Sequenciamento Personalizado de Problemas Melhora Notas de Python — Um ECA em 10 Escolas de Taipé

Investigadores da Wharton School (Universidade da Pensilvânia), da Carnegie Mellon University e da National Taiwan University realizaram um ensaio controlado aleatorizado integrado num curso online pós-escolar de certificação em Python, em 10 escolas secundárias de Taipé, Taiwan, envolvendo cerca de 800 estudantes ao longo de cinco meses. Todos os estudantes tiveram acesso idêntico ao mesmo chatbot de IA generativa e aos mesmos materiais do curso; a única diferença experimental foi a forma como os problemas de prática foram sequenciados. O grupo de controlo resolveu uma sequência fixa de problemas do mais fácil ao mais difícil, enquanto o grupo de tratamento recebeu uma sequência personalizada, em que um algoritmo ajustava a dificuldade dos problemas com base no desempenho e nas interações de cada estudante com o tutor de IA.
Os estudantes do grupo de sequenciação personalizada obtiveram pontuações significativamente mais elevadas nos exames finais, uma melhoria que os investigadores estimam em 0,15 desvios-padrão — descrita, com a ressalva explícita de não ser 'uma estimativa perfeita', como aproximadamente equivalente a seis a nove meses de aprendizagem adicional. Os estudantes do grupo de tratamento também se envolveram mais, dedicando cerca de uma hora por módulo, em comparação com cerca de 30 minutos ou menos no grupo de controlo. Os ganhos foram maiores entre estudantes novos em Python e os de escolas secundárias menos prestigiadas academicamente do que entre estudantes com experiência prévia em programação ou de escolas de topo.
O desenho do estudo garantiu que nenhum estudante ficou sem acesso ao tutor de IA em si, e não foi necessário tempo ou trabalho adicional por parte dos professores — apenas a sequenciação dos problemas mudou. Os autores são explícitos ao afirmar que o artigo, 'Effective Personalized AI Tutors via LLM-Guided Reinforcement Learning', foi publicado como rascunho em março de 2026 e ainda não concluiu revisão por pares, e que a amostra de estudantes inscritos tendia para adolescentes altamente motivados e com pais com elevada escolaridade, o que pode limitar a generalização dos resultados a populações menos autosselecionadas.