Transformações informacionais e acadêmicas em tempos de Inteligência Artificial: perspectivas de discentes da Universidade Federal de Minas Gerais

Transformações informacionais e acadêmicas na era da Inteligência Artificial: perspectivas de discentes da Universidade Federal de Minas Gerais

Resumo: Considerando o expressivo uso de Inteligência Artificial (IA) no ambiente acadêmico, este artigo investiga a utilização dessas ferramentas por discentes da Universidade Federal de Minas Gerais (UFMG). A análise estruturou-se a partir de três eixos: perfil de uso; ferramentas e suas aplicações; e percepções e implicações éticas. Para tanto, foram analisados os resultados de uma pesquisa do tipo survey, realizada em junho de 2025, que mapeou o uso dessas tecnologias na Instituição. Quanto ao primeiro eixo, os resultados revelam uma significativa adesão amostral de IA em atividades acadêmicas, tanto na graduação quanto na pós-graduação, com maior destaque para a área de conhecimento das Humanidades e, por unidade acadêmica, para o Instituto de Ciências Exatas, considerando os respondentes desta pesquisa. No segundo eixo, constatou-se que a ferramenta mais utilizada em ambos os grupos foram os chats de modelos generativos. A atividade de maior adesão amostral na graduação foi a obtenção de dados, enquanto, na pós-graduação, foi a correção de textos. Nas duas categorias, a maioria dos discentes demonstrou usar IA para busca e recuperação da informação, ressaltando sempre a necessidade de fazer conferências. Por fim, no terceiro eixo, observou-se que a maior parte dos estudantes prefere regras mais claras sobre o uso de IA, mas, apesar disso, demonstra consciência quanto aos riscos e às possibilidades de uso. Nesse aspecto, a pesquisa busca contribuir para o debate sobre integridade acadêmica e políticas institucionais no ensino superior diante da expansão e do papel da IA na academia.

Palavras-chave: inteligência artificial; ensino superior; graduação; pós-graduação; estudantes.

Informational and Academic Transformations in the Age of Artificial Intelligence: perspectives of Students at the Federal University of Minas Gerais

Abstract: Considering the significant expansion of artificial intelligence (AI) in the academic environment, this paper investigates the utilization of these tools by students at the Federal University of Minas Gerais (UFMG). The analysis was structured around three axes: usage profile; tools and their applications; and perceptions and ethical implications. To this end, we analyzed the results of a survey conducted in June 2025, which mapped the use of these technologies at the institution. Regarding the first axis, the results reveal a significant adoption of AI in academic activities across both undergraduate and graduate programs, with greater prominence in the Humanities field of knowledge and, by academic unit, at the Institute of Exact Sciences considering the respondents of this study. In the second axis, it was found that the most widely used tools in both groups were generative model chatbots; the activity with the highest adoption in undergraduate studies was data retrieval, whereas text editing and correction prevailed in graduate studies. In both categories, the majority of students demonstrated the use of AI for information search and retrieval, consistently emphasizing the need for double-checking. Finally, in the third axis, it was observed that most students prefer clearer rules regarding AI use; nevertheless, they demonstrate awareness of the risks and possibilities involved. In this regard, this study seeks to contribute to the debate on academic integrity and institutional policies in higher education given the expanding role of AI in academia.

Keywords: artificial intelligence; higher education; undergraduate education; graduate education; usage profile.

Transformaciones informáticas y académicas en la era de la inteligencia artificial: perspectivas de los estudiantes de la Universidad Federal de Minas Gerais

Resumen: Considerando el expresivo uso de la Inteligencia Artificial (IA) en el entorno académico, este artículo investiga la utilización de estas herramientas por parte de los estudiantes de la Universidad Federal de Minas Gerais (UFMG). El análisis se estructuró a partir de tres ejes: perfil de uso; herramientas y sus aplicaciones; y percepciones e implicaciones éticas. Para ello, se analizaron los resultados de una investigación de tipo survey (encuesta), realizada en junio de 2025, que mapeó el uso de estas tecnologías en la institución. En cuanto al primer eje, los resultados revelan una significativa adopción muestral de la IA en actividades académicas, tanto en el grado como en el posgrado, destacando principalmente el área de conocimiento de las Humanidades y, por unidad académica, el Instituto de Ciencias Exactas, considerando a los encuestados de este estudio. En el segundo eje, se constató que la herramienta más utilizada en ambos grupos fueron los chats de modelos generativos. La actividad con mayor adopción muestral en el grado fue la obtención de datos, mientras que, en el posgrado, fue la corrección de textos. En ambas categorías, la mayoría de los estudiantes demostró usar la IA para la búsqueda y recuperación de información, resaltando siempre la necesidad de realizar verificaciones. Por último, en el tercer eje, se observó que la mayor parte de los estudiantes prefiere reglas más claras sobre el uso de la IA, pero, a pesar de ello, demuestra conciencia respecto a los riesgos y las posibilidades de uso. En este aspecto, la investigación busca contribuir al debate sobre la integridad académica y las políticas institucionales en la educación superior ante la expansión y el papel de la IA en la academia.

Palabras-clave: inteligencia artificial; educación superior; pregrado; posgrado; estudiantes.

Como citar este artigo: SILVA DE SÁ, Douglas; LIMA, Victoria Cecilia Ruiz; NASCIMENTO SILVA, Patricia. Transformações informacionais e acadêmicas em tempos de Inteligência Artificial: perspectivas de discentes da Universidade Federal de Minas Gerais. Múltiplos Olhares em Ciência da Informação, Belo Horizonte, v. 16, p. 1-33, 2026. DOI: 10.35699/2237-6658.2026.65790.

Entre os avanços tecnológicos que vêm reconfigurando a própria existência humana, a Inteligência Artificial (IA) parece adicionar novas camadas de complexidade, possibilidades e desafios. A IA vem atravessando diferentes esferas da vida social, transformando, de forma silenciosa e profunda, a maneira como as pessoas trabalham, se comunicam e navegam pelo mundo (Bahroun et al., 2023).

Com o surgimento das ferramentas de Inteligência Artificial Generativa (GenAI), novas possibilidades e perspectivas vêm se apresentando em diferentes esferas, sobretudo no campo da educação. Mais especificamente no ensino superior, as ferramentas de IA são um dos principais agentes de transformação, afetando o cenário acadêmico de forma geral, incluindo processos administrativos, dinâmicas de pesquisa e práticas pedagógicas (Cavalcante et al. 2025). Nesse contexto, estudantes também vêm utilizando sistemas de IA para facilitar e navegar a experiência acadêmica de novas formas. Tal dinâmica já vem sendo discutida pela literatura, em estudos que apontam, por exemplo, como os alunos têm empregado ferramentas de IA enquanto fonte de apoio no processo de aprendizagem (Baidoo-Anu; Owusu Ansah, 2023; Rahman; Watanobe, 2023; UNESCO, 2024a).

Considerando que os discentes já fazem o uso de ferramentas de IA no contexto acadêmico, com potenciais benefícios e riscos, torna-se fundamental mapear essas práticas, possibilitando compreender os modos de uso, os efeitos e as implicações. O caso escolhido para o presente estudo se refere à Universidade Federal de Minas Gerais (UFMG), levando em consideração o fato de ser a primeira universidade federal no país a criar uma comissão destinada exclusivamente a discutir e tratar sobre o uso de ferramentas de IA no âmbito universitário^⁴, o que favoreceu a ampliação dos debates e a disseminação de informações sobre o tema.

A partir desse contexto, esta pesquisa possui o seguinte questionamento: Como os discentes têm utilizado a IA em atividades acadêmicas na UFMG? Dessa forma, o estudo apresenta um breve diagnóstico do uso da IA por discentes da UFMG, a partir de um recorte amostral, tendo como objetivo mapear o uso da IA por discentes, investigando os perfis e tipos de uso, além das ferramentas percepções e implicações éticas sobre o uso. Para tanto, o estudo analisa os resultados de uma pesquisa do tipo survey, realizada em junho de 2025 na UFMG, a qual coletou dados sobre o uso da IA na Instituição.

É importante ressaltar que tecnologias emergentes como ferramentas de IA ainda estão em processo contínuo de desenvolvimento e aperfeiçoamento, de modo que a compreensão dos seus impactos e possibilidades necessita ser periódica, de forma a acompanhar um debate que vem se renovando constantemente. Assim, investigar o uso de ferramentas de IA é fundamental não apenas para entender suas funcionalidades, mas também para mapear como elas estão reconfigurando e reorganizando atividades acadêmicas.

Nos últimos anos, A IA ressignificou seu papel de ferramenta utilitária de pouco impacto e se tornou em instrumento de grande relevância na mediação entre o aluno e a informação, proporcionando transformação tanto na dinâmica social quanto acadêmica (Caballero Mariscal; Segura; Pinto, 2025), possibilitando aprimorar, automatizar e personalizar diferentes facetas do processo educacional (Gârdan et al., 2025).

Conforme apontado por Sampaio (2024), a IA aplicada ao contexto acadêmico atua como ferramenta que auxilia o pesquisador em suas tarefas e em diferentes partes da pesquisa científica, possibilitando a criação de textos, imagens, análises e sugestões, além de promover a automação de processos, a personalização de experiências informacionais e aumentar a acessibilidade, sendo essencial na criação de ambientes inclusivos de aprendizagem (Sousa; Fujita, 2025).

Mas, da mesma forma que as ferramentas de IA emergem com a possibilidade de apoiar práticas exitosas, aumentar o engajamento dos discentes e oferecer novos recursos para feedback e formas de interação, elas também abrem espaço para questões relacionadas à ética, à equidade e à preparação dos profissionais e da instituição (Noroozi; Khalil; Banihashem, 2025). Segundo Nascimento Silva (2025), devido ao surgimento recente das GenAIs, as mudanças sociais advindas dessas ferramentas são irreversíveis, sendo um papel institucional aprender a utilizá-las de forma ética, fomentar orientações sobre o bom uso dessas tecnologias e criar ações de capacitação e pesquisas. Nesse sentido, é necessário promover o letramento em IA e a compreensão do uso ético dessas ferramentas, uma vez que todos precisam estar cientes das implicações, dos riscos e dos benefícios, possibilitando um uso sustentável e equilibrado, de maneira eficiente (Spivakovsky et al., 2023). Sendo assim, uma formação para essas competências é fundamental para o desenvolvimento de habilidades críticas e para o melhor uso das ferramentas.

O uso da IA no ambiente acadêmico caracteriza-se como um objeto de estudo da Ciência da Informação, visto que seu uso impacta os fluxos de produção de conhecimento. Nesse aspecto, o uso consciente dessas ferramentas exige o desenvolvimento de Competência Informacional, que, segundo Belluzzo (2023), visa capacitar pessoas para identificar, buscar, avaliar e usar a comunicação de forma ética e legal. Portanto, promover a capacitação e a formação para educadores trata-se de um pré-requisito crucial para uma integração justa e responsável no ensino. É essencial que a comunidade acadêmica esteja alinhada às orientações, aos valores e às normas socioculturais relacionadas aos modelos de GenAI (UNESCO, 2024b), oportunizando aos educadores repensar a prática e o uso e incentivando o uso consciente das tecnologias de IA em diferentes áreas acadêmicas (Universidad de Granada, 2024).

Nesse contexto, a criação de regulamentações é um dos pilares para que as instituições possam usufruir dessas tecnologias com segurança, visto que, para um melhor aproveitamento das potencialidades das ferramentas de IA, é essencial o envolvimento de setores públicos das áreas de saúde e educação (Academia Brasileira de Ciências, 2023).

No que diz respeito à regulamentação e às diretrizes para o uso da IA, internacionalmente, a UNESCO, a União Europeia e a Organização para Cooperação e Desenvolvimento (OCDE) destacam-se como as principais formuladoras de referenciais para IA na educação, por meio de marcos normativos, orientações políticas e frameworks, contribuindo para aspectos como a inovação e a responsabilidade (ANDIFES, 2025). Em um panorama nacional, como referência para a regulação da IA no Brasil, esta fundamenta-se sob a luz de documentos estratégicos criados durante a 5° Conferência Nacional de Ciência, Tecnologia e Inovação, documentos estes usados em parceria pelo MEC e ANDIFES para a criação do ‘Referencial para o Desenvolvimento e Uso Responsável de Inteligência Artificial na Educação^⁵’, publicado em fevereiro de 2026, o qual tem como objetivo estabelecer princípios e diretrizes de orientação ao uso de IA em diferentes níveis de ensino (ANDIFES, 2025).

O estudo envolve a análise de uma coleta de dados institucional, autorizada pela Reitoria, realizada entre maio e junho de 2025, referente à escuta da comunidade acadêmica sobre o uso de IA em atividades vinculadas à UFMG, realizada pela Comissão Permanente de IA. Dentre os instrumentos e as técnicas, foi utilizada a coleta de dados com documentação direta, por meio de um questionário, caracterizado como uma pesquisa de opinião pública, sem a identificação dos participantes.

A ferramenta LimeSurvey foi utilizada para a configuração do questionário, garantindo que os dados fossem armazenados em servidores da própria Universidade. Para estruturar a coleta, organizando e agrupando as perguntas conforme a sua finalidade, o questionário foi dividido em uma seção inicial, com o Termo de Consentimento Livre e Esclarecido, que destaca a participação voluntária e a finalidade acadêmica da pesquisa, e solicitou informações gerais de respondentes voluntários, como o tipo de vínculo com a Universidade e a respectiva unidade acadêmica ou administrativa, além da grande área de conhecimento, no caso de discentes e docentes, e mais três seções, com perguntas específicas (Figura 1). O relatório^⁶ da pesquisa contém o detalhamento do questionário com as perguntas e a análise geral dos dados.

O público-alvo desse instrumento foi toda a comunidade acadêmica: discentes, docentes, técnico-administrativos em educação (TAEs) e funcionários terceirizados. O formulário foi veiculado pelo serviço de divulgação de mensagens em massa, disponibilizado pela Diretoria de Tecnologia da Informação (DTI) da UFMG, e canais institucionais (redes sociais e cartazes impressos), por meio de um plano de divulgação criado pelo Centro de Comunicação da UFMG (Cedecom). Embora a pesquisa tenha utilizado a amostragem por conveniência, foi realizado o cálculo do tamanho amostral representativo da comunidade acadêmica da UFMG, que considerou o tamanho da população indicada no site da Universidade em números^⁷ (discentes, docentes e técnicos administrativos) = 52.486, a frequência (p) antecipada de 50%, o limite de confiança igual a 5 (precisão absoluta) e o efeito de desenho igual a 1.0 (para amostras aleatórias). O cálculo foi realizado a partir da utilização da ferramenta Open Epi^⁸, que calculou o tamanho da amostra de 382 para um intervalo de confiança de 95%. Considerando uma perda de 30%, o valor foi ajustado para uma amostra de 497 respondentes.

Considerando apenas respostas válidas, a amostra final da pesquisa contou com 2.441 respondentes, sendo 967 discentes da graduação, 541 discentes da pós-graduação, 595 docentes e 338 servidores técnico-administrativos ou funcionários terceirizados, distribuídos em todas as grandes áreas do conhecimento de 20 unidades acadêmicas.

No âmbito das limitações metodológicas, é válido esclarecer que o alcance real e as fronteiras referentes a esta pesquisa não possuem validade externa, visto que o estudo fica restrito ao contexto da UFMG. Sendo assim, os dados aqui expostos não devem ser generalizados como padrão para outras instituições. Essa delimitação impõe restrições inferenciais, já que a amostragem por conveniência não permite fazer previsões probabilísticas por todo o corpo discente. Destaca-se também o impacto do viés de autosseleção nas respostas do questionário, já que o tema é passível de ter previamente atraído respondentes interessados ou usuários frequentes da tecnologia. Portanto, os percentuais dessa pesquisa devem ser lidos como um diagnóstico desse grupo, e não o representativo de toda a comunidade acadêmica. Para essa pesquisa, o uso de uma base institucional prévia foi possibilitado por canais oficiais da instituição, os quais ajudaram a engajar um volume expressivo de respondentes em diferentes unidades acadêmicas.

Para este estudo, foi feito um recorte somente para os respondentes do perfil discente, conforme destacado na Figura 1. Assim, com base nos dados coletados, o presente estudo foi estruturado a partir de um recorte de 1.508 respondentes, soma dos discentes de graduação e de pós-graduação, de modo a contemplar três dimensões centrais de análise, a saber: perfil de uso; ferramentas e o tipo de uso a partir delas; e percepções e implicações éticas sobre o uso.

A primeira dimensão diz respeito ao perfil dos participantes e à caracterização das respostas, sendo analisados três aspectos: 1) se o uso de ferramenta é mais frequente entre graduandos e pós-graduandos; 2) quais áreas disciplinares apresentam um maior uso de ferramentas de IA entre os respondentes; e 3) a distribuição do uso de IA nas unidades acadêmicas, de modo a comparar o uso entre discentes de graduação e pós-graduação.

Nota: o trajeto assinalado em cinza não foi incluído na análise, restringindo-se a consideração às respostas fornecidas pelos discentes, destacadas em azul.

Uma segunda dimensão de análise tem como foco entender quais ferramentas de IA são utilizadas pelos estudantes e o seu modo de uso, comparando graduandos e pós-graduandos, sendo também dividida em três eixos de análise: 4) quais ferramentas são mais utilizadas; 5) a identificação de quais atividades são mais priorizadas no uso de IA; e 6) a frequência de uso de IA para busca e recuperação da informação;

A terceira e última dimensão de análise concentrou-se na investigação das percepções dos estudantes e das implicações éticas decorrentes do uso, estruturando-se em dois eixos: 7) se o nível de formação acadêmica influencia no processo de rigor acadêmico por meio da conferência das fontes; e 8) identificar a expectativa dos discentes sobre a atuação de uma Comissão de IA. O Quadro 1 apresenta os três blocos, a pergunta relacionada e a correspondência com a coleta de dados.

Destaca-se que este estudo compõe uma análise inicial dos dados. Assim, os resultados possuem uma análise predominantemente descritiva, sem associações entre variáveis. Na seção de resultados, cada eixo foi examinado de forma detalhada, à luz dos dados coletados.

Ao todo, mais de 4.000 pessoas acessaram o questionário da pesquisa. Contudo, considerando-se somente as respostas válidas, ou seja, respostas completas, a amostra final contou com 2.441 respondentes. Considerando-se, ainda, o recorte deste estudo para discentes, foram obtidas 1508 respostas válidas (61,8% da amostra total), excluindo-se 26 discentes que não concordaram em participar. Esses discentes estão distribuídos em 20 unidades acadêmicas e, quanto à vinculação, são 967 de graduação e 541 de pós-graduação. É importante destacar que dessa amostra inicial (1.508), 1.233 indicaram utilizar IA e 275 indicaram não fazer o uso da IA.

Vale ressaltar que as variáveis que permitiram a escolha de respostas múltiplas pelos discentes (ferramentas e atividades) foram analisadas com base na frequência absoluta no total de discentes que afirmaram fazer o uso de IA (1.233) em suas atividades, o que justifica proporções isoladas em cada análise.

Para responder à questão inicial: “A IA é mais utilizada entre discentes de graduação ou pós-graduação?”, considerou-se a amostra total de 1.508 participantes, composta por 967 graduandos e e 541 pós-graduandos.

Dentre os graduandos, 778 discentes relataram utilizar ferramentas de IA em suas atividades acadêmicas, o que corresponde a 80,45% desse grupo, enquanto 189 participantes relataram não utilizar IA em suas atividades, o que representa 19,55% do total. Entre pós-graduandos, 455 discentes indicaram utilizar ferramentas de IA em suas atividades, o que corresponde a 84,10% da amostra, enquanto 86 participantes indicaram não utilizar ferramentas de IA em suas atividades acadêmicas, representando 15,90% do total, conforme apresentado no Gráfico 1.

Observa-se, nessa análise, uma elevada adesão amostral entre os discentes ao uso de ferramentas de IA, tanto na graduação quanto na pós-graduação, apresentando um resultado superior a 80% nos dois grupos, o que sinaliza uma sutil diferença de 3,64% entre eles, indicando, assim, uma pequena vantagem da pós-graduação em relação ao uso de IA em atividades acadêmicas na UFMG. Em uma análise geral, considerando-se os graduandos e pós-graduandos, 1.233 (81,76%) discentes afirmaram fazer o uso de ferramentas de IA em atividades na UFMG, enquanto 275 (18,24%) discentes afirmaram não fazer o uso, o que aponta, também, para um uso elevado. É possível perceber que, mesmo com o avanço acelerado das ferramentas de IA, há um considerável percentual de discentes (18,24%) que declararam não fazer o uso de IA em atividades acadêmicas, posição que pode ser explicada a partir de diferentes fatores. Nesse aspecto, Pinto, Longhi e Behar (2026), em seu estudo, apontam que alguns dos maiores desafios que dificultam a adesão às ferramentas de IA estão ligados à falta de infraestrutura e de formação contínua, além de dificuldades na adaptação tecnológica.

Tendo em vista a diversidade em diferentes áreas do conhecimento, a frequência no uso de IA pode variar quando segmentada por diferentes níveis e áreas da comunidade acadêmica. Sob essa ótica, para responder à pergunta: “Em quais áreas do conhecimento há maior número de discentes da graduação e pós-graduação que declararam fazer o uso de IA em atividades acadêmicas?”, apresentou-se os dados para análise no Gráfico 2.
As respostas foram organizadas entre as três grandes áreas do conhecimento (Humanidades, Ciências Exatas e Ciências da Vida), considerando-se o total de respondentes de cada área, e apresentadas no Quadro 2. Na área das Humanidades, foram contabilizadas 567 respostas (45,98%), sendo 354 (45,50%) na graduação e 213 (46,81%) na pós-graduação. Nas Ciências da Vida, obteve-se 271 respostas (21,98%), sendo 162 (20,82%) na graduação e 109 (23,96%) na pós-graduação. Já nas Ciências Exatas, obteve-se 395 respostas (32,04%), sendo 262 (33,68%) na graduação e 133 (29,23%) na pós-graduação.

O cenário apresentado pelo Gráfico 2 indica o percentual de distribuição de discentes da graduação e da pós-graduação em cada área do conhecimento. Dentre as três áreas do conhecimento, a pós-graduação se destaca em maior distribuição de usuários que declararam usar IA em comparação à graduação, apontando Humanidades com 46,81% de usuários e Ciências da Vida com 23,96%. Já a área de Ciências Exatas indicou maior distribuição de usuários na graduação quando comparada à pós-graduação, apontando 33,68% de usuários de IA.
Tendo em vista os dados apresentados, é possível identificar, de acordo com o número de respondentes de cada área, que a área de Humanidades possui maior adesão amostral tanto na graduação quanto na pós-graduação, se comparada a outras áreas, e, em contrapartida, as Ciências da Vida indicam proporções menores nos dois grupos.

O uso de ferramentas de IA no ensino superior já está provocando mudanças sociais cujos impactos ainda não são totalmente conhecidos. Nesse contexto, é fundamental que as instituições de ensino repensem suas propostas pedagógicas, a fim de atender, de forma mais eficaz, às necessidades da comunidade acadêmica. Essa adoção da IA por parte dos graduandos, desde que bem instruída, pode impactar de maneira positiva no aproveitamento acadêmico dos discentes da graduação (Almeida; Penha; Rendeiro, 2025). No entanto, identificar como essa instrução e essa mediação devem ser realizadas tem se configurado como um dos grandes desafios enfrentados pelos docentes e gestores acadêmicos. Em seus estudos, Serzedello et al. (2025) apontam que a IA otimiza o potencial dos discentes a partir de um ensino personalizado, desde que guiada de maneira crítica e por políticas que assegurem o uso ético e equitativo da ferramenta e a preparação dos professores. Entretanto, para isso, as instituições de ensino superior devem ser acompanhadas por reflexões críticas acerca das possíveis implicações éticas e sociais derivadas da implementação de IA (Pinheiro; Costa; Vitoriano, 2025).
Dado o contexto de diferentes níveis no uso de IA entre as áreas do conhecimento e com o intuito de responder à questão: “Qual a distribuição do uso de IA na graduação e pós-graduação de acordo com as unidades acadêmicas?”, os Gráficos 3.1 e 3.2 detalham essa distribuição nas diferentes unidades acadêmicas da UFMG, apresentando uma divisão entre discentes que fazem uso ou não de ferramentas de IA em suas atividades acadêmicas.
Para essa avaliação, foi considerado o total de respondentes 1508 discentes, composto por 1233 discentes que afirmaram fazer o uso de IA. Desse total, 778 discentes são graduandos e 455 pós-graduandos; além de 275 discentes que afirmaram não fazer o uso de IA, sendo 189 da graduação e 86 da pós-graduação. Para a análise quantitativa de respondentes dessa amostra, os dados foram apresentados nos Gráficos 3.1 e 3.2, sendo separados respectivamente por ‘Graduação’ e ‘Pós-graduação’’, com seus valores subdivididos em categorias de discentes denominadas ‘usa IA’ e ‘não usa IA’.

Diante do exposto nos Gráficos 3.1 e 3.2, foi possível observar que, na amostra utilizada nesta pesquisa, em distribuição ao número de usuários respondentes, as unidades que mais se destacam no uso de IA em atividades acadêmicas na graduação são: em primeiro lugar, o Instituto de Ciências Exatas, com 15,04% de discentes; em segundo lugar, a Escola de Engenharia, com 14,91%; e, em terceiro lugar, a Faculdade de Filosofia e Ciências Humanas, com 11,31%. Já na pós-graduação, as unidades com maior distribuição de discentes que afirmaram fazer o uso de ferramentas de IA são: o Instituto de Ciências Exatas e a Faculdade de Filosofia e Ciências Humanas, ambas apresentando 12,53% de respondentes, seguidas da Escola de Engenharia, com 11,21% de alunos que declararam fazer uso de IA em suas atividades acadêmicas.

Em contrapartida, é possível analisar, também, a distribuição de discentes por unidade que declararam não utilizar IA em atividades acadêmicas na UFMG. Na graduação, as unidades com maior distribuição de não usuários são: em primeiro lugar, Faculdade de Letras, com 19,58%; em segundo lugar, Escola de Belas Artes, com 19,05%; e, em terceiro lugar, a Faculdade de Filosofia e Ciências Humanas, com 13,23% de discentes. Já na pós-graduação, as unidades com maior distribuição de respondentes que declararam não fazer o uso de IA são: Faculdade de Filosofia, com 22,09%; em segundo lugar, Faculdade de Letras, representada por 15,12%; e, em terceiro lugar, Instituto de Ciências Exatas, com 10, 47%.
Tendo em vista a distinção na adoção de ferramentas de IA em diferentes unidades acadêmicas, esse aspecto também pode refletir a preferência por ferramentas de IA a depender da complexidade das tarefas em cada área, visto que, constantemente, surgem novas ferramentas voltadas ao suporte e à otimização para diferentes demandas acadêmicas no âmbito técnico ou informacional. Aganette et al. (2024) apontam, em seu estudo, que o uso de modelos de IA em áreas como Saúde, Ciências Exatas e na área acadêmica tem contribuído para a realização de tarefas e análises mais avançadas. Nesse aspecto, percebe-se a possibilidade de uso em diferentes áreas, atendendo a demandas específicas que podem ser otimizadas com o uso de ferramentas de IA.

Para responder à pergunta: “Quais tipos de ferramentas de IA são mais utilizadas entre discentes da graduação e pós-graduação?”, foram analisadas as escolhas dos participantes a partir de cinco grupos de ferramentas: a) Chats de modelos generativos (ChatGPT, Gemini e DeepSeek); b) Assistentes integrados e outras ferramentas (exemplo: extensões para navegadores, Office, WhatsApp e Copilot); c) Editores de imagem e som; d) Consultas via API para integração com outros sistemas e plataformas; e) Modelos avançados ou específicos para treinamento.
Considerando que a questão permitia a seleção de múltiplas opções de resposta, os resultados indicam a frequência com que cada tipo de ferramenta é utilizado pelos respondentes. A primeira opção, correspondente a chats de modelos generativos, aparece com maior frequência tanto entre alunos de graduação (769) quanto de pós-graduação (448). Entre alunos de graduação, assistentes integrados e outras ferramentas (233) aparecem em segundo lugar, seguidos de editores de imagem e som (73), enquanto práticas envolvendo consultas via API (37) e modelos avançados para treinamento (37) são menos utilizados. Entre alunos de pós-graduação, assistentes integrados e outras ferramentas (182) figuram em segundo lugar, seguidos de editores de imagem e som (66) e modelos avançados para treinamento (41). Já as ferramentas relacionadas a consultas via API aparecem com menor frequência (39). No Gráfico 4, são apresentadas as ferramentas mais utilizadas entre discentes, a depender do seu nível de formação.

Gráfico 4 – Ferramentas de IA mais utilizadas

Fonte: Elaboração própria, 2026.

Também foram consideradas respostas abertas a partir da categoria “Outros”, possibilitando que os participantes compartilhassem as ferramentas que mais utilizam ou aquelas não contempladas pelas opções disponíveis. Foram contabilizadas 20 respostas de graduandos e 25 respostas de alunos da pós-graduação. A ferramenta de IA NotebookLM foi mencionada com maior frequência, sendo citada sete vezes, considerando os dois grupos. Entre graduandos, ferramentas como Perplexity e Consensus apareceram com mais frequência, sendo citadas três vezes cada. Entre pós-graduandos, o SciSpace e o Elicit apareceram com maior frequência, ambos sendo citados três vezes, enquanto o Elicit apareceu como ferramenta comumente utilizada no contexto da pós-graduação, não sendo citada entre alunos da graduação.
Atualmente, diferentes ferramentas de IA estão disponíveis para uso no contexto educacional, desempenhando diferentes funções. Nesse sentido, Sousa e Cardoso (2025) apontam que estudantes vêm integrando ferramentas de GenAI em diferentes dinâmicas do contexto acadêmico, seja no âmbito do ensino, da aprendizagem ou da pesquisa. Essas diferentes aplicações também dizem sobre as preferências dos alunos. No que diz respeito às ferramentas mais utilizadas, a preferência e dependência de ferramentas como o ChatGPT é marcante. As autoras indicam que essa preferência pode ser explicada por fatores como a interface acessível dessa ferramenta, a acessibilidade gratuita, a versatilidade em diferentes tarefas acadêmicas e o amplo destaque na mídia, contribuindo para uma adoção generalizada por parte dos estudantes.
De forma semelhante, Von Garrel e Mayer (2023), ao desenvolverem um estudo quantitativo com estudantes na Alemanha, apontam que modelos generativos aparecem com mais frequência entre os participantes. Ferramentas como ChatGPT, DeepL e Dall-E figuram como as que são usadas com maior frequência, com destaque para o ChatGPT, ou modelo GPT-4, adotado por quase metade dos participantes. No caso do presente trabalho, os chats de modelos generativos aparecem com diferença significativa em relação aos outros grupos de ferramentas de IA, sobretudo no contexto da graduação. Mesmo entre as respostas fornecidas na opção “Outros”, esse grupo de ferramentas de IA também aparece de forma frequente. A partir do mapeamento das ferramentas mais utilizadas, é possível compreender, também, em quais atividades e tarefas os estudantes priorizam o uso de IA, estabelecendo, assim, um paralelo entre o tipo de ferramenta e o uso empregado.

Para responder à pergunta: “Quais atividades são mais priorizadas no uso de IA por discentes da graduação e pós-graduação?”, além de ser considerada somente a resposta de estudantes que afirmam utilizar a IA para alguma atividade acadêmica, sendo 778 alunos de graduação e 455 alunos de pós-graduação, foram consideradas apenas as respostas de maior frequência (sempre e frequentemente) para a análise de prioridade, tratando-se de uma questão de múltipla seleção. A distribuição das tarefas priorizadas pelos discentes de graduação e pós-graduação pode ser observada de maneira mais detalhada no Gráfico 5.

Entre os discentes da pós-graduação, as atividades de correção e revisão de texto (63,30%), de tradução (61,10%) e pesquisa de fontes e links relacionados à determinada questão ou temática de interesse (56,92%) destacam-se como aquelas atividades para as quais as ferramentas de IA são mais utilizadas. Já entre estudantes de graduação, o uso de ferramentas de IA se orienta predominantemente para atividades envolvendo obtenção de dados e informações relevantes (63,88%), além de ser observada uma prioridade de uso de IA em relação à correção e à revisão de textos (56,43%) e à pesquisa de fontes e links relacionados à determinada questão ou temática de interesse (53,73%).

Conforme os resultados da pesquisa, a alta adesão amostral ao uso de IA pela pós-graduação em atividades de revisão de texto e tradução pode ser entendida como reflexo da necessidade de produzir e consumir textos e informações com mais consistência e volume. Em contrapartida, a graduação apresentou maior resultado em atividades de obtenção de dados e informações, o que pode denotar que esse grupo utiliza a ferramenta como um buscador de informações, substituindo fontes tradicionais. A terceira atividade com maior adesão amostral entre os dois grupos foi a atividade de pesquisa de fontes e links, sendo indicada frequência no uso da ferramenta para busca e recuperação da informação.

No contexto das atividades de correção e revisão de textos, configura-se um cenário particularmente sensível, sobretudo por envolver produções científicas originais e ainda não publicadas. Embora determinadas ferramentas declarem adotar políticas de privacidade e diretrizes para o tratamento de dados, é necessário considerar que os conteúdos submetidos podem ser incorporados a bases de dados administradas por grandes empresas de tecnologia, as Big Techs (Morozov, 2018). Tal circunstância suscita preocupações relevantes no que diz respeito à proteção dos direitos autorais, à confidencialidade das produções acadêmicas e ao fortalecimento de práticas de vigilância tecnológica, com potenciais desdobramentos éticos, jurídicos e institucionais. Isso porque tais tecnologias estão constantemente realizando uma variedade de atividades e tomando decisões sobre diferentes questões na vida social e política (Mendonça; Filgueiras; Almeida, 2023).

Ainda no contexto de uso para a recuperação de informação, para responder à questão: “Qual o percentual de adesão amostral ao uso de IA para busca e recuperação da informação entre discentes da graduação e pós graduação?”, foram consideradas apenas as respostas de maior frequência (sempre e frequentemente), sendo 778 graduandos e 455 pós-graduandos. Duas atividades foram analisadas: a primeira concerne à pesquisa de fontes e links relacionados à determinada questão ou temática de interesse, e a segunda se refere à obtenção de dados e informações relevantes para minhas atividades por meio de pergunta direta à ferramenta.

No que tange às atividades envolvendo pesquisa de fontes e links relacionados à determinada questão ou temática de interesse, 53,72% dos estudantes de graduação apontaram utilizar ferramentas de IA para esta atividade, contabilizando 418 alunos. Já entre os estudantes de pós-graduação, 56,93% indicaram utilizar ferramentas de IA, contabilizando 259 alunos. Quanto às atividades envolvendo a obtenção de dados e informações relevantes por meio de pergunta direta à ferramenta, 63,88% estudantes de graduação indicaram utilizar ferramentas de IA, totalizando 497 alunos, enquanto, entre estudantes de pós-graduação, a porcentagem é menor, 53,62%, representando um total de 244 alunos. A distribuição entre os dois grupos está representada no Gráfico 6.

Diante dos percentuais apresentados, constata-se uma maior adesão amostral ao uso de ferramentas de IA no que diz respeito à busca e à recuperação da informação entre estudantes de graduação. Tais ferramentas tendem a recuperar informações com maior rapidez, transmitindo uma sensação de eficiência e de cobertura ampliada. Isso é possibilitado por sistemas generativos capazes de realizar revisões ágeis, sintetizar grandes volumes de documentos e mapear tendências (ANDIFES, 2025). Esses sistemas são interessantes quando se tem dificuldades em fazer buscas por meios tradicionais, possibilitando ao usuário usufruir da possibilidade de fazer uma busca semântica (Sampaio, 2024). Porém, esse processo pode, muitas vezes, se tornar um obstáculo para o discente, em função da dificuldade na verificação da autenticidade dessas informações (Pinheiro; Costa; Vitoriano, 2025).

Sob essa ótica, é possível compreender que a eficiência da IA na recuperação da informação consiste na capacidade de intermediar o processo de busca entre os discentes e diferentes fontes de informação, possibilitando uma busca automatizada. Esse mecanismo tem o potencial de democratizar o acesso, visto que oportuniza que o usuário faça buscas de maneira simples em fontes de informação mais rebuscadas, que exigem domínio técnico. No entanto, essa possibilidade de busca exige mais critério e rigor na conferência dos resultados, uma vez que resultados gerados por IA são passíveis de alucinação, ou seja, dados e informações fora do contexto indicado pelo usuário, e também erros, como falsas referências, tornando essencial um posicionamento da instituição na promoção de informações sobre o uso ético dessas ferramentas.

Ainda em relação à existência de dados e informações falsas geradas por IA, é importante uma atuação governamental que proponha políticas que exijam transparência sobre a criação de modelos de IA nos sistemas de educação, bem como modelos que sejam inspecionados e passíveis de intervenção (U.S. Department of Education, 2023).

Considerando que os dados são estruturas basilares das aplicações de IA, é importante que sejam imparciais, precisos e bem analisados para alimentar corretamente os modelos. Sob essa ótica, a atuação institucional é imprescindível na promoção da inovação tecnológica e na garantia da integridade ética e regulatória.

Esse aspecto ainda reforça a importância de diretrizes institucionais que estimulem o desenvolvimento de competências dos discentes, uma vez que essa habilidade fomenta o raciocínio crítico, que favorece a análise dos resultados gerados por IA, evitando a aceitação passiva dos resultados sem conhecer a fonte ou questionar problemas relacionados a vieses e à confiabilidade da informação (Universidad de Granada, 2024). Esse problema é ainda mais sensível quando se trata da formação de pesquisadores e profissionais, já que, neste caso, é essencial, desde as etapas iniciais, conhecer, compreender e executar todos os processos formativos, sem pular etapas ou “terceirizar o pensamento”, a fim de evitar prejuízos ao ensino-aprendizagem (Nascimento Silva, 2025).

4.3 Análises sobre percepções e implicações éticas sobre o uso da IA

Tendo em vista a confiabilidade da informação, para responder à pergunta: “Em que medida o nível de formação acadêmica entre graduação e pós-graduação influencia na percepção de confiabilidade e no rigor na conferência de resultados obtidos por IA?”, foi levado em consideração o nível de confiança depositada pelos discentes nas respostas apresentadas por ferramentas e plataformas de IA. As opções disponíveis para os discentes consistem em quatro níveis: a) confio; b) confio em parte, mas faço algumas conferências; c) não confio nas ferramentas, utilizo somente para testes ou comparações superficiais; d) outros.
Considerando os 778 estudantes de graduação que apontaram utilizar ferramentas de IA nas suas atividades, 82% afirmam confiar parcialmente, realizando conferências dos resultados, contabilizando 638 alunos. Entre os 455 estudantes de pós-graduação que apontaram utilizar ferramentas de IA nas suas atividades, 79,56% realizam a conferência das respostas fornecidas por tais ferramentas, contabilizando 362 alunos, conforme apresentado no Gráfico 7.

Os participantes também poderiam expressar sua relação de confiança com os resultados de ferramentas de IA a partir da opção "outros", de forma que foram contabilizadas 46 respostas, sendo 23 respostas de alunos da graduação e 23 respostas de alunos da pós-graduação. Nessa última opção, uma das respostas da graduação foi descartada por falta de coerência com a pergunta, totalizando, portanto, 22 respostas. Dentre as 22 respostas da graduação, em categorização, todas apontaram que os discentes confiam em parte, mas fazem algumas conferências. Já nas 23 respostas da pós-graduação, em categorização, 21 apontaram que os discentes confiam em parte na ferramenta, mas fazem a conferência dos resultados, e 2 indicaram a não confiança na ferramenta, utilizando-a apenas para testes.
A partir dos dados apresentados no Gráfico 7 e da análise das respostas da opção “Outros”, é possível perceber que tanto graduandos quanto pós-graduandos demonstram algum nível de insegurança quanto ao uso de ferramentas de IA. Nesse contexto, o que ficou popularmente conhecido como alucinações (Alkaissi; McFarlane, 2023) pode, entre outros fatores, representar um elemento de desconfiança entre os discentes, que, em maior parte, indicaram realizar algum tipo de revisão dos resultados. Como apontam Jung et al. (2024), recorrentemente nos deparamos com algumas questões cruciais ao usar os chamados Large Language Models (LLM), como o processo de edição, a tomada de decisão ética, a delimitação e a declaração do uso e a verificação dos resultados. Isso porque essas etapas impactam diretamente a confiabilidade, a integridade e as implicações éticas do conteúdo gerado por IA. Os autores apontam, no entanto, que o processo de verificação das informações pode ser considerado a questão mais importante, sobretudo quando se refere à garantia de padrões científicos e à integridade acadêmica.
Para além do conhecimento e do rigor técnico, para assegurar o uso responsável de ferramentas de IA, é necessário que o usuário esteja consciente sobre os riscos associados ao uso inapropriado da ferramenta, que pode configurar como prática de má conduta ética e moral. Nesse aspecto, uma boa orientação institucional pode refletir em boas práticas acadêmicas. Contudo, sem governança institucional e políticas regulatórias, o uso de ferramentas de IA de maneira indevida e sem critérios pode comprometer direitos individuais e coletivos (Paixão, 2025).

Além disso, o uso inadequado da GenAI pode estar associado, também, à falta de literacia de dados, que possibilita ao usuário compreender e avaliar de forma crítica os dados e as informações (Nascimento Silva, 2025). Para evitar esse cenário, é fundamental promover ações contínuas de formação, bem como estabelecer um diálogo eficaz com os discentes. Nesse contexto, cabe ao professor explicitar de forma clara os limites, as possibilidades e as formas adequadas de utilização dessas ferramentas. Entretanto, a implementação dessas práticas constitui um desafio significativo, uma vez que a validação do uso adequado pelos estudantes é um processo complexo, de difícil verificação e, em muitos casos, praticamente impossível de ser realizado pormenorizadamente pelo docente. Com isso, é imprescindível um aprendizado consistente em IA a partir de programas de capacitação, desde o ensino fundamental até a pós-graduação, e a requalificação profissional devido às novas demandas do mercado (Brasil, 2025).

Em razão do papel institucional acerca da conscientização sobre o uso de IA na comunidade acadêmica, o Gráfico 8 possibilita a visualização do nível de expectativa dos discentes em relação ao trabalho de uma comissão da IA na Universidade, indicando o valor absoluto e o seu respectivo percentual. Nesse aspecto, visando responder à questão: “Existem diferenças entre alunos de graduação e de pós-graduação quanto às expectativas sobre a atuação de uma comissão de IA na universidade?”, considerou-se para a análise o recorte de 1233 alunos (778 graduandos e 455 pós-graduandos) que afirmaram fazer o uso de IA para fins acadêmicos. Os participantes poderiam escolher entre as opções: a) A UFMG precisa indicar o que é permitido e o que é proibido, bem como recomendações e boas práticas para o uso dessas tecnologias; b) a UFMG deve indicar somente recomendações e boas práticas para o uso dessas tecnologias, sem criar regras e limitações; c) as definições devem ser estabelecidas por instituições e instâncias mais amplas do que a Universidade. Cabe à Comissão somente divulgá-las; d) as definições sobre uso da IA são muito específicas e pessoais, e não há necessidade de uma comissão específica; e e) não sei opinar.

De acordo com os dados apresentados no Gráfico 8, a primeira opção, relacionada à necessidade de delimitação clara do permitido e do proibido, além de recomendações e boas práticas por parte da UFMG, foi a mais votada pelos discentes da graduação (401, 63,45%) e pós-graduação (231, 35,55%). Em relação à segunda opção, que diz respeito somente à indicação de recomendações, sem a criação de regras definidas, alunos de graduação (276, 62,30%) apresentam maior preferência que discentes de pós-graduação (167, 37,70%). A terceira opção, que indica uma maior inclinação por diretrizes estabelecidas por instituições e instâncias mais amplas que a Universidade, obteve a preferência de 37 (59,68%) discentes da graduação e 25 (40,32%) da pós-graduação. A opção que indica posição contrária à atuação de uma comissão específica foi escolhida por 21 (65,63%) discentes da graduação e 11 (34,38%) da pós-graduação. Já a opção “não sei opinar” foi marcada por 43 (67,19%) alunos de graduação e 21 (32,81%) alunos de pós-graduação.

Levando em consideração a resposta mais votada, nota-se que a maior parte dos discentes aguarda indicações de uso e definições mais claras.

O debate sobre a democratização de sistemas algorítmicos (Mendonça; Filgueiras; Almeida, 2023) e, especificamente, a regulamentação da IA tem ganhado destaque no contexto atual de forma geral devido à dinamicidade e ao rápido avanço de tais tecnologias. No âmbito do ensino superior, o avanço no uso de ferramentas de IA aponta para a criação de comitês éticos multidisciplinares em universidades, instituições de pesquisa e órgãos financiadores com o objetivo de promover a supervisão do desenvolvimento e das aplicações da ferramenta (Sampaio, 2024). De acordo com Cavalcante et al. (2025), nesse aspecto, a criação de observatórios institucionais para o monitoramento de possíveis impactos causados pela IA pode fornecer subsídios para a criação de diretrizes e políticas adaptáveis às necessidades acadêmicas da instituição.

Documentos recentes, como o Referencial para o Desenvolvimento e Uso Responsável de Inteligência Artificial na Educação (Brasil, 2026a) e a Portaria nº 2.664/2026, que institui a Política de Integridade na Atividade Científica do Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) (Brasil, 2026b), representam avanços importantes ao estabelecer diretrizes para o uso da IA no ensino e na pesquisa científica. Nesse contexto, cabe às universidades adotar essas orientações e promover as adaptações necessárias às suas realidades institucionais, considerando as especificidades locais e a diversidade regional do país. Além disso, a implementação de mecanismos de apuração e sanção em casos de infração é fundamental para garantir a efetividade dessas normas, bem como oferecer respaldo institucional aos docentes e fortalecer a atuação das próprias universidades, prezando pelo uso ético e responsável da IA, sem esquecer da inovação.

O presente artigo objetivou mapear o uso da IA por discentes (graduação e pós-graduação), investigando os perfis e o tipo de uso, as ferramentas e as percepções e implicações éticas sobre o uso na UFMG a partir de uma coleta de dados com documentação direta e de caráter institucional, em junho de 2025, referente à escuta da comunidade acadêmica realizada pela Comissão Permanente de IA da UFMG. Neste recorte com discentes da Universidade, foi possível estruturar um estudo a partir de três dimensões de análise: 1) perfil de uso; 2) ferramentas e modo de uso; e 3) percepções e implicações éticas sobre o uso.
Em relação à primeira dimensão de análise, referente ao perfil de uso, é possível afirmar que o uso de ferramentas de IA está fortemente presente entre os discentes de forma geral, assim como quando são considerados os contextos da graduação e da pós-graduação separadamente. No entanto, o uso de ferramentas de IA é mais frequente na pós-graduação, com uma porcentagem de 84,10%, em comparação aos 80,45% entre estudantes de graduação. Ademais, foi identificado uma maior concentração do uso de IA na área das Ciências Humanas, de acordo com o número de respondentes da pesquisa, levando-se em conta alunos de graduação e pós-graduação. Considerando-se as três áreas do conhecimento, Ciências Humanas, Ciências da Vida e Ciências Exatas, na amostra utilizada nesta pesquisa, discentes da pós-graduação aparecem à frente no uso de ferramentas de IA.
Já na segunda dimensão de análise, referente aos tipos de ferramentas e ao modo de uso, foi possível perceber uma preferência dos discentes por chats de modelos generativos, tanto na graduação quanto na pós-graduação. Entre as atividades nas quais o uso de IA aparece com maior frequência, é apontado o destaque para a pesquisa de fontes e links relacionados à determinada questão ou temática de interesse e a correção e revisão de textos. Além disso, o uso de ferramentas de IA em atividades como obtenção de dados e informações relevantes é mais comumente priorizado entre estudantes da graduação, enquanto, na pós-graduação, o uso é priorizado em atividades de tradução. O mapeamento das atividades nas quais o uso de IA é priorizado possibilitou a discussão sobre o processo de busca e recuperação da informação, com uma maior adesão amostral entre estudantes da graduação.
A terceira dimensão de análise, referente às percepções e às implicações éticas sobre o uso, aponta para uma postura consciente por parte dos estudantes, de forma que a ampla maioria indica confiar parcialmente nos resultados fornecidos por ferramentas de IA, fazendo conferências das respostas, com uma pequena vantagem entre discentes de graduação. No que diz respeito às percepções e às expectativas dos estudantes quanto à atuação de uma Comissão destinada a lidar com assuntos envolvendo uso de IA na Universidade, discentes de graduação e pós-graduação apresentam posição favorável. Nesse cenário, os discentes acreditam que a universidade deve indicar o que é permitido ou proibido, assim como estabelecer recomendações e boas práticas para o uso de IA.
Conclui-se que este estudo permitiu não apenas mapear a frequência ou os tipos de aplicações adotadas, mas também observar práticas e repensar os limites que orientam a interação dos estudantes com essas tecnologias. Nesse contexto, o estudo pode contribuir para subsidiar discussões qualificadas, de maneira a orientar a construção de normativas institucionais e políticas educacionais, alinhadas a um avanço tecnológico responsável e crítico.

Embora os resultados desta pesquisa dialoguem com debates mais amplos, eles retratam a realidade de uma instituição específica, contexto essencial a ser considerado pelas instituições ao definir regras para o uso da IA. Contemplar aspectos locais e regionais é fundamental para garantir que as definições estejam alinhadas com as realidades e sejam efetivas. Além disso, a partir da experiência de discentes, as novas configurações da experiência acadêmica, a partir da emergência dessas tecnologias, não se resume a apenas esse grupo. Assim, a pesquisa pode contribuir para que pesquisadores, docentes, funcionários e outros atores do contexto universitário estejam cientes de nova dinâmica e repensem suas ações, especialmente em relação ao ensino-aprendizagem. Além disso, os resultados do estudo indicam direções para a Comissão de Permanente de IA, observado o desejo dos alunos por "regras mais claras", o que impacta, também, na necessidade de capacitação docente, tendo em vista todos os desafios para lidar com esse novo contexto educacional.

Como trabalhos futuros, é importante reforçar a necessidade de estudos frequentes, que procurem aprofundar e contribuir com a discussão sobre o uso de ferramentas de IA no cenário acadêmico, permitindo assim uma maior compreensão das transformações e dos desafios nesse contexto, que muda tão rapidamente.

Ao Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) pelo apoio à pesquisa, processo 303721/2025-1.

À Agência Coordenação de Aperfeiçoamento de Pessoal de Nível Superior (CAPES) pelo apoio financeiro concedido.

AGANETTE, Elisângela Cristina; MACULAN, Benildes Coura Moreira dos Santos; LIMA, Gercina Ângela de; SILVA, Patrícia Nascimento. Inteligência artificial no ensino e pesquisa: ferramentas e desafios. In: ENCONTRO NACIONAL DE PESQUISA EM CIÊNCIA DA INFORMAÇÃO, 24., 2024. Anais [...]. Belo Horizonte: ENANCIB, 2024. Disponível em: https://enancib.ancib.org/enancib/pt_BR/article/view/2002. Acesso em: 01 fev. 2026.

ALKAISSI, Hussam; MCFARLANE, Samy I. Artificial Hallucinations in ChatGPT: Implications in Scientific Writing. Cureus, 2023. Disponível em: https://www.cureus.com/articles/138667-artificial-hallucinations-in-chatgpt-implications-in-scientific-writing. Acesso em: 01 fev. 2026.

ALMEIDA, Emanuelle Iasmin Ribeiro de; PENHA, Cintia Barreto de Moura; RENDEIRO, Maria Eduarda de Souza. O uso da Inteligência Artificial e sua influência no desempenho acadêmico: uma análise no ensino de graduação. 2025. Trabalho de Conclusão de Curso (Graduação em Administração) - Universidade Federal do Amapá, Macapá, 2025. Disponível em: http://200.139.21.55/bitstream/123456789/1729/1/TCC_InteligenciaArtificialInfluencia.pdf. Acesso em: 01 fev. 2026.

ASSOCIAÇÃO NACIONAL DOS DIRIGENTES DAS INSTITUIÇÕES FEDERAIS DE ENSINO SUPERIOR (ANDIFES). Diretrizes para o uso de IA nas Instituições de Ensino Superior no Brasil. Brasília: ANDIFES, 2025. Disponível em: https://edoc.ufam.edu.br/bitstream/123456789/11159/1/DIRETRIZES%2018%20NOV%20-%20Revisada.pdf. Acesso em: 01 fev. 2026.

BAHROUN, Zied; ANANE, Chiraz; AHMED, Vian; ZACCA, Andrew. Transforming Education: A Comprehensive Review of Generative Artificial Intelligence in Educational Settings through Bibliometric and Content Analysis. Sustainability, v. 15, n. 17, p. 12983, 2023. Disponível em: https://www.mdpi.com/2071-1050/15/17/12983. Acesso em: 01 fev. 2026.

BAIDOO-ANU, David; OWUSU ANSAH, Leticia. Education in the Era of Generative Artificial Intelligence (AI): Understanding the Potential Benefits of ChatGPT in Promoting Teaching and Learning. SSRN Electronic Journal, 2023. Disponível em: https://www.ssrn.com/abstract=4337484. Acesso em: 01 fev. 2026.

BELLUZZO, Regina Celia Baptista. Competência em Informação, Midiática e Digital: reflexões desde suas origens às principais tendências em espaços econômicos, educacionais e culturais na era digital. Informatio, [s. l.], v. 28, n. 2, e-a4, 2023. DOI: https://doi.org/10.35643/Info.28.2.13. Disponível em: http://www.scielo.edu.uy/scielo.php?script=sci_arttext&pid=S2301-13782023000200055. Acesso em: 01 fev. 2026.

BRASIL. Ministério da Educação. Referencial para o Desenvolvimento e Uso Responsável de Inteligência Artificial na Educação. Brasília, DF: MEC, 2026a. Disponível em: https://www.gov.br/mec/pt-br/media/segape/referencial-oficial-pt.pdf. Acesso em: 01 fev. 2026.

CABALLERO MARISCAL, David; SEGURA, Alicia; PINTO, María. El reto de la inteligencia artificial: un estudio de caso sobre las percepciones del uso del chatgpt en el estudiantado de educación e información y documentación. Ibersid: revista de sistemas de información y documentación, v. 19, n. 2,p. 117-130, 2025. Disponível em: https://www.ibersid.eu/ojs/index.php/ibersid/article/view/5039/4422. Acesso em: 01 fev. 2026.

CAVALCANTE, Ailton Ferreira; DA SILVA, Soraia Sorice; SILVESTRE FILHO, Irajá; OLIVEIRA, Valdivino José de. Inteligência artificial no ensino superior: revolução ou desafio?. ARACÊ, v. 7, n. 3, p. 12285–12297, 2025. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/3827. Acesso em: 01 fev. 2026.

ESTADOS UNIDOS. Department of Education. Office of Educational Technology. Artificial Intelligence and the Future of Teaching and Learning: Insights and Recommendations. Washington, DC: U.S. Department of Education, 2023. p. 71. Disponível em: https://www.ed.gov/sites/ed/files/documents/ai-report/ai-report.pdf. Acesso em: 01 fev. 2026.

GÂRDAN, Luliana Petronela; GÂRDAN, Luliana Petronela; MANU, Magdalena Beatrice; GÂRDAN, Daniel Adrian; NEGOITA, Lucian Dragos Leonard; PASTIU, Carmen Adina; GHITA, Ecaterina; ZAHARIA, Alina. Adopting AI in education: optimizing human resource management considering teacher perceptions. Frontiers in Education, [s. l.], v. 10, p. 1-18, fev. 2025. DOI: 10.3389/feduc.2025.1488147. Disponível em: https://www.webofscience.com/wos/woscc/full-record/WOS:001436852400001. Acesso em: 01 fev. 2026.

JUNG, Minseok; ZHANG, Aurora; FUNG, May; LEE, Junho; LIANG, Paul Pu. Quantitative Insights into Large Language Model Usage and Trust in Academia: An Empirical Study. 2024. Disponível em: https://arxiv.org/abs/2409.09186. Acesso em: 01 fev. 2026.

MENDONÇA, Ricardo Fabrino; FILGUEIRAS, Fernando; ALMEIDA, Virgilio. Algorithmic Institutionalism: The Changing Rules of Social and Political Life. 1. ed. [s.l.]: Oxford University PressOxford, 2023. Disponível em: https://academic.oup.com/book/55255. Acesso em: 6 abr. 2025.

MOROZOV, Evgeny. Big Tech: a ascensão dos dados e a morte da política. São Paulo: Ubu Editora, 2018.

NASCIMENTO SILVA, Patrícia; LIMA, Victória Cecília Ruiz; MENDONÇA, Ricardo Fabrino; REIS, Zilma Silveira Nogueira. UNIVERSIDADE Federal de Minas Gerais. Inteligência artificial na UFMG: percepções da comunidade acadêmica – relatório da consulta à comunidade acadêmica da Universidade Federal de Minas Gerais no primeiro semestre de 2025. 2. ed. Belo Horizonte: Universidade Federal de Minas Gerais, 2025. 1 recurso online. Disponível em: https://www.ufmg.br/ia/wp-content/uploads/2025/12/Inteligencia-Artificial-na-UFMG_-percepcoes-da-comunidade-academica-2-1-1 .pdf. Acesso em: 01 fev. 2026.

NASCIMENTO SILVA, Patrícia. Inteligência Artificial e periódicos científicos: os dilemas que permeiam a produção acadêmica contemporânea. Múltiplos Olhares em Ciência da Informação, Belo Horizonte, v. 15, 2025. Disponível em: https://periodicos.ufmg.br/index.php/moci/article/view/63351. Acesso em: 01 fev. 2026.

NOROOZI, Omid; KHALIL, Mohammad; BANIHASHEM, Seyyed Kazem. Artificial Intelligence in higher education: Impact depends on support, pedagogy, human agency, and purpose. Innovations in Education and Teaching International, v. 62, n. 5, p. 1425-1430, 2025. Disponível em: https://www.tandfonline.com/doi/full/10.1080/14703297.2025.2539579. Acesso em: 01 fev. 2026.

PINHEIRO, Maria Heldaiva Bezerra; COSTA, Marcos Rogério Martins; VITORIANO, Maria Albeti Vieira. A interface entre inteligência artificial e letramento informacional no ensino superior: contextos, avanços e desafios inter e multidisciplinares. Encontros Bibli: revista eletrônica de biblioteconomia e ciência da informação, Florianópolis, v. 30, p. e103105, 2025. Disponível em: https://www.scielo.br/j/eb/a/ZpcDvX3zDxK3rqJrqjxvnBt/?format=html&lang=pt. Acesso em: 01 fev. 2026.

PINTO, Andrio dos Santos; LONGHI, Magalí Teresinha; BEHAR, Patricia Alejandra. Competências digitais discentes para o uso de inteligência artificial no ensino superior a distância: uma revisão sistemática da literatura. RDBCI: Revista Digital de Biblioteconomia e Ciência da Informação, Campinas, SP, v. 24, p. e026013, 2026. DOI: 10.20396/rdbci.v24i00.8679434. Disponível em: https://periodicos.sbu.unicamp.br/ojs/index.php/rdbci/article/view/8679434. Acesso em: 01 fev. 2026.

RAHMAN, Md. Mostafizer; WATANOBE, Yutaka. ChatGPT for Education and Research: Opportunities, Threats, and Strategies. Applied Sciences, v. 13, n. 9, p. 5783, 2023. Disponível em: https://www.mdpi.com/2076-3417/13/9/5783. Acesso em: 01 fev. 2026.

SAMPAIO, Rafael Cardoso; SABBATINI, Marcelo; LIMONGI, Ricardo. Diretrizes para o uso ético e responsável da Inteligência Artificial Generativa: um guia prático para pesquisadores. São Paulo: Sociedade Brasileira de Estudos Interdisciplinares da Comunicação, 2024. 62 p. Disponível em: https://prpg.unicamp.br/wp-content/uploads/sites/10/2025/01/livro-diretrizes-ia-1.pdf. Acesso em: 01 fev. 2026.

SOUSA, Ana Elisa; CARDOSO, Paula. Use of Generative AI by Higher Education Students. Electronics, v. 14, n. 7, p. 1258, 2025. Disponível em: https://www.mdpi.com/2079-9292/14/7/1258. Acesso em: 01 fev. 2026.

SOUSA, Nuno Miguel Teixeira; FUJITA, Mariângela Spotti Lopes. Acessibilidade e inclusão digital em bibliotecas acadêmicas: o papel da inteligência artificial. RDBCI: Revista Digital de Biblioteconomia e Ciência da Informação, Campinas, v. 22, p. e026006, 2025. DOI: 10.20396/rdbci.v24i00.8679700. Disponível em: https://periodicos.sbu.unicamp.br/ojs/index.php/rdbci/article/view/8679700. Acesso em: 01 fev. 2026.

SPIVAKOVSKY, Oleksan V.; OMELCHUK, Serhii A; KOBETS, Vitaliy V; VALK, Nataliia V; MALCHYKOVA, Daria S. Institutional policies on artificial intelligence in university learning, teaching and research. Information Technologies and Learning Tools, v. 97, n. 5, p. 181, 2023.DOI:10.33407/itlt.v97i5.5395. Disponível em: https://www.proquest.com/openview/5d6449c33d46617b8a1c29044a268f7d/1?pq-origsite=gscholar&cbl=6515896. Acesso em: 01 fev. 2026.

UNESCO. Guia para a IA Generativa na educação e na pesquisa. UNESCO Publishing, 2024a. Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000390241. Acesso em: 01 fev. 2026.

UNESCO. Orientations pour l’intelligence artificielle générative dans l’éducation et la recherche. Paris: UNESCO, 2024b. 49 p. Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000389901. Acesso em: 01 fev. 2026.

UNIVERSIDAD DE GRANADA. Recomendaciones para el uso de la Inteligência Artificial en la Universidad de Granada: docencia y aprendizaje, investigación, gestión, impacto social. Granada: Universidad de Granada, 2024. 74 p. Disponível em: https://ceprud.ugr.es/formacion-tic/inteligencia-artificial/recomendaciones-ia#contenido0. Acesso em: 01 fev. 2026.

VON GARREL, Jörg; MAYER, Jana. Artificial Intelligence in studies—use of ChatGPT and AI-based tools among students in Germany. Humanities and Social Sciences Communications, v. 10, n. 1, p. 799, 2023. Disponível em: https://www.nature.com/articles/s41599-023-02304-7. Acesso em: 01 fev. 2026.

Concepção e elaboração do manuscrito: D. S. de Sá, V. C. R. Lima, P. Nascimento Silva

O conjunto de dados que dá suporte aos resultados deste estudo não está disponível publicamente.

Recebido em: 01-03-2026 – Aprovado em: 04-06-2026 – Publicado em: 19-06-2026.

1 Mestrando em Gestão e Organização do Conhecimento, Universidade Federal de Minas Gerais, dougllasdesa@gmail.com.

2 Mestranda em Ciência Política, Universidade Federal de Minas Gerais, victoriacrlima@ufmg.br.

3 Doutora em Ciência da Informação, Universidade Federal de Minas Gerais, patricians@ufmg.br.

DOI: https://doi.org/10.35699/2237-6658.2026.65790

Revista Múltiplos Olhares em Ciência da Informação, Belo Horizonte, v. 16, e065790, 2026

5Disponível em: https://www.gov.br/mec/pt-br/media/segape/referencial-oficial-pt.pdf.

6 NASCIMENTO SILVA, Patrícia; LIMA, Victória Cecília Ruiz; MENDONÇA, Ricardo Fabrino; REIS, Zilma Silveira Nogueira; UNIVERSIDADE Federal de Minas Gerais. Inteligência artificial na UFMG: percepções da comunidade acadêmica – relatório da consulta à comunidade acadêmica da Universidade Federal de Minas Gerais no primeiro semestre de 2025. 2. ed. Belo Horizonte: Universidade Federal de Minas Gerais, 2025. 1 recurso online. Disponível em: https://www.ufmg.br/ia/wp-content/uploads/2025/12/Inteligencia-Artificial-na-UFMG_-percepcoes-da-comunidade-academica-2-1-1.pdf. Acesso em: 01 mar. 2026.

Revista Múltiplos Olhares em Ciência da Informação, Belo Horizonte, v. 16, e065790, 2026

Bloco	Perguntas	Correspondência com as perguntas do questionário
Perfil	1. A IA é mais utilizada entre discentes de graduação ou pós-graduação?	Qual é o seu vínculo com a UFMG? Você utiliza a IA em alguma atividade relacionada à UFMG?
	2. Em quais áreas do conhecimento há maior número de discentes da graduação e pós-graduação que declararam fazer o uso de IA em atividades acadêmicas?	Qual é o seu vínculo com a UFMG? (Discente) Selecione a área de conhecimento à qual está vinculado Você utiliza a IA em alguma atividade relacionada à UFMG?
	3. Qual a distribuição do uso de IA na graduação e pós-graduação de acordo com as unidades acadêmicas?	Qual é o seu vínculo com a UFMG? Discente* Você utiliza a IA em alguma atividade relacionada à UFMG? A qual unidade da UFMG você está vinculado(a)? (Indique a principal, caso haja mais de uma).
Ferramentas e modo de uso	4. Quais tipos de ferramentas de IA são mais utilizadas entre discentes da graduação e pós-graduação?	Qual é o seu vínculo com a UFMG? (Discente) Você utiliza a IA em alguma atividade relacionada à UFMG? Quais são as ferramentas de IA que você mais utiliza?
	5. Quais atividades são mais priorizadas no uso de IA por discentes da graduação e pós-graduação?	Você utiliza a IA em alguma atividade relacionada à UFMG? Qual é o seu vínculo com a UFMG? (Discente) Em quais atividades desenvolvidas ou relacionadas à UFMG você utiliza ferramentas e plataformas de IA?
	6. Qual o percentual de adesão ao uso de IA para busca e recuperação da informação entre discentes da graduação e pós-graduação?	Qual é o seu vínculo com a UFMG? Discente* Você utiliza a IA em alguma atividade relacionada à UFMG? Em quais atividades desenvolvidas ou relacionadas à UFMG você utiliza ferramentas e plataformas de IA?
Percepções e implicações éticas	7. Em que medida o nível de formação acadêmica entre graduação e pós-graduação, influencia na percepção de confiabilidade e rigor na conferência de resultados obtidos por IA?	Qual é o seu vínculo com a UFMG? Discente* Você confia nos resultados apresentados por ferramentas e plataformas de IA? Você utiliza a IA em alguma atividade relacionada à UFMG?
Percepções e implicações éticas	8. Existem diferenças entre alunos de graduação e de pós-graduação quanto às expectativas sobre a atuação de uma comissão de IA na universidade?	Qual é o seu vínculo com a UFMG? Em 2024, a UFMG criou uma Comissão Permanente de Inteligência Artificial para pensar o uso de tecnologia em ações de pesquisa, ensino, extensão e administração da universidade. Qual é a sua opinião sobre o papel da Comissão de IA na UFMG? Quais iniciativas são esperadas?

Área de conhecimento	Graduação	Pós-graduação	Total
Humanidades	354 (45,50%)	213 (46,81%)	45,98%
Ciências da Vida	162 (20,82%)	109 (23,96%)	21,98%
Ciências Exatas	262 (33,68%)	133 (29,23%)	32,04%