendeu responder à questão de investigação: Quais são os instrumentos eficazes para avaliar o PCC, e como evoluem as capacidades e as disposições dos alunos após a aplicação do modelo PCC_IAGen? E atender aos três objetivos inerentes: (1) identificar instrumentos eficazes para avaliar as capacidades de PCC e disposições de PC; (2) caracterizar os níveis iniciais das capacidades de PCC e das disposições de PC dos alunos; e (3) analisar os resultados obtidos antes e após a aplicação do Modelo PCC_IAGen.
Contextualização e relevância do Pensamento Crítico e Criativo (PCC)
Segundo a Organisation for Economic Co-operation and Development - OECD (2019), no contexto global e de avanços tecnológicos, as capacidades essenciais para prosperar no local de trabalho e nas sociedades modernas são capacidades transversais, como a resolução de problemas complexos, o pensamento crítico, o trabalho em equipa, a resiliência e a adaptabilidade.
No mundo líquido moderno, de fato, a solidez das coisas, tanto quanto a solidez das relações humanas, vem sendo interpretada como uma ameaça: qualquer juramento de fidelidade, compromissos a longo prazo, prenunciam um futuro sobrecarregado de vínculos que limitam a liberdade de movimento e reduzem a capacidade de agarrar no vôo as novas e ainda desconhecidas oportunidades (Porcheddu; Rezende; Bulgarelli, 2009, p. 662).
Para atender às exigências atuais, o Plano de Bolonha, de 1999, identificou como elemento-chave a modificação e adaptação do ensino tradicional e a promoção da aprendizagem centrada no aluno (Cuadrado; Constantin, 2021). O mercado de trabalho global, orientado para a inovação, valoriza as competências transversais, como o PC e a resolução de problemas. Os empregadores recorrem, cada vez mais, às suas próprias práticas de avaliação, subvalorizando os graus e qualificações do ensino superior (Van Damme et al., 2023).
Atualmente, consideram-se quatro competências principais, designadas como os 4 C’s (Helaluddin et al., 2023): pensamento crítico, criativo, colaborativo e comunicativo, as quais são desenvolvidas num contexto de aprendizagem ativa ou centrada no aluno. Isto requer uma grande mudança na aprendizagem, que estimule os alunos a pensar criticamente sobre um conteúdo ou um problema, a colaborar com os colegas, a ter capacidade criativa na resolução de um problema e a comunicar as ideias oralmente e através da escrita (Thamrin et al., 2023).
A resolução de problemas enquanto modelo pedagógico - a Aprendizagem Baseada em Problemas (PBL) - promove o desenvolvimento de competências do século XXI, especificamente as competências de pensamento de ordem superior, incluindo a análise, o PC, a resolução de problemas e a criação (Gasmi; Al Nadabi, 2023; Nurrijal et al., 2023).
Critical thinking is a complex mental skill characterized by high sensitivity to the situation or problem, includes rules and self-controls for correction, and relies on certain criteria until a judgment or solution is reached far from bias, traditional opinions, and external and internal influences1 (Al-Massarweh et al., 2024, p. 5).
Já o pensamento criativo
[...] is a complex and purposeful mental activity guided by a strong desire to search for solutions or reach original results that were not previously known. It is characterized by comprehensiveness and complexity because it involves overlapping cognitive, emotional, and moral elements that constitute a unique state of mind2 (Al-Massarweh et al., 2024, p. 5)
O PC e o pensamento criativo estão interligados, pelo que o PC incentiva e melhora a criatividade (Bradley; Price, 2016). Ambos os pensamentos são inseparáveis: por um lado, a capacidade crítica domina o processo de avaliar ou julgar; por outro lado, a capacidade criativa domina o processo de fazer ou produzir. Assim, ao pensar simultaneamente, produz-se e avalia-se, gera-se e julga-se os produtos que se constroem (Paul; Elder, 2005).
Desafios educacionais na promoção do PCC
A avaliação do PC e das competências de comunicação escrita de estudantes, conduzida pela OECD e pelo Council for Aid to Education (CAE), revelou que, em média - 1.086 (DP = 134) -, estudantes que ingressam no ensino superior apresentam desempenho classificado como Em desenvolvimento, numa escala de cinco níveis: Emergente, Em desenvolvimento, Proficiente, Realizado e Avançado. No final dos cursos, alcançam o nível de Proficiente, em média - 1.097 (DP = 138) -, contudo, a distribuição é bastante desigual, com metade dos graduados ainda nos dois níveis de desempenho mais baixos. Os resultados sugerem a necessidade de uma maior aposta no desenvolvimento do PC no ensino superior (Van Damme et al., 2023).
Referente ao pensamento criativo, a maioria das universidades ainda enfatiza o conhecimento e ignora a aprendizagem deste pensamento, pelo que os estudantes atuais não possuem boas capacidades de pensamento criativo e, por isso, têm dificuldade em competir na atual era da Sociedade 5.0 (Helaluddin et al., 2023). Os pensamentos críticos e criativos são considerados pensamentos divergentes, os quais são medidos através de testes de pensamento de ordem superior, tais como testes de PCC e de resolução de problemas, ao invés da avaliação por testes tradicionais e mais usuais (Al-Massarweh et al., 2024).
O desenvolvimento do PC deve ser efetuado através de uma abordagem instrucional explícita, pois não ocorre de forma autónoma (Zapalska et al., 2018) e nem é automática a transferência de competências de PC, que precisa de ser ensinada (Tenreiro-Vieira; Vieira, 2022). Esta abordagem é mais eficaz do que abordagens implícitas (Butler et al., 2012), e tal desenvolvimento não surge apenas da leitura de textos e exames ou da audição de palestras de um professor (Zapalska et al., 2018). Este desenvolvimento deve ocorrer desde os primeiros anos de vida, pois capacita os alunos a reconhecer e a diferenciar informações imprecisas ou não confiáveis (Lopes; Silva; Morais, 2018). Também as capacidades relacionadas ao PC, como a resolução de problemas e o trabalho em equipa, são mais fáceis de se desenvolver antes de entrar no mercado (Valaitis et al., 2022).
A metodologia de aprendizagem mais aceite como eficaz para o desenvolvimento do PC é a aprendizagem baseada em problemas (Problem-Based Learning - PBL). Porém, os modelos PBL devem ser adaptados para garantir melhores resultados, como a inclusão de questões norteadoras para o PC, mapeamento conceptual e rubricas de avaliação de PC (Yu; Zin, 2023). Os mapas conceptuais também podem afetar as disposições afetivas do PC (Yue et al., 2017).
Instrumentos para avaliação e desenvolvimento do PCC
Avaliar o PC é crucial para oferecer feedback sobre o progresso e motivar os alunos, bem como informar práticas docentes (Mas; Alonso, 2024). Há diversos instrumentos; contudo, a sua confiabilidade e validade ainda estão a ser debatidas (Ossa-Cornejo et al., 2017). Os instrumentos mais comumente usados são o California Critical Thinking Skills Test (CCTST), o Watson-Glaser Critical Thinking Appraisal (WGCTA) e o Cornell Critical Thinking Test (CCTT), embora sejam instrumentos comerciais.
Na literatura, o PC é conceituado por: disposições; skills ou abilities. As disposições são usadas para se referir aos atributos caracterológicos dos indivíduos (Facione; Facione; Giancarlo, 2000), também são descritas como a “vontade” ou a “inclinação” para avaliar situações criticamente. A designação processos de PC inclui as skills ou abilities (Loyens et al., 2023). No presente estudo, utilizou-se a designação de capacidades ao invés de processos. Tais capacidades estão mais ligadas a aspetos cognitivos do PCC, enquanto as disposições enquadram-se nos aspetos mais afetivos (Tenreiro-Vieira; Vieira, 2022). A maioria dos estudos foca-se apenas nas capacidades; uma minoria foca-se nas disposições e, pontualmente, combinam ambos. Contudo, é relevante que os estudos se foquem em ambas, uma vez que o momento de desenvolvimento deve ser simultâneo, pelo que estas são mutuamente reforçadas, embora outros defendam que é necessário cultivar as disposições antes das capacidades (Facione et al., 1995).
Os testes de PC são habitualmente divididos em dois grupos: os de respostas fechadas - itens de múltipla escolha - e os de respostas abertas ou de redação (Ossa-Cornejo et al., 2017). Muitas avaliações de PC dependem exclusivamente do reconhecimento (por exemplo, escolha múltipla e classificação), enquanto outras dependem exclusivamente da evocação (por exemplo, resposta curta ou redação) (Butler et al., 2012). Ambos os tipos de testes apresentam vantagens e desvantagens: os testes de respostas fechadas oferecem resultados estatísticos sólidos em termos de validade e confiabilidade, sendo fáceis de reproduzir, mas limitam-se frequentemente a aspetos predeterminados do PC e recorrem a problemas que podem não refletir as situações diárias dos indivíduos. Já os testes de resposta aberta, por serem mais adaptáveis, capturam melhor a complexidade do PC, mas envolvem maiores desafios em termos de custo, correção e validade do construto, exigindo avaliadores especializados (Ossa-Cornejo et al., 2017). Contudo, os testes de múltipla escolha bem elaborados podem medir de forma válida e confiável as capacidades cognitivas de ordem superior (Facione; Facione; Giancarlo, 2000).
Enquadram-se no grupo de avaliação por reconhecimento, por exemplo, as seguintes avaliações: Measures of Academic Proficiency and Progress, o California Critical Thinking Skills Test (CCTST) e o Cornell Critical Thinking Test (CCTT). No grupo de avaliação por recordação, incluem-se, por exemplo: o ICAT Critical Thinking Essay Examination, o Cornell (também conhecido como Ennis-Weir) Critical Thinking Essay, e o Watson-Glaser II Critical Thinking Appraisal (WGCTA) (Butler et al., 2012). Também existem alguns testes híbridos, que incluem os dois tipos de questões, como é o caso do Teste de Habilidades de PC Halpern (Ossa-Cornejo et al., 2017).
No contexto português, apenas há um teste de avaliação pensado e construído de raiz para ser utilizado em Portugal que mede o PC e que pode ser administrado a estudantes no ensino superior. Habitualmente, recorre-se a traduções e/ou adaptações de testes internacionais, como é o caso do Cornell Critical Thinking Test - Level X e do Halpern Critical Thinking Assessment (Lopes; Silva; Morais, 2019). Além disso, a maioria destes instrumentos destina-se a adultos ou estudantes do ensino superior, com poucas adaptações para alunos mais jovens. Excetuam-se as versões dos testes Cornell (X, Y e Z), adaptáveis às faixas etárias, embora ainda careçam de maior consolidação psicométrica (Mas; Alonso, 2024). Apenas há um teste de PC desenvolvido para adolescentes portugueses, dos 12 aos 19 anos, abrangendo alunos de diferentes níveis socioeconómicos no ensino básico e secundário (Lopes; Silva; Morais, 2018). Este teste foi estendido ao pensamento criativo, passando a designar-se Teste de Pensamento Crítico e Criativo (TPCC) (Lopes; Silva; Morais, 2019).
Atualmente, a ênfase é dada à formação do PC, especificamente a partir do trabalho em sala de aula e centrada em domínios específicos do conhecimento, como o ensino de ciências, deixando diferentes campos disciplinares em segundo plano (Millán; Guirão; Martínez, 2021). Este foco centralizado limita o desenvolvimento de perspetivas amplas e interdisciplinares entre os alunos. Em sentido contrário, avança, por exemplo, o modelo de aprendizagem Ciência Complexa - Aprendizagem Baseada em Problemas (CS-PBL), que fomenta o PC e a resolução de problemas através de uma abordagem interdisciplinar - integrando a biologia, as ciências socioeconómicas e a cultura. O CS-PBL utiliza problemas contextualizados, com uma análise abrangente e uma aplicação de conhecimentos de uma área para o enriquecimento de outras, promovendo uma visão holística (Amanda et al., 2024).
Resultados dos instrumentos para Avaliação e Desenvolvimento do PCC
Diversos estudos reportam melhorias significativas no PC e no PCC entre estudantes do ensino superior. O modelo PBL, por exemplo, quando aplicado sem combinações com outras metodologias, revelou um aumento significativo nas pontuações de PC (Cretton; Méndez, 2022; Helaluddin et al., 2023) e melhorias nas competências de escrita e criatividade (Helaluddin et al., 2023).
De um modo geral, apenas uma minoria dos estudos apresentou uma ligeira melhoria ou ausência de impacto no pensamento crítico e/ou criativo. Um estudo realizado num curso de psicologia do ensino superior, um dos poucos a implementar a PBL em disciplinas de Ciências Humanas e Sociais (CHS), não revelou diferenças significativas nas diversas variáveis, embora o PC tenha mostrado uma tendência para a melhoria (Cuadrado; Constantin, 2021).
Integração da IA generativa e o ChatGPT no desenvolvimento do PCC
O processamento de linguagem natural (PNL) é essencial para a IAGen. Este transformou muitas áreas da sociedade, sendo esta transformação ainda mais marcante com o surgimento do ChatGPT, um sistema de IA de conversação que oferece uma nova abordagem para fornecer respostas conversacionais a prompts humanos (O’Connor, 2023; Zhai, 2023).
Potencialidades e limitações do ChatGPT
A integração do ChatGPT no contexto educacional e o seu impacto no desenvolvimento do PCC dos estudantes apresenta-se como um processo complexo, revelando tanto potencialidades quanto limitações. Os estudos indicam que o ChatGPT ainda não proporciona respostas adequadas para a resolução de problemas em áreas como a aprendizagem das ciências (Zhai, 2023) e demonstrou dificuldades em gerar soluções inovadoras para questões do mundo real (Mogali, 2023). Este cenário sublinha uma preocupação central: a necessidade de capacidades de PC para a formulação de perguntas pertinentes, as quais possam conduzir a respostas mais úteis, mesmo que o uso do ChatGPT não exija capacidades avançadas em Tecnologia da Informação e Comunicação (TIC) (Arif; Munaf; Ul-Haque, 2023; Tlili et al., 2023).
Adicionalmente, a elevada eloquência do ChatGPT pode desestimular o aluno a usar o PCC, pelo excesso de confiança nos resultados da ferramenta (Iskender, 2023) e pela dependência dos resultados obtidos (Chang; Kidman, 2023). Nesta perspetiva, o papel dos professores é essencial no desenvolvimento das capacidades de PC e de resolução de problemas dos alunos, capacitando-os para gerar soluções criativas para problemas do mundo real (Mogali, 2023). A própria capacidade de PC do professor é, portanto, de uma relevância sem precedentes (Cooper, 2023).
Entre as potencialidades dos Modelos de Linguagem de Grande Escala (LLMs) em geral, e do ChatGPT em particular, destaca-se o seu valor enquanto ferramenta de apoio, facilitando feedback e reflexão crítica por parte dos estudantes, o que, por si só, estimula o PC (Mohapatra et al., 2023). O uso intencional e orientado do ChatGPT pode constituir um recurso complementar eficaz para estimular o PCC (Kartal, 2024) e a colaboração entre pares (Werdiningsih; Marzuki; Rusdin, 2024). Com a orientação e sensibilização apropriadas, o ChatGPT também pode ser uma ferramenta facilitadora para o desenvolvimento das competências 4C do século XXI - colaboração, comunicação, pensamento crítico e criatividade -, sendo igualmente útil para o apoio a estudantes com deficiência ou dificuldades de aprendizagem (Karakose; Tülübaş, 2023). Além disso, em sentido contrário, o desenvolvimento e a implementação de sistemas de IA mais justos e equitativos dependem das fortes capacidades de PC dos alunos, no sentido de não perpetuar ou exacerbar os preconceitos existentes (Gallent-Torres et al., 2024).
No domínio emocional, os estudantes apresentam uma disposição mais favorável e uma maior autoconfiança na aprendizagem devido à aplicação da IA, dado que os ambientes emocionantes e confortáveis gerados aumentam a confiança e reduzem a ansiedade de aprendizagem, sobretudo em alunos com desempenhos mais baixos. Assim, a IA tem o potencial de ter um impacto positivo na ansiedade dos estudantes, ajudando-os a desenvolver as competências e a confiança necessárias para terem sucesso (Adiguzel; Kaya; Cansu, 2023).
Transformações futuras no ensino e avaliação com a IA
No futuro, prevê-se que sejam necessárias mudanças profundas nos processos de ensino-aprendizagem e de avaliação, incluindo a redefinição dos currículos e dos objetivos educativos, e a implementação de práticas alinhadas a essas novas diretrizes. Esta transformação poderá beneficiar-se do uso do ChatGPT, por exemplo, através de simulações e de apoio em experiências práticas (Thurzo et al., 2023). Neste contexto, os professores terão de adotar práticas pedagógicas que promovam a avaliação da qualidade e relevância da informação gerada pela IA, além de tomar decisões informadas sobre o seu uso em sala de aula (Zhai, 2023).
É crucial a capacitação dos alunos para formular questões pertinentes aos modelos generativos, de forma a obterem respostas significativas (Chang; Kidman, 2023). A capacidade de criar prompts eficazes - precisos e claros - também determina a qualidade das respostas geradas (Mohapatra et al., 2023).
O foco educativo deverá orientar-se para o desenvolvimento da criatividade e do PC dos estudantes, em detrimento de capacidades gerais, de forma a promover uma aprendizagem significativa e adaptável aos desafios do mundo real (Zhai, 2023). Será necessário capacitar tanto professores quanto alunos para o uso ético do ChatGPT, priorizando o pensamento crítico e maximizando o seu potencial pedagógico (García-Penalvo, 2023). A utilização das limitações das tecnologias de IA generativa podem ser convertidas em oportunidades para promover aprendizagens de ordem superior e identificar práticas pedagógicas eficazes (Gasevic; Siemens; Sadiq, 2023), atuando tais tecnologias como ferramentas de apoio que complementam o papel dos professores (Zhai, 2023).
No âmbito da avaliação, espera-se o surgimento de novos formatos de avaliação voltados para a criatividade e o PC, onde a IA não pode substituir a autenticidade do aluno (Ventayen, 2023). Também se espera que o foco da avaliação mude, ou seja, o foco especial na escrita deve dar lugar ao pensamento crítico e criativo (Zhai, 2023). Este novo enfoque deverá resultar em mudanças significativas nos métodos de avaliação tradicionais, privilegiando abordagens contínuas, autênticas e adaptáveis (Gasevic; Siemens; Sadiq, 2023) e diversificadas (O’Connor, 2023), incluindo a incorporação de projetos em grupo, atividades práticas e apresentações orais (Tlili et al., 2023), com ênfase na avaliação formativa e na revisão por pares (Sedlbauer et al., 2024). O ChatGPT pode melhorar a eficácia da avaliação, pois fornece suporte personalizado à aprendizagem e auxilia na avaliação e na geração de relatórios de desempenho dos alunos (Zhai, 2023).
O passado mostra que a avaliação de conhecimentos ou de competências mediadas pela tecnologia traz sempre dúvidas sobre a aprendizagem autêntica. Assim sendo, talvez o problema não esteja na ferramenta em si, mas na essência de certas tarefas educativas nesta nova ecologia de aprendizagem, caracterizada por contextos complexos de pensamento aliados à era da Educação 4.0 (García-Penalvo, 2023).
Impactos observados e potenciais da IA no PCC
Até ao presente momento, há poucas evidências científicas sobre os impactos do ChatGPT no desenvolvimento do PCC. No que concerne ao PC, não foi comprovada a perda de capacidades pelo uso da IAGen. Pelo contrário, alguns estudantes relataram um incentivo à avaliação crítica e a uma análise mais profunda dos resultados gerados pela IA, embora este efeito possa ser temporário e associado às imperfeições do ChatGPT (Sedlbauer et al., 2024).
Para evitar a dependência excessiva da tecnologia e preservar as capacidades de PC, é essencial encontrar um equilíbrio entre a informação gerada pela IA e as ideias originais. Sugere-se a verificação cruzada da informação fornecida pela IA com outras fontes fiáveis e a limitação da utilização do ChatGPT a contextos específicos, para manter a autonomia do pensamento. A colaboração e a interação entre pares emergem como elementos fundamentais no uso do ChatGPT, auxiliando os alunos na análise e validação do conteúdo gerado, o que contribui para o desenvolvimento do pensamento criativo e crítico (Kartal, 2024). Em aulas com métodos interativos, como discussões, resolução de problemas e brainstorming assistidos pelo ChatGPT, observou-se uma melhoria significativa dos alunos nas pontuações de pensamento crítico, criativo e reflexivo (Essel et al., 2024).
No âmbito do pensamento criativo e da resolução de problemas, a cocriação entre alunos e o ChatGPT demonstrou melhorias no desempenho criativo. Embora o ChatGPT tenda a gerar respostas que não são totalmente originais, pode ajudar os alunos ao expô-los a uma ampla variedade de soluções, permitindo-lhes selecionar as mais promissoras. Além disso, a interação com o ChatGPT estimula o desenvolvimento de ideias, possibilitando uma exploração mais aprofundada do problema e gerando novas combinações de conceitos que levam a soluções mais elaboradas e inovadoras (Bitzenbauer, 2023).
Enquadramento empírico
Teste de Pensamento Crítico e Criativo - capacidades
Dadas as restrições apresentadas quanto aos testes de PC existentes, o TPCC de Lopes, Silva e Morais (2019) distingue-se por ter sido pensado e construído de raiz para ser utilizado em Portugal, direcionado a adolescentes portugueses - entre os 12 e os 19 anos -, a frequentar escolas dos ensinos básico e secundário, de estatuto socioeconómico baixo e alto. Este teste baseia-se em questões de resposta aberta, que dependem da recordação e permitem que os alunos ultrapassem a informação imediata, proporcionando inferências e avaliações mais profundas.
O TPCC fundamenta-se na taxonomia de Bloom, Engelhart, Furst, Hill e Krathwohl, de 1956, revista por Anderson e Krathwohl (2001 apudLopes; Silva; Morais, 2019), na taxonomia de Facione (1990apudLopes; Silva; Morais, 2019) e nos componentes essenciais de criatividade definidos por Guilford (1986 apudLopes; Silva; Morais, 2019). Assim, o TPCC apresenta as seguintes capacidades: (1) Interpretação; (2) Análise; (3) Explicação; (4) Avaliação; (5) Síntese; (6) Produção/criação, conforme se apresenta no Quadro 1.
Quadro 1 Capacidades de PCC, do TPCC
| Capacidades de PCC | Interpretação |
| Análise | |
| Explicação | |
| Avaliação | |
| Síntese | |
| Produção/criação |
Fonte: Elaborado pelos autores.
O teste apresenta características psicométricas robustas, com validade e fiabilidade dos constructos (alfa de Cronbach igual a 0,68) e fiabilidade inter-juízes (kappa de Cohen entre 0,76 e 0,93 para cada dimensão) (Lopes; Silva; Morais, 2019).
Embora haja uma tendência de centralização do PC em domínios específicos do conhecimento, particularmente nas ciências (Millán; Guirão; Martínez, 2021), o TPCC contraria esta tendência ao propor problemas da vida real, aplicáveis a qualquer domínio disciplinar. Este teste foi validado com alunos de áreas STEM (Ciência, Tecnologia, Engenharia e Matemática) e de CHS, assegurando, assim, uma abordagem interdisciplinar. Essa característica é relevante para o presente estudo, uma vez que disciplinas de CHS foram selecionadas para integrar o Modelo de Aprendizagem de Pensamento Crítico e Criativo, desenvolvido com recurso à IA Generativa (Modelo PCC_IAGen), seguindo uma metodologia de resolução de problemas de natureza interdisciplinar.
Escala de Disposições de Pensamento Crítico
A Escala de Disposições do Pensamento Crítico (EDPC) é um instrumento de autorrelato composto por 35 itens dispostos numa escala de Likert, utilizado para compreender as disposições dos estudantes do ensino superior. Esta escala apresenta uma estrutura heptafatorial baseada no relatório Facione Delphi: busca da verdade, mente aberta, analiticidade, sistematicidade, autoconfiança, curiosidade e maturidade de julgamento (Facione et al., 1995).
Validada para a população portuguesa por Lopes, Silva e Morais (2022), a EDPC demonstrou uma fiabilidade global muito boa (α = 0,94), com uma fiabilidade igualmente muito boa nas suas sete subescalas, cada uma correspondente a uma disposição distinta, variando entre 0,62 e 0,75 (Morais et al., 2023). As subescalas das disposições são: Procura de verdade; Mente aberta; Mente analítica; Sistematicidade; Autoconfiança no raciocínio; Curiosidade intelectual; Maturidade cognitiva, conforme se apresenta no Quadro 2.
Os papéis do ChatGPT
O ChatGPT pode assumir os seguintes papéis: mentor, tutor, treinador, companheiro de equipa, estudante, simulador e ferramenta (Mollick; Mollick, 2023). Para o estudo apresentado, foram selecionados três papéis - mentor, simulador e ferramenta - de forma a atender aos objetivos do Modelo PCC_IAGen em cada uma das suas etapas. A função de mentor é usada nas fases de Interpretação, Análise e Explicação; a de simulador é aplicada na fase de Avaliação e de Produção/Criação; e a de ferramenta é utilizada na fase de Síntese.
O papel de mentor consiste em fornecer uma opinião sobre o que o aluno apresenta. Este feedback melhora a aprendizagem, pois permite a obtenção de outras perspetivas, o que favorece as primeiras etapas - Interpretação, Análise e Explicação. O papel de simulador corresponde a ter acesso a uma prática construída, isto é, simulada. Este é particularmente útil na etapa de Avaliação, dado que o aluno já se encontra numa fase avançada das soluções encontradas para o problema. Deste modo, ao ver a simulação das suas propostas de solução, aliada ao pedido de comparação das suas propostas face às já existentes, o aluno consegue aprimorar as soluções e melhorar o seu PC. Além disso, o simulador revela-se também uma mais-valia na etapa de Produção/Criação. Nesta fase, o ChatGPT, enquanto simulador, fornece um ambiente seguro e controlado onde os estudantes podem experimentar com ideias, testar hipóteses e simular cenários que estimulam o pensamento criativo, sem os riscos associados a cenários reais. Neste contexto, apresenta variações de soluções criativas e oferece feedback sobre diferentes abordagens, promovendo o pensamento divergente, essencial para a criatividade. O papel de ferramenta serve, sobretudo, para concluir tarefas, sendo especialmente útil na etapa de Síntese, onde, perante um volume elevado de informação, permite uma organização e síntese eficientes, economizando tempo e melhorando a clareza dos resultados (Mollick; Mollick, 2023).
A integração das capacidades de PCC e dos papéis do ChatGPT serviu de matriz para as etapas do Modelo PCC_IAGen, como se verifica no Quadro 3.
Metodologia
Projeto de pesquisa
Esta investigação é um estudo de caso, sendo a investigadora observadora participante. Centra-se no desenvolvimento do PCC, através da Resolução de Problemas num contexto colaborativo e interdisciplinar. Os dados recolhidos incluíram informações quantitativas e qualitativas; contudo, para este artigo, foram selecionados apenas os dados quantitativos referentes aos resultados do Teste de PCC e da Escala de Disposições de PC, aplicados antes e após a implementação do Modelo PCC_IAGen. Para a análise quantitativa, recorreu-se à estatística descritiva. Antes da realização da investigação empírica, realizou-se a avaliação de impacto sobre a proteção de dados (AIPD), cumprindo a obrigação legal prevista no artigo 35.º do Regulamento Geral sobre a Proteção de Dados (RGPD) da União Europeia (UE).
Participantes
A seleção dos participantes foi efetuada por conveniência, isto é, utilizou-se um grupo intacto já constituído - uma turma (Coutinho, 2018). A investigação foi conduzida num agrupamento de escolas público (do pré-escolar até ao secundário), proporcionando um ambiente educacional diversificado, envolvendo 23 alunos do 12º ano, excluindo apenas dois alunos por faltas. A turma foi selecionada por pertencer a um curso de Línguas e Humanidades e por já ter alguma experiência prévia com o software ChatGPT em contexto de sala de aula. Os professores envolvidos foram selecionados por lecionarem a esta turma e por os temas das suas disciplinas serem compatíveis com um trabalho interdisciplinar. As disciplinas de matemática, física e educação física não foram incluídas, devido à menor aplicabilidade do ChatGPT nessas áreas.
Instrumentos
Os instrumentos usados foram questionários (TPCC; EDPC; autoavaliação dos alunos), diário de bordo e entrevista de grupo, embora este artigo se foque na análise do TPCC e EDPC.
Procedimentos de recolha de dados
Os procedimentos de recolha de dados iniciaram-se com uma avaliação inicial dos níveis de PCC e das disposições de PC dos alunos e a organização dos alunos em grupos heterogéneos para seguir o Modelo PCC_IAGen durante nove semanas. No final do período, os instrumentos de avaliação foram aplicados novamente.
Análise de dados
A análise dos dados foi realizada através de estatísticas descritivas, categorizando as respostas abertas do TPCC conforme uma grelha de desempenho para o PC, enquanto a EDPC foi classificada com base no grau de concordância dos participantes. A análise seguiu dois momentos: pré-análise e análise descritiva. A primeira teve como finalidade obter uma caraterização inicial dos alunos, tendo por base a pontuação do TPCC e da EDPC definidos pelos autores, para alunos do ensino secundário. A análise descritiva permitiu avaliar a evolução das capacidades e das disposições PCC após a intervenção com o modelo PCC_IAGen. Ainda se realizou uma análise por subescalas.
Apresentação dos resultados
Capacidades de PCC
Na pré-análise descritiva, verificou-se que a média dos resultados dos alunos participantes (14,2 - pré) se encontrava significativamente acima do valor mediano da pontuação máxima - 12,5 (pontuação máxima: 25 pontos) - e também se posicionava bastante acima dos valores médios esperados para alunos do ensino secundário (12 - masculino; 12,3 - feminino). Relativamente ao desvio-padrão, observou-se que os resultados (2,95 - pré) estavam significativamente abaixo dos valores esperados para alunos do ensino secundário (4,96 - masculino; 3,6 - feminino), como se apresenta na Tabela 1.
Tabela 1 Pré-análise descritiva dos resultados do TPCC - pré participação no Modelo de Aprendizagem de PCC_IAGen
| Instrumentos | Pontuação | Média (ensino secundário) |
Desvio-padrão (ensino secundário) |
Média (participantes) | Desvio-padrão (participantes) |
||||
|---|---|---|---|---|---|---|---|---|---|
| Teste Competências de PCC | 25(máxima) | masculino | 12 | masculino | 4,96 | Pré | 14,2 | Pré | 2,95 |
| feminino | 12,3 | feminino | 3,6 | ||||||
Fonte: Elaborada pelos autores.
Na análise descritiva, as médias obtidas (14,2 - pré; 15 - pós) evidenciam que houve uma melhoria nas capacidades de PCC. Os valores do desvio-padrão diminuíram (2,95 - pré; 2,73 - pós), o que sugere que a maioria dos dados passou a estar mais concentrada em torno da média. Os outliers inferiores (8,5 - pré; 10,25 - pós) registaram uma subida de 1,75 pontos. Em sentido contrário, os outliers superiores diminuíram (20,5 - pré; 20,25 - pós), embora esta descida seja muito ligeira, de apenas 0,25 pontos. Estes valores encontram-se apresentados na Tabela 2.
Tabela 2 Análise descritiva dos resultados do Teste de Capacidades de PCC - pré e pós participação no Modelo de Aprendizagem de PCC_IAGen
| Capacidades de PCC | Média | Desvio-padrão | Outlier inferior | Outlier superior |
|---|---|---|---|---|
| Pré | 14,2 | 2,95 | 8,5 | 20,5 |
| Pós | 15 | 2,73 | 10,25 | 20,25 |
Fonte: Elaborada pelos autores.
Na análise descritiva por subescalas, percebeu-se que as médias das capacidades de Análise e de Explicação mantiveram-se inalteradas. As médias das capacidades de Avaliação (1,4 - pré; 1,6 - pós), de Síntese (2,1 - pré; 2,4 - pós) e de Produção/Criação nas três dimensões apresentaram aumentos: Fluência (1,2 - pré; 1,4 - pós), Flexibilidade (1,1 - pré; 1,3 - pós) e Originalidade (2,1 - pré; 2,2 - pós). Apenas a competência de Interpretação registou uma descida na média, de 0,7 para 0,4.
Os outliers inferiores e superiores das capacidades de Análise (Identificação e Comparação), de Explicação e de Avaliação mantiveram-se inalterados. Nas capacidades de Interpretação e de Síntese, os outliers inferiores subiram e os superiores desceram. Na Interpretação, os valores passaram de -3 para 0 (outliers inferiores) e de 5 para 0 (outliers superiores). Na Síntese, os valores passaram de -2 para -1,75 (outliers inferiores) e de 6 para 3,75 (outliers superiores).
Em sentido contrário, foi a mudança de valores das capacidades de Produção/Criação, isto é, diminuíram os outliers inferiores e subiram os superiores, nas dimensões: Fluência e Flexibilidade (1 -pré; -0,5 - pós - outliers inferiores), (1 - pré; 3,5 - pós - outliers superiores); Originalidade (2 -pré; 0,5 - pós - outliers inferiores), (2 - pré; 4,5 - pós - outliers superiores). A Tabela 3 apresenta os dados mencionados.
Tabela 3 Análise descritiva dos resultados do Teste de Capacidades de PCC - pré e pós participação no Modelo de Aprendizagem de PCC_IAGen, por competência
| Capacidades de PCC | Média | Desvio-padrão | Outlier inferior | Outlier superior | |
|---|---|---|---|---|---|
| Interpretação | Pré | 0,7 | 0,91 | -3 | 5 |
| Pós | 0,4 | 0,77 | 0 | 0 | |
| Análise (identificação) |
Pré | 2 | 0 | 2 | 2 |
| Pós | 2 | 0,29 | 2 | 2 | |
| Análise (comparação) |
Pré | 1,4 | 0,64 | -0,5 | 3,5 |
| Pós | 1,4 | 0,58 | -0,5 | 3,5 | |
| Explicação | Pré | 2,3 | 0,85 | 0,5 | 4,5 |
| Pós | 2,3 | 0,74 | 0,5 | 4,5 | |
| Avaliação | Pré | 1,4 | 0,71 | -0,5 | 3,5 |
| Pós | 1,6 | 0,65 | -0,5 | 3,5 | |
| Síntese | Pré | 2,1 | 1,28 | -2 | 6 |
| Pós | 2,4 | 1,06 | -1,75 | 3,75 | |
| Produção/Criação Fluência |
Pré | 1,2 | 0,48 | 1 | 1 |
| Pós | 1,4 | 0,82 | -0,5 | 3,5 | |
| Produção/Criação Flexibilidade | Pré | 1,1 | 0,41 | 1 | 1 |
| Pós | 1,3 | 0,7 | -0,5 | 3,5 | |
| Produção/Criação Originalidade |
Pré | 2,1 | 0,61 | 2 | 2 |
| Pós | 2,2 | 0,82 | 0,5 | 4,5 | |
Fonte: Elaborada pelos autores.
Disposições de PC
Numa pré-análise descritiva, efetuou-se uma análise das disposições de PC tendo por base os níveis de disposição de PC definidos: Disposição baixa/oposição (<140); Disposição ambivalente (140-209); Disposição positiva (210-279); Disposição elevada (>280). Dada a pré-análise descritiva, concluiu-se que a média dos resultados dos alunos participantes, 295,82 (pré), se enquadrava no nível de disposição elevada (>280), como se verifica na Tabela 4.
Tabela 4 Pré-Análise descritiva dos resultados da Escala de disposições de PC - pré a participação no Modelo de Aprendizagem de PCC_IAGen
| Instrumento | Nível de Disposição de PC | Média (alunos participantes) | |
|---|---|---|---|
| Escala de Disposições de PC | Disposição elevada (>280) | Pré | 295,82 |
Fonte: Elaborada pelos autores.
Na análise descritiva, as médias obtidas (295,82 - pré; 303,83 - pós) são a evidência que houve uma melhoria das disposições de PC. Os valores do desvio-padrão diminuíram (2,95 - pré; 2,73 - pós), o que sugere que a maioria dos dados passou a estar mais concentrada em torno da média. Os outliers inferiores (222,3 - pré; 246,68 - pós) marcaram uma subida acentuada de 24,38, ao passo que os outliers superiores tiveram uma subida ligeira (363,9 - pré; 364,08 - pós) de 0,18 pontos, como se verifica na Tabela 5.
Tabela 5 Análise descritiva dos resultados da Escala de disposições de PC - pré e pós participação no Modelo de Aprendizagem de PCC_IAGen
| Disposições de PC | Média | Desvio-padrão | Outlier inferior | Outlier superior |
|---|---|---|---|---|
| Pré | 295,82 | 24,03 | 222,3 | 363,9 |
| Pós | 303,83 | 24,09 | 246,68 | 364,08 |
Fonte: Elaborada pelos autores.
A análise descritiva por subescalas mostrou que todas as médias das disposições subiram, à exceção da Mente Aberta (MAb), que diminuiu 1,31 pontos (43,7 - pré; 42,39 - pós). A Procura da Verdade (PV) registou uma subida de 0,54 pontos (44,89 - pré; 45,43 - pós); a Mente Analítica (MAn) subiu 0,87 pontos (42,17 - pré; 43,04 - pós); a Sistematicidade (S) aumentou 2,11 pontos (42,18 - pré; 44,29 - pós); a Autoconfiança no Raciocínio (AR) teve um acréscimo de 2,08 pontos (39,57 - pré; 41,65 - pós); a Curiosidade Intelectual (CI) apresentou um crescimento de 2,17 pontos (42,67 - pré; 44,84 - pós); e a Maturidade Cognitiva (MC) subiu 1,42 pontos (40,65 - pré; 42,07 - pós). Esta análise encontra-se ilustrada no Gráfico 1.
Fonte: Elaborado pelos autores.
Gráfico 1 Análise descritiva - média, resultados da Escala de Disposições de PC - pré e pós participação no Modelo de Aprendizagem de PCC_IAGen, por disposição
Todos os outliers inferiores subiram, à exceção da Mente Aberta (MAb), que diminuiu (28,75 - pré; 27,5 - pós) 1,25 pontos. Destacam-se as disposições que tiveram uma subida mais acentuada: a CI (29,35 - pré; 37,23 - pós) subiu 7,88 pontos; a AR (19 - pré; 31 - pós) subiu 12 pontos; a S (27,95 - pré; 36,6 - pós) subiu 8,65 pontos. As restantes disposições também subiram: a MC (28,13 - pré; 32,5 - pós) subiu 4,38 pontos; MAn (32,5 - pré; 35,63 - pós); PV (35 - pré; 38,13 - pós).
Todos os outliers superiores desceram. Destacam-se as disposições que tiveram uma descida mais acentuada: a CI (57,75 - pré; 54,23 - pós) desceu 3,525 pontos; a AR (59 - pré; 55 - pós) desceu 4 pontos; a S (56,35 - pré; 53,4 - pós) desceu 2,95 pontos. As restantes disposições também subiram: a MC (53,13 - pré; 52,5 - pós) desceu 0,63 pontos; MAn (52,5 - pré; 50,63 - pós) que desceu 1,88 pontos; a MAb (58,75 - pré; 57,5 - pós) que desceu 1,25 pontos; a PV (55 - pré; 53,13 - pós) que desceu 1,88. Os outliers estão em destaque nos Gráficos 2 e 3.
Fonte: Elaborado pelos autores.
Gráfico 2 Análise descritiva - outlier inferior, resultados da Escala de Disposições de PC - pré e pós participação no Modelo de Aprendizagem de PCC_IAGen, por disposição
Discussão
No cumprimento do primeiro objetivo deste estudo, procedeu-se à identificação dos instrumentos de avaliação das capacidades e disposições de PCC. Inicialmente, a escolha do instrumento atendeu ao conceito de PC, cumprindo a máxima de que a escolha do instrumento deve ser feita a partir da conceitualização de PC em que ele se baseia (Facione; Facione, 1994). Assim, elegeram-se o TPCC e a EDPC (Lopes; Silva; Morais, 2018), sobretudo pela identificação com a definição de PC de Facione:
The Delphi panel articulated is understanding of CT as follows: We understand CT to be purposeful, self-regulatory judgment which results in interpretation, analysis, evaluation and inference, as well as explanation of the evidencial, conceptual, methodological, criteriological, or contextual considerations upon which that judgment is based3 (Facione, 1990, p. 4).
Também se consideraram as características e o equilíbrio entre os aspetos positivos e as limitações dos instrumentos. O TPCC apresenta boas propriedades psicométricas, com validade e fiabilidade adequadas dos constructos (α de Cronbach = 0,68) e fiabilidade interavaliadores robusta (kappa de Cohen entre 0,76 e 0,93 para cada dimensão). Dadas as limitações dos testes de PC disponíveis, o TPCC mostrou-se uma escolha adaptada ao contexto português e à faixa etária, por ter sido desenvolvido para adolescentes entre os 12 e os 19 anos, de diferentes contextos socioeconómicos. O TPCC destacou-se pelo formato de resposta aberta, que promove inferências e avaliações aprofundadas, e pelo facto de avaliar simultaneamente o Pensamento Criativo, reconhecendo a interdependência deste com o PC (Lopes; Silva; Morais, 2019). Ao contrário da tendência de centralização da formação do PC em áreas específicas de conhecimento, principalmente nas ciências (Millán; Guirão; Martínez, 2021), o TPCC propõe problemas do dia a dia, independentemente da área disciplinar, tendo sido validado com alunos tanto de STEM quanto de CHS, o que o tornou apropriado para o ambiente interdisciplinar do presente estudo.
O segundo objetivo visou caracterizar os alunos participantes no estudo empírico. Os resultados da avaliação pré-intervenção mostraram desempenhos bastante acima da média esperada para alunos do ensino secundário, com médias de capacidades de PCC de 14,2 (superiores aos valores de referência de 12 - masculino e 12,3 - feminino) e valores de disposições de PC elevados, de 295,82 (nível de disposição elevada >280).
Estes resultados contrastam com avaliações da OECD e do CAE, que classificaram os estudantes ingressantes no ensino superior como “Em desenvolvimento” (Van Damme et al., 2023), e com as observações de Helaluddin et al. (2023), que indicaram dificuldades dos estudantes na era da Sociedade 5.0, especialmente em habilidades de pensamento criativo. Contrasta também com a necessidade de desenvolvimento do PC através de instrução explícita, a qual é mais eficaz do que a instrução implícita (Butler et al., 2012).
A justificação para estes resultados bastante acima dos valores médios esperados ao nível das capacidades de PCC e o nível de disposição de PC elevada deve-se, possivelmente, ao facto de a escola em estudo já ter efetuado a modificação e adaptação do ensino tradicional e a promoção da aprendizagem centrada no aluno (Cuadrado; Constantin, 2021) e valorizar as capacidades genéricas, como o PC e a resolução de problemas (Van Damme et al., 2023), bem como optar por um ensino explícito do PC (Butler et al., 2012). Além disso, o facto de os alunos participantes frequentarem o curso de humanidades parece influenciar positivamente os resultados iniciais. Relativamente às capacidades de PC, os estudantes de Humanidades, Ciências e Ciências Sociais apresentaram pontuações relativamente altas em comparação com as áreas de Administração e Agricultura (Van Damme et al., 2023).
Quanto às disposições de PC, os estudantes de Biomedicina apresentaram valores médios mais elevados, seguidos pelos das CHS, e depois pelas áreas STEM (Morais et al., 2023), resultados corroborados por Lopes, Silva e Morais (2022), em que os alunos dos cursos de Ciências e Tecnologia apresentaram pontuações globais mais baixas nas disposições de PC quando comparados com os das Ciências Agrícolas, Veterinárias e, também, das CSH.
Por fim, o terceiro objetivo centrou-se na análise dos resultados dos instrumentos aplicados antes e após a implementação do modelo de aprendizagem concebido. Observou-se uma melhoria moderada das capacidades de PCC, com médias pré e pós-intervenção de 14,2 e 15, respetivamente, e uma melhoria significativa nas disposições de PC, que aumentaram de 295,82 para 303,83. Destaca-se o aumento acentuado dos outliers inferiores, tanto das capacidades de PCC (1,75 pontos) quanto das disposições de PC (24,38 pontos), indicando uma melhoria nos alunos com níveis iniciais mais baixos. Em contrapartida, os outliers superiores registaram uma variação mínima, com uma ligeira diminuição de 0,25 pontos nas capacidades de PCC e um aumento de 0,18 pontos nas disposições de PC. Conclui-se, portanto, que a subida nas médias resultou, em grande parte, da melhoria observada nos estudantes com níveis iniciais mais baixos de PCC e de disposições de PC, o que evidencia o impacto positivo do modelo de aprendizagem centrado no desenvolvimento do PCC.
A primeira justificação para os resultados, quer das capacidades, quer das disposições, deve-se ao facto de que, quando as pontuações iniciais já se encontram elevadas, a margem de melhoria é reduzida. Relativamente às capacidades, a referida melhoria moderada contrasta com muitos outros estudos que revelam melhorias significativas em modelos de aprendizagem sem o uso de IAGen. É o caso dos modelos puros de PBL, que apresentaram melhorias significativas nas capacidades de PC (Cretton; Méndez, 2022) e nas capacidades de PCC (Helaluddin et al., 2023). Dos poucos estudos existentes centrados na mesma temática com IAGen, destaca-se a melhoria significativa das competências de PCC através de métodos interativos com o ChatGPT (discussões, resolução de problemas e brainstorming) (Essel et al., 2024).
Em termos de alinhamento, os resultados médios do presente estudo refletem um padrão similar ao estudo de aplicação de PBL, sem recurso à IAGen, em alunos da licenciatura de Psicologia, um dos poucos estudos de implementação da PBL em disciplinas de CHS. Este estudo não revelou diferenças significativas nas diversas variáveis, embora o PC tenha mostrado uma tendência para a melhoria. Tais resultados foram atribuídos aos efeitos mistos da PBL, à dimensão reduzida da amostra, à participação voluntária sem recompensa e às características de elevado interesse e motivação pelas atividades académicas (Cuadrado; Constantin, 2021).
Estas justificações também se aplicam ao presente estudo. De facto, este estudo também envolveu o mesmo número de participantes (23 alunos), a participação foi, igualmente, voluntária (tendo sido acordado que tal não exigiria trabalho extra - fora das aulas), e os alunos apresentaram características de elevado interesse e motivação pelas atividades académicas, tratando-se de alunos do 12º ano interessados, sobretudo, nos exames nacionais. Este estudo parece não se alinhar integralmente com os efeitos mistos obtidos na PBL, uma vez que seguiu as sugestões de adaptação do modelo PBL para o desenvolvimento de PC, através da inclusão de questões norteadoras orientadas para o PC, de mapeamento conceptual e de uma rubrica de avaliação de PC (Yu; Zin, 2023). Apenas a autoavaliação, como momento reflexivo, não foi implementada, devido à reduzida adesão dos alunos desde a primeira semana.
O aumento nos valores dos outliers inferiores (de 8,5 no pré-teste para 10,25 no pós-teste) pode estar relacionado com o papel do ChatGPT como apoio tanto nos aspetos cognitivos quanto emocionais dos alunos. O ambiente de aprendizagem mais personalizado e motivador, promovido pelo ChatGPT, beneficia especialmente alunos com deficiência ou dificuldades de aprendizagem, frequentemente pouco contemplados nos contextos educativos convencionais (Karakose; Tülübaş, 2023). Além disso, o conforto e o envolvimento destes ambientes tendem a aumentar a autoconfiança e reduzir a ansiedade, especialmente entre os estudantes com desempenho mais baixo (Adiguzel; Kaya; Cansu, 2023). A elevação dos valores dos outliers também pode ser atribuída ao Modelo PCC_IAGen, que se configura como uma estratégia instrucional eficaz no apoio à resolução de problemas. Este modelo é especialmente vantajoso para alunos menos experientes, permitindo que enfrentem problemas complexos ao dividi-los em etapas menores e mais manejáveis, com suporte contínuo ao longo de cada fase (Exintaris; Karunaratne; Yuriev, 2023).
Relativamente às disposições, a melhoria significativa diverge dos resultados dos poucos estudos realizados focados nessa dimensão, como a implementação de um modelo puro de PBL que, embora mostre um aumento significativo nas competências de PC, apresenta uma redução nas disposições de PC (Cretton; Méndez, 2022).A subida dos outliers inferiores referentes, quer das capacidades de PCC (1,75 pontos), quer das disposições de PC (24,38 pontos), estão, eventualmente, relacionados, apesar de não se verificar uma correlação extremamente alta entre disposições e capacidades de PC (Ennis, 2011), ambas são mutuamente reforçadas (Facione et al., 1995).
Conclusão
De acordo com os objetivos deste estudo: 1) caraterizar os alunos através da aplicação de um Teste de Pensamento Crítico e Criativo (TPCC) e de uma Escala de Disposições de Pensamento Crítico (EDPC); e 2) compreender como evoluem as capacidades e as disposições após a aplicação do modelo PCC_IAGen, o estudo demonstrou que o TPCC e a EDPC são instrumentos adequados e eficazes para avaliar tanto as competências como as disposições de PCC em alunos do ensino secundário, num registo de resposta aberta. Estes instrumentos não se limitam a áreas específicas do saber, mostrando-se particularmente apropriados para a natureza interdisciplinar do modelo de aprendizagem PCC_IAGen.
Relativamente à caraterização inicial dos alunos, os dados indicaram que os participantes possuíam um nível elevado de capacidades de PCC, situando-se acima da média esperada para alunos do ensino secundário. No que diz respeito às disposições de PC, os alunos também apresentaram níveis elevados, sugerindo uma predisposição positiva para o desenvolvimento destas competências.
Após a implementação do modelo PCC_IAGen, verificou-se uma evolução positiva nas capacidades de PCC, com uma melhoria moderada, e uma evolução significativa nas disposições de PC, especialmente entre os alunos com desempenho inicial mais baixo. O uso do ChatGPT como mentor, ferramenta e simulador no modelo de aprendizagem colaborativa foi particularmente eficaz, criando um ambiente de aprendizagem mais dinâmico e interativo. Esta integração de tecnologias revelou-se útil na personalização do apoio aos alunos, resultando em ganhos tanto nas capacidades cognitivas quanto nas disposições emocionais.
Conclui-se que o modelo PCC_IAGen constitui uma abordagem inovadora e eficaz para o desenvolvimento das capacidades e disposições de PCC.
