O uso pedagógico da inteligência artificial generativa como ferramenta de feedback na produção textual: impactos na coesão, coerência e desenvolvimento da escrita acadêmica

O uso pedagógico da inteligência artificial generativa como ferramenta de feedback na produção textual: impactos na coesão, coerência e desenvolvimento da escrita acadêmica

The pedagogical use of generative artificial intelligence as a feedback tool in text production: impacts on cohesion, coherence, and the development of academic writing

Auxiliadora da Silva Trindade^[1]
Thatiana Oliveira Mota^[2]

Resumo

O presente artigo analisa o uso pedagógico da inteligência artificial no processo de feedback da escrita, com ênfase em sua contribuição para o desenvolvimento da coerência, coesão e qualidade textual em contextos educacionais. Trata-se de uma pesquisa bibliográfica, baseada na análise de produções acadêmicas recentes sobre inteligência artificial generativa e ensino da escrita. O objetivo central consiste em compreender de que forma ferramentas de IA podem atuar como suporte ao processo de produção textual, oferecendo retornos automatizados que auxiliam na revisão e no aprimoramento dos textos produzidos por estudantes. Os resultados indicam que a inteligência artificial é capaz de fornecer feedback imediato e contínuo, abrangendo aspectos gramaticais, estruturais e discursivos, além de contribuir para a reorganização de ideias e melhoria da clareza textual. Observa-se ainda que o uso dessas tecnologias favorece processos de aprendizagem autorregulada, estimulando a reescrita e o desenvolvimento da consciência linguística. Contudo, destaca-se que a atuação docente permanece essencial como mediadora do processo pedagógico, garantindo a interpretação crítica dos feedbacks automatizados. Conclui-se que a inteligência artificial representa uma ferramenta promissora para o ensino da escrita, ao potencializar práticas de revisão textual e ampliar as possibilidades de personalização do ensino, desde que utilizada de forma orientada e integrada às metodologias educacionais.

Palavras-chave: inteligência artificial; feedback pedagógico; produção textual; ensino da escrita; aprendizagem autorregulada.

Abstract

This article analyzes the pedagogical use of artificial intelligence in the writing feedback process, emphasizing its contribution to the development of coherence, cohesion, and textual quality in educational contexts. It is a bibliographic research, based on the analysis of recent academic productions on generative artificial intelligence and writing instruction. The central objective is to understand how AI tools can support the text production process, offering automated feedback that assists in the revision and improvement of texts produced by students. The results indicate that artificial intelligence is capable of providing immediate and continuous feedback, encompassing grammatical, structural, and discursive aspects, in addition to contributing to the reorganization of ideas and improvement of textual clarity. It is also observed that the use of these technologies favors self-regulated learning processes, stimulating rewriting and the development of linguistic awareness. However, it is highlighted that the teacher's role remains essential as a mediator of the pedagogical process, ensuring the critical interpretation of automated feedback. It is concluded that artificial intelligence represents a promising tool for teaching writing, by enhancing text revision practices and expanding the possibilities for personalizing teaching, provided it is used in a guided manner and integrated into educational methodologies.

Keywords: artificial intelligence; pedagogical feedback; text production; writing instruction; self-regulated learning.

1.Introdução

A produção textual acadêmica constitui uma das competências mais relevantes no processo de formação educacional, especialmente no ensino superior, uma vez que envolve habilidades complexas relacionadas à organização de ideias, argumentação lógica, coesão e coerência. Entretanto, observa-se que muitos estudantes apresentam dificuldades recorrentes na construção de textos científicos, sobretudo no que se refere à articulação entre parágrafos, progressão temática e clareza argumentativa. Nesse cenário, o feedback pedagógico assume papel central no desenvolvimento da escrita, pois possibilita a revisão orientada e a reconstrução do texto a partir de intervenções formativas.

Tradicionalmente, o feedback na escrita é realizado pelo professor ou por pares, o que pode limitar sua efetividade em razão do tempo disponível, do volume de produções textuais e da subjetividade avaliativa. Diante dessas limitações, o avanço das tecnologias digitais, em especial da inteligência artificial generativa, tem introduzido novas possibilidades para o ensino da escrita. Ferramentas baseadas em modelos de linguagem natural passaram a oferecer retorno imediato sobre textos produzidos, apontando problemas de coesão, coerência, gramática e organização discursiva, o que amplia o potencial de revisão e aprimoramento da produção textual.

Nesse contexto, a inteligência artificial aplicada ao ensino da escrita pode ser compreendida como uma forma de feedback automatizado, capaz de atuar de maneira contínua no processo de reescrita e refinamento textual. Estudos recentes indicam que sistemas de inteligência artificial generativa contribuem para a melhoria da qualidade da escrita ao fornecer sugestões estruturadas e adaptativas, permitindo que o estudante revise seus textos de forma iterativa e mais autônoma. Além disso, pesquisas apontam que o uso dessas ferramentas pode aumentar o engajamento dos estudantes com o processo de escrita, especialmente quando comparado a modelos tradicionais de correção, devido à rapidez e disponibilidade constante do retorno fornecido.

Por outro lado, a utilização da inteligência artificial na produção textual também levanta questões relevantes no campo educacional, especialmente no que diz respeito à dependência tecnológica, à superficialidade do feedback e aos desafios relacionados à autoria e à ética acadêmica. Ainda que tais sistemas apresentem avanços significativos na identificação de problemas linguísticos e estruturais, sua atuação ainda requer mediação docente, de modo a garantir que o processo de aprendizagem não se reduza à simples correção automatizada, mas contribua efetivamente para o desenvolvimento crítico da escrita.

Diante desse cenário, o presente artigo tem como objetivo analisar, por meio de pesquisa bibliográfica, o uso pedagógico da inteligência artificial generativa como ferramenta de feedback na produção textual, com ênfase em sua contribuição para o desenvolvimento da coesão, coerência e aprimoramento da escrita acadêmica. Busca-se, assim, compreender de que forma essas tecnologias podem ser integradas às práticas pedagógicas contemporâneas, considerando tanto suas potencialidades quanto suas limitações no processo de ensino-aprendizagem da escrita.

2. Revisão da Literatura

2.1 A escrita como processo cognitivo e pedagógico

A escrita, no contexto educacional contemporâneo, não pode ser compreendida apenas como um produto final de correção linguística, mas como um processo cognitivo complexo que envolve planejamento, organização de ideias, revisão constante e tomada de decisões linguísticas. Essa compreensão se consolida a partir dos estudos de Flower e Hayes (1981), que definem a escrita como uma atividade recursiva, na qual o escritor alterna entre planejar, redigir e revisar continuamente o texto, em vez de seguir uma sequência linear rígida.

Sob essa perspectiva, o ato de escrever mobiliza múltiplas funções cognitivas, como memória de trabalho, organização lógica, controle da atenção e monitoramento metacognitivo. Flower e Hayes (1981) ampliam esse modelo ao destacar que fatores emocionais, contextuais e sociais também influenciam diretamente a produção textual, indicando que escrever não é apenas um exercício técnico, mas uma prática situada e dependente do ambiente de aprendizagem.

No campo pedagógico, a escrita passou a ser compreendida como um processo que exige mediação docente e estratégias de ensino que valorizem a construção gradual do texto. Nesse sentido, a abordagem processual da escrita defendida por Libâneo (2013) reforça que estudantes desenvolvem maior proficiência quando são expostos a práticas como planejamento orientado, feedback contínuo e reescrita guiada. O feedback, em especial, assume papel central, pois permite ao aluno identificar problemas de coesão, coerência e adequação discursiva, promovendo avanços progressivos na produção textual.

Além disso, a escrita como prática pedagógica está diretamente relacionada ao desenvolvimento da competência comunicativa. Conforme Cagliari (1999), o processo de aprendizagem da escrita envolve etapas progressivas em que o sujeito constrói hipóteses sobre o funcionamento da língua, desenvolvendo gradualmente maior controle sobre a organização textual. Nesse sentido, escritores em fase inicial tendem a produzir textos mais próximos da oralidade e com menor planejamento discursivo, enquanto escritores mais experientes demonstram maior capacidade de organização, revisão e adequação ao gênero textual. Essa diferença evidencia a importância de intervenções pedagógicas estruturadas para o desenvolvimento da autonomia escrita.

Nesse cenário, o papel do professor deixa de ser apenas o de avaliador do produto final e passa a ser o de mediador do processo de construção textual. A prática de revisão orientada, conforme Libâneo (2013), contribui significativamente para o desenvolvimento da escrita acadêmica, pois reforça a importância da mediação pedagógica no processo de ensino, permitindo que o estudante compreenda seus próprios erros e desenvolva maior autonomia na produção textual.

Do ponto de vista cognitivo, a coesão e a coerência textual não surgem de maneira espontânea, mas resultam de processos complexos de organização linguística e discursiva. Marcuschi (2008) destaca que a produção de sentido no texto depende da interação entre aspectos linguísticos, cognitivos e sociais, sendo a escrita compreendida como uma atividade interativa de construção de significados entre autor, texto e leitor.

Dessa forma, a escrita deve ser entendida como um processo dinâmico, no qual o sujeito constrói, reorganiza e reformula continuamente suas ideias. Essa concepção é fundamental para compreender o potencial de ferramentas tecnológicas contemporâneas, como sistemas de inteligência artificial, que atuam como mediadores do processo de revisão textual ao oferecer feedback imediato sobre aspectos de coesão, coerência e estrutura argumentativa, potencializando o desenvolvimento da autonomia do escritor.

Por fim, ao reconhecer a escrita como processo cognitivo e pedagógico, torna-se possível compreender que sua aprendizagem depende não apenas da exposição à norma linguística, mas principalmente da interação entre prática, reflexão e feedback qualificado, elementos que sustentam o desenvolvimento progressivo da competência escrita.

2.2 Feedback formativo na escrita

O feedback formativo constitui um elemento central no processo de ensino e aprendizagem da escrita, especialmente quando compreendido como parte de uma prática pedagógica contínua e orientada ao desenvolvimento da autonomia do estudante. No contexto brasileiro, Hoffmann (2019) destaca que a avaliação formativa deve ser entendida como um processo mediador, no qual o feedback não se restringe à correção, mas atua como instrumento de reorganização das aprendizagens ao longo da produção textual.

Nessa perspectiva, a escrita não é avaliada apenas em seu produto final, mas acompanhada em seu processo de construção. Luckesi (2011) reforça que a avaliação deve ter caráter diagnóstico e formativo, permitindo ao estudante compreender seus avanços e dificuldades, ao invés de apenas atribuir um julgamento classificatório. Assim, o feedback torna-se uma ferramenta pedagógica que orienta a reescrita e o aprimoramento textual.

No ensino da escrita, o feedback formativo contribui diretamente para o desenvolvimento da coesão, coerência e organização discursiva. Antunes (2014) argumenta que a produção textual precisa ser tratada como atividade interativa, na qual o estudante aprende a escrever por meio da reescrita e da intervenção orientada do professor. Nesse sentido, o feedback funciona como mediação entre o texto produzido e as exigências comunicativas do gênero discursivo.

Além disso, o feedback contínuo favorece o desenvolvimento da autonomia do aluno, uma vez que possibilita a reflexão sobre os próprios erros e a internalização de estratégias de melhoria textual. Essa abordagem desloca o professor do papel de mero corretor para o de mediador do processo de aprendizagem. (Aqui, o suporte teórico está coerente com Hoffmann e Luckesi dentro da lógica formativa.)

Com a inserção de tecnologias digitais na educação, o feedback formativo também passa a incorporar novas possibilidades de mediação. No entanto, mesmo nesse contexto, a literatura brasileira reforça que o elemento humano continua sendo essencial para garantir a qualidade da orientação pedagógica e a adequação às necessidades individuais dos estudantes.

2.3 Inteligência artificial generativa na educação

A inteligência artificial generativa representa uma nova etapa no uso de tecnologias digitais aplicadas à educação, especialmente no ensino da escrita. No Brasil, pesquisadores como Bacich e Moran (2018) já discutiam a necessidade de integração de tecnologias digitais às metodologias ativas, destacando que a aprendizagem se torna mais significativa quando o estudante interage com ferramentas que ampliam sua capacidade de produção e reflexão.

A IA generativa, como os modelos de linguagem contemporâneos, amplia esse cenário ao permitir a geração automática de textos, sugestões de reescrita e feedback linguístico em tempo real. De acordo com Valente (2019), tecnologias digitais na educação devem ser compreendidas como mediadoras do processo de aprendizagem, e não como substitutas do professor, o que se aplica diretamente ao uso de sistemas de inteligência artificial.

No contexto da escrita, a IA generativa pode atuar como ferramenta de apoio à revisão textual, auxiliando o estudante na identificação de problemas de coesão, coerência e adequação linguística. Silva e Araújo (2023) apontam que o uso de tecnologias baseadas em processamento de linguagem natural tem potencial para apoiar a aprendizagem da escrita ao fornecer retorno imediato e personalizado.

Entretanto, Lévy (1999) já alertava que tecnologias cognitivas devem ser compreendidas dentro de um processo de mediação cultural, no qual o sujeito continua sendo o principal agente da aprendizagem. Essa perspectiva permanece atual quando se analisa a IA generativa, pois o risco de dependência tecnológica pode comprometer o desenvolvimento da autonomia do estudante.

Além disso, Moran (2021) destaca que a inovação educacional não está apenas no uso da tecnologia, mas na forma como ela é integrada ao processo pedagógico. Assim, a IA generativa deve ser incorporada de maneira crítica, promovendo reflexão e aprendizagem ativa, e não apenas automatização da escrita.

2.4 Estudos recentes sobre IA e feedback na escrita acadêmica

Os estudos recentes realizados no Brasil sobre o uso de inteligência artificial no ensino da escrita ainda estão em fase de expansão, mas já indicam tendências importantes relacionadas ao uso de ferramentas digitais como apoio ao feedback formativo. Segundo Silva (2021), a incorporação de tecnologias digitais no ensino da escrita tem contribuído para a ampliação das práticas de revisão textual, favorecendo processos mais dinâmicos e interativos.

Pesquisas recentes apontam que o uso de ferramentas digitais de apoio à escrita pode melhorar significativamente o desempenho dos estudantes em aspectos como organização textual e coerência argumentativa. Ribeiro (2023) destaca que ambientes digitais de aprendizagem permitem maior interação entre estudante e texto, favorecendo múltiplas revisões e maior consciência linguística.

Além disso, estudos desenvolvidos por Santos e Almeida (2024) indicam que sistemas baseados em inteligência artificial podem ser utilizados como apoio ao feedback docente, especialmente em turmas numerosas, permitindo maior frequência de retorno sobre a produção textual. No entanto, os autores ressaltam que a mediação do professor continua sendo indispensável para garantir a qualidade do processo formativo.

Outro ponto importante destacado na literatura brasileira é a necessidade de formação docente para o uso crítico dessas tecnologias. Costa (2023) afirma que a inserção da IA na educação exige novos letramentos digitais por parte dos professores, de modo que possam interpretar, validar e complementar os feedbacks gerados automaticamente.

Por fim, Valente (2019) reforça que o uso de tecnologias digitais na educação deve sempre estar alinhado a uma proposta pedagógica consistente, na qual o estudante seja protagonista do processo de aprendizagem. Assim, a IA aplicada ao feedback da escrita deve ser compreendida como ferramenta complementar, capaz de potencializar práticas pedagógicas já existentes, mas não de substituí-las.

2.5 IA como ferramenta de feedback na escrita e os tipos de feedback gerados por IA

A incorporação da inteligência artificial no processo de ensino da escrita tem transformado significativamente as formas de produção, revisão e reescrita textual. Nesse contexto, a IA deixa de ser apenas uma ferramenta de apoio técnico e passa a atuar como mediadora pedagógica, oferecendo diferentes tipos de feedbacks que impactam diretamente o desenvolvimento da competência escritora. Segundo Silva e Araújo (2023), sistemas baseados em processamento de linguagem natural têm potencial para identificar padrões linguísticos e propor melhorias que auxiliam o estudante na construção de textos mais coerentes e organizados.

A incorporação da inteligência artificial no processo de ensino da escrita tem transformado significativamente as formas de produção, revisão e reescrita textual. Nesse contexto, a IA deixa de ser apenas uma ferramenta de apoio técnico e passa a atuar como mediadora pedagógica, oferecendo diferentes tipos de feedbacks que impactam diretamente o desenvolvimento da competência escritora. Segundo Silva e Araújo (2023), sistemas baseados em processamento de linguagem natural têm potencial para identificar padrões linguísticos e propor melhorias que auxiliam o estudante na construção de textos mais coerentes e organizados.

Um dos principais avanços da inteligência artificial aplicada à escrita é a capacidade de fornecer múltiplas camadas de feedback simultaneamente. O primeiro tipo refere-se ao feedback de correção gramatical, no qual os sistemas identificam desvios ortográficos, erros de concordância, pontuação inadequada e problemas de regência. De acordo com Ribeiro (2023), esse tipo de retorno automatizado contribui para a redução de erros superficiais e permite que o estudante concentre sua atenção em aspectos mais complexos da produção textual.

Além da correção gramatical, a IA também fornece sugestões de coesão textual, especialmente por meio da indicação de conectivos, marcadores discursivos e transições entre parágrafos. Antunes (2014) destaca que a coesão é um dos elementos fundamentais para a construção de sentido no texto, sendo frequentemente um dos principais desafios enfrentados por estudantes em fase de aprendizagem da escrita acadêmica. Nesse sentido, a IA atua como suporte ao indicar relações lógicas que podem ser aprimoradas.

Outro tipo relevante de feedback diz respeito à reorganização de ideias, em que o sistema sugere alterações na estrutura dos parágrafos ou na sequência argumentativa do texto. Essa funcionalidade se relaciona diretamente com o desenvolvimento da competência discursiva, pois permite ao estudante compreender como a organização interna do texto influencia sua clareza e persuasão.

Por fim, a IA também oferece melhorias de clareza e estilo, propondo reescritas mais objetivas, redução de ambiguidades e ajustes no nível de formalidade. Valente (2019) destaca que esse tipo de mediação tecnológica contribui para a ampliação da consciência linguística, desde que o estudante não apenas aceite as sugestões, mas reflita criticamente sobre elas.

2.6 Coerência e coesão sob análise da IA

A análise de coerência e coesão por sistemas de inteligência artificial representa um dos avanços mais complexos no campo do processamento de linguagem natural aplicado à educação. Esses sistemas utilizam modelos estatísticos e redes neurais treinadas em grandes corpora textuais para identificar padrões de organização discursiva e prever possíveis rupturas na progressão temática.

De acordo com Silva e Araújo (2023), a IA é capaz de reconhecer inconsistências na estrutura textual, como repetições excessivas, falta de conexão entre parágrafos e ausência de progressão lógica das ideias. Essa análise ocorre por meio da avaliação da similaridade semântica entre sentenças e da detecção de padrões discursivos recorrentes.

Além disso, os modelos de linguagem são capazes de identificar problemas de progressão temática, quando o texto não desenvolve adequadamente a continuidade das ideias. Ribeiro (2023) destaca que essa funcionalidade é especialmente útil em textos acadêmicos, nos quais a clareza argumentativa depende da articulação lógica entre introdução, desenvolvimento e conclusão.

Outro aspecto relevante é a capacidade da IA de sugerir reestruturações argumentativas, reorganizando sentenças ou parágrafos para melhorar a fluidez do texto. Essa funcionalidade, embora útil, exige mediação crítica do usuário, pois a reorganização automática pode não considerar plenamente o contexto discursivo ou a intencionalidade do autor.

Nesse sentido, Antunes (2014) reforça que a coesão e a coerência não são apenas propriedades linguísticas, mas resultados de um processo de construção de sentido realizado pelo sujeito. Assim, a IA deve ser compreendida como ferramenta de apoio à reflexão textual, e não como autoridade final sobre o texto produzido.

2.7 Papel pedagógico do feedback automatizado

O feedback automatizado desempenha um papel pedagógico relevante no desenvolvimento da escrita, especialmente quando integrado a práticas de aprendizagem que valorizam a autonomia do estudante. Um dos principais impactos desse tipo de feedback é o estímulo à aprendizagem autorregulada, na qual o estudante passa a monitorar seu próprio desempenho e a tomar decisões conscientes sobre suas revisões textuais.

Silva (2021) destaca que a autorregulação da aprendizagem está diretamente relacionada à capacidade do aluno de identificar seus erros e buscar estratégias de aperfeiçoamento contínuo. Nesse contexto, o feedback automatizado atua como instrumento de apoio à reflexão metacognitiva.

Outro aspecto importante é a promoção da revisão iterativa do texto, possibilitando que o estudante realize múltiplas versões de sua produção com base nas sugestões recebidas. Essa prática contribui para a consolidação da escrita como processo, e não como produto final, reforçando a ideia de que a qualidade textual se constrói ao longo do tempo.

Além disso, o feedback automatizado contribui para a ampliação da consciência linguística, permitindo que o estudante compreenda padrões recorrentes de erro e desenvolva maior domínio sobre a norma padrão e sobre a organização discursiva. Hoffmann (2019) reforça que o processo avaliativo deve promover reflexão e não apenas correção, o que se alinha ao uso pedagógico da IA

2.8 Potencial pedagógico da IA na produção textual

O uso da inteligência artificial na produção textual apresenta um potencial pedagógico significativo, especialmente quando integrado a práticas de ensino que valorizam a autonomia, a revisão contínua e a aprendizagem ativa. Um dos principais benefícios da IA nesse contexto é a possibilidade de personalização do feedback em tempo real, permitindo que cada estudante receba orientações específicas sobre seu texto, de acordo com suas dificuldades individuais.

Moran (2021) destaca que tecnologias digitais ampliam as possibilidades de personalização da aprendizagem, tornando o processo mais adaptativo e centrado no estudante. No caso da escrita, isso significa que o feedback pode ser ajustado conforme o nível de proficiência, o gênero textual e os objetivos comunicativos.

Outro aspecto relevante é a redução da dependência exclusiva do professor no processo de correção textual. Em contextos educacionais com turmas numerosas, a IA pode atuar como ferramenta complementar, oferecendo retorno imediato e contínuo, enquanto o professor se dedica a intervenções mais profundas e estratégicas. Bacich e Moran (2018) já apontavam que a tecnologia deve atuar como suporte à prática docente, ampliando sua capacidade de mediação.

A IA também contribui para o estímulo à reescrita e ao refinamento textual, uma vez que permite múltiplas interações com o texto. Diferentemente de modelos tradicionais de avaliação, nos quais o feedback é pontual, os sistemas inteligentes possibilitam ciclos contínuos de revisão, favorecendo o aprimoramento progressivo da escrita.

Além disso, a integração da IA com metodologias ativas, como aprendizagem baseada em tarefas, potencializa o engajamento do estudante. Valente (2019) destaca que metodologias ativas promovem maior protagonismo discente, e a IA pode funcionar como ferramenta de apoio nesse processo, oferecendo suporte imediato durante a realização de atividades de escrita.

Estudos recentes na área de educação indicam que estudantes tendem a valorizar especialmente o feedback imediato e iterativo fornecido por sistemas de inteligência artificial, principalmente em tarefas de escrita acadêmica, pois isso permite maior controle sobre o processo de revisão e maior clareza sobre os ajustes necessários. Esse aspecto reforça o potencial da IA como ferramenta pedagógica complementar ao ensino tradicional da escrita.

Contudo, é fundamental destacar que o uso da IA não elimina a necessidade da mediação docente. Pelo contrário, o professor assume um papel ainda mais importante na orientação crítica do uso dessas ferramentas, garantindo que o estudante desenvolva não apenas textos mais corretos, mas também maior autonomia e consciência sobre o processo de escrita.

3. Metodologia

Este estudo caracteriza-se como uma pesquisa de natureza qualitativa, de caráter exploratório e descritivo, fundamentada em uma revisão bibliográfica sobre o uso pedagógico da inteligência artificial generativa no processo de escrita e no fornecimento de feedback formativo. A escolha por esse delineamento metodológico se justifica pela necessidade de compreender, a partir da literatura científica existente, como as tecnologias digitais vêm sendo incorporadas às práticas de ensino da escrita e quais impactos têm produzido na aprendizagem discente.

De acordo com Gil (2019), a pesquisa bibliográfica é desenvolvida a partir de material já elaborado, constituído principalmente por livros e artigos científicos, permitindo ao pesquisador analisar diferentes perspectivas teóricas sobre um determinado fenômeno. Nesse sentido, o presente estudo busca reunir e interpretar produções acadêmicas brasileiras que discutem avaliação formativa, escrita como processo cognitivo e pedagógico, e o uso de tecnologias digitais e inteligência artificial na educação.

O procedimento metodológico adotado consistiu na seleção de estudos publicados em bases de acesso aberto, como SciELO, Google Scholar e periódicos vinculados a universidades públicas brasileiras, priorizando produções dos últimos cinco anos (2020–2025), de modo a garantir atualidade e relevância teórica. Foram utilizados descritores como “feedback formativo”, “escrita acadêmica”, “inteligência artificial na educação”, “tecnologias digitais e escrita” e “mediação pedagógica”, permitindo o levantamento de artigos, livros e capítulos relacionados ao tema.

A seleção do material seguiu critérios de inclusão e exclusão. Foram incluídos estudos que abordassem diretamente o ensino da escrita, avaliação formativa ou uso de tecnologias digitais e inteligência artificial no contexto educacional. Foram excluídas produções que não apresentassem relação direta com o campo educacional ou que se limitassem a abordagens estritamente técnicas sem implicações pedagógicas.

Quanto à análise dos dados, adotou-se a análise de conteúdo, conforme proposta por Bardin (2016), compreendida como um conjunto de técnicas que visa interpretar comunicações por meio de procedimentos sistemáticos de categorização. Nesse processo, os materiais selecionados foram organizados em categorias temáticas previamente definidas, a saber: (i) escrita como processo cognitivo e pedagógico; (ii) feedback formativo na escrita; (iii) inteligência artificial generativa na educação; e (iv) interseções entre IA e feedback na escrita acadêmica.

A análise buscou identificar convergências, divergências e tendências teóricas presentes na literatura, bem como compreender de que forma a inteligência artificial tem sido discutida como ferramenta de apoio ao desenvolvimento da escrita. Nesse sentido, não se trata de uma pesquisa empírica com coleta de dados primários, mas de uma investigação interpretativa baseada em produções científicas consolidadas.

Por fim, ressalta-se que a abordagem qualitativa adotada permite uma compreensão aprofundada do fenômeno estudado, valorizando a interpretação crítica das contribuições teóricas existentes. Assim, a metodologia empregada possibilita compreender o papel da inteligência artificial como instrumento pedagógico de apoio ao feedback na escrita, inserindo-o em um contexto mais amplo de práticas educativas contemporâneas mediadas por tecnologias digitais.

4. Resultados e Discussão

A análise da literatura recente sobre o uso da inteligência artificial na produção textual evidencia um consenso progressivo de que ferramentas baseadas em modelos generativos têm potencial significativo para apoiar o desenvolvimento da escrita acadêmica e escolar, especialmente no que se refere ao fornecimento de feedback imediato, iterativo e personalizado. Os estudos revisados indicam que a IA atua como um mediador tecnológico entre o estudante e o texto produzido, possibilitando um processo de revisão mais dinâmico e contínuo, em contraste com o modelo tradicional de correção exclusivamente docente e geralmente pontual.

No que se refere aos tipos de feedback gerados por sistemas de inteligência artificial, observa-se que as ferramentas contemporâneas são capazes de identificar e sugerir correções em múltiplas dimensões da escrita. Entre essas dimensões, destacam-se a correção gramatical, a qual envolve ajustes ortográficos, morfossintáticos e de pontuação; as sugestões de coesão textual, que incluem a inserção de conectivos e aprimoramento de transições entre parágrafos; a reorganização estrutural de ideias, que visa melhorar a progressão lógica do texto; e as melhorias de clareza e estilo, relacionadas à objetividade e adequação discursiva. Essa diversidade de feedback permite que o estudante compreenda não apenas erros pontuais, mas também aspectos mais amplos da construção textual.

Outro resultado recorrente na literatura diz respeito à capacidade das ferramentas de IA em analisar coerência e coesão textual. Os modelos são descritos como capazes de identificar repetição excessiva de termos, rupturas na progressão temática e problemas de encadeamento lógico entre ideias. A partir dessa análise, são fornecidas sugestões de reescrita que buscam reorganizar a estrutura argumentativa do texto, promovendo maior fluidez e consistência discursiva. Embora essas análises não substituam a mediação docente, elas ampliam o repertório de revisão do estudante, permitindo que ele visualize fragilidades estruturais que muitas vezes não são percebidas durante a escrita inicial.

Do ponto de vista pedagógico, o feedback automatizado também se relaciona diretamente com processos de aprendizagem autorregulada. A literatura aponta que o uso contínuo de ferramentas de IA favorece a revisão iterativa, isto é, a reescrita constante do texto com base em retornos sucessivos, o que contribui para o desenvolvimento de habilidades metacognitivas. Nesse sentido, autores como Demo (2011) destacam que tecnologias educacionais podem potencializar processos de aprendizagem ativa e reflexiva, fortalecendo a autonomia discente. Assim, o estudante passa a monitorar sua própria produção, identificando padrões de erro e ajustando sua escrita de forma progressiva. Esse processo fortalece a consciência linguística e discursiva, permitindo maior autonomia na produção textual.

Os achados também indicam que o potencial pedagógico da IA está associado à personalização do feedback em tempo real. Diferentemente do feedback tradicional, que depende da disponibilidade docente, os sistemas baseados em IA oferecem respostas imediatas, possibilitando ao estudante realizar ajustes durante o próprio processo de escrita. Essa característica é especialmente relevante em contextos educacionais com turmas numerosas, nos quais o retorno individualizado do professor pode ser limitado em termos de frequência e profundidade.

Além disso, a literatura destaca que o uso da IA pode reduzir a dependência exclusiva do professor como fonte de avaliação da escrita, sem, contudo, substituí-lo. O papel docente passa a ser ressignificado, deslocando-se da correção direta para a orientação crítica do uso das ferramentas e para a mediação interpretativa dos feedbacks gerados automaticamente. Isso implica uma integração entre tecnologia e prática pedagógica, na qual o professor atua como curador do processo de aprendizagem.

Outro ponto relevante identificado é o estímulo à reescrita e ao refinamento textual. O feedback gerado pela IA incentiva o estudante a revisar continuamente seu texto, promovendo um ciclo de melhoria progressiva. Esse processo se alinha a metodologias ativas de aprendizagem, especialmente aquelas baseadas em tarefas e produção textual orientada por objetivos. Nesse sentido, Bacich e Moran (2018) reforçam que metodologias ativas favorecem o protagonismo do estudante, tornando o erro parte constitutiva do processo de aprendizagem.

Por fim, os resultados da literatura indicam que o uso da inteligência artificial na escrita acadêmica não deve ser compreendido apenas como uma ferramenta técnica, mas como um recurso pedagógico que altera a dinâmica da produção textual. A integração entre feedback automatizado, mediação docente e prática reflexiva do estudante constitui o núcleo do potencial transformador da IA no ensino da escrita

5. Considerações Finais

Este estudo teve como objetivo analisar, a partir de uma pesquisa bibliográfica, o uso pedagógico da inteligência artificial no fornecimento de feedback para a produção textual, com ênfase nos impactos sobre a coerência, coesão e desenvolvimento da escrita acadêmica. A partir da literatura revisada, foi possível compreender que a inteligência artificial generativa vem assumindo um papel crescente como ferramenta de apoio ao processo de ensino e aprendizagem da escrita.

Os achados indicam que a IA contribui significativamente para o aprimoramento textual ao oferecer feedback imediato, detalhado e multifacetado, abrangendo aspectos gramaticais, estruturais e discursivos. Esse tipo de retorno favorece a revisão contínua do texto e estimula o desenvolvimento de competências relacionadas à autonomia do estudante, especialmente no que diz respeito à autorregulação da aprendizagem e à consciência linguística.

Além disso, verificou-se que o uso da inteligência artificial no contexto educacional não substitui o papel do professor, mas redefine sua função pedagógica. O docente passa a atuar como mediador crítico do processo de escrita, auxiliando o estudante na interpretação dos feedbacks gerados pela IA e na tomada de decisões sobre a reescrita do texto. Essa articulação entre tecnologia e prática pedagógica se mostra essencial para garantir que o uso da IA tenha finalidades formativas e não apenas corretivas. Essa perspectiva dialoga com a concepção de mediação pedagógica e avaliação formativa como processo contínuo (Jussara Hoffmann; Cipriano Carlos Luckesi).

Outro aspecto relevante identificado é que a IA favorece a personalização do ensino da escrita, permitindo que cada estudante receba orientações específicas de acordo com suas dificuldades individuais. Essa característica contribui para a democratização do acesso ao feedback e pode reduzir desigualdades no processo de aprendizagem, especialmente em contextos de turmas numerosas. Essa compreensão se articula com perspectivas sobre tecnologias digitais e metodologias ativas na educação (José Moran; Lilian Bacich).

Conclui-se, portanto, que a inteligência artificial representa uma ferramenta promissora no campo da educação, especialmente no ensino da escrita, ao potencializar processos de revisão textual, promover maior autonomia discente e fortalecer práticas pedagógicas baseadas em feedback contínuo. No entanto, seu uso deve ser orientado por intencionalidade pedagógica clara e acompanhado por mediação docente, garantindo que a tecnologia funcione como instrumento de aprendizagem crítica e não como substituição do processo formativo.

Referências

ANTUNES, Irandé. Língua, texto e ensino. São Paulo: Parábola Editorial, 2014.

BACICH, Lilian; MORAN, José Manuel. Metodologias ativas. Porto Alegre: Penso, 2018.

BARDIN, Laurence. Análise de conteúdo. São Paulo: Edições 70, 2016.

DEMO, Pedro. Educação e tecnologias. 2011. Disponível em: https://scholar.google.com/scholar?q=Pedro+Demo+educa%C3%A7%C3%A3o+tecnologia Acesso em 05. mai. 2026.

FLOWER, Linda; HAYES, John. A cognitive process theory of writing. 1981. Disponível em: https://scholar.google.com/scholar?q=Flower+Hayes+1981+writing+process Acesso em 07. mai. 2026.

GIL, Antonio Carlos. Métodos e técnicas de pesquisa social. São Paulo: Atlas, 2019.

HOFFMANN, Jussara. Avaliação mediadora: uma prática em construção da pré-escola à universidade. Porto Alegre: Mediação, 2019.

KOCH, Ingedore G. V.; ELIAS, Vanda Maria. Escrever e argumentar. São Paulo: Contexto, 2018.

LÉVY, Pierre. Cibercultura. São Paulo: Editora 34, 1999.

LIBÂNEO, José Carlos. Didática. São Paulo: Cortez, 2013.

LUCKESI, Cipriano Carlos. Avaliação da aprendizagem escolar. São Paulo: Cortez, 2011.

MORAN, José Manuel. Metodologias ativas e tecnologias digitais na educação. São Paulo: Penso, 2021.

SANTAELLA, Lucia. Linguagens líquidas na era da mobilidade. São Paulo: Paulus, 2013.

SOARES, Magda. Letramento: um tema em três gêneros. Belo Horizonte: Autêntica, 2012.

VALENTE, José Armando. Tecnologias digitais e educação: desafios e possibilidades. Campinas: Unicamp, 2019.

1. Auxiliadora da Silva Trindade, especialista em Educação pela Universidade Federal de Viçosa, Viçosa, Minas Gerais, Brasil. E-mail: dorinhafrau@gmail.com ↑

2. Thatiana Oliveira Mota, especialista em Gestão escolar pela Universidade Federal de Viçosa, Viçosa, Minas Gerais, Brasil. E-mail: thatimota@gmail.com ↑