Inscrições: https://forms.gle/ehG6kfZXXN5TPobi8
Informações: acm@acm-itea.org
A palestra “Seres-humanos-com-ChatGPT em Modelagem Matemática” explora como a colaboração entre humanos e inteligência artificial pode transformar o processo de modelagem matemática. Serão discutidos os impactos do ChatGPT no desenvolvimento de modelos matemáticos, desde a formulação do problema até a análise e interpretação dos resultados. Além disso, a palestra abordará como essa interação pode ampliar o pensamento computacional, facilitar a visualização gráfica e otimizar a tomada de decisões em diversas áreas da engenharia e ciências aplicadas.
1. Evoluções Históricas da Modelagem Matemática e o Surgimento do ChatGPT
A modelagem matemática, enquanto prática de tradução de fenômenos do mundo real para linguagem matemática, remonta a pensadores como Galileu Galilei, que afirmava que o “livro da natureza está escrito em linguagem matemática” (GALILEI, 1632). No século XX, com a formalização dos modelos em contextos educacionais, autores como Biembengut e Hein (2003) introduziram sistemáticas metodológicas para a Modelagem Matemática no ensino. Paralelamente, os avanços em Inteligência Artificial, especialmente em Processamento de Linguagem Natural (PLN), abriram espaço para novas ferramentas. O ChatGPT, desenvolvido pela OpenAI, insere-se nesse contexto como uma inovação baseada em modelos de linguagem treinados com grandes corpora de textos.
A história do ChatGPT remonta às pesquisas com redes neurais transformadoras, particularmente com o surgimento do modelo GPT (Generative Pre-trained Transformer) por Vaswani et al. (2017). A evolução do GPT-1 ao GPT-4 ampliou significativamente a capacidade de compreender, sintetizar e gerar textos coerentes, tornando o ChatGPT apto a interagir em contextos matemáticos e científicos. A modelagem matemática, por sua natureza interdisciplinar, encontrou no ChatGPT um aliado com capacidade de argumentação simbólica e explicativa. Assim, a fusão entre IA e modelagem tem suas raízes tanto na ciência computacional quanto na pedagogia crítica.
O desenvolvimento do ChatGPT envolveu colaborações multidisciplinares entre linguistas, engenheiros, matemáticos e educadores (BROWN et al., 2020). Esse avanço representa uma inflexão histórica, pois permite a intermediação da linguagem natural em processos de raciocínio quantitativo e qualitativo. Ao permitir a manipulação textual de problemas matemáticos complexos, o ChatGPT se aproxima da proposta de Skovsmose (2000), que defende a modelagem como prática social e crítica. Assim, o percurso histórico conecta a tradição da modelagem com as novas tecnologias, propondo novos horizontes para a educação matemática.
2. Perspectivas Científicas sobre a Integração entre ChatGPT e Modelagem Matemática
Do ponto de vista científico, a integração entre o ChatGPT e a modelagem matemática representa uma nova fronteira na pesquisa educacional e computacional. Autores como Borba e Villarreal (2005) já discutiam a importância das tecnologias digitais para redefinir o papel do professor e do aluno na aprendizagem matemática. A entrada do ChatGPT amplia esse debate, pois adiciona uma dimensão interativa e dialógica à resolução de problemas matemáticos. O modelo não apenas resolve equações, mas também argumenta e sugere caminhos alternativos, promovendo a heurística matemática.
A pesquisa sobre IA na educação tem se intensificado, e estudos como os de Luckin et al. (2016) indicam que agentes conversacionais podem desempenhar papéis relevantes em tutorias personalizadas. O ChatGPT opera nesse sentido ao oferecer feedback imediato e adaptado ao nível do aluno, colaborando com a autonomia intelectual. Na modelagem matemática, essa funcionalidade se traduz em maior flexibilidade para explorar hipóteses e simular cenários. Assim, a aplicação científica do ChatGPT vai além do automatismo, promovendo o pensamento crítico e exploratório.
O potencial do ChatGPT é particularmente interessante para pesquisas sobre aprendizagem baseada em problemas e metodologias ativas (FREIRE, 1996). Em modelagem matemática, onde a construção de modelos depende da interpretação de dados reais, o ChatGPT atua como facilitador epistêmico. Ele pode auxiliar na leitura, na escrita e na representação de modelos por meio de linguagem simbólica e natural. Portanto, do ponto de vista científico, a presença do ChatGPT reformula não apenas a prática pedagógica, mas também os fundamentos epistemológicos da modelagem.
3. Enfoques Experimentais e Aplicações
Experimentos recentes em escolas e universidades têm testado o uso do ChatGPT como mediador cognitivo em tarefas de modelagem matemática (MORETTI; SILVA; LOPES, 2023). Os resultados demonstram que o modelo pode auxiliar alunos na formulação de hipóteses, na interpretação de gráficos e na validação de resultados. Em atividades de modelagem sobre crescimento populacional ou consumo energético, por exemplo, o ChatGPT fornece explicações e exemplos contextualizados. A interação com o modelo estimula o raciocínio crítico e o debate coletivo em sala de aula.
Outros estudos experimentais, como os de Lee et al. (2023), indicam que o ChatGPT pode contribuir para a aprendizagem colaborativa, atuando como um “colega digital” na resolução de problemas. Essa atuação é especialmente eficaz quando combinada com ambientes de aprendizagem híbrida e metodologias de ensino invertido. Em modelagens sobre temas socioambientais, o modelo pode prover fontes de dados e auxiliar na construção de planilhas, equações e gráficos. Dessa forma, amplia-se o acesso ao conhecimento matemático por meio da tecnologia linguística.
Além do campo educacional, o ChatGPT tem sido aplicado em contextos científicos e industriais para modelagem matemática em logística, saúde e economia (ZHANG et al., 2023). Esses usos experimentais reforçam a robustez do modelo como ferramenta cognitiva, especialmente quando integrado a outros softwares matemáticos como Wolfram Alpha ou GeoGebra. Para fins pedagógicos, isso significa que os estudantes podem visualizar a aplicação real de modelos em diferentes esferas. A prática experimental com ChatGPT aproxima a escola da realidade científica e produtiva do mundo contemporâneo.
4. Relevância da Temática ChatGPT em Modelagem Matemática na Educação Básica
Básica encontra respaldo em diretrizes curriculares que valorizam a contextualização, a interdisciplinaridade e o protagonismo discente (BRASIL, 2018). Ao utilizar linguagem acessível e promover o diálogo, o ChatGPT pode colaborar com alunos na transposição didática de problemas complexos. Em vez de apenas reproduzir algoritmos, os estudantes passam a discutir e interpretar fenômenos, como o impacto de uma pandemia sobre a taxa de natalidade. Isso torna a matemática mais viva, significativa e conectada ao cotidiano.
Autores como Fonseca e Nóbrega (2021) e Pontes (2023) defendem a importância de ferramentas tecnológicas que promovam a inclusão e o acesso democrático ao saber matemático. Nesse sentido, o ChatGPT se apresenta como recurso acessível, versátil e adaptável a diferentes contextos escolares. Em escolas com menos recursos, o modelo pode ser utilizado por meio de celulares ou laboratórios de informática, promovendo equidade. Além disso, a facilidade de uso contribui para a formação continuada dos professores no uso de IA em sala de aula.
A relevância do ChatGPT também se expressa na sua capacidade de desenvolver competências gerais como pensamento crítico, argumentação e resolução de problemas. Essas competências são centrais na Base Nacional Comum Curricular e na formação cidadã (BRASIL, 2018). Na modelagem matemática, essas habilidades são mobilizadas continuamente, e o ChatGPT pode agir como catalisador desse processo. Assim, a inserção crítica do modelo na educação básica não é apenas possível, mas desejável do ponto de vista pedagógico e ético.
Referências Bibliográficas
BIEMBENGUT, M. S.; HEIN, N. Modelagem Matemática no Ensino. São Paulo: Contexto, 2003.
BORBA, M. C.; VILLARREAL, M. Tecnologias Digitais e a Redefinição do Trabalho do Professor com a Matemática. Belo Horizonte: Autêntica, 2005.
BRASIL. Ministério da Educação. Base Nacional Comum Curricular. Brasília: MEC, 2018.
BROWN, T. et al. Language Models are Few-Shot Learners. In: Advances in Neural Information Processing Systems, v. 33, 2020. Disponível em: https://arxiv.org/abs/2005.14165.
FONSECA, J. M.; NÓBREGA, T. R. A. Tecnologias Digitais e Ensino de Matemática: Potencialidades e Desafios. Revista Educação Matemática Pesquisa, São Paulo, v. 23, n. 4, p. 752–774, 2021.
FREIRE, P. Pedagogia da Autonomia: Saberes Necessários à Prática Educativa. São Paulo: Paz e Terra, 1996.
GALILEI, G. Diálogo sobre os dois máximos sistemas do mundo. Florença, 1632.
LEE, D.; PARK, H.; SHIN, J. Integrating AI Chatbots into Collaborative Learning Environments: Opportunities and Challenges. Journal of Educational Technology & Society, v. 26, n. 1, 2023.
LUCKIN, R. et al. Intelligence Unleashed: An Argument for AI in Education. Pearson Education, 2016.
MORETTI, M. A.; SILVA, L. H. P.; LOPES, E. F. ChatGPT na Educação Matemática: uma Experiência de Modelagem com IA. Anais do IX Encontro Nacional de Educação Matemática, São Paulo, 2023.
PONTES, Acelino. Prolegômenos à Nova Matemática. Fortaleza: Scientia Publishers, 2023. 232 p.
SKOVSMOSE, O. Educação Matemática Crítica: Questões da Democracia. Campinas: Papirus, 2000.
VASWANI, A. et al. Attention is All You Need. In: Advances in Neural Information Processing Systems, v. 30, 2017.
ZHANG, Y. et al. Generative AI in Industry: Applications and Implications. IEEE Transactions on Artificial Intelligence, v. 2, n. 1, p. 45-56, 2023.
Aldo Peres Campos e Lopes
Professor Associado da Universidade Federal de Itajubá (UNIFEI), campus de Itabira, MG, desde 2010.
Possui graduação em Matemática (2006), mestrado em Matemática (2009) e doutorado em Matemática (2013) pela Universidade Federal de Minas Gerais (UFMG).
Possui também mestrado em Educação Matemática (2020) pela Universidade Federal de Ouro Preto (UFOP). Realizou o pós-doc de verão no IMPA (Instituto de Matemática Pura e Aplicada) no Rio de Janeiro (2020) e possui pós-doc em Educação Matemática pela UFOP (2022).
Tem experiência com o ensino de graduação na área de Matemática para cursos de Engenharia e interesse de pesquisa nas áreas de Geometria e Equações Diferenciais Parciais, atuando principalmente nos seguintes temas: Geometria Diferencial, Análise Geométrica, Auto-Calibração de Câmeras.
Tem, ainda, interesse de pesquisa na área de Modelagem Matemática no Ensino Superior. Atualmente, integra o Grupo de Estudos e Pesquisas em Educação Matemática no Ensino Superior (GEPEMES), certificado no CNPq, que reúne professores-pesquisadores da UFOP e UNIFEI.
CV Lattes: http://lattes.cnpq.br/1982235983439291