Aula 12 — Inteligência artificial e pesquisa matemática: formular perguntas, checar respostas e reconhecer limites
50 minObjetivo geral
Usar ferramentas de inteligência artificial generativa de forma crítica na aprendizagem de matemática, formulando boas perguntas e sempre checando as respostas obtidas.
Objetivos específicos
- Formular uma pergunta matemática de forma clara e específica para uma ferramenta de IA generativa.
- Reconhecer que uma ferramenta de IA generativa pode cometer erros matemáticos, mesmo parecendo confiante na resposta.
- Aplicar estratégias já aprendidas (estimativa, ordem de grandeza, verificação por outra via) para checar uma resposta dada por uma IA.
- Distinguir usos apropriados da IA (tirar dúvidas conceituais, conferir um raciocínio já feito) de usos que substituem o próprio aprendizado (pedir a resposta pronta sem entender o processo).
Conhecimentos prévios
- Estimativa, ordem de grandeza e verificação de plausibilidade, Módulo 0, Aula 3.
- Calculadora: quando ajuda, quando atrapalha, Módulo 0, Aula 8.
Recursos didáticos
- Apresentação de slides — Possor_MatAula12_Apresentacao.pptx.
- Um exemplo real (preparado previamente) de uma ferramenta de IA generativa errando um cálculo ou raciocínio matemático simples, para análise da turma.
- Quadro/lousa e material de escrita.
Desenvolvimento da aula
Acolhida e Sondagem de Conhecimentos Prévios
5 min · Ausubel — ativação de subsunçoresO professor pergunta: "vocês já usaram alguma ferramenta de inteligência artificial para tirar uma dúvida de matemática? A resposta estava certa?" Ouvir hipóteses.
Problematização Inicial
5 min · Bachelard — obstáculo epistemológico antecipadoPerguntar: uma ferramenta de IA generativa pode errar uma conta ou um raciocínio matemático? Obstáculo a nomear (sem resolver ainda): achar que, por ser "inteligência artificial", a resposta é automaticamente confiável — essas ferramentas podem errar cálculos e raciocínios matemáticos, às vezes de forma bem convincente.
Desenvolvimento Conceitual
20 min · Exposição dialogadaApresentação dos slides 2 a 9: apresentar o exemplo preparado de erro de uma IA generativa, analisando coletivamente onde exatamente o raciocínio falhou — isso resolve o obstáculo do Momento 2, mostrando concretamente que a confiança no tom da resposta não garante que ela esteja certa. Discutir que essas ferramentas tendem a ser mais confiáveis para explicar CONCEITOS do que para executar CÁLCULOS longos ou complexos com precisão garantida. Retomar as estratégias das Aulas 3 e 8 (estimativa de ordem de grandeza, refazer por outro caminho) como forma prática de checar qualquer resposta de IA antes de aceitá-la como correta. Discutir a diferença entre usar a IA para ENTENDER um conceito ou raciocínio (uso apropriado) e usar a IA para "só copiar a resposta pronta" sem entender o processo (uso que prejudica o próprio aprendizado).
Resolução Guiada
10 min · Vygotsky — Zona de Desenvolvimento ProximalResolução guiada: formular coletivamente uma boa pergunta matemática para uma IA (específica, com contexto suficiente), contrastando com um exemplo de pergunta vaga que tende a gerar uma resposta pouco útil. Em duplas: praticar reformular uma pergunta vaga dada pelo professor em uma pergunta específica e bem contextualizada.
Exercícios de Fixação
7 min · Prática independenteAplicação individual (ou em duplas) da lista de exercícios de fixação (seção 8 deste plano).
Síntese e Fechamento
3 min · Consolidação (fechamento circular)Retomar a pergunta do Momento 1: sim, uma IA generativa pode errar contas e raciocínios matemáticos, mesmo respondendo com tom confiante — por isso toda resposta de IA em matemática merece ser checada, com as mesmas estratégias já aprendidas neste módulo.
Avaliação formativa
Ao longo da aula: perguntas rápidas de verificação (Momento 3) e observação direta durante a resolução guiada (Momento 4). Ao final: correção coletiva dos exercícios.
Lista de exercícios
1. Por que a confiança no tom de uma resposta de IA generativa não é garantia de que ela esteja matematicamente correta?
Gabarito: Resposta aberta — espera-se que o aluno explique que essas ferramentas geram respostas com base em padrões de linguagem, não necessariamente verificando cada passo de um cálculo com rigor lógico — por isso podem apresentar erros com o mesmo tom confiante de uma resposta correta.
2. Descreva como você usaria a estimativa de ordem de grandeza (Aula 3) para checar rapidamente se uma resposta numérica dada por uma IA é plausível.
Gabarito: Estimar mentalmente, arredondando os valores envolvidos, qual seria a ordem de grandeza esperada do resultado, e comparar com o valor que a IA forneceu — uma discrepância grande de ordem de grandeza é um sinal de que a resposta merece ser recalculada.
3. Reescreva esta pergunta vaga para uma IA de forma mais específica e contextualizada: "como resolve equação do segundo grau?"
Gabarito: Resposta aberta — exemplo de melhoria: "Como resolvo a equação x2-5x+6=0 usando a fórmula de Bhaskara? Pode mostrar cada passo do cálculo do discriminante e das raízes?"
4. Diferencie um uso apropriado de uma IA generativa no estudo de matemática de um uso que prejudica o aprendizado.
Gabarito: Uso apropriado: pedir explicação de um conceito, ou conferir/comparar um raciocínio que o próprio aluno já tentou fazer. Uso que prejudica: pedir a resposta pronta de um exercício sem tentar resolvê-lo antes, copiando o resultado sem entender o processo.
5. Reflita: da próxima vez que você usar uma IA para tirar uma dúvida de matemática, qual das estratégias de checagem deste módulo (estimativa, unidades, refazer por outro caminho) você pretende aplicar?
Gabarito: Resposta aberta e pessoal — espera-se a escolha de pelo menos uma estratégia concreta já vista no módulo.
Observações e extensão
Próxima aula: Do texto à matemática: converter situações em tabelas, expressões, equações e gráficos. Nota para o professor: as próximas duas aulas fecham o módulo integrando leitura, tradução e comunicação — habilidades que dependem de tudo o que já foi visto até aqui.