INTELIGÊNCIA ARTIFICIAL NA PERSONALIZAÇÃO DO APRENDIZADO E DESEMPENHO ACADÊMICO NA EDUCAÇÃO BÁSICA

INTRODUÇÃO: Apesar do crescimento das pesquisas sobre IA na educação — ainda escassas na América Latina —, a aplicação no ensino de Física foca na personalização do ensino, compreensão de conteúdos e criação de materiais. Contudo, a falta de confiabilidade de ferramentas gerais como o ChatGPT exige mediação docente. Por otimizarem o tempo do professor e auxiliarem os alunos, destaca-se a importância de analisar plataformas específicas, como o Khanmigo, para entender seu impacto na prática e na formação de professores de Física. OBJETIVOS: Objetivo Geral: Analisar as ferramentas de IA da plataforma Khanmigo voltadas para a prática em sala de aula e suas características no ensino.Objetivos Específicos:Mapear: Categorizar as ferramentas do Khanmigo segundo suas funções pedagógicas.Testar: Aplicar cada ferramenta a conteúdos do ensino básico de Física.Avaliar: Identificar as potencialidades e limitações pedagógicas com base na qualidade e precisão dos conteúdos gerados.Conectar: Relacionar os resultados à literatura científica sobre IA na educação e no ensino de Física. MATERIAIS E MÉTODO: Este estudo qualitativo e exploratório analisa o uso do Khanmigo no trabalho docente do ensino básico, testando suas ferramentas com tópicos de Física (como Leis de Newton e Termodinâmica).Categorias das Ferramentas:Plano: Criação de planos de aula, objetivos, discussões e acompanhamento de turmas.Criar: Geração de testes, textos, rubricas, cartas e jogos (ex.: Blooket).Diferenciar: Adaptação de linguagem, contextualização e adequação de nível.Suporte e Aprender: Elaboração de PEIs, metas SMART e formação contínua do professor.Eficácia e Limitações: Apresenta boa aceitação pelos alunos e potencial pedagógico, mas faltam evidências conclusivas sobre ganhos específicos em Física. Exige supervisão humana, uso ético e avaliação contextualizada.Khanmigo vs. NotebookLM: O NotebookLM usa RAG (limita-se aos arquivos do usuário para reduzir alucinações). Já o Khanmigo atua de forma ampla no ecossistema da Khan Academy e adota a metodologia socrática (guia por perguntas em vez de dar respostas prontas). RESULTADOS: A análise das 26 ferramentas do Khanmigo para o ensino de Física destacou bom desempenho geral, respostas rápidas e ausência de erros conceituais graves.Funcionalidades: Eficiente na criação de planos, questões objetivas, adaptação de conteúdos e suporte individualizado (PEI/SMART).Limitações e Exigências: A geração de textos requer maior direcionamento, a qualidade final depende da precisão dos prompts e a revisão do professor continua indispensável. CONSIDERAÇÕES FINAIS: O estudo avaliou as 26 ferramentas do Khanmigo voltadas a educadores, confirmando seu potencial para o planejamento, criação de materiais, adaptação de conteúdos e suporte ao ensino de Física na educação básica.Principais Achados e Recomendações:Eficácia e Limitação: Os recursos mostraram-se consistentes e úteis, mas exigem revisão docente antes da aplicação em sala de aula (a pesquisa focou na exploração das ferramentas, sem teste direto com alunos).Trabalhos Futuros: Recomenda-se aplicar a ferramenta em salas de aula reais, compará-la com assistentes como o NotebookLM e avaliar a percepção dos professores sobre sua usabilidade e confiabilidade.

PALAVRAS-CHAVE: Inteligência Artificial; Inteligência Artificial Generativa; Khanmigo; Educação Básica.