Estudantes da educação básica e do ensino superior: por que o ensino médio aparece menos nas pesquisas?

Estudantes da escola e da universidade não aparecem com a mesma frequência nas pesquisas sobre aprendizagem. Em uma síntese de estudos neurocognitivos, crianças do ensino fundamental e universitários são os grupos mais presentes, enquanto estudantes do ensino médio estão sub-representados (Leikin, 2026).

Essa lacuna importa porque comparar etapas ajuda a perceber o que pode mudar ao longo da trajetória escolar — e também o que ainda não sabemos. As pesquisas disponíveis oferecem pistas sobre motivação, matemática, vocabulário, jogos educacionais e inteligência artificial, mas não autorizam tratar uma turma de adolescentes como se fosse apenas uma versão intermediária entre crianças e adultos.

O que é comparar estudantes da educação básica e do ensino superior e por que isso importa para o professor?

Comparar estudantes da educação básica e do ensino superior é investigar como resultados, processos ou preferências aparecem em diferentes etapas de escolarização. Na rotina docente, a pergunta pode surgir ao pensar se uma estratégia de motivação, uma atividade de matemática ou o uso de uma ferramenta digital funciona do mesmo modo com crianças, adolescentes e adultos.

Uma comparação pode reunir grupos de etapas distintas em um mesmo estudo ou sintetizar pesquisas já publicadas. Em ambos os casos, é importante observar o que foi comparado: desempenho, motivação, preferência por estilos de jogo, desenvolvimento de significados de palavras ou outro aspecto. Uma diferença encontrada em um desses temas não explica automaticamente as diferenças em todos os outros.

Também é necessário separar educação básica de ensino superior sem apagar as etapas que existem dentro de cada grupo. O ensino fundamental e o médio envolvem estudantes em momentos de desenvolvimento e experiências escolares diferentes. Os resumos analisados mostram que algumas pesquisas distinguem essas etapas, enquanto outras agrupam estudantes da educação básica. Esse detalhe muda o alcance de qualquer conclusão para o planejamento de uma aula.

Para professores, o valor da comparação não está em encontrar uma receita universal. Está em formular perguntas melhores: será que o apoio necessário para revisar uma resposta muda com a etapa? Será que a relação entre motivação e desempenho é igual em matemática e em outras disciplinas? E quais grupos de estudantes ainda aparecem pouco na produção de conhecimento?

O que a pesquisa recente mostra sobre estudantes da escola e da universidade?

Os estudos recentes não apresentam uma única comparação geral entre crianças, adolescentes e universitários. Em vez disso, observam temas específicos e mostram que a etapa de ensino pode estar relacionada a resultados diferentes, enquanto algumas áreas continuam com pouca evidência sobre o percurso entre uma etapa e outra.

Motivação, autoeficácia e desempenho podem se relacionar de maneiras diferentes

Uma meta-análise com 23 estudos examinou as relações entre motivação intrínseca, motivação extrínseca, autoeficácia e desempenho acadêmico. Os resultados indicaram correlações entre essas dimensões. A análise também apontou que a motivação intrínseca teve uma correlação menos forte com o desempenho de universitários do que com o de estudantes do ensino fundamental e médio; já a motivação extrínseca apresentou correlação mais forte com o desempenho universitário (Shen, 2026).

O estudo acrescenta uma distinção importante por disciplina: a motivação intrínseca teve o efeito mais significativo no desempenho em matemática, enquanto a motivação extrínseca teve maior influência nas demais disciplinas. A análise de mediação indicou que a motivação intrínseca impulsionou o desempenho ao fortalecer a autoeficácia, e que esse efeito mediador variou entre etapas de escolarização. Assim, a relação entre querer aprender, acreditar que se consegue e alcançar resultados não foi apresentada como idêntica para todos os grupos.

Isso não significa que professores devam substituir o interesse dos estudantes por recompensas externas, nem que universitários sejam menos motivados intrinsecamente. O resumo relata relações estatísticas e diferenças entre grupos; não oferece uma regra individual para prever como cada estudante responderá. Para a prática, a contribuição é lembrar que motivação e percepção de capacidade podem caminhar juntas, mas a força dessa relação pode depender da etapa e da disciplina.

Na pesquisa sobre matemática, há muitos estudos com crianças e universitários e menos com adolescentes

Um levantamento sistemático partiu de 1.798 artigos e incluiu 83 estudos neurocognitivos sobre características cognitivas gerais e processamento matemático. A maior parte dos participantes era de crianças do ensino fundamental (43%) ou estudantes universitários (39%). Os estudantes do ensino médio estavam sub-representados, e a síntese identificou como lacuna a investigação limitada das habilidades matemáticas ao longo do contínuo de desenvolvimento (Leikin, 2026).

Os estudos reunidos se concentraram sobretudo em aritmética e sentido numérico. A síntese também identificou temas como a reorganização qualitativa das trajetórias de desenvolvimento, a relevância da memória de trabalho para diferentes processos matemáticos e a interação entre mecanismos cognitivos gerais e específicos da matemática. Em outras palavras, o desenvolvimento não foi descrito apenas como acúmulo de habilidades; diferentes tarefas e domínios podem mobilizar processos distintos.

O levantamento relata ainda que os estudos utilizaram com frequência técnicas neurocognitivas, como ressonância magnética e eletroencefalografia, e aponta que a observação comportamental, sozinha, não oferece todas as informações sobre os processos investigados. Para o professor, a mensagem mais prudente não é tentar inferir atividade cerebral a partir de uma resposta em sala, mas reconhecer que a pesquisa ainda precisa acompanhar melhor como as habilidades matemáticas se transformam entre a infância e a vida adulta.

Preferências em jogos educacionais não se resumem a uma etapa escolar

Um estudo de campo com 676 estudantes búlgaros comparou 234 estudantes da educação básica com 432 do ensino superior quanto a estilos de aprendizagem e de jogo relacionados a jogos digitais educacionais. Os autores encontraram predominância de predisposições multimodais: muitos participantes manifestavam vários estilos, tanto na aprendizagem quanto no jogo. Entre as preferências relatadas estavam estilos de aprendizagem cinestésico-visual, auditivo, de leitura e escrita e cinestésico; nos jogos, apareciam estilos lógico e estrategista. Leitura e escrita e competição foram os menos preferidos no modelo estudado (Bontchev, 2025).

O resultado não deve ser transformado em rótulo fixo para uma criança, um adolescente ou um universitário. O estudo examinou estilos específicos — VARK e uma plataforma adaptativa de entretenimento educativo — e seus autores registram que a pesquisa se limitou a estudantes búlgaros. Também apontam diferença no tamanho dos grupos e recomendam estudos internacionais com amostras equivalentes. A comparação é útil como sinal de que preferências variadas podem estar presentes em ambas as etapas, não como prova de que todo estudante aprende melhor por um estilo único.

Vocabulário e significado das palavras também permitem observar mudanças ao longo das etapas

Uma pesquisa sobre significados de palavras abstratas relacionou avaliações de concretude a dados de aquisição de vocabulário de crianças do 2º ano do ensino fundamental até a idade universitária. Os significados adquiridos mais cedo foram avaliados como mais concretos; os adquiridos mais tarde, como mais abstratos, sobretudo para palavras geralmente consideradas concretas. Os autores sugerem que experiências sensório-motoras têm importância para significados adquiridos cedo, enquanto outras experiências, inclusive linguísticas, participam dos adquiridos mais tarde (Muraki, 2025).

Esse resultado aproxima etapas escolares por meio de uma questão de desenvolvimento: como os significados se constroem e que tipos de experiência podem estar envolvidos. Não é uma comparação direta entre uma turma específica do ensino fundamental e uma turma universitária, nem uma indicação de que palavras abstratas devam ser ensinadas apenas em determinada idade. É uma pista para pensar que o sentido de uma palavra pode depender de experiências diferentes ao longo do tempo.

Uma obra sobre aprendizes de inglês e espanhol como línguas adicionais também reuniu estudos com crianças do ensino fundamental, adolescentes do ensino médio e estudantes universitários. Os trabalhos usaram testes de disponibilidade lexical em sala de aula, nos quais os aprendizes produziam o maior número possível de respostas em dois minutos. O livro amplia os contextos considerados e atende à necessidade de dados sobre aprendizes mais jovens, mas o resumo não apresenta um resultado comparativo único aplicável a todas as línguas e etapas (Rosa María Jiménez Catalán, 2025).

A inteligência artificial generativa apresentou efeitos positivos, mas não iguais em todas as etapas

Uma meta-análise de 49 artigos examinou efeitos da inteligência artificial generativa nos resultados de aprendizagem de estudantes da educação básica e do ensino superior. O resumo relata efeitos médios positivos sobre desempenho acadêmico e motivação para a aprendizagem. Também informa que o impacto no desempenho acadêmico foi maior entre estudantes do ensino superior e que a interação por texto foi mais eficaz do que por mídias mistas, como imagens ou áudio, nos estudos analisados (Liu, 2025).

Os efeitos variaram conforme fatores como etapa de ensino, área do conhecimento, interface, forma de interação e tempo de experimentação. Além disso, embora a meta-análise tenha encontrado impacto positivo sobre motivação, o tamanho desse efeito diminuiu ao longo do tempo. Portanto, o resultado não sustenta a ideia de que qualquer ferramenta generativa, usada de qualquer maneira e por qualquer duração, produzirá o mesmo benefício em todas as turmas.

Para a educação básica brasileira, esse achado merece leitura cuidadosa: a pesquisa agregou estudos de mais de um contexto e reuniu etapas distintas. Não é possível converter o resultado médio em promessa de melhoria para uma atividade específica. É mais sensato tratá-lo como motivo para planejar objetivos, interações e acompanhamento, e verificar se a ferramenta ajuda os estudantes a aprender o conteúdo, não apenas a concluir uma tarefa.

Quais estudos compararam estudantes da educação básica e do ensino superior?

A tabela reúne os estudos citados e resume o foco de cada um. Quando o resumo não informa um país ou uma comparação direta entre etapas, isso é indicado sem completar a lacuna por suposição.

O que os estudos têm em comum e onde divergem?

Em conjunto, os estudos mostram que a etapa de escolarização é uma dimensão relevante, mas não explica sozinha o que acontece na aprendizagem. Motivação, autoeficácia, tipo de tarefa, área de conhecimento, experiências com palavras e formas de interação com uma ferramenta aparecem como aspectos que também importam. A pesquisa sobre IA, por exemplo, relata variação por etapa e por condições de uso; a meta-análise sobre motivação observa diferenças relacionadas à etapa e à disciplina.

Há também uma aproximação entre os estudos que atravessam faixas etárias: eles permitem observar mudanças ou contrastes que não ficam visíveis quando se pesquisa apenas uma etapa. O estudo de vocabulário percorre desde o 2º ano até a idade universitária, enquanto o levantamento neurocognitivo identifica concentração de pesquisas em crianças do fundamental e universitários. Mas os formatos são diferentes: um examina relações entre aquisição e concretude de significados; o outro mapeia estudos de processamento matemático.

As divergências não são necessariamente contradições. Uma meta-análise pode encontrar uma associação média e, ao mesmo tempo, mostrar que ela varia por disciplina. Um estudo sobre jogos pode encontrar preferências multimodais em uma amostra búlgara, sem que isso estabeleça como estudantes de outros países responderiam. E uma revisão pode apontar que o ensino médio está sub-representado, sem concluir que adolescentes aprendem de uma maneira específica.

O que permanece em aberto é justamente a comparação mais contínua: como os mesmos processos se desenvolvem do ensino fundamental ao médio e daí ao ensino superior? Também falta saber até que ponto resultados obtidos em contextos nacionais e instrumentos específicos se aplicam a escolas brasileiras. A lacuna do ensino médio torna essa pergunta particularmente importante, mas os resumos não permitem preenchê-la.

Como levar essas comparações para a sala de aula?

As pesquisas não oferecem um roteiro didático pronto para professores brasileiros. As sugestões a seguir são aplicações possíveis das perguntas levantadas pelos estudos, e não resultados testados diretamente por eles em turmas brasileiras.

1. Observe motivação e percepção de capacidade separadamente

Uma forma de usar isso em sala é acompanhar não só se o estudante concluiu a tarefa, mas também como avalia a própria possibilidade de realizá-la. Imagine uma turma de 8º ano que começa uma sequência de matemática: o professor pode propor uma breve autoavaliação antes e depois da atividade, junto com a análise das respostas. Isso não reproduz a meta-análise, mas transforma em prática de acompanhamento a relação entre motivação, autoeficácia e desempenho que ela investigou. Evite concluir que um estudante sem entusiasmo aparente não tem interesse ou que uma nota isolada mede sua autoeficácia.

2. Compare a resposta à tarefa, não o valor do estudante

Uma forma de aplicação é oferecer tarefas com objetivos equivalentes e observar quais condições apoiam a participação, sem usar a comparação para classificar turmas como melhores ou piores. Por exemplo, em uma aula de ciências, grupos podem explicar um fenômeno por meio de observação e depois discutir a explicação. O estudo neurocognitivo destaca que processos podem variar conforme o domínio e a tarefa, mas não fornece um instrumento para diagnosticar indivíduos pela observação docente. A comparação serve para refinar perguntas pedagógicas, não para rotular.

3. Planeje jogos com mais de uma forma de participação

Uma forma de usar os achados sobre preferências multimodais é criar um jogo educacional que ofereça decisões, exploração e colaboração, sem pressupor que todos gostem do mesmo formato. Imagine uma atividade em que estudantes resolvam um desafio em etapas: podem testar hipóteses, organizar estratégias e conversar sobre escolhas. A pesquisa com estudantes búlgaros sugere diversidade de estilos e menor preferência por competição no modelo examinado. Como o contexto e os instrumentos são específicos, vale observar a resposta da própria turma em vez de tomar aquelas preferências como universais.

4. Dê apoio explícito para comentários entre colegas

Uma forma de aplicação é ensinar como oferecer uma revisão útil: apontar um aspecto compreensível, indicar uma dúvida e sugerir uma melhoria ligada ao objetivo da atividade. A meta-análise sobre feedback entre pares encontrou efeito positivo do apoio instrucional em comparação com feedback sem apoio, com resultados mais claros para a qualidade dos comentários oferecidos do que para conhecimentos da área. Imagine estudantes revisando explicações de um experimento: uma orientação curta pode ajudar a tornar o comentário mais específico. Isso é uma sugestão de aplicação, não garantia de que toda revisão elevará a aprendizagem.

5. Apresente palavras abstratas com experiências variadas

Uma forma de aplicação é combinar exemplos concretos, situações de uso e conversa sobre diferentes sentidos de uma palavra. Em uma turma de 6º ano, por exemplo, o professor pode explorar a palavra “justiça” com situações hipotéticas, definições e usos em frases, em vez de depender apenas de uma definição isolada. A pesquisa sobre concretude e aquisição sugere que experiências sensório-motoras têm importância para significados adquiridos cedo e que experiências linguísticas podem participar da aprendizagem posterior. A atividade proposta é uma possibilidade pedagógica, não um procedimento avaliado pelo estudo.

6. Use IA generativa com uma tarefa delimitada e revisão

Uma forma de aplicação é pedir que a ferramenta gere exemplos ou perguntas iniciais e, em seguida, solicitar que os estudantes verifiquem as respostas com os conteúdos trabalhados. Imagine uma turma de ensino médio comparando uma explicação gerada por texto com uma explicação construída em aula: o foco pode ser identificar o que está correto, incompleto ou pouco claro. A meta-análise encontrou efeitos que variaram segundo etapa e forma de interação, além de redução do efeito sobre motivação ao longo do tempo. Por isso, a sugestão é acompanhar a qualidade da aprendizagem, não apenas a novidade da ferramenta.

7. Registre o que muda entre etapas antes de generalizar

Uma forma de aplicação é manter notas de planejamento sobre como a mesma estratégia funciona em grupos diferentes: participação, dúvidas frequentes, qualidade das respostas e apoios necessários. Por exemplo, um professor que leciona em mais de uma etapa pode comparar como estudantes interpretam uma instrução, sem pressupor que a idade explique sozinha toda diferença. Essa prática não substitui pesquisa controlada, mas ajuda a construir decisões locais mais cuidadosas e evita importar conclusões feitas com universitários diretamente para crianças ou adolescentes.

O que muda quando lemos esses resultados no contexto brasileiro?

O principal cuidado é não tratar contextos internacionais como retratos automáticos das escolas brasileiras. O estudo sobre jogos educacionais informa que sua amostra era de estudantes búlgaros e reconhece limites de generalização. O levantamento sobre léxico reúne aprendizes de diferentes países e línguas; a meta-análise de IA agrega artigos de contextos variados. As conclusões podem levantar boas perguntas para o Brasil, mas não mostram, por si só, o que ocorrerá em uma escola pública ou privada brasileira.

Também é preciso considerar que “educação básica” pode agrupar etapas distintas. Um resultado conjunto para estudantes do fundamental e do médio não deve ser convertido em recomendação específica para determinada série. A lacuna sobre estudantes do ensino médio na neurocognição reforça esse cuidado: há menos estudos sobre esse grupo naquele campo, não evidência de que adolescentes sejam menos capazes ou menos interessados.

Na prática, o professor pode usar as pesquisas como referência para testar estratégias com objetivos claros e acompanhar as respostas da turma. Se usar IA, jogos ou feedback entre pares, vale observar condições concretas de acesso, adequação da linguagem e tempo disponível. Essas são considerações de aplicação ao cenário local, não resultados relatados pelos estudos. Para sustentar decisões amplas sobre políticas ou currículos brasileiros, seriam necessárias evidências produzidas em contextos comparáveis aos das escolas em questão.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de estudos recentes indexados no ERIC, e não na leitura integral de cada publicação. Por isso, apresenta os objetivos e resultados que os resumos relatam, sem reconstruir procedimentos que não foram descritos ali. Os estudos também diferem em pergunta, método e população: há meta-análises, um levantamento sistemático, pesquisa de campo e uma obra que reúne capítulos. Seus resultados não podem ser tratados como se viessem de um único experimento comparável.

Ficam em aberto perguntas importantes: como as diferenças entre etapas se manifestam em escolas brasileiras? O que acontece especificamente no ensino médio, grupo pouco representado na síntese neurocognitiva? Como resultados de jogos, inteligência artificial ou motivação variam conforme disciplina, condições de acesso e forma de aplicação? E quais conclusões se mantêm quando os mesmos estudantes são acompanhados ao longo do tempo?

Faz sentido ler os estudos completos quando uma decisão depender de detalhes sobre amostra, instrumentos, critérios de inclusão, contexto nacional ou limites estatísticos. Isso é especialmente relevante antes de transformar um efeito médio em orientação para toda uma rede ou turma. Para uma decisão cotidiana, os resumos ajudam a formular hipóteses; para uma política ou intervenção de grande alcance, a leitura integral e evidências locais são necessárias.

Como o GeraProva ajuda com este assunto?

As comparações entre etapas podem ajudar o professor a pensar melhor quais conhecimentos quer avaliar e que tipo de questão torna esse objetivo visível. O gerador de provas do GeraProva pode apoiar a criação de avaliações e atividades com IA, que o docente revisa e adapta à turma; para conhecer a plataforma, há também o cadastro grátis. A ferramenta não substitui a interpretação profissional nem garante que uma prova seja adequada sem revisão.

Perguntas frequentes sobre estudantes da escola e da universidade

Os estudos mostram que universitários aprendem melhor do que estudantes da educação básica?

Não. Os estudos resumidos não estabelecem uma hierarquia geral de aprendizagem entre universitários e estudantes da educação básica. Eles examinam questões diferentes, como motivação e desempenho, processamento matemático, preferências em jogos e efeitos da IA generativa. A meta-análise sobre IA relata maior impacto no desempenho acadêmico entre universitários, mas isso não significa que universitários aprendam mais em qualquer situação. O resultado varia conforme fatores moderadores e não deve ser transformado em comparação universal entre pessoas ou escolas.

Por que a pouca presença do ensino médio nas pesquisas de matemática merece atenção?

Porque há um intervalo importante entre estudar crianças do ensino fundamental e estudantes universitários: compreender melhor o que acontece durante a adolescência pode ajudar a descrever trajetórias de desenvolvimento com menos lacunas. O levantamento neurocognitivo identificou a sub-representação do ensino médio e a investigação limitada das habilidades matemáticas ao longo do desenvolvimento. Isso não prova que exista um problema específico nessa etapa. Mostra que há menos pesquisa para responder algumas perguntas e que conclusões sobre crianças ou adultos não devem ser automaticamente aplicadas a adolescentes.

Posso usar os resultados sobre motivação para escolher recompensas para minha turma?

Os resultados não indicam uma receita de recompensas. A meta-análise encontrou relações entre motivação, autoeficácia e desempenho e apontou diferenças por etapa e disciplina. Também encontrou uma relação diferente entre motivação intrínseca e desempenho em matemática em comparação com outras disciplinas. Isso ajuda a lembrar que a motivação não é um fator único nem igual para todos. Para a sala de aula, é mais prudente observar interesse, percepção de capacidade e resposta às tarefas do que adotar uma recompensa como solução geral.

As pesquisas provam que estudantes têm estilos fixos de aprendizagem?

Não. O estudo sobre jogos educacionais examinou categorias específicas de estilos e encontrou predominância de predisposições multimodais, com muitos estudantes manifestando mais de um estilo. A pesquisa foi feita com estudantes búlgaros e tem limites reconhecidos pelos autores. Portanto, não justifica classificar cada aluno como pertencente a um único estilo fixo nem restringir o ensino a esse formato. Uma aplicação cautelosa é oferecer diferentes formas de participação e observar como os estudantes respondem, mantendo espaço para variar as atividades.

A inteligência artificial generativa funciona melhor para universitários?

A meta-análise de 49 artigos relata maior impacto da IA generativa no desempenho acadêmico de estudantes do ensino superior do que entre estudantes da educação básica. Mas os efeitos também variaram por área, interface, forma de interação e tempo de experimentação. O resultado não permite afirmar que a ferramenta seja inútil para crianças e adolescentes, nem que seja eficaz para todo universitário. Para o professor, a conclusão mais útil é planejar a interação e acompanhar se a ferramenta contribui para o objetivo de aprendizagem da atividade.

O que posso fazer com essas pesquisas sem generalizar resultados de outros países?

Você pode usá-las para formular perguntas e experimentar aplicações pequenas, com objetivos claros e observação da resposta dos estudantes. Por exemplo, testar uma orientação estruturada para feedback entre pares ou comparar duas formas de apresentar uma tarefa, sem presumir que um resultado internacional se repetirá automaticamente. Registre o que acontece na sua turma e considere etapa, disciplina e condições de acesso. Os estudos ajudam a identificar tendências e lacunas, mas não substituem evidência local nem a avaliação profissional do professor.

Referências

1. Shen (2026). A autoeficácia como mediadora da relação entre motivação e desempenho acadêmico: uma meta-análise e um modelo de equações estruturais meta-analítico (Self-Efficacy as a Mediator of the Relation between Motivation and Academic Performance: A Meta-Analysis and Meta-Analytic Structural Equation Model). Psychology in the Schools. Link.
2. Leikin (2026). Levantamento sistemático de estudos neurocognitivos que examinam as conexões entre características cognitivas de domínio geral e o processamento matemático (Systematic Survey of Neurocognitive Studies That Examine Connections between Domain-General Cognitive Characteristics and Mathematical Processing). ZDM: Mathematics Education. Link.
3. Rosa María Jiménez Catalán (2025). Exploração do léxico por aprendizes de inglês e espanhol. Linguística Educacional. Volume 67 (Lexicon Exploration in English and Spanish Learners. Educational Linguistics. Volume 67). Educational Linguistics. Link.
4. Bontchev (2025). Diferenças nos estilos de aprendizagem e de jogo entre estudantes da educação básica e do ensino superior relacionadas a jogos digitais educacionais (Learning and Playing Style Differences between K12 and University Students Related to Educational Video Games). Interactive Technology and Smart Education. Link.
5. Muraki (2025). O desenvolvimento dos significados de palavras abstratas (The Development of Abstract Word Meanings). Journal of Child Language. Link.
6. Liu (2025). Efeitos da inteligência artificial generativa nos resultados de aprendizagem de estudantes da educação básica e do ensino superior: uma metanálise (Effects of Generative Artificial Intelligence on K-12 and Higher Education Students' Learning Outcomes: A Meta-Analysis). Journal of Educational Computing Research. Link.

Se alguma dessas comparações conversa com uma dúvida da sua turma, experimente transformar a pergunta em uma pequena observação pedagógica e compartilhe o que aprender com outros professores.