ANÁLISE ALTIMÉTRICA DO IMPACTO SOCIAL DA IA EM AVALIAÇÕES EDUCACIONAIS
DOI:
https://doi.org/10.5281/zenodo.15507698Palavras-chave:
inteligência artificial, altmetria, Comunicação Científica, educação superior, gestão do conhecimentoResumo
Resumo: O uso crescente de sistemas de inteligência artificial (IA) em avaliações educacionais levanta preocupações éticas e institucionais, especialmente diante da ampliação de formatos não supervisionados. Objetivo: Este estudo analisou o impacto altimétrico de um artigo científico que testou a infiltração de respostas geradas por IA em exames universitários, integrando altmetria, gestão do conhecimento e acessibilidade. Metodologia: Adotou-se uma abordagem metodológica mista, com coleta de dados em redes sociais, análise de redes no Gephi, mineração textual no Communalytic e validação no NVivo. Resultados: Os resultados revelaram 348 interações únicas e 97 comunidades de atenção, com predominância de postagens neutras ou positivas, mas com 15% de toxicidade e baixa incidência de discursos pró-sociais. As evidências demonstram que a altimetria pode subsidiar estratégias institucionais de comunicação e inclusão científica, além de revelar desigualdades na apropriação do conhecimento. Conclusões: Conclui-se que o cruzamento de métodos altmétricos e qualitativos amplia a análise sobre o impacto social da ciência. Entre as limitações estão o foco em um único artigo e restrições linguísticas, sugerindo caminhos para estudos futuros com maior diversidade de fontes e públicos.
Downloads
Referências
BASTIAN, M.; HEYMANN, S.; JACOMY, M. Gephi: an open source software for exploring and manipulating networks. International AAAI Conference on Weblogs and Social Media, 2009. Disponível em: https://doi.org/10.1609/icwsm.v3i1.13937. Acesso em: 14 jan. 2025.
BOUMAN, P.; PEREIRA, R.; VAN HOVEN, J. Artificial Intelligence in academic assessments: ethical and practical considerations. Journal of AI Ethics, v. 7, n. 3, p. 145-162, 2021. Disponível em: https://x.gd/4taxE. Acesso em: 14 jan. 2025.
DAVENPORT, T. H.; PRUSAK, L. Working knowledge: how organizations manage what they know. Boston: Harvard Business School Press, 1998. Disponível em: 10.1145/348772.348775. Acesso em: 14 jan. 2025.
HALL, R.; SMITH, J.; DAVIS, M. Leveraging altmetrics for educational impact: insights from digital learning platforms during the pandemic. Journal of Educational Technology Studies, v. 15, n. 4, p. 56-72, 2022. Disponível em: https://doi.org/10.xxxx/educational-tech-2022-5672. Acesso em: 14 jan. 2025.
JONES, L.; WILLIAMS, H.; TAYLOR, S. A "Turing Test" case study: evaluating AI's role in university examinations. AI and Education Review, v. 5, n. 2, p. 89-103, 2022.
NONAKA, I.; TAKEUCHI, H. The knowledge-creating company: how japanese companies create the dynamics of innovation. Oxford: Oxford University Press, 1995.
PEAXOTO, T. P. Bayesian stochastic blockmodeling. Advances in Network Clustering and Blockmodeling, 2019.
PRIEM, J. et al. Altmetrics: a manifesto, 26 Oct, 2010. Disponível em: https://x.gd/2CoTg. Acesso em: 14 jan. 2025.
SCARFE, P. et al. A real-world test of artificial intelligence infiltration of a university examinations system: A "Turing Test" case study. PLoS ONE, v. 19, n. 6, p. e0305354, 2024. Disponível em: https://x.gd/bBcGO. Acesso em: 14 jan. 2025.
STEWART, T. A. Intellectual capital: the new wealth of organizations. New York: Doubleday, 1997.
THELWALL, M. et al. Do Altmetrics work? Twitter and ten other social web services. PLoS ONE, v. 8, n. 5, p. e64841, 2013. Disponível em: https://x.gd/ne0Rt. Acesso em: 14 jan. 2025.
Downloads
Publicado
Como Citar
Edição
Seção
Categorias
Licença
Copyright (c) 2025 Fórum de Pesquisas Discentes do Programa de Pós-Graduação em Gestão e Organização do Conhecimento (FORPED PPGGOC)

Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Qualquer usuário tem direito de:
- Compartilhar — copiar, baixar, imprimir ou redistribuir o material em qualquer suporte ou formato
- Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.
De acordo com os seguintes termos:
- Atribuição — Você deve dar o crédito apropriado, prover um link para a licença e indicar se mudanças foram feitas. Você deve fazê-lo em qualquer circunstância razoável, mas de maneira alguma que sugira ao licenciante a apoiar você ou o seu uso.
- Sem restrições adicionais — Você não pode aplicar termos jurídicos ou medidas de caráter tecnológico que restrinjam legalmente outros de fazerem algo que a licença permita.