Inteligência Artificial e Raciocínio Matemático: Potenciais Articulações e Perspectivas na Educação Matemática

Neumar Regiane Machado Albertoni; Giane Fernanda Schneider Gross; Arnold Vinicius Prado Souza; Marco Aurélio Kalinke

doi:10.22481/cpp.v9i25.17431

Autores

Neumar Regiane Machado Albertoni Universidade Tecnológica Federal do Paraná
Giane Fernanda Schneider Gross Universidade Tecnológica Federal do Paraná
Arnold Vinicius Prado Souza Universidade Tecnológica Federal do Paraná
Marco Aurélio Kalinke Universidade Tecnológica Federal do Paraná

DOI:

https://doi.org/10.22481/cpp.v9i25.17431

Palavras-chave:

Raciocínio Matemático, Inteligência Artificial, Revisão de literatura

Resumo

O avanço das tecnologias digitais por meio da utilização da inteligência artificial (IA) abre perspectivas para explorar e debater oportunidades de ensino e aprendizagem para professores e alunos. O objetivo desta revisão é objetivo analisar o que se revelam nas pesquisas que discutem o RM e a IA. Para isso, uma revisão de literatura (RL) foi realizada com o uso das etapas propostas na metodologia Methodi Ordinatio, a fim de buscar estudos de IA e RM publicados entre 2013 e 2022. Os resultados da RL indicam que a abordagem de IA ainda se apresenta de forma tímida, sendo citada como uma possibilidade de alavancar o uso da tecnologia na área educacional, o RM é apresentado como uma possibilidade de desenvolvimento de competências, de pensamentos matemáticos, em práticas que possibilitem compor, constituir, argumentar, participar, explorar e compreender conceitos matemáticos ao fazer uso de tecnologias. Foi possível identificar que alguns estudos fazem a indicação de possibilidades do uso da IA em conjunto com o RM. No entanto, nenhum dos trabalhos faz o uso diretamente dessas duas temáticas, portanto, abrindo possibilidades para aprofundamento de estudos envolvendo essas temáticas.

Downloads

Não há dados estatísticos.

Referências

ABRAHAMSON, D.; KAPUR, M. Reinventing discovery learning: a field-wide research program. Instr Sci v. 46, p. 1–10, 2018.

AKSU, N., ZENGIN, Y. Disclosure of students’ mathematical reasoning through collaborative technology-enhanced learning environment. Educ Inf Technol v. 27, p. 1609–1634, 2022.

BICER, A.; MARQUEZ, A.; COLINDRES, K. V. et al. Investigating creativity-directed tasks in middle school mathematics curricula, Thinking Skills and Creativity, v. 40, 2021.

BADIN, E.; BORDIGNON, M.; AGOSTI, C. Inteligência artificial aplicada ao ensino de expressões algébricas: sistema tutor inteligente PAT2Math. Unoesc & Ciência – ACET, 8(1), 61–68, 2017.

COULIBALY, L.; KAMSU-FOGUEM, B.; TANGARA, F. Rule-based machine learning for knowledge discovering in weather data, Future Generation Computer Systems, v. 108, p. 861-878, 2020.

FALVO, S. R; JUCÁ, R. S. O raciocínio proporcional através da resolução de problemas: uma experiência de formação com professores que atuam nos anos iniciais. Com a Palavra, o Professor, 2022, vol. 7, no 18, p. 135-152.

GATTI, F. N. Educação básica e inteligência artificial: perspectivas, contribuições e

desafios. São Paulo, 90 p., 2019. Dissertação (Mestrado em Educação: Currículo) – Pontifícia Universidade Católica.

HITT, F; GONZÁLEZ-MARTÍN, A. S. Covariation between variables in a modelling process: The ACODESA (collaborative learning, scientific debate and self-reflection) method. Educational Studies in Mathematics. v. 88, I. 3, p. 201 –219, 2015.

JEANNOTTE, D.; KIERAN, C. A conceptual model of mathematical reasoning for school mathematics. Educational Studies in Mathematics, v. 96(1), p. 1-16, 2017.

KALINKE, M. A.; MOCROSKY, L. F.; PANOSSIAN, M. L.; BANIN, E. S. Tecnologias digitais na formação e prática dos futuros professores de Matemática. Revista Brasileira de Ensino de Ciência e Tecnologia. v. 10, n. 2, 2017.

MARMUR, O.; ZAZKIS, R. Space of fuzziness: avoidance of deterministic decisions in the case of the inverse function. Educ Stud Math, v. 99, p. 261–275, 2018.

MATA-PEREIRA J.; PONTE, J. P. Promover o Raciocínio Matemático dos Alunos: uma investigação baseada em design. Bolema, Rio Claro, v. 32, n. 62, p. 781–801, 2018.

PAGANI, R. N.; KOVALESKI, J. L.; RESENDE, L. Methodi Ordinatio: a proposed methodology to select and rank relevant scientific papers encompassing the impact factor, number of citation, and year of publication. Scientometrics, p. 1–27, 2015.

PAGANI, R. N.; KOVALESKI, J. L.; RESENDE, L. Tics na composição da methodi ordinatio: construção de portfólio bibliográfico sobre modelos de transferência de tecnologia. Ciência da Informação. v. 46, n. 2, 2017.

PEDEMONTE, B.; BALACHEFF. N. Establishing links between conceptions, argumentation and proof through the ck¢-enriched Toulmin model, The Journal of Mathematical Behavior, v. 41, p. 104-122, 2016.

SRIRAMAN, B. Uncertainty as a catalyst and condition for creativity: the case of mathematics. ZDM Mathematics Education v. 54, p. 19–33, 2022.

VICARI, R. M. Tendências em inteligência artificial na educação no período de 2017 a 2030: sumário executivo. Brasília: SENAI, 2018. Disponível em: http://tracegp.sesi.org.br/handle/uniepro/259. Acesso em: 25 ago. 2022

ZATTI, E; B. R.; MATTOS, S.; KALINKE, M. A. Uma proposta para a criação de uma plataforma assistida pela inteligência artificial para construção de objetos de aprendizagem de Matemática. Revista Paradigma, v. 43, n. 2, p. 259-281, 2022.

WEBER, C. Making Logarithms Accessible – Operational and Structural Basic Models for Logarithms. J Math Didakt, v. 37 (1), p. 69–98, 2016.

TREVISAN, A. L. Raciocínio matemático em aulas de Cálculo Diferencial e Integral: uma análise a partir de tarefas exploratórias. Revista Brasileira de Ensino de Ciência e Tecnologia, v. 15, n. 3, 2022.

TREVISAN, A. L; MENDES, M. T. Ambientes de ensino e aprendizagem de Cálculo Diferencial e Integral organizados a partir de episódios de resolução de tarefas: uma proposta. Revista Brasileira de Ensino de Ciência e Tecnologia, v. 11, n. 1, 2018.