Aprofundamento cognitivo vs. aprendizagem superficial: uma análise crítica do impacto da IA generativa no ensino de programação

Abstract

A ascensão da Inteligência Artificial (IA) Generativa representa uma das mais significativas disrupções no cenário educacional contemporâneo, especialmente no ensino de programação. Este Trabalho de Conclusão de Curso investiga a dicotomia central que emerge dessa integração: a IA atua como uma ferramenta de potencialização, promovendo o aprofundamento cognitivo, ou como uma "muleta" tecnológica que incentiva a aprendizagem superficial? Através de uma revisão sistemática da literatura acadêmica recente, o presente estudo analisa criticamente as duas principais correntes de pensamento sobre o tema. A metodologia adotou critérios de busca em bases de dados acadêmicas, com foco em publicações entre 2023 e 2025, para mapear os argumentos, debates e lacunas na pesquisa. A análise revela que uma perspectiva defende os benefícios da IA na melhoria do desempenho, no desenvolvimento de competências de ordem superior e no fortalecimento da motivação estudantil. Em contrapartida, outra perspectiva adverte para os riscos do "efeito muleta", da erosão de habilidades fundamentais como a depuração de código, e dos desafios à integridade acadêmica. Como principal contribuição, este trabalho propõe uma síntese dialética para essa tensão, argumentando que o impacto da IA não é inerente à tecnologia, mas mediado pela prática pedagógica. Para tal, é apresentado um framework propositivo de integração da IA em três níveis: Adoção Segura, Colaboração Crítica e Inovação Assistida, calibrado de acordo com o nível de expertise do aluno. Conclui-se que, com uma abordagem pedagógica intencional e crítica, é possível mitigar os riscos e transformar a IA Generativa em uma poderosa aliada para o aprofundamento cognitivo.