O USO DA INTELIGÊNCIA ARTIFICIAL NO PLANEJAMENTO DE AULAS DE MATEMÁTICA

Prévia do material em texto

O USO DA INTELIGÊNCIA ARTIFICIAL NO PLANEJAMENTO DE AULAS DE 
MATEMÁTICA: RELATO DE EXPERIÊNCIA NO ENSINO FUNDAMENTAL II 
 
Liliany Panzenhagen 
Resumo 
Este relato de experiência apresenta reflexões sobre o uso da Inteligência Artificial (IA) como ferramenta 
de apoio ao planejamento de aulas de Matemática no Ensino Fundamental II, especialmente em turmas 
do 8º ano. O trabalho teve como objetivo analisar as contribuições das tecnologias digitais e da IA no 
desenvolvimento de práticas pedagógicas mais dinâmicas, contextualizadas e alinhadas às 
necessidades contemporâneas da educação. A experiência foi desenvolvida a partir da utilização de 
ferramentas de IA para elaboração de atividades, produção de exercícios, organização de 
planejamentos, construção de explicações didáticas e adaptação de conteúdos conforme as 
dificuldades apresentadas pelos estudantes. O desenvolvimento ocorreu durante as aulas de 
conteúdos relacionados à linguagem algébrica, propriedades de potências, e resolução de problemas 
matemáticos. Observou-se maior engajamento dos estudantes, ampliação das possibilidades 
metodológicas e otimização do tempo destinado ao planejamento pedagógico. Além disso, percebeu-
se que o uso consciente da IA pode favorecer práticas de letramento digital e matemático, contribuindo 
para o desenvolvimento do raciocínio lógico, da interpretação e da autonomia dos estudantes. Conclui-
se que a Inteligência Artificial, quando utilizada de maneira ética e mediada pelo professor, pode atuar 
como importante recurso de apoio ao ensino e à aprendizagem, ampliando as possibilidades 
pedagógicas na contemporaneidade. 
Palavras-chave: Inteligência Artificial. Letramento Matemático. Tecnologias Digitais. 
 
Introdução 
As transformações tecnológicas das últimas décadas vêm modificando 
profundamente as formas de comunicação, aprendizagem e interação social. Nesse 
cenário, a escola enfrenta o desafio de acompanhar essas mudanças, incorporando 
recursos tecnológicos que dialoguem com a realidade dos estudantes. Como afirma 
Kenski (2015), "não se trata de usar tecnologia por usar, mas de integrá-la de forma 
significativa ao currículo e à prática docente". Nessa mesma direção, Moran (2018) 
destaca que "a tecnologia não substitui o professor, mas reorganiza o seu trabalho e 
amplia as suas possibilidades pedagógicas". 
No ensino da Matemática, persistem dificuldades relacionadas à abstração 
dos conteúdos, à desmotivação dos alunos, e à pouca contextualização das práticas 
pedagógicas, e pesa no monopólio da disputa de atenção dos estudantes. Conforme 
aponta D’Ambrósio (2012), "a abstração da Matemática é um dos principais 
obstáculos à sua aprendizagem, exigindo do professor estratégias que tornem os 
conceitos mais acessíveis e significativos". Diante disso, torna-se importante adotar 
metodologias que favoreçam a participação discente e aproximem os saberes 
matemáticos do cotidiano, uma vez que, segundo o PISA (2012), "o letramento 
matemático vai além do domínio de técnicas e fórmulas; trata-se de saber usar a 
Matemática para compreender e agir no mundo". 
É nesse contexto que a Inteligência Artificial (IA) surge como uma ferramenta 
promissora. Luckin (2018) afirma que "a Inteligência Artificial pode atuar como uma 
aliada do professor na personalização do ensino, oferecendo caminhos diferenciados 
para diferentes perfis de alunos". Em consonância, a UNESCO (2021) ressalta que "o 
uso ético e crítico da IA na educação exige que o professor compreenda não apenas 
seu funcionamento, mas também seus limites e implicações sociais". Além disso, o 
uso da IA contribui para o desenvolvimento do letramento digital, entendido por 
Coscarelli (2016) como um conjunto que "envolve competências técnicas, cognitivas, 
éticas e sociais no uso das tecnologias". Complementando essa ideia, Lévy (1999) 
adverte que "não basta ensinar a usar ferramentas digitais; é preciso formar 
professores capazes de refletir criticamente sobre o papel dessas tecnologias na 
sociedade e na escola". 
No que diz respeito ao planejamento pedagógico, Vasconcellos (2018) lembra 
que "o planejamento docente não é um ato burocrático, mas uma ação reflexiva que 
orienta a prática e a torna intencional e significativa". A IA, nesse sentido, pode 
potencializar essa reflexão ao sugerir atividades diversificadas e adaptadas às 
necessidades de cada turma. Como bem sintetizam Bacich e Moran (2018), 
"metodologias ativas e recursos tecnológicos, quando bem articulados, podem 
transformar a sala de aula em um ambiente de descoberta e protagonismo discente". 
Este relato de experiência teve como objetivo apresentar reflexões sobre o 
uso da Inteligência Artificial no planejamento de aulas de Matemática para turmas do 
Ensino Fundamental II. Ao longo da prática, foi possível observar contribuições 
significativas para a organização pedagógica, a diversificação metodológica e o 
fortalecimento do letramento matemático, sempre com o cuidado de manter o 
professor como protagonista do processo e a tecnologia como sua aliada. 
Desenvolvimento 
A Inteligência Artificial no contexto educacional 
As tecnologias digitais vêm ocupando um espaço cada vez maior nas práticas 
pedagógicas contemporâneas. Entre essas tecnologias, destaca-se a Inteligência 
Artificial generativa (GenAI), que possibilita a criação de textos, atividades, 
planejamentos, imagens, avaliações e diversos recursos de apoio ao professor. 
Conforme destaca Kenski (2015), "não se trata de usar tecnologia por usar, 
mas de integrá-la de forma significativa ao currículo e à prática docente". Nessa 
mesma direção, Moran (2018) ressalta que "a tecnologia não substitui o professor, 
mas reorganiza o seu trabalho e amplia as suas possibilidades pedagógicas", 
possibilitando assim mais tempo para planejamento e execução de planos de aulas, 
desde simples como mais elaborados. 
Embora a IA não substitua o papel docente, ela pode contribuir 
significativamente para otimizar processos pedagógicos, ampliar repertórios 
metodológicos e auxiliar na personalização do ensino. Luckin (2018) afirma que "a 
Inteligência Artificial pode atuar como uma aliada do professor na personalização do 
ensino, oferecendo caminhos diferenciados para diferentes perfis de alunos". Dessa 
forma, o professor permanece como mediador do conhecimento, sendo responsável 
pela seleção, análise crítica e adaptação dos materiais produzidos. 
Segundo Moran (2018), a educação contemporânea exige práticas 
inovadoras capazes de promover maior protagonismo discente e integração entre 
tecnologia e aprendizagem. Nesse sentido, a utilização da IA no planejamento 
pedagógico pode favorecer práticas mais dinâmicas e alinhadas às demandas atuais 
da educação. 
Conforme destaca o relatório Perspectivas da OCDE sobre Educação Digital 
2026 (OCDE, 2026, p. 15), a GenAI "promete transformar radicalmente a forma como 
os professores trabalham", incluindo "o aumento da produtividade e da qualidade do 
ensino", uma vez que "já pode redigir resumos rapidamente, elaborar exercícios e até 
oferecer apoio de tutoria em tempo real". 
A esse respeito, a OCDE (2026, p. 17) apresenta uma reflexão fundamental: 
"Em última análise, quando projetada com pedagogia sólida e uma 
abordagem centrada no ser humano, a GenAI pode fazer muito mais do que 
ajudar estudantes a concluir tarefas. Ela tem o potencial de aprofundar a 
aprendizagem dos estudantes, melhorar a prática docente e otimizar a gestão 
institucional e a pesquisa. Mas esses benefícios vêm acompanhados de 
riscos. A dependência excessiva ameaça transformar estudantes em 
consumidores passivos e professores em supervisores. Para liberar todo o 
potencial da GenAI, a Educação precisa ir além dos chatbots genéricos em 
direção a ferramentas construídas com propósito específico para a 
Educação." 
Essa posição é complementada por Valente (2018), para quem o uso de 
tecnologias na educação só faz sentido quandointegrado a uma abordagem 
pedagógica que coloca o aluno no centro do processo de aprendizagem. Assim, a IA 
pode ser um recurso valioso para a criação de atividades desafiadoras e 
contextualizadas, especialmente no ensino da Matemática, disciplina historicamente 
marcada por elevados índices de desmotivação e dificuldades de abstração. 
Nessa perspectiva, D'Ambrósio (2012) argumenta que "a abstração da 
Matemática é um dos principais obstáculos à sua aprendizagem, exigindo do 
professor estratégias que tornem os conceitos mais acessíveis e significativos". 
Ferramentas baseadas em IA podem auxiliar justamente nesse ponto, ao sugerir 
exemplos do cotidiano, gerar problemas personalizados e oferecer múltiplas 
representações de um mesmo conceito matemático. 
O relatório da OCDE (2026, p. 56) alerta, no entanto, que "realizar com 
sucesso uma tarefa educacional com GenAI não leva automaticamente à 
aprendizagem". O documento explica que, "quando os estudantes dependem 
excessivamente da GenAI, o engajamento metacognitivo — os processos mentais e 
o esforço que transformam respostas em compreensão — diminui. Isso resulta em um 
desalinhamento entre o desempenho na tarefa e a aprendizagem genuína" (OCDE, 
2026, p. 14). Por isso, conforme adverte o relatório, "há o risco de que a dependência 
excessiva de GenAI leve à perda de competências e da expertise docente" (OCDE, 
2026, p. 15). 
Além disso, o uso consciente e crítico da IA contribui para o desenvolvimento 
do letramento digital e matemático dos próprios docentes. Como observa Coscarelli 
(2016), o letramento digital "envolve competências técnicas, cognitivas, éticas e 
sociais no uso das tecnologias". Nesse mesmo movimento, o professor que aprende 
a explorar a IA em seu planejamento também amplia sua própria capacidade de 
analisar, selecionar e produzir conhecimento em ambientes digitais. 
Por fim, Bacich e Moran (2018) sintetizam essa articulação ao afirmarem que 
"metodologias ativas e recursos tecnológicos, quando bem articulados, podem 
transformar a sala de aula em um ambiente de descoberta e protagonismo discente". 
A Inteligência Artificial, nesse contexto, não é um fim em si mesma, mas um meio 
potente para que o professor possa planejar com mais criatividade, atender às 
diferenças presentes em sala de aula e tornar o ensino da Matemática mais 
significativo e motivador para os estudantes do Ensino Fundamental II. 
Descrição da Experiencia 
A experiência aqui relatada foi desenvolvida ao longo de um trimestre letivo 
com três turmas do 8º ano do Ensino Fundamental II de uma escola da rede pública 
estadual, totalizando aproximadamente 90 estudantes na faixa etária de 13 a 14 anos. 
As aulas de Matemática contemplaram os seguintes eixos temáticos: linguagem 
algébrica, propriedades de potências, educação financeira, expressões algébricas e 
resolução de problemas. 
A Inteligência Artificial generativa, especificamente chatbots baseados em 
grandes modelos de linguagem (LLMs), como o ChatGPT — foi incorporada ao 
planejamento docente como ferramenta de apoio em múltiplas frentes, conforme 
sistematizado no quadro a seguir. 
TABELA 1 - 
 
 
 
 
 
 
 
A utilização da IA no planejamento e/ou no replanejamento das aulas produziu 
efeitos considerais em pelo menos três dimensões: 
1. Ganho de eficiência e redistribuição do tempo docente: A automação de tarefas 
operacionais, como a geração inicial de exercícios, a formatação de atividades e a 
produção de exemplos, reduziu o tempo dedicado à preparação das aulas. Esse 
tempo foi realocado para atividades de maior valor pedagógico: análise qualitativa das 
dificuldades dos estudantes, identificação de concepções alternativas e construção de 
estratégias de ensino mais afinadas com as necessidades específicas de cada turma. 
2. Contextualização e significação dos conteúdos matemáticos: Os conteúdos 
passaram a ser sistematicamente apresentados em articulação com situações do 
cotidiano dos alunos, o que favoreceu a atribuição de sentido à Matemática e o 
engajamento nas atividades propostas. Nas atividades de educação financeira, por 
exemplo, foram criadas situações simuladas envolvendo orçamento familiar, cálculo 
Dimensão de apoio Descrição das atividades mediadas pela IA 
Elaboração de 
exercícios 
Criação de conjuntos de exercícios contextualizados, com diferentes níveis 
de complexidade e alinhados aos objetivos de aprendizagem de cada 
conteúdo 
Produção de 
exemplos didáticos 
Geração de exemplos progressivos (do simples ao complexo) e de 
contraexemplos para favorecer a compreensão conceitual 
Organização de 
sequências 
pedagógicas 
Estruturação lógica e temporal dos conteúdos, com sugestões de 
encadeamento entre aulas e de articulação entre conceitos 
Adaptação de 
explicações 
Reformulação da linguagem matemática para torná-la mais acessível a 
estudantes com diferentes perfis de compreensão, incluindo aqueles em 
situação de defasagem escolar 
Produção de 
atividades de 
revisão 
Geração de listas de exercícios direcionadas para fixação, recuperação 
contínua e preparação para avaliações 
Construção de 
situações-problema 
Criação de problemas baseados em situações reais do cotidiano dos 
estudantes, favorecendo a contextualização e o sentido atribuído à 
Matemática 
Elaboração de 
propostas de 
trabalhos 
Sugestão de atividades em grupo, projetos interdisciplinares e investigações 
matemáticas que estimulem a autonomia e a criatividade 
Desenvolvimento 
de planejamentos 
de aula 
Estruturação de roteiros semanais contemplando objetivos, metodologias, 
recursos, tempos estimados e formas de avaliação 
de porcentagens em compras com diferentes formas de pagamento, análise de 
descontos e planejamento financeiro para metas pessoais. Essas situações, geradas 
com o apoio da IA e posteriormente adaptadas pela professora, permitiram que os 
estudantes percebessem a Matemática como instrumento para a compreensão e a 
intervenção no mundo real. Aqui é importante ressaltar o quão valioso é a adaptação 
dessas atividades para os estudantes, pois faz com que cada um visualizasse sua 
realidade de forma privada, fazendo suas próprias reflexões. 
3. Diferenciação pedagógica e atendimento à diversidade: Nas aulas de linguagem 
algébrica, a IA auxiliou na produção de exemplos progressivos, partindo de 
representações mais concretas até alcançar níveis mais elevados de abstração e de 
exercícios adaptados aos diferentes níveis de proficiência encontrados em sala de 
aula. Especialmente relevante foi a possibilidade de gerar explicações mais simples e 
acessíveis para estudantes com dificuldades na compreensão de conceitos abstratos, 
sem que isso implicasse a simplificação excessiva ou a descaracterização do objeto 
matemático em questão. 
Em relação aos conteúdos de propriedades de potências e expressões 
algébricas, a IA mostrou-se particularmente útil na geração de exercícios com 
gradação de dificuldade, permitindo que cada estudante avançasse em seu próprio 
ritmo, respeitando suas individualidades e promovendo um ambiente de 
aprendizagem mais inclusivo. 
Podemos tirar de conclusão desta experiência diz respeito à natureza da 
relação entre o professor e a ferramenta de IA. Em nenhum momento os materiais 
gerados pela IA foram utilizados de forma acrítica ou como produto final. Ao contrário, 
cada recurso produzido foi submetido à análise, à seleção, à adaptação e, 
frequentemente, à reelaboração por parte da professora. Esse movimento evidencia 
que a IA atuou não como substituta do julgamento profissional, mas como dispositivo 
de ampliação da agência docente, na esteira do que Cukurova (2026) denomina como 
"trabalho em equipe práxico" entre professor e IA, no qual as ferramentas de IA 
aprendem com as preferências e correções do docente, ajustando-se 
progressivamente ao seu estilo e às suas necessidades pedagógicas. 
Ademais, o uso consciente e crítico da IAcontribuiu para o desenvolvimento 
do letramento digital da professora envolvida. Coscarelli (2016) define o letramento 
digital como um conjunto que "envolve competências técnicas, cognitivas, éticas e 
sociais no uso das tecnologias". Ao longo do processo, a docente não apenas 
aprendeu a operar as ferramentas de IA, mas também desenvolveu a capacidade de 
avaliar a qualidade e a pertinência dos materiais gerados, de identificar limitações 
(como alucinações ou vieses nos resultados) e de tomar decisões fundamentadas 
sobre quando e como utilizar a IA em diferentes momentos do planejamento e da 
execução das aulas. 
Um aspecto que se revelou decisivo ao longo desta experiência e que merece 
destaque, foi a qualidade dos comandos (prompts) dirigidos à IA generativa. 
Diferentemente do que por vezes se imagina, a IA não produz resultados 
magicamente adequados a partir de instruções vagas. Pelo contrário, a relevância, a 
precisão e a utilidade pedagógica dos materiais gerados dependem fortemente 
da clareza, da especificidade e da intencionalidade dos prompts formulados pelo 
professor. 
No início da experiência, os comandos utilizados eram genéricos, como "crie 
exercícios de matemática para o 8º ano" e os resultados obtidos, embora 
funcionalmente corretos, exigiam longas horas de adaptação. Com o tempo, a foi 
desenvolvido estratégias mais eficazes de engenharia de prompt (prompt 
engineering), incorporando informações detalhadas sobre o conteúdo específico, o 
nível de dificuldade desejado, o formato esperado (lista, tabela, texto explicativo), o 
número de itens e até mesmo os tipos de erro que se pretendia diagnosticar. Um 
exemplo concreto: em vez de solicitar "atividades de educação financeira", o comando 
passou a ser "crie 5 situações-problema sobre porcentagem para o 8º ano, 
relacionadas a descontos em lojas de roupas, com espaços para resolução e uma 
questão desafiadora ao final". 
Essa prática sistemática de refinamento dos prompts produziu três benefícios 
concretos. 
Primeiro, a redução significativa do tempo de pós-edição, uma vez que os 
materiais gerados já chegavam mais próximos do formato e da qualidade desejados. 
Segundo o aumento da precisão conceitual, ao incluir nos prompts referências 
explícitas aos referenciais curriculares e às dificuldades recorrentes dos estudantes. 
Terceiro, a possibilidade de explorar variações pedagógicas com agilidade 
solicitando à IA diferentes abordagens para um mesmo conteúdo, como explicações 
por analogias, versões simplificadas para estudantes com defasagem ou exemplos 
bilíngues, para alunos de outras nacionalidades. 
É importante ressaltar, no entanto, que mesmo os prompts mais 
cuidadosamente elaborados não eliminam completamente o risco de alucinações, 
respostas plausíveis, porém incorretas, geradas pelo modelo. Por essa razão, a 
engenharia de prompts não substitui o julgamento profissional do professor. Ao 
contrário, ela o pressupõe: o docente permanece como o último avaliador da 
pertinência, da precisão e da adequação pedagógica dos materiais gerados, cabendo-
lhe revisar, editar, complementar ou descartar os resultados produzidos pela IA. 
Em síntese, a experiência evidenciou que saber perguntar à IA é tão 
importante quanto saber o que fazer com as respostas. O prompt não é um mero 
detalhe técnico, mas uma ferramenta de mediação pedagógica, um dispositivo que 
traduz as intenções do professor em linguagem compreensível pela máquina. Nesse 
sentido, o desenvolvimento de competências em engenharia de prompts emerge 
como uma dimensão relevante do letramento digital docente, merecendo atenção 
tanto na formação inicial quanto na continuada. 
Conclusão 
A experiência realizada ao longo de um trimestre com turmas do 8º ano do 
Ensino Fundamental II permitiu não apenas testar o uso da Inteligência Artificial 
generativa no planejamento de aulas de Matemática, mas também problematizar o 
próprio significado de integrar tecnologia à prática docente de maneira crítica e 
reflexiva. 
Os resultados observados confirmam o potencial da IA como ferramenta de 
apoio ao professor, especialmente no que se refere à otimização do tempo dedicado 
a tarefas operacionais, à diversificação de exemplos e exercícios, e à personalização 
de materiais conforme as necessidades específicas dos estudantes. A agilidade 
conquistada na preparação das aulas não significou, contudo, um ganho superficial 
de produtividade. Representou, antes, a redistribuição do esforço docente para 
atividades de maior densidade pedagógica: a análise qualitativa das dificuldades dos 
alunos, a identificação de concepções alternativas e a construção de estratégias de 
ensino mais afinadas com a realidade de cada turma. 
Entretanto, a experiência também revelou limitações e riscos que não podem 
ser ignorados. A dependência excessiva da ferramenta, em alguns momentos, 
ameaçou reduzir a autonomia da professora sobre decisões pedagógicas 
fundamentais. As chamadas alucinações da IA, respostas incorretas, exigiram 
vigilância constante e um esforço adicional de verificação. Mais do que isso, a 
experiência demonstrou que a mera disponibilidade de materiais gerados por IA não 
se traduz automaticamente em melhor qualidade de ensino. O que faz a diferença é 
o uso intencional, crítico e contextualizado desses materiais pelo professor. 
Nesse sentido, a noção de engenharia de prompt surge como uma 
competência docente relevante, ainda pouco discutida na formação de professores. 
Saber formular comandos precisos, especificando não apenas o conteúdo, mas o 
nível de dificuldade, o formato desejado, os objetivos de aprendizagem e as restrições 
contextuais, mostrou-se decisivo para a qualidade dos resultados obtidos. A 
habilidade de perguntar à IA de forma estruturada não é um detalhe técnico 
secundário, mas uma dimensão do letramento digital docente que merece atenção 
tanto na formação inicial quanto na continuada. 
Outro achado significativo diz respeito à insubstituibilidade do julgamento 
profissional do professor. Em nenhum momento os materiais gerados pela IA foram 
utilizados de forma direta sem passar por um crivo rigoroso de análise, adaptação e, 
frequentemente, reelaboração. O professor permaneceu como o mediador essencial 
entre a ferramenta e os estudantes, ajustando linguagens, selecionando exemplos, 
suprimindo inadequações e acrescentando elementos que a IA, por sua própria 
natureza, não poderia prever. Essa constatação reforça uma tese central: a IA não 
substitui o professor, mas pode, quando bem utilizada, ampliar sua capacidade de agir 
pedagogicamente. 
Por fim, a experiência aponta para a necessidade de políticas de formação 
continuada que capacitem os professores a integrar a IA generativa de maneira crítica, 
ética e pedagogicamente fundamentada. Não basta disponibilizar ferramentas; é 
preciso formar profissionais capazes de avaliar a qualidade dos materiais gerados, de 
identificar vieses e imprecisões, e de tomar decisões informadas sobre quando e como 
utilizar a IA em diferentes momentos do processo de ensino-aprendizagem. 
A Inteligência Artificial generativa veio para ficar. Sua presença nas escolas 
é, hoje, uma realidade irreversível. A questão que se coloca não é mais se ela deve 
ou não ser utilizada, mas como, sob quais condições, com quais critérios e com quais 
finalidades. A experiência aqui relatada sugere que a resposta passa, 
necessariamente, pelo fortalecimento da autonomia docente, pelo investimento na 
formação crítica e pela manutenção do professor como figura central do processo 
educativo. A IA é uma ferramenta poderosa. Mas quem ensina, quem acolhe, quem 
transforma, isso continua sendo, exclusivamente, o professor. 
Referencias 
BACICH, Lilian; MORAN, José (org.). Metodologias ativas para uma educação inovadora: uma 
abordagem teórico-prática. Porto Alegre: Penso, 2018. Disponível em: 
https://www.pensoeditora.com.br.Acesso em: 26 maio 2026. 
COSCARELLI, Carla Viana. Letramento digital: o que é e como se desenvolve. In: COSCARELLI, 
Carla Viana; RIBEIRO, Ana Elisa (org.). Letramento digital: aspectos sociais e possibilidades 
pedagógicas. 3. ed. Belo Horizonte: Autêntica, 2016. p. 11-24. Disponível em: 
https://www.autenticaeditora.com.br. Acesso em: 26 maio 2026. 
CUKUROVA, Mutlu. A conceptual framework for teacher-AI teaming in education: harnessing GenAI 
to enhance teacher agency. In: OECD. OECD Digital Education Outlook 2026: exploring effective uses 
of generative AI in education. Paris: OECD Publishing, 2026. Disponível 
em: https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html. 
Acesso em: 26 maio 2026. 
CUKUROVA, Mutlu; SURAWORACHET, Wannapon; ZHOU, Qi; BULATHWELA, Sahan. Towards 
synergistic teacher-AI interactions with generative artificial intelligence. arXiv, 2025. Disponível em: 
https://arxiv.org/abs/2511.19580. Acesso em: 26 maio 2026. 
D'AMBROSIO, Ubiratan. Educação matemática: da teoria à prática. 23. ed. Campinas: Papirus, 2012. 
Disponível em: https://www.papirus.com.br. Acesso em: 26 maio 2026. 
KENSKI, Vani Moreira. Educação e tecnologias: o novo ritmo da informação. 8. ed. Campinas: 
Papirus, 2015. Disponível em: https://www.papirus.com.br. Acesso em: 26 maio 2026. 
LÉVY, Pierre. Cibercultura. Tradução de Carlos Irineu da Costa. São Paulo: Editora 34, 1999. 
Disponível em: https://www.editora34.com.br. Acesso em: 26 maio 2026. 
LUCKIN, Rosemary. Machine learning and human intelligence: the future of education for the 21st 
century. London: UCL Institute of Education Press, 2018. Disponível em: https://www.ucl-ioe-
press.com. Acesso em: 26 maio 2026. 
MIAO, Fengchun; HOLMES, Wayne; HUANG, Ronghuai; ZHANG, Hui. AI and education: guidance for 
policy-makers. Paris: UNESCO, 2021. Disponível em: https://doi.org/10.54675/PCSP7350. Acesso 
em: 26 maio 2026. 
MORAN, José. Metodologias ativas para uma aprendizagem mais profunda. In: BACICH, Lilian; 
MORAN, José (org.). Metodologias ativas para uma educação inovadora. Porto Alegre: Penso, 2018. 
p. 25-44. Disponível em: https://pensoeditora.com.br. Acesso em: 26 maio 2026. 
OCDE – ORGANIZAÇÃO PARA A COOPERAÇÃO E DESENVOLVIMENTO 
ECONÔMICO. Perspectivas da OCDE sobre Educação Digital 2026: explorando usos eficazes da IA 
generativa na educação. Tradução do Instituto Salto. Paris: Editora da OCDE, 2026. Disponível 
em: https://www.oecd.org/en/publications/oecd-digital-education-outlook-2026_062a7394-en.html. 
Acesso em: 26 maio 2026. 
OCDE – ORGANIZAÇÃO PARA A COOPERAÇÃO E DESENVOLVIMENTO ECONÔMICO. PISA 
2012 assessment and analytical framework: mathematics, reading, science, problem solving and 
financial literacy. Paris: OECD Publishing, 2013. Disponível em 
https://doi.org/10.1787/9789264190511-en. Acesso em: 26 maio 2026. 
VALENTE, José Armando. A aprendizagem ativa no uso das tecnologias digitais. In: BACICH, Lilian; 
MORAN, José (org.). Metodologias ativas para uma educação inovadora. Porto Alegre: Penso, 2018. 
p. 45-66. Disponível em: https://pensoeditora.com.br. Acesso em: 26 maio 2026. 
VASCONCELLOS, Celso dos Santos. Planejamento: projeto de ensino-aprendizagem e projeto 
político-pedagógico: elementos metodológicos para elaboração e realização. São Paulo: Libertad, 
2018.