evidoria

← Voltar à navegação

Boa prática Importada

Recomendador de Formação Contínua por Chatbot de IA — Escola Superior de Educação de Burgenland

Áustria · Eisenstadt · Ver o perfil de Áustria

Evidência: Observacional / pré-pós Top 28% 60/100 · Pergunte a Evidence Copilot sobre esta prática

Um estudo revisto por pares, de seis semanas, na Escola Superior de Educação de Burgenland (Áustria), testou um chatbot de IA que recomenda formação contínua a 1.125 professores: 2.030 interações, 85,6% de respostas corretas, 14,4% de taxa de recurso e 85% de sentimento positivo.

4,235 teachers
Docentes elegíveis
1,125 teachers
Docentes que utilizaram o chatbot (15 Apr-31 May 2024)
2,030 interactions
Interações válidas registadas (15 Apr-31 May 2024)
1.69 queries/teacher
Média de consultas por docente
85.6 %
Precisão das respostas
14.4 %
Taxa de resposta padrão ('fallback')
85 %
Sentimento positivo dos utilizadores
0.36 Spearman's rho
Correlação entre especificidade da consulta e satisfação
0.012 p-value
Significância estatística da correlação
2.05 OR
Razão de probabilidades para consultas com palavras-chave específicas do domínio

Detalhes

Maturidade
Piloto
Promotor
University College of Teacher Education Burgenland (Centre for Digital Education)
Período
15 April - 31 May 2024 (field study); published September-October 2025
Região (NUTS)
AT11
Palavras-chave
teacher professional development, AI chatbot, higher education

Contexto

Os investigadores Thomas Leitgeb e Michael Leitgeb, do Centre for Digital Education da University College of Teacher Education Burgenland (Áustria), construíram e avaliaram um chatbot baseado em IA que fornece aos docentes recomendações personalizadas e sensíveis ao contexto para ações de formação contínua (PD), assente na teoria TPACK e na teoria da autodeterminação.

Objetivos

A premissa: catálogos genéricos e uniformes de formação contínua têm baixa adesão porque ignoram a disciplina, a fase de carreira e as necessidades pedagógicas específicas de cada docente.

Atividades

Ao longo de uma implementação de campo de seis semanas (15 de abril a 31 de maio de 2024), 1.125 dos 4.235 docentes elegíveis utilizaram o chatbot, gerando 2.030 interações válidas (uma média de 1,69 consultas por docente), analisadas através de um desenho de métodos mistos convergente e paralelo — regressão logística, análise de correlação, e codificação qualitativa de conteúdo e de sentimento.

Resultados

Os investigadores mediram 85,6% de respostas corretas face a uma taxa de recurso a resposta padrão ('fallback') de 14,4% (abaixo do valor de referência de cerca de 20% na área), 85% de sentimento positivo dos utilizadores, e uma correlação positiva moderada (rho de Spearman = 0,36, p = 0,012) entre a especificidade da consulta do docente e a sua satisfação com a resposta; palavras-chave específicas do domínio, como 'didática digital', praticamente duplicaram a probabilidade de feedback positivo (OR = 2,05). Os docentes questionavam sobretudo sobre competências digitais, IA e inclusão, e o feedback qualitativo elogiou as sugestões oportunas e específicas ao contexto da ferramenta, enquanto as críticas se concentraram nos casos em que as recomendações ainda pareciam genéricas.

Conclusões

O estudo, publicado na revista científica com revisão por pares Artificial Intelligence in Education (outubro de 2025), é um projeto-piloto de uma única instituição e região: demonstra uma ferramenta de recomendação de formação contínua bem instrumentada e avaliada quantitativamente, mas ainda não uma implementação multi-institucional ou transfronteiriça, e mede o desempenho do chatbot e a satisfação dos docentes, e não os resultados subsequentes em sala de aula ou para os alunos.

Implementação
Custo indicativo
Baixo (< 50 mil €) — No budget figures published; scale limited to one institution's chatbot deployment over six weeks.
Tempo até resultados
Curto (< 1 ano) — Six-week field deployment (15 April-31 May 2024); findings published September-October 2025.
Equipa e competências
Researchers Thomas Leitgeb and Michael Leitgeb, Centre for Digital Education, University College of Teacher Education Burgenland

Condições de sucesso

  • Grounding recommendations in TPACK and self-determination theory rather than a generic catalogue
  • Personalisation to a teacher's subject, career stage and pedagogical needs
  • Rigorous mixed-methods instrumentation (logistic regression, correlation analysis, sentiment coding) to monitor accuracy and satisfaction

Modos de falha comuns

  • 14.4% fallback rate where the chatbot could not answer
  • Qualitative criticism that some recommendations still felt generic

Onde se enquadra

Tipo de governação
single higher-education institution (teacher-training college)
Escala
single-institution, single-region pilot (Burgenland, Austria)
Nível de rendimento
high-income (Austria/EU)

Habitualmente financiado por

Horizon Europe Erasmus+

Vias de financiamento indicativas para práticas deste tipo — verifique sempre os avisos abertos e as regras de elegibilidade de cada programa.

Implementa esta prática? Reivindique-a — implementadores verificados obtêm um contacto público na página e podem propor correções.

Fontes de dados

De onde foi obtida a informação desta prática, e quando.

Práticas semelhantes que podem ser úteis