Ensino a distância no fundamental: acesso e engajamento também pesam no desempenho

A aprendizagem on-line deixou de ser apenas uma alternativa ocasional: os estudos recentes investigam aulas síncronas e assíncronas, cursos complementares, atividades digitais e até o uso de realidade virtual por estudantes do ensino fundamental. Para quem ensina, isso aparece em decisões bem concretas: como organizar a participação, perceber quem está acompanhando e distinguir uma dificuldade de conteúdo de um obstáculo de acesso.

As pesquisas não apontam um único fator capaz de explicar o desempenho. Acesso a recursos, engajamento, autoeficácia, presença social e características das atividades aparecem em investigações diferentes, com resultados que não são intercambiáveis. A leitura útil para o professor não é procurar uma fórmula para prever cada nota, mas entender quais aspectos merecem atenção ao planejar e acompanhar a aprendizagem digital.

O que é ensino eletrônico com alunos do fundamental e variáveis preditoras de desempenho, e por que importa para o professor?

Ensino eletrônico, neste contexto, é a aprendizagem mediada por tecnologias digitais: pode acontecer em aulas ao vivo, tarefas realizadas em outro horário, plataformas de cursos, materiais interativos ou recursos como realidade virtual. Variáveis preditoras são características que, em uma pesquisa, ajudam a estimar ou se associam a algum resultado de aprendizagem. Elas não são destinos individuais nem garantias de que um estudante terá determinado desempenho.

Na rotina, a pergunta aparece quando o professor tenta entender por que dois alunos que recebem a mesma atividade on-line avançam de modos diferentes. Um pode ter dificuldade para acessar o material; outro pode entrar na plataforma, mas participar pouco; um terceiro pode acompanhar e pedir ajuda, porém não confiar que consegue resolver a tarefa. Os estudos abaixo exploram partes distintas desse quadro. Alguns medem notas ou progresso; outros investigam aprendizagem percebida, intenção de usar tecnologia ou participação em atividades digitais.

Essa distinção importa. “Predizer” em um modelo estatístico não equivale a provar que um fator causa o resultado, e uma associação observada num contexto não permite diagnosticar automaticamente um aluno da sua turma. O valor para o professor está em reconhecer dimensões que podem ser observadas e apoiadas, sem transformar indicadores em rótulos.

O que a pesquisa recente mostra sobre desempenho e aprendizagem on-line?

Os estudos apontam que os resultados digitais se relacionam com uma combinação de condições de acesso, experiências sociais e formas de engajamento. Eles também mostram que o tipo de resultado medido varia: uma pesquisa pode tratar de notas numa tarefa, outra de progresso em módulos, e outra da percepção do próprio estudante sobre sua aprendizagem.

Acesso e condições familiares fazem parte da explicação

Uma investigação sobre aulas complementares on-line procurou identificar o peso de características dos estudantes, das famílias e dos cursos na previsão do desempenho. Usando dados de uma grande plataforma e métodos de aprendizado de máquina, os autores relataram que desigualdade no acesso a recursos educacionais e condição socioeconômica familiar estavam entre os fatores mais significativos associados ao desempenho. O modelo previu o progresso com precisão de aproximadamente 70% (Li, 2024).

O achado desloca a conversa para além da plataforma e da qualidade de uma atividade isolada. Se um estudante não dispõe de condições semelhantes para acessar os recursos, comparar somente seus resultados com os de colegas pode esconder uma barreira importante. Ao mesmo tempo, a precisão relatada é do modelo e do contexto estudado; não significa que seja possível prever com essa mesma precisão o resultado de qualquer aluno ou turma.

O resumo desse estudo não identifica o país, a etapa escolar específica além de estudantes do ensino fundamental nem os detalhes que permitiriam transportar diretamente o modelo para uma escola brasileira. A contribuição mais segura é tratar acesso e condição socioeconômica como fatores relevantes a investigar, e não concluir que explicam sozinhos cada diferença de desempenho.

Engajamento e confiança podem caminhar junto com a aprendizagem

Em estudantes chineses do 7º ao 9º ano, uma pesquisa sobre aprendizagem autodirigida com tecnologias móveis analisou autoeficácia no uso da internet e na comunicação on-line, diferentes dimensões de engajamento e aprendizagem autodirigida. A autoeficácia e o engajamento tiveram relações positivas com essa aprendizagem, e o engajamento mediou parcialmente a relação entre autoeficácia e aprendizagem autodirigida (Zhang, 2024).

Em termos de sala de aula, isso sugere que saber operar um recurso e acreditar que se consegue usá-lo para aprender não são a mesma coisa que simplesmente ter um dispositivo disponível. O estudo, porém, examinou relações entre variáveis por questionário e modelo estatístico; não demonstra que uma ação única de incentivo produzirá necessariamente mais aprendizagem em qualquer contexto.

Outro estudo investigou a experiência de aprendizagem on-line de 364 estudantes dos anos finais do ensino fundamental em atividades síncronas e assíncronas. A presença social dos estudantes — a dimensão de sentir-se em interação com outras pessoas no ambiente — esteve positivamente associada à aprendizagem on-line percebida. Já o engajamento em leitura digital crítica não apresentou associação com essa percepção. O valor atribuído à aprendizagem mediou parcialmente a relação entre presença docente e presença social (Lee, 2026).

Esse resultado é interessante justamente porque não coloca todas as formas de engajamento no mesmo pacote. A participação social se associou à percepção de aprendizagem, mas uma medida de leitura digital crítica não se associou a ela. A pesquisa também encontrou mediações ligadas a autoeficácia, valor e atitudes na relação entre presença docente e engajamento em leitura crítica. Como o resultado principal inclui aprendizagem percebida, não deve ser confundido com uma nota ou medida direta de domínio de conteúdo.

O modo de trabalhar com o conteúdo digital também pode importar

Em quatro cursos on-line de programação voltados a estudantes dos anos finais do ensino fundamental e do ensino médio, Zhang e colegas usaram registros de interação com o conteúdo para prever o desempenho no último problema de cada módulo. A abordagem baseada em árvore de decisão gerou previsões de progresso e evasão e ofereceu visualizações interpretáveis dos materiais e tarefas relacionados à conclusão bem-sucedida. Os educadores consideraram os modelos informativos para planejar os cursos, e a precisão das árvores explicáveis foi competitiva em comparação com modelos mais complexos do tipo caixa-preta (Zhang, 2025).

O ponto pedagógico não é transformar cada clique em uma avaliação do aluno. É perceber que registros de atividade podem ajudar a localizar conteúdos ou tarefas que merecem revisão, desde que sejam interpretados com cuidado. O estudo trata de cursos de programação em larga escala, então não se pode presumir que a mesma abordagem funcione igualmente em toda disciplina, plataforma ou turma.

Uma pesquisa com estudantes do ensino médio que usaram um livro didático digital de química encontrou seis perfis de engajamento cognitivo e metacognitivo. Esses perfis previram conhecimentos imediatos, medidos uma semana depois, e tardios, medidos seis a oito semanas depois, mesmo após controle do conhecimento prévio. Os perfis “Alto engajamento geral” e “Metacognitivo, mas não construtivo” tiveram os melhores resultados nos dois momentos. O autoconceito e o interesse autorrelatados antes da atividade não previram a pertença aos perfis (Omarchevska, 2026).

Embora essa pesquisa seja com estudantes do ensino médio, não do fundamental, ela ajuda a formular uma pergunta pertinente para o ensino digital: o aluno está apenas recebendo informação, está realizando ações sobre ela ou também acompanha o próprio raciocínio? O estudo sugere que os perfis de engajamento observados durante o uso do material se relacionaram com conhecimentos posteriores. Não autoriza, porém, generalizar os mesmos perfis ou resultados para crianças mais novas.

Interação, competências socioemocionais e desenho da atividade completam o quadro

Um estudo de métodos mistos nos Estados Unidos investigou estudantes dos anos iniciais do ensino fundamental em ambientes on-line. Os autores encontraram correlação positiva entre proficiência socioemocional e notas numa tarefa somativa de produção escrita. Questionários e entrevistas também ajudaram a discutir aspectos do ensino e da aprendizagem percebidos como influentes para o desempenho e para o senso de interação e comunidade. Persistência e metacognição foram as habilidades mais citadas nas respostas narrativas (Teeple, 2023).

O resultado indica uma relação, não uma prova de que competências socioemocionais, por si só, causem notas mais altas. Ainda assim, chama atenção para comportamentos que podem ser visíveis durante uma atividade remota: persistir diante de uma tentativa difícil, rever uma resposta e perceber o que ainda não se compreendeu. A pesquisa também se aproxima de Lee (2026) ao incluir a experiência social, mas não mede exatamente o mesmo resultado: num caso, há nota numa tarefa escrita; no outro, aprendizagem percebida.

Já uma investigação com 111 estudantes do 4º ano examinou a intenção de usar realidade virtual imersiva durante uma unidade de História. O conhecimento prévio não foi significativo para explicar essa intenção; a atenção percebida teve efeito significativo, mediado pela utilidade percebida (Villena-Taranilla, 2023). Esse estudo focaliza aceitação e intenção de uso, não desempenho acadêmico. Portanto, é útil para pensar o desenho de uma experiência tecnológica, mas não para afirmar que a realidade virtual melhora notas.

Quais estudos foram comparados e o que cada um investigou?

Esta tabela reúne as pesquisas citadas e diferencia o resultado observado em cada uma. As etapas e os países aparecem apenas quando informados no resumo.

O que os estudos têm em comum e onde ainda diferem?

Um ponto em comum é que a aprendizagem digital não aparece como simples efeito da presença de tecnologia. Os estudos observam condições e processos que acompanham seu uso: disponibilidade de recursos, interação, confiança para agir, engajamento com tarefas ou atenção à utilidade de uma ferramenta. Isso favorece uma leitura pedagógica mais ampla do que perguntar apenas se a plataforma foi acessada.

Há também uma diferença importante entre os resultados. Li (2024), Zhang (2025) e Omarchevska (2026) investigam previsões relacionadas a desempenho, progresso, evasão ou conhecimento. Teeple (2023) analisa notas de uma tarefa e competências socioemocionais; Lee (2026), aprendizagem percebida; Zhang (2024), aprendizagem autodirigida; e Villena-Taranilla (2023), intenção de usar realidade virtual. Colocar tudo sob o rótulo de “desempenho” apagaria diferenças que mudam a interpretação.

As pesquisas tampouco destacam sempre os mesmos fatores. Acesso e condição socioeconômica aparecem como importantes no estudo de aulas complementares; presença social se relaciona à percepção de aprendizagem em outro; e o engajamento em leitura digital crítica, nessa mesma investigação, não se relaciona a essa percepção. Já a intenção de usar realidade virtual está ligada à atenção percebida mediada pela utilidade, e não ao conhecimento prévio. Não há contradição automática: perguntas, populações e medidas são diferentes.

Permanece em aberto quanto esses resultados se reproduzem em escolas brasileiras, em disciplinas variadas e em turmas com diferentes condições de acesso. Também é preciso separar o que um modelo consegue prever em determinado conjunto de dados daquilo que um professor pode concluir sobre um estudante individual. Os estudos oferecem pistas, não um instrumento universal de diagnóstico.

Como aplicar essas pistas na sala de aula on-line?

As propostas abaixo são aplicações pedagógicas possíveis, não intervenções testadas pelos estudos como receitas. A ideia é usar as pistas para observar melhor a turma e ajustar a prática, sem presumir que uma estratégia específica produzirá o mesmo efeito em qualquer contexto.

1. Verifique se a dificuldade é de acesso antes de interpretá-la como desinteresse

Como aplicação, uma forma de usar o achado sobre recursos é combinar mais de um modo de acesso quando isso for viável: por exemplo, oferecer uma atividade que possa ser realizada em momentos diferentes e perguntar de maneira discreta se o estudante conseguiu abrir o material. Imagine um aluno que não entrega uma tarefa digital: antes de concluir que não se envolveu, o professor pode confirmar se teve condições de acessar a plataforma. Essa checagem não resolve a desigualdade, mas ajuda a não confundir barreira técnica com falta de aprendizagem.

2. Construa presença social em atividades digitais

Como aplicação, é possível planejar momentos curtos de troca entre estudantes, além da explicação do professor: uma pergunta para responder a um colega, uma produção compartilhada ou uma rodada em que cada um indique uma dúvida. Imagine uma turma do 8º ano em que parte dos estudantes assiste à aula ao vivo e outros realizam a tarefa depois; uma pergunta comum de abertura pode criar um ponto de encontro entre os dois grupos. Essa sugestão dialoga com a associação entre presença social e aprendizagem percebida relatada por Lee (2026), sem prometer aumento de nota.

3. Ensine o uso da ferramenta junto com a tarefa

Como aplicação, reserve espaço para orientar ações digitais necessárias à atividade: localizar um recurso, enviar uma resposta ou pedir ajuda. Imagine que a turma vai trabalhar com um texto numa plataforma e alguns estudantes não sabem como retornar ao trecho indicado. Uma orientação breve sobre a navegação pode reduzir o esforço que não está ligado ao objetivo de aprendizagem. Isso é especialmente pertinente diante dos resultados sobre autoeficácia, mas a pesquisa de Zhang (2024) não testa uma sequência específica de instrução tecnológica para recomendar.

4. Faça perguntas que ajudem o aluno a acompanhar o próprio raciocínio

Como aplicação, ao final de uma atividade, peça que o estudante identifique o que conseguiu resolver, onde precisou voltar e qual será seu próximo passo. Numa turma de 6º ano que trabalha com problemas em ambiente digital, por exemplo, uma breve pausa para explicar por que escolheu uma estratégia pode tornar o processo mais visível. A pesquisa com química relacionou perfis metacognitivos a conhecimentos posteriores, e Teeple (2023) encontrou persistência e metacognição entre os temas mais citados; isso não significa que uma pergunta de reflexão, isoladamente, garanta retenção.

5. Observe padrões da atividade, não apenas o resultado final

Como aplicação, acompanhe se a turma encontra uma tarefa particularmente difícil, se muitos param no mesmo ponto ou se um recurso não parece apoiar o que se pretende ensinar. Imagine que vários estudantes iniciam um módulo, mas poucos chegam ao problema final: o professor pode revisar a sequência e conversar com a turma sobre onde surgiu o obstáculo. A pesquisa de programação mostra uma possibilidade de usar registros para identificar materiais e tarefas relevantes, mas não recomenda tratar cada clique como prova de esforço ou de domínio.

6. Explique para que serve cada recurso digital

Como aplicação, apresente a finalidade pedagógica antes de introduzir uma ferramenta nova. Se a turma usar uma simulação ou uma experiência imersiva, diga qual pergunta ou conteúdo ela deve ajudar a explorar e, depois, convide os estudantes a avaliar se foi útil. Imagine uma unidade de História com uma experiência virtual: a tecnologia pode chamar atenção, mas a atividade precisa ligar essa atenção ao objetivo de aprendizagem. Essa proposta se inspira na relação entre atenção percebida, utilidade e intenção de uso identificada por Villena-Taranilla (2023), não numa evidência de melhora de desempenho.

7. Combine indicadores com conversa e observação docente

Como aplicação, use resultados de questionários, tarefas e registros como ponto de partida para perguntar o que está acontecendo, não como veredito. Um estudante pode ter baixa participação registrada e, numa conversa, explicar que estava acompanhando o material fora do horário da aula ao vivo. Outra pessoa pode entrar frequentemente e ainda estar com dúvidas. Essa combinação é coerente com a variedade de medidas das pesquisas: nenhuma delas, isoladamente, descreve por completo a aprendizagem de uma criança.

O que muda ao interpretar esses resultados no contexto brasileiro?

O principal cuidado é não transportar diretamente conclusões de outros contextos. O estudo sobre aprendizagem autodirigida com tecnologias móveis foi realizado com estudantes chineses do 7º ao 9º ano (Zhang, 2024); o trabalho sobre competências socioemocionais envolveu estudantes dos anos iniciais nos Estados Unidos (Teeple, 2023). A pesquisa de Lee (2026) informa o número de estudantes e a etapa, mas o resumo não identifica o país. Os estudos de Li (2024), Zhang (2025), Villena-Taranilla (2023) e Omarchevska (2026) também não têm país informado nos resumos fornecidos.

Isso não torna os achados inúteis para professores brasileiros. Significa que eles precisam ser lidos como pistas a testar na realidade da própria escola, e não como medidas automaticamente válidas para qualquer turma. Condições de acesso a recursos, organização das atividades, familiaridade com as plataformas e oportunidades de interação podem variar entre comunidades e escolas. Assim, um modelo treinado com dados de uma plataforma ou de cursos específicos não deve ser usado para classificar estudantes brasileiros sem evidência de que se aplica a esse contexto.

Na prática, vale separar o que pode ser aproveitado como pergunta pedagógica do que exigiria validação local. “Os estudantes conseguem acessar a atividade?”, “sabem como pedir ajuda?” e “há espaço para interação?” são perguntas úteis para observar. Já concluir que um determinado perfil prevê a nota de um aluno brasileiro exigiria informações e evidências que os resumos não fornecem. O professor pode adaptar as ideias sem importar políticas, programas ou expectativas de outros países como se fossem regras nacionais.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de sete estudos recentes, e não na leitura integral dos artigos. Por isso, apresenta as perguntas investigadas e os resultados descritos nesses resumos, sem acrescentar detalhes sobre procedimentos, instrumentos, critérios de análise ou características da amostra que não estejam ali informados. As pesquisas também diferem em idade, disciplina, tecnologia e tipo de resultado, o que impede reuni-las como se fossem um único experimento.

Ficam abertas perguntas importantes: os fatores identificados continuam associados ao desempenho em diferentes regiões e escolas brasileiras? Como o acesso a recursos interfere em cada modalidade de ensino on-line? Quais formas de interação ajudam estudantes de diferentes idades? E até que ponto previsões construídas a partir de registros podem apoiar decisões sem rotular ou penalizar alunos? Para responder a essas questões, seria necessário consultar os estudos completos e, quando a decisão for local, verificar pesquisas feitas em contextos comparáveis.

Também é importante distinguir associação, mediação e previsão de causalidade. Uma relação positiva entre duas variáveis não prova que uma delas causou a outra. Da mesma forma, a precisão de um modelo num conjunto de dados não garante a mesma precisão em outra turma. Se a escola pretende usar uma ferramenta preditiva ou tomar decisões relevantes com base em dados digitais, a leitura dos artigos completos e a avaliação da adequação ao contexto tornam-se especialmente importantes.

Como o GeraProva ajuda com o ensino on-line e a avaliação?

As pesquisas deste artigo não avaliam o GeraProva nem demonstram que uma ferramenta específica de geração de provas melhora o desempenho. Ainda assim, organizar avaliações e atividades pode ajudar o professor a observar o que a turma compreendeu e quais pontos precisam ser retomados, inclusive depois de uma sequência digital. Você pode conhecer o gerador de provas do GeraProva e fazer o cadastro grátis para explorar a plataforma como apoio ao seu planejamento.

Perguntas frequentes sobre desempenho no ensino a distância no fundamental

Quais fatores aparecem associados ao desempenho dos alunos on-line?

Os estudos citados investigam fatores diferentes, por isso não há uma lista única válida para todas as situações. Em aulas complementares on-line, acesso desigual a recursos educacionais e condição socioeconômica estiveram entre os fatores mais significativos para o desempenho (Li, 2024). Outros trabalhos encontraram relações entre autoeficácia, engajamento e aprendizagem autodirigida, ou entre presença social e aprendizagem percebida (Zhang, 2024; Lee, 2026). Isso não significa que cada fator determine a nota de um aluno. São pistas para planejar e observar, considerando a atividade e o contexto.

A participação na plataforma permite prever quem vai aprender?

Não por si só. Registros de interação foram usados para prever progresso e evasão em cursos on-line de programação, e os modelos produziram informações que educadores consideraram úteis para planejar esses cursos (Zhang, 2025). Mas esse resultado se refere a quatro cursos de programação e não transforma cada acesso ou clique em medida de aprendizagem. Participar de uma plataforma pode significar coisas diferentes: um aluno pode acompanhar sem registrar muita atividade; outro pode interagir bastante e ainda precisar de apoio conceitual. É mais seguro combinar registros, tarefas e conversa com os estudantes.

O engajamento digital melhora o desempenho?

Os estudos sugerem relações, não uma garantia de causa e efeito. Em estudantes chineses do 7º ao 9º ano, o engajamento teve impacto positivo sobre a aprendizagem autodirigida com tecnologias móveis e mediou parcialmente a relação entre autoeficácia e essa aprendizagem (Zhang, 2024). Em outro contexto, perfis de engajamento cognitivo e metacognitivo foram preditivos de conhecimentos imediatos e tardios em química no ensino médio (Omarchevska, 2026). Como as pesquisas medem resultados e populações diferentes, não é possível concluir que qualquer forma de engajamento aumente automaticamente as notas de qualquer turma.

O que significa presença social numa aula on-line?

É a dimensão de interação e sensação de participação com outras pessoas no ambiente de aprendizagem. No estudo com estudantes dos anos finais do ensino fundamental, a presença social se associou positivamente à aprendizagem on-line percebida (Lee, 2026). Isso não quer dizer que estar em grupo, por si só, comprove aprendizagem nem que a percepção seja igual a uma nota. Para o professor, a ideia pode orientar perguntas práticas: os alunos têm oportunidade de responder uns aos outros? Sabem como pedir ajuda? As atividades permitem que a turma se reconheça como comunidade, inclusive quando não está conectada ao mesmo tempo?

Uma ferramenta mais atraente, como realidade virtual, garante resultados melhores?

Não há base nesses estudos para afirmar isso. A pesquisa com realidade virtual imersiva examinou a intenção de uso entre estudantes do 4º ano durante uma unidade de História. Encontrou efeito da atenção percebida sobre a intenção, mediado pela utilidade percebida, enquanto o conhecimento prévio não foi significativo para explicar a intenção (Villena-Taranilla, 2023). A pergunta estudada foi sobre aceitação e intenção de usar a tecnologia, não sobre melhoria de notas ou domínio de conteúdo. Portanto, uma ferramenta pode despertar atenção, mas sua utilidade pedagógica precisa ser pensada em relação ao objetivo da atividade.

Os resultados de estudos feitos fora do Brasil servem para minha turma?

Podem ajudar a formular perguntas, mas não devem ser aplicados como previsões prontas. Por exemplo, o estudo de autoeficácia e aprendizagem móvel foi feito com estudantes chineses; o de competências socioemocionais e escrita on-line, nos Estados Unidos (Zhang, 2024; Teeple, 2023). Acesso, organização escolar e tecnologias disponíveis podem variar. Observe se as mesmas questões fazem sentido na sua realidade e evite usar um modelo desenvolvido em outro contexto para classificar um estudante sem validação. Para decisões importantes, vale consultar os artigos completos e buscar evidências comparáveis à sua escola.

Referências dos estudos citados

As referências abaixo correspondem apenas aos estudos citados no texto. Os títulos originais aparecem entre parênteses e os links levam aos registros informados no ERIC.

1. Lee, Sungyoon; Hwang, HyeJin; Shin, Yunkyung; Kendeou, Panayiota (2026). Presença docente, presença social e letramento digital na previsão da experiência de aprendizagem on-line de estudantes do ensino fundamental (Teaching Presence, Social Presence and Digital Literacy in Predicting Online Learning Experience in Elementary Students). British Journal of Educational Technology. Link.
2. Zhang, Vincent; Jeffries, Bryn; Koprinska, Irena (2025). Uma abordagem de aprendizado de máquina para prever o progresso dos estudantes na educação on-line em programação (A Machine Learning Approach for Predicting Student Progress in Online Programming Education). International Journal of Artificial Intelligence in Education. Link.
3. Li, Zhengze; Chen, Hui; Gao, Xin (2024). Fatores que influenciam e previsibilidade do desempenho de estudantes do Ensino Fundamental em aulas complementares on-line (The Influencing Factors and Predictability of Primary School Students' Learning Performance in Online Supplementary Classes). Education and Information Technologies. Link.
4. Zhang, Min; Jiang, Qiang; Xiong, Weiyan; Li, Qi; Zhao, Wei (2024). Autoeficácia como preditora da aprendizagem autodirigida com tecnologias móveis entre estudantes da educação básica: análise do papel mediador do engajamento estudantil (Self-Efficacy Predicting K-12 Students' Self-Directed Learning with Mobile Technology: Analyzing the Mediating Role of Student Engagement). Educational Technology & Society. Link.
5. Teeple, Sarah K.; Benolken, Amanda (2023). Explorando a relação entre competências socioemocionais e desempenho discente em ambientes de aprendizagem on-line (Exploring the Relationship between Social-Emotional Competencies and Student Performance in Online Learning Environments). E-Learning and Digital Media. Link.
6. Villena-Taranilla, Rafael; Cózar-Gutiérrez, Ramón; González-Calero, José Antonio; Diago, Pascual D. (2023). Um modelo ampliado de aceitação da tecnologia para o uso da realidade virtual imersiva por estudantes do ensino fundamental (An Extended Technology Acceptance Model on Immersive Virtual Reality Use with Primary School Students). Technology, Pedagogy and Education. Link.
7. Omarchevska, Yoana; Schuetze, Brendan A.; Richter, Juliane; Schanze, Sascha; Ulrich, Nina; Scheiter, Katharina (2026). Do passivo ao metacognitivo: o papel do modo de engajamento na promoção da aprendizagem duradoura por meio de mídias digitais (From Passive to Metacognitive: The Role of Mode of Engagement in Enabling Lasting Learning Using Digital Media). Educational Psychology Review. Link.

Se você está planejando uma atividade on-line, escolha uma dessas pistas para observar com sua turma — acesso, interação ou engajamento — e veja o que ela ajuda a compreender. Cada contexto pede um olhar atento, e suas observações podem ser um bom ponto de partida.