Inteligência Artificial, Programação e Pensamento Computacional no Ensino de Física e Ciências

Uma Revisão Sistemática

Autores

DOI:

https://doi.org/10.25749/sis.45263

Palavras-chave:

inteligência artificial, ensino de física, ensino de ciências, pensamento computacional, revisão sistemática

Resumo

Este estudo apresenta uma revisão sistemática da literatura sobre a integração da Inteligência Artificial, a Linguagem de Programação e o Pensamento Computacional no Ensino de Física e Ciências. A revisão foi conduzida de acordo com o protocolo PRISMA 2020, contemplando buscas nas bases Web of Science, Scopus e Google Scholar, com recorte temporal entre 2015 e 2025. Após aplicação rigorosa dos critérios de elegibilidade e de desduplicação, 17 estudos plenamente rastreáveis foram incluídos na síntese qualitativa. Os resultados indicam crescimento recente das pesquisas, com predominância de revisões e estudos empíricos voltados à personalização da aprendizagem, resolução de problemas, modelagem computacional e formação de professores. Apesar do potencial pedagógico identificado, os estudos evidenciam desafios relacionados à formação docente, infraestrutura tecnológica e questões éticas. Conclui-se que a integração dessas tecnologias requer abordagens pedagógicas críticas, alinhadas aos objetivos educacionais e às práticas docentes.

Downloads

Não há dados estatísticos.

Biografias Autor

Dadson Luis Ferreira Leite, Programa de Pós-Graduação em Ensino – RENOEN, Universidade Estadual do Maranhão - UEMA, Brasil

Graduado em Física pela Universidade Estadual do Maranhão (2015), Mestrado em Física pela Universidade Federal do Maranhão (2021) e é Doutorando em Ensino pela Universidade Estadual do Maranhão (UEMA), em colaboração com o Programa de Pós-Graduação em Ensino da Rede Nordeste de Ensino (RENOEN). Membro do Grupo de Modelagem Computacional (GMC), contribuindo para a articulação da pesquisa em ensino de Ciências/Física/Matemática e prática dos professores de Ciências/Física/Matemática. Professor da Rede Estadual e professor do Departamento de Física da UEMA (substituto). Bolsista FAPEMA.

Wellington Cantanhede dos Santos, Programa de Pós-Graduação em Ensino – RENOEN, Universidade Estadual do Maranhão - UEMA, Brasil

Graduado em Física pelo Instituto Federal de Educação, Ciência e Tecnologia do Maranhão (IFMA), Mestrado em Física da Matéria Condensada (Experimental) pela Universidade Federal do Rio Grande do Norte (UFRN). Doutorando em Ensino pela Universidade Estadual do Maranhão (UEMA), em colaboração com o Programa de Pós-Graduação em Ensino da Rede Nordeste de Ensino (RENOEN). Professor do IEMA Pleno São José de Ribamar. Grupo de Pesquisa em Ensino de Física do Instituto Federal de Educação, Ciência e Tecnologia do Maranhão (GPEF/IFMA), linha de pesquisa em Ensino de Física. Membro do Grupo de Modelagem Computacional (GMC).

Edvan Moreira, Departamento de Física, Centro de Educação, Ciências Exatas e Naturais, Universidade Estadual do Maranhão, Brasil

Graduado em Física pela Universidade Federal do Maranhão, Mestre em Física pela Universidade Federal do Maranhão, e Doutor em Física pela Universidade Federal do Rio Grande do Norte. Fez estágio de Pós-Doutorado no Centro de Biociências da Universidade Federal do Rio Grande do Norte. Atualmente é Professor do Departamento de Física da Universidade Estadual do Maranhão (UEMA). Docente permanente do Doutorado em Ensino (RENOEN), atuando nas Linhas de Pesquisa: Práticas Pedagógicas no Ensino de Física e Ensino Tecnológico. Tem experiência na área de Física, com ênfase em Física Atômica e Molecular, Física da Matéria Condensada e Ensino de Física.

Referências

Alhusni, H. Z., Ramadani, R., Sunarti, T., Madlazim, & Ahmadi, M. R. D. (2025). Artificial intelligence in physics learning for education for sustainable development: A bibliometric analysis. Journal of Law and Bibliometrics Studies, 1(3), 95. https://journal.i-ros.org/index.php/JOLABIS/article/view/95

Aydin-Günbatar, S., Durukan, A., & Günbatar, M. S. (2025). Generative AI as the new frontier in science education: A systematic review of Web of Science articles. Science & Education. https://doi.org/10.1007/s11191-025-00677-6

Dai, Y., Liu, A., Qin, J., Guo, Y., Jong, M. S. Y., Chai, C. S., & Lin, Z. (2023). Collaborative construction of artificial intelligence curriculum in primary schools. Journal of Engineering Education, 112(1), 23-42. https://doi.org/10.1002/jee.20503

Garcia, O. A., García, M. D. C. R., & Alonso-Secades, V. (2025). Perceptions, strategies, and challenges of teachers in the integration of artificial intelligence in primary education: A systematic review. Journal of Information Technology Education: Research, 24, 006. https://doi.org/10.28945/5458

Gomez, E. L., & Fitzgerald, M. T. (2017). Robotic telescopes in education. Astronomical Review, 13(1), 28-68. https://doi.org/10.1080/21672857.2017.1303264

Großmann, L., Koberstein-Schwarz, M., Scholl, D., Krüger, D., & Meisert, A. (2025). Establishing common ground in empirical research on science teachers’ lesson planning competence: A scoping review. Studies in Science Education, 61(2), 329-379. https://doi.org/10.1080/03057267.2024.2415246

Jia, F., Sun, D., & Looi, C. K. (2024). Artificial intelligence in science education (2013–2023): Research trends in ten years. Journal of Science Education and Technology, 33(1), 94-117. https://doi.org/10.1007/s10956-023-10077-6

Kaur, A., Bhatia, M., & Stea, G. (2022). A survey of smart classroom literature. Education Sciences, 12(2), 86. https://doi.org/10.3390/educsci12020086

Kotsis, K. T. (2025). Artificial intelligence for physics education in STEM classrooms: A narrative review within a pedagogy–technology–policy framework. Schrödinger: Journal of Physics Education, 6(3), 204-211. https://doi.org/10.37251/sjpe.v6i3.2148

Martins, K. C. O., Batista, S. G., & Jardim, M. I. de A. (2026). Inteligência artificial no ensino de Ciências: Um mapeamento sistemático de produções no contexto brasileiro [Artificial intelligence in science teaching: A systematic mapping of productions in the Brazilian context] [In Portuguese]. Educitec – Revista de Estudos e Pesquisas sobre Ensino Tecnológico, 12, e279926. https://sistemascmc.ifam.edu.br/educitec/index.php/educitec/article/view/2799

Meylani, R. (2024). Blueprint for the 21st-century online learning environment in STEM education through a systematic review and qualitative synthesis. Edelweiss Applied Science and Technology, 8(6), 8196-8226. https://doi.org/10.55214/25768484.v8i6.3763

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., et al. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372(71). https://doi.org/10.1136/bmj.n71

Pimbblet, K. A., & Morrell, L. J. (2025). Can ChatGPT pass a physics degree? Making a case for reformation of assessment of undergraduate degrees. European Journal of Physics, 46(1), 015702. https://doi.org/10.1088/1361-6404/ad9874

Rafiq-uz-Zaman, M. (2025). Beyond STEM: A narrative review of STEAM education’s impact on creativity and innovation (2020–2025). Inverge Journal of Social Sciences, 4(4), 1-16. https://doi.org/10.63544/ijss.v4i4.175

Rieser, H. M., Köster, F., & Raulf, A. P. (2023). Tensor networks for quantum machine learning. Proceedings of the Royal Society A, 479(2275), 20230218. https://doi.org/10.1098/rspa.2023.0218

Santaella, L. (2025). A ética como guia para o uso da inteligência artificial generativa [Ethics as a guide for the use of generative artificial intelligence] [In Portuguese]. Educação & Sociedade, 46, e296469. https://doi.org/10.1590/ES.296469

Shute, V. J., Sun, C., & Asbell-Clarke, J. (2017). Demystifying computational thinking. Educational Research Review, 22, 142-158. https://doi.org/10.1016/j.edurev.2017.09.003

Sommer, B., & Moncayo, G. (2023). Machine learning and artificial intelligence in building physics education: Series: Building simulation and calculation tools in teaching. Bauphysik, 45(6), 305-314. https://doi.org/10.1002/bapi.202300020

Taufik, M., Zuhdi, M., Ayub, S., Rokhmat, J., & Mustofa, H. A. (2024). AI-driven optimization of Pascal programming instruction for undergraduate physics students at University of Mataram. International Journal of Contextual Science Education, 2(2), 44-47. https://jurnalpasca.unram.ac.id/index.php/ijcse/article/view/640

Ulukok-Yildirim, S., & Sonmez, D. (2025). A comprehensive bibliometric analysis of artificial intelligence research in the field of science education. Journal of Education in Science, Environment and Health, 11(4), 334-352. https://doi.org/10.55549/jeseh.870

Wing, J. M. (2006). Computational thinking. Communications of the ACM, 49(3), 33-35. https://doi.org/10.1145/1118178.1118215

Wulff, P. (2024). Physics language and language use in physics—What do we know and how AI might enhance language-related research and instruction. European Journal of Physics, 45(2), 023001. https://doi.org/10.1088/1361-6404/ad0f9c

Yeadon, W., & Hardy, T. (2024). The impact of AI in physics education: A comprehensive review from GCSE to university levels. Physics Education, 59(2), 025010. https://doi.org/10.1088/1361-6552/ad1fa2

Zhang, P., & Tur, G. (2024). A systematic review of ChatGPT use in K–12 education. European Journal of Education, 59, e12599. https://doi.org/10.1111/ejed.12599

Downloads

Publicado

2026-06-30

Edição

Vol. 14 N.º 2 (2026): Competências Digitais Docentes na Era da Inteligência Artificial: Reconfigurações da Prática Pedagógica

Secção

Artigos

Licença

Direitos de Autor (c) 2026 Sisyphus – Revista de Educação

Creative Commons License

Este trabalho encontra-se publicado com a Creative Commons Atribuição-NãoComercial 4.0.

O Copyright (c) pertence à Sisyphus – Journal of Education. No entanto, encorajamos que os artigos publicados na revista sejam publicados noutros lugares, desde que seja solicitada a autorização da Sisyphus e os autores integrem a nossa citação de fonte original e um link para o nosso site.

Política de auto-arquivo
É permitido aos autores o auto-arquivo da versão final publicada dos seus artigos em repositórios institucionais, temáticos ou páginas web pessoais e institucionais.

Subscritor DORA
O Instituto de Educação da Universidade de Lisboa, editor da Sisyphus, é um dos subscritores da Declaração de São Francisco sobre Avaliação da Investigação (DORA).