Estudo de caso sobre o uso de um chatbot como ferramenta pedagógica para ensino de reações de Diels-Alder na graduação

Wilton José Diolindo do  Nascimento Júnior; Mayara de Carvalho  Santos; Paulo César Muniz de Lacerda  Miranda; Gildo  Girotto Júnior

doi:10.35699/2237-5864.2025.58046

Autores

Wilton José Diolindo do Nascimento Júnior Universidade Estadual de Campinas (UNICAMP) https://orcid.org/0000-0002-9964-4572
Mayara de Carvalho Santos Universidade Estadual de Campinas (UNICAMP) https://orcid.org/0000-0003-1204-0184
Paulo César Muniz de Lacerda Miranda Universidade Estadual de Campinas (UNICAMP) https://orcid.org/0000-0002-6418-3614
Gildo Girotto Júnior Universidade Estadual de Campinas (UNICAMP) https://orcid.org/0000-0001-9933-100X

DOI:

https://doi.org/10.35699/2237-5864.2025.58046

Palavras-chave:

inteligência artificial, chatbot, ensino de química, química orgânica, Diels-Alder

Resumo

O estudo em questão investigou o emprego do chatbot IQ.QO Assistente, desenvolvido por um dos autores para ser especializado no ensino de química orgânica, com conhecimento restrito a fontes confiáveis. A pesquisa é um estudo de caso realizado com dez estudantes do terceiro período de um curso de Química durante o primeiro semestre de 2024. Analisou-se a suscetibilidade do chatbot a erros conceituais em comparação com modelos de linguagem de acesso amplo. Adicionalmente, por meio da análise de conteúdo de trinta prompts coletados voluntariamente, buscou-se identificar padrões na elaboração de perguntas pelos graduandos. Os resultados mostraram que o chatbot desenvolvido apresentou uma taxa de erro de apenas 11%, significativamente menor do que a de modelos gerais. A análise dos prompts revelou uma tendência à simplicidade, com ênfase nos dados de entrada (63,5%) e ausência de contexto, sugerindo que os estudantes utilizam inteligências artificiais generativas de forma semelhante a motores de busca. Tais dados reforçam a necessidade de literacia digital para o uso eficaz de ferramentas de inteligência artificial no contexto educativo, promovendo o desenvolvimento de competências digitais e a transição para modelos de aprendizagem ativa.

Downloads

Os dados de download ainda não estão disponíveis.

Biografia do Autor

Wilton José Diolindo do Nascimento Júnior, Universidade Estadual de Campinas (UNICAMP)

Licenciado em Química pela Universidade Federal de Minas Gerais (UFMG) e mestre em Química Orgânica pela Universidade Estadual de Campinas (Unicamp). Doutorando na UNICAMP, pesquisa tecnologias digitais no ensino de química orgânica, incluindo animações, realidade aumentada/virtual e inteligência artificial. Realiza doutorado sanduíche na Universidade de Ottawa (Canadá), investigando pensamento sistêmico no ensino de química.
Mayara de Carvalho Santos, Universidade Estadual de Campinas (UNICAMP)

Licenciada em Química pela Universidade Federal Fluminense (UFF) e doutora pela Universidade Estadual de Campinas (Unicamp). Pesquisadora de Pós-Doutorado Júnior CNPq na Unicamp, desenvolve projeto sobre sistematização do conhecimento em divulgação científica. Atuou no Instituto Butantan (2021-2024) e colabora com o Prêmio Solve for Tomorrow Samsung/CENPEC desde 2020, integrando o comitê avaliador desde 2021.
Paulo César Muniz de Lacerda Miranda, Universidade Estadual de Campinas (UNICAMP)

Professor associado MS-5.1 da Universidade Estadual de Campinas (Unicamp) desde 2008. Formado em Química Industrial, Bacharelado e Licenciatura pela Universidade Federal Fluminense (UFF), possui mestrado pela Universidade Federal do Rio de Janeiro (UFRJ), doutorado e livre-docência pela Unicamp. Pesquisa síntese orgânica, com ênfase em síntese total de produtos naturais, análogos bioativos, geoquímica orgânica molecular e métodos QSAR/QSPR.
Gildo Girotto Júnior, Universidade Estadual de Campinas (UNICAMP)

Livre-docente no Instituto de Química da Universidade Estadual de Campinas (Unicamp). Licenciado pela Universidade Estadual Paulista (UNESP/Araraquara), mestre e doutor em Ensino de Química pela Universidade de São Paulo (USP). Professor da educação básica por 9 anos, ingressou na Unicamp em 2017. Pesquisa formação de professores, competências digitais docentes, educação STEM/STEAM, divulgação científica e aplicações de inteligência artificial no ensino.

Referências

ALPAYDIN, Ethem. Introduction to machine learning. 2 ed. Cambridge, Mass: MIT Press, 2010.

ARAÚJO, José Luís; SAÚDE, Isabel. Can ChatGPT enhance chemistry laboratory teaching? Using prompt engineering to enable AI in generating laboratory activities. Journal of Chemical Education, Washington, D.C., v. 101, n. 5, p. 1858-1864, mai. 2024. Disponível em: https://pubs.acs.org/doi/10.1021/acs.jchemed.3c00745. Acesso em: 16 nov. 2025.

BARDIN, Laurence. Análise de conteúdo. Lisboa: Edições 70, 2015.

BAUM, Zachary J.; YU, Xiang; AYALA, Philippe Y.; ZHAO, Yanan; WATKINS, Stephen P.; ZHOU Qiongqiong. Artificial intelligence in chemistry: current trends and future directions. Journal of Chemical Information and Modeling, v. 61, n. 7, p. 3197-3212, 26 jul. 2021. Disponível em: https://pubs.acs.org/doi/10.1021/acs.jcim.1c00619. Acesso em: 02 dez. 2025.

CARLEO, Giuseppe; TROYER, Matthias. Solving the quantum many-body problem with artificial neural networks. Science, Washington, D. C., v. 355, n. 6325, p. 602-606, fev. 2017. Disponível em: https://www.science.org/doi/10.1126/science.aag2302. Acesso em: 16 nov. 2025.

CORREA, Raquel Folmer; GEREMIAS, Bethania Medeiros. Determinismo tecnológico: elementos para debates em perspectiva educacional. Revista Tecnologia e Sociedade, Curitiba, v. 9, n. 18, dez. 2013. DOI: http://dx.doi.org/10.3895/rts.v9n18.2633. Disponível em: https://periodicos.utfpr.edu.br/rts/article/view/2633. Acesso em: 16 nov. 2025.

FUNEL, Jacques-Alexis; ABELE, Stefan. Industrial applications of the Diels-Alder reaction. Angewandte Chemie International Edition, Weinheim, v. 52, n. 14, p. 3822-3863, 2013. Disponível em: https://onlinelibrary.wiley.com/doi/full/10.1002/anie.201201636. Acesso em: 16 nov. 2025.

GIRAY, Louie. Prompt engineering with ChatGPT: a guide for academic writers. Annals of Biomedical Engineering, v. 51, n. 12, p. 2629-2633, dez, 2023. DOI: https://doi.org/10.1007/s10439-023-03272-4. Disponível em: https://link.springer.com/article/10.1007/s10439-023-03272-4. Acesso em: 16 nov. 2025.

GRANDO, John Wesley; CLEOPHAS, Maria das Graças. Análise de aplicativos móveis de realidades digitais para o ensino de química a partir de um modelo heurístico. Revista de Investigação Tecnológica em Educação em Ciências e Matemática, Cuiabá, v. 1, p. 152-165, 2021. Disponível em: https://revistas.unila.edu.br/ritecima/article/view/3195. Acesso em: 16 nov. 2025.

HERMANSON, Greg T. The reactions of bioconjugation. In: Bioconjugate Techniques. [S.I.]: Elsevier, 2013. p. 229-258.

ISTE. The International Society for Technology in Education (ISTE) Standards for students. [S.I.], 2018. Disponível em: https://unevoc.unesco.org/home/Digital+Competence+Frameworks/lang=en/id=17#tbar. Acesso em: 9 out. 2025.

KNIGHT, Charles; PRYKE, Sam. Wikipedia and the University, a case study. Teaching in Higher Education, v. 17, n. 6, p. 649-659, dez. 2012. DOI: https://doi.org/10.1080/13562517.2012.666734. Disponível em: https://www.tandfonline.com/doi/full/10.1080/13562517.2012.666734. Acesso em: 16 nov. 2025.

KULTHAU, Carol C. Inside the search process: information seeking from the user’s perspective. Journal of the American Society for Information Science, v. 42, n. 5, p. 361-371, 1991. DOI: https://doi.org/10.1002/(SICI)1097-4571(199106)42:5%3C361::AID-ASI6%3E3.0.CO;2-%23. Disponível em: https://asistdl.onlinelibrary.wiley.com/doi/10.1002/%28SICI%291097-4571%28199106%2942%3A5%3C361%3A%3AAID-ASI6%3E3.0.CO%3B2-%23. Acesso em: 02 dez. 2025.

KUNTZ, David; WILSON, Angela K. Machine learning, artificial intelligence, and chemistry: how smart algorithms are reshaping simulation and the laboratory. Pure and Applied Chemistry, v. 94, n. 8, p. 1019-1054, ago. 2022. Disponível em: https://www.degruyterbrill.com/document/doi/10.1515/pac-2022-0202/html?srsltid=AfmBOooo8kgcBbDB7jaBehW6IiytbvFwGGI98VFjc29V_W-w0ByaPIyb. Acesso em: 16 nov. 2025.

LEITE, Bruno Silva. Tecnologias no ensino de química: teoria e prática na formação docente. Curitiba: Appris, 2015.

LEITE, Bruno Silva. Aprendizagem tecnológica ativa. Revista Internacional de Educação Superior, Campinas, v. 4, n. 3, p. 580-609, mai. 2018. Disponível em: https://periodicos.sbu.unicamp.br/ojs/index.php/riesup/article/view/8652160. Acesso em: 16 nov. 2025.

LEITE, Bruno Silva. Tecnologias digitais e metodologias ativas no ensino de química: análise das publicações por meio do corpus latente na internet. Revista Internacional de Pesquisa em Didática das Ciências e Matemática, Itapetininga, e020003, jul. 2020. Disponível em: https://periodicoscientificos.itp.ifsp.edu.br/index.php/revin/article/view/18. Acesso em: 16 nov. 2025.

LEITE, Bruno Silva. Análise da inteligência artificial ChatGPT na proposição de planos de aulas para o ensino de química, Vigo, v. 23, p. 473-497, 2024. Disponível em: https://dialnet.unirioja.es/servlet/articulo?codigo=9903754. Acesso em: 16 nov. 2025.

LOPES, Auxiliadora Cristina Correa Barata; CHAVES, Edson Valente. Animação como recurso didático no ensino da química: capacitando futuros professores. Revista de Estudos e Pesquisas sobre Ensino Tecnológico (EDUCITEC), Manaus, v. 4, n. 07, jun. 2018. DOI: https://doi.org/10.31417/educitec.v4i07.256. Disponível em: https://sistemascmc.ifam.edu.br/educitec/index.php/educitec/article/view/256. Acesso em: 16 nov. 2025.

LUCKIN, Rosemary; CUKUROVA, Mutlu; KENT, Carmel; DU BOULAY, Benedict. Empowering educators to be AI-ready. Computers and Education: Artificial Intelligence, v. 3, p. 100076, 2022. DOI: https://doi.org/10.1016/j.caeai.2022.100076. Disponível em: https://www.sciencedirect.com/science/article/pii/S2666920X22000315?via%3Dihub. Acesso em: 02 dez. 2025.

NASCIMENTO JÚNIOR, Wilton José Diolindo; MORAIS, Carla; GIROTTO JÚNIOR, Gildo. Enhancing AI responses in chemistry: integrating text generation, image creation, and image interpretation through different levels of prompts. Journal of Chemical Education, Washington, D. C., v. 101, n. 9, p. 3767-3779, set. 2024. Disponível em: https://pubs.acs.org/doi/10.1021/acs.jchemed.4c00230. Acesso em: 16 nov. 2025.

PROFUTURO. The Global Framework for Educational Competence in the Digital Age, 2020. Disponível em: https://unevoc.unesco.org/home/Digital+Competence+Frameworks/lang=en/id=6#tbar. Aceso em: 9 nov. 2025.

RUSSEL, Stuart. Inteligência artificial a nosso favor: como manter o controle sobre a tecnologia. São Paulo: Companhia das Letras, 2021.

SANTOS, Marcos Eduardo Miranda; BATISTA, Wanda dos Santos; OLIVEIRA, João Victor França; JANSEN, Isabel Conceição Carvalho; SANTOS, Kelly Fernanda de Sousa; SANTO, Eliane Coelho Rodrigues dos. Ações educativas para o combate ao mosquito Aedes aegypti em uma escola da região metropolitana de São Luís. Caderno Pedagógico, Curitiba, v. 14, n. 1, jun. 2017. DOI: https://doi.org/10.22410/issn.1983-0882.v14i1a2017.1317. Disponível em: https://ojs.studiespublicacoes.com.br/ojs/index.php/cadped/article/view/1372. Acesso em: 16 nov. 2025.

SAUER, Doz J. Diels-Alder reactions II: the reaction mechanism. Angewandte Chemie International Edition in English, v. 6, n. 1, p. 16-33, 1967. DOI: https://doi.org/10.1002/anie.196700161. Disponível em: https://onlinelibrary.wiley.com/doi/abs/10.1002/anie.196700161. Acesso em: 16 nov. 2025.

SCOTT, JoAnna M.; BOHATY, Brenda S.; GADBURY-AMYOT, Cynthia C. Using learning management software data to compare students’ actual and self-reported viewing of video lectures. Journal of Dental Education, v. 85, n. 10, p. 1674-1682, 2021. DOI: https://doi.org/10.1002/jdd.12633. Disponível em: https://onlinelibrary.wiley.com/doi/full/10.1002/jdd.12633. Acesso em: 16 nov. 2025.

SEGLER, Marwin H. S.; PREUSS, Mike; WALLER, Mark P. Planning chemical synthesis with deep neural networks and symbolic AI. Nature, Londres, v. 555, n. 7698, p. 604-610, mar. 2018. Disponível em: https://www.nature.com/articles/nature25978. Acesso em: 16 nov. 2025.

SELLWOOD, Matthew A.; AHMED, Mohamed; SEGLER, Marwin H. S.; BROWN, Nathan. Artificial intelligence in drug discovery. Future Medicinal Chemistry, v. 10, n. 17, p. 2025-2028, set. 2018. DOI: https://doi.org/10.4155/fmc-2018-0212. Disponível em: https://www.tandfonline.com/doi/full/10.4155/fmc-2018-0212. Acesso em: 16 nov. 2025.

SENIOR, Andrew W.; EVANS, Richard; JUMPER, John; KIRKPATRICK, James; SIFRE, Laurent; GREEN, Tim; QIN, Chongli; ŽÍDEK, Augustin, NELSON, Alexander W. R.; BRIDGLAND, Alex; PENEDONES, Hugo; PETERSEN, Stig; SIMONYAN, Karen; CROSSAN, Steve; KOHLI, Pushmeet; JONES, David T.; SILVER, David; KAVUKCUOGLU, Koray; HASSABIS, Demis. Improved protein structure prediction using potentials from deep learning. Nature, Londres, v. 577, n. 7792, p. 706-710, jan. 2020. Disponível em: https://www.nature.com/articles/s41586-019-1923-7. Acesso em: 16 nov. 2025.

SILVA, Ketia Kellen Araújo da; BEHAR, Patrícia Alejandra. Competências digitais na educação: uma discussão acerca do conceito. Educação em Revista, Belo Horizonte, v. 35, n. e209940, 2019. DOI: https://doi.org/10.1590/0102-4698209940. Disponível em: http://educa.fcc.org.br/scielo.php?script=sci_abstract&pid=S0102-46982019000100419&lng=pt&nrm=iso. Acesso em: 16 nov. 2025.

STAKE, Robert E. The art of case study research. California: Sage Publications, 1995.

TASSOTI, Sebastian. Assessment of students use of generative artificial intelligence: prompting strategies and prompt engineering in chemistry education. Journal of Chemical Education, Washington, D. C., v. 101, n. 6, p. 2475-2482, mai. 2024. Disponível em: https://pubs.acs.org/doi/10.1021/acs.jchemed.4c00212. Acesso em: 16 nov. 2025.

TAUBER, Amanda L.; LEVONIS, Stephan M.; SCHWEIKER, Stephanie S. Gamified virtual laboratory experience for in-person and distance students. Journal of Chemical Education, Washington, D. C., v. 99, n. 3, p. 1183-1189, jan. 2022. Disponível em: https://pubs.acs.org/doi/10.1021/acs.jchemed.1c00642. Acesso em: 16 nov. 2025.

UNESCO. AI competency framework for teachers. [S.I.]: UNESCO, 2024.

WHITE, Jules; FU, Quchen; HAYS, Sam; SANDBORN, Michael; OLEA, Carlos; GILBERT, Henry; ELNASHAR, Ashraf; SPENCER-SMITH, Jesse;

SCHMIDT, Douglas C. A prompt pattern catalog to enhance prompt engineering with ChatGPT. 2023. DOI: https://doi.org/10.48550/arXiv.2302.11382. Disponível em: https://arxiv.org/abs/2302.11382. Acesso em: 16 nov. 2025.

YEINGST, Tyus J.; HELTON Angelica M.; HAYES, Daniel J. Applications of Diels-Alder qhemistry in biomaterials and drug delivery. Macromolecular Bioscience, Weinheim, v. 24, n. 12, p. 2400274, dez. 2024. Disponível em: https://onlinelibrary.wiley.com/doi/full/10.1002/mabi.202400274. Acesso em: 16 nov. 2025.