SUB PathRAG na Aprendizagem Adaptativa Híbrida e Inclusiva: Aplicando a Inteligência Artificial Generativa à Educação Sustentável
DOI:
https://doi.org/10.5944/ried.45378Palavras-chave:
inteligencia artificial generativa, aprendizaje adaptativo, inclusión educativa, sostenibilidad, educación híbrida, personalización del aprendizajeResumo
Este artigo apresenta uma aplicação inovadora da inteligência artificial generativa no campo da aprendizagem adaptativa, inclusiva e sustentável no ensino superior a distância. Foi implementado o modelo PathRAG, uma arquitetura baseada em grafos de conhecimento e recuperação aumentada, que permite a seleção de caminhos semânticos relevantes para personalizar o conteúdo de treino gerado automaticamente a partir de modelos avançados de linguagem. O estudo foi realizado junto de 350 alunos do Mestrado Online em Cibersegurança, distribuídos por vários países de língua espanhola e com vários perfis tecnológicos, incluindo alunos com necessidades educativas específicas. Através de três exercícios práticos avaliados com um desenho quase experimental (pré-teste-pós-teste), foram analisadas melhorias na participação, compreensão e competências, bem como nas perceções de inclusão e satisfação dos alunos. Os resultados revelam um aumento médio de 15% a 20% nos principais indicadores, destacando a eficácia da IA na abordagem da diversidade e na otimização da experiência de aprendizagem em ambientes virtuais. Além disso, a progressão sustentada do desempenho foi evidente ao longo de todo o processo, sem afetar a integridade ou a autonomia da aprendizagem. O artigo conclui propondo recomendações práticas para a integração ética e pedagógica de sistemas generativos baseados em IA, reforçando a sua utilidade no âmbito dos Objetivos de Desenvolvimento Sustentável. É fornecido um modelo replicável para as instituições que procuram inovar na educação a distância através de tecnologias emergentes centradas no aluno.
Downloads
Referências
Ainscow, M. (2020). Promoting inclusion and equity in education: Lessons from international experiences. UNESCO. https://doi.org/10.1080/20020317.2020.1729587
Anderson, T., Borup, J., & West, R. E. (2020). Learning analytics in higher education: A review of the literature. Journal of Research on Technology in Education, 52(4), 433-451. https://doi.org/10.1080/15391523.2020.1739846
Bender, E. M., Gebru, T., McMillan-Major, A., & Shmitchell, S. (2021). On the dangers of stochastic parrots: Can language models be too big? Proceedings of the 2021 ACM Conference on Fairness, Accountability, and Transparency (pp. 610-623). https://doi.org/10.1145/3442188.3445922
Birhane, A. (2023). Algorithmic injustice: A relational ethics approach. Patterns, 4(2), 100693. https://doi.org/10.1016/j.patter.2023.100693
Braun, V., & Clarke, V. (2006). Using thematic analysis in psychology. Qualitative Research in Psychology, 3(2), 77-101. https://doi.org/10.1191/1478088706qp063oa
Chen, B., Guo, Z., Yang, Z., Chen, Y., Chen, J., Liu, Z., Shi, C., & Yang, C. (2024). PathRAG: Pruning graph-based retrieval augmented generation with relational paths. arXiv. https://doi.org/10.48550/arXiv.2502.14902
Chen, X., Wang, L., & Li, Z. (2024). Generative AI in higher education: Ethical and pedagogical considerations for ChatGPT. AI & Society. https://doi.org/10.1007/s00146-024-01720-9
Cobo, C., Morales, A., & Navarro, C. (2022). Artificial intelligence in education: Equity and ethics in Latin America. International Journal of Educational Technology in Higher Education, 19, 32. https://doi.org/10.1186/s41239-022-00312-3
Cohen, J. (1988). Statistical power analysis for the behavioral sciences (2nd ed.). Lawrence Erlbaum Associates.
Conati, C., Holstein, K., & Roll, I. (2021). The future of intelligent tutoring systems: A survey. IEEE Transactions on Learning Technologies, 14(4), 464-484. https://doi.org/10.1109/TLT.2021.3071740
Conati, C., & Kardan, S. (2013). User modeling in intelligent tutoring systems: A survey. In P. Brusilovsky, G. D. Verbert, & P. De Bra (Eds.), Adaptive and adaptable learning (pp. 45-63). Springer. https://doi.org/10.1007/978-3-642-40866-0_3
Floridi, L. (2019). The ethics of artificial intelligence. Oxford University Press.
García-Peñalvo, F. J. (2022). Tecnología y Educación: Hacia una visión transformadora. Ediciones Universidad de Salamanca.
Holmes, W., Porayska-Pomsta, K., Holstein, K., & Rodrigo, M. M. T. (2021). Ethics of AI in education: Towards a community-wide framework. European Journal of Education, 56(4), 541-558. https://doi.org/10.1111/ejed.12481
Ifenthaler, D., & Yau, J. Y.-K. (2020). Utilising learning analytics to support study success in higher education. Springer. https://doi.org/10.1007/978-3-319-64792-0
Jivet, I., Scheffel, M., Drachsler, H., & Specht, M. (2021). Awareness is not enough: Pitfalls of learning analytics dashboards in the educational practice. British Journal of Educational Technology, 52(6), 1864-1880. https://doi.org/10.1111/bjet.13168
Kasneci, E., Sessler, K., Küchemann, S., Bannert, M., Dementieva, D., Fischer, F., Gasser, U., Groh, G., Günnemann, S., Hüllermeier, E., Krusche, S., Kutyniok, G., Michaeli, T., Nerdel, C., Pfeffer, J., Poquet, O., Sailer, M., Schmidt, A., Seidel, T., … Kasneci, G. (2023). ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, 103, 102274. https://doi.org/10.1016/j.lindif.2023.102274
Liang, W., Tadesse, G. A., Ho, D., Li, F., Liu, S., Yu, H., & Sun, J. (2023). Personalized education in the era of big data. IEEE Transactions on Knowledge and Data Engineering, 35(3), 2245-2261. https://doi.org/10.1109/TKDE.2021.3117424
Liu, Y., Tamkin, A., Geng, X., & Ganguli, D. (2023). Lost in the middle: How LLMs use long contexts. Transactions of the Association for Computational Linguistics, 11, 1200-1218. https://doi.org/10.1162/tacl_a_00606
Lu, X., van de Sande, B., & Marsh, J. A. (2024). Hybrid learning environments and adaptive support. Computers & Education, 210, 104975. https://doi.org/10.1016/j.compedu.2023.104975
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2022). Artificial intelligence and human learning: Partners in progress. OECD Publishing.
OECD. (2023). The OECD AI principles: An overview. OECD Publishing.
Pedro, F., Subosa, M., Rivas, A., & Valverde, P. (2021). Artificial intelligence in education: Challenges and opportunities for sustainable development. UNESCO.
Ruipérez-Valiente, J. A., Cobos, R., & Muñoz-Merino, P. J. (2022). Knowledge graphs in education: A systematic literature review. IEEE Transactions on Learning Technologies, 15(4), 485-500. https://doi.org/10.1109/TLT.2022.3190858
Selwyn, N., Macgilchrist, F., & Williamson, B. (2023). EdTech and equity: Critical perspectives on the promises of digital education. Learning, Media and Technology, 48(1), 1-11. https://doi.org/10.1080/17439884.2022.2156041
Susnjak, T. (2022). ChatGPT: The end of online exam integrity? arXiv. https://doi.org/10.48550/arXiv.2212.09292
UNESCO. (2020). Global education monitoring report 2020: Inclusion and education: All means all. UNESCO. https://doi.org/10.54676/JJNK6989
UNESCO. (2022). Reimagining our futures together: A new social contract for education. UNESCO.
UNESCO. (2023). AI and education: Guidance for policy-makers. https://unesdoc.unesco.org/ark:/48223/pf0000384803
van de Sande, B., Marsh, J. A., & Lu, X. (2023). Large language models in education: Opportunities and challenges. Computers & Education: Artificial Intelligence, 4, 100132. https://doi.org/10.1016/j.caeai.2023.100132
Zawacki-Richter, O., Marín, V. I., Bond, M., & Gouverneur, F. (2019). Systematic review of research on artificial intelligence applications in higher education—Where are the educators? International Journal of Educational Technology in Higher Education, 16, 39. https://doi.org/10.1186/s41239-019-0171-0
Zhang, D., & Wang, X. (2025). Adaptive learning systems: A review and future directions. Journal of Educational Technology & Society, 28(1), 1–15.
Zhang, D., Wang, X., & Chen, X. (2021). Adaptive learning technologies in higher education: A meta-analysis of effectiveness. Educational Research Review, 33, 100390. https://doi.org/10.1016/j.edurev.2021.100390
Zhou, M., & Wang, D. (2020). Ethical considerations in AI-supported education: A perspective from responsible innovation. AI & Society, 35(3), 601-611. https://doi.org/10.1007/s00146-019-0910-1
Publicado
Como Citar
Edição
Secção
Licença
Direitos de Autor (c) 2026 Rubén Juárez Cádiz
Este trabalho encontra-se publicado com a Licença Internacional Creative Commons Atribuição 4.0.
As obras que são publicadas neste revista estão sujeitas ao seguintes termos:
1. Os autores cedem de forma não exclusiva os direitos de exploração dos trabalhos aceitos para sua publicação a "RIED. Revista Iberoamericana de Educação a Distância", garantem à revista o direito de ser a primeira publicação do trabalho e permitem que a revista distribua os trabalhos publicados sob a licença de indicada no ponto 2.
2. As obras são publicadas na edição eletrônica da revista sob uma licença Creative Commons Atribuição 4.0 Internacional (CC BY 4.0). Podem copiar e redistribuir o material em qualquer suporte ou formato, adaptar, remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial. Você deve atribuir o devido crédito, fornecer um link para a licença, e indicar se foram feitas alterações. Você pode fazê-lo de qualquer forma razoável, mas não de uma forma que sugira que o licenciante o apoia ou aprova o seu uso.
3. Condições de auto-arquivo. Permite-se e incentava-se aos autores difundir eletronicamente a versõ OnlineFirst (versão avaliada e aceita para publicação) de su obra antes de sua publicação, sempre com referência a sua publicação na RIED, já que favorece sua circulação e difusão mais cedo e com isso um possível aumento em sua citação e alcance entre a comunidade acadêmica. Color RoMEO: verde.
