Motivação e desempenho em matemática: por que clareza e autoconceito importam

Pesquisas recentes estão olhando para além da nota final em matemática: investigam como clareza das explicações, percepção de capacidade e formas de colaboração se relacionam com o desempenho. Para o professor, essa mudança de foco conversa com uma rotina conhecida: a mesma atividade pode despertar curiosidade em alguns estudantes e afastar outros, mesmo quando todos recebem a mesma explicação.

Os resultados não apontam uma receita única. Há estudos em que o autoconceito aparece como um fator motivacional especialmente relacionado ao desempenho, enquanto uma pesquisa de intervenção encontrou melhora progressiva de motivação e resultados ao testar diferentes formatos cooperativos. Também há resultados sem efeito estatisticamente significativo. A pergunta útil, portanto, não é apenas “como motivar?”, mas que aspecto da experiência de aprender matemática pode estar em jogo naquela turma.

O que é motivação para aprender e desempenho acadêmico em matemática e por que importa para o professor

Motivação para aprender matemática é o conjunto de razões e percepções que ajuda a explicar por que um estudante se envolve, persiste ou se afasta de uma tarefa matemática. Ela pode incluir o interesse pela atividade, a importância que o aluno atribui ao conteúdo e a crença de que consegue aprender. Desempenho acadêmico, por sua vez, diz respeito ao que o estudante consegue demonstrar em avaliações ou medidas de aprendizagem. Na escola, os dois temas aparecem quando alguém tenta uma estratégia, desiste diante do erro, pede ajuda ou passa a se considerar “bom” ou “ruim” em matemática.

Motivação e desempenho não são a mesma coisa, nem a relação entre eles é automática. Um estudante pode mostrar interesse sem dominar ainda determinado conteúdo; outro pode obter bons resultados sem demonstrar muito interesse. Os estudos reunidos aqui examinam relações diferentes: alguns observam motivação e desempenho ao longo do tempo, outros avaliam uma intervenção ou analisam aspectos como clareza instrucional e autoconceito. Para o professor, essa distinção evita transformar uma nota baixa em diagnóstico sobre a vontade do aluno, ou supor que uma atividade divertida necessariamente produzirá aprendizagem.

O assunto importa porque ajuda a olhar para as condições de aprendizagem, e não apenas para características individuais. A forma de apresentar uma tarefa, a possibilidade de conversar com colegas e a percepção de que se pode avançar são dimensões que pesquisas recentes investigaram. Isso não significa que a motivação explique sozinha os resultados: o próprio conjunto de estudos mostra associações diferentes conforme a disciplina, o grupo e a intervenção analisada.

O que a pesquisa recente mostra sobre motivação e matemática

Os estudos recentes não formam um experimento único nem respondem à mesma pergunta. Em conjunto, eles oferecem pistas sobre a associação entre autoconceito, clareza, cooperação e desempenho, além de mostrar por que é importante evitar generalizações rápidas. As pesquisas abaixo foram agrupadas por ideia central, para que fique mais claro o que cada resultado pode — e não pode — dizer à prática docente.

Clareza instrucional e autoconceito aparecem ligados ao desempenho

Uma pesquisa com estudantes do oitavo ano na Austrália investigou como a clareza instrucional e diferentes dimensões da motivação se relacionavam ao desempenho em matemática e ciências. Os autores consideraram autoconceito acadêmico, valor intrínseco e valor de utilidade. Depois de controlar características demográficas, nível socioeconômico e escolaridade dos pais, encontraram uma relação positiva entre clareza instrucional e desempenho em matemática. Essa relação não foi significativa para o desempenho em ciências (Zhang, 2025).

O resultado mais destacado para a motivação foi o autoconceito acadêmico: entre os fatores motivacionais analisados, foi identificado como o mais forte na relação com o desempenho dos estudantes, tanto em matemática quanto em ciências. O estudo também encontrou uma diferença importante: clareza instrucional foi preditora mais forte da motivação para aprender ciências do que da motivação para aprender matemática. Portanto, clareza e motivação não se comportaram de forma idêntica nas duas áreas.

Esse achado não prova que uma explicação mais clara, isoladamente, causará uma nota maior em qualquer turma. Ele mostra uma relação observada no contexto estudado. Para a sala de aula, vale prestar atenção a duas perguntas distintas: o estudante entende o que precisa fazer? E acredita que pode aprender matemática? Uma resposta positiva à primeira não garante automaticamente a segunda, mas a pesquisa sugere que as duas dimensões merecem ser observadas.

Cooperação pode acompanhar mudanças em motivação e desempenho

Uma pesquisa-ação na Tailândia acompanhou 40 estudantes do 10º ano durante atividades sobre funções logarítmicas. O trabalho foi organizado em três ciclos, com diferentes técnicas de aprendizagem cooperativa: TAI, STAD e Pense-Pareie-Compartilhe. Os autores acompanharam o desempenho em relação a um critério de aprovação de 70% e também mediram a motivação para aprender matemática (Polklang, 2025).

No primeiro ciclo, com TAI, 13 estudantes atingiram o critério; a média de motivação foi descrita como moderada. No ciclo seguinte, com STAD, 22 alcançaram o critério e a motivação média subiu para um nível considerado elevado. No terceiro ciclo, com Pense-Pareie-Compartilhe, 39 estudantes atingiram o critério, enquanto a motivação chegou a um nível descrito como muito elevado. Ao final, os autores relatam que quase todos atingiram o critério de desempenho e apresentaram motivação elevada.

É um resultado expressivo dentro daquele grupo e daquela sequência de intervenção, mas não permite concluir que a mesma técnica terá o mesmo efeito em qualquer idade, escola ou conteúdo. Como os ciclos ocorreram em sequência e envolveram técnicas diferentes, o estudo relata a evolução observada no processo, não uma comparação que permita atribuir todo o avanço a um único elemento isolado. Ainda assim, oferece uma possibilidade concreta para investigar: organizar a participação dos estudantes em etapas cooperativas e observar, além das respostas corretas, como se altera o envolvimento.

Motivação inicial e intervenções: resultados que pedem atenção aos grupos

Um estudo de efetividade sobre aprendizagem socioemocional acompanhou turmas do primeiro ano do ensino fundamental em escolas dos Estados Unidos. As escolas foram designadas para um programa universal ou para práticas habituais. Nas avaliações feitas pelos professores, não apareceram efeitos principais estatisticamente significativos sobre engajamento, motivação ou habilidades acadêmicas. Ao mesmo tempo, os tamanhos de efeito foram moderados a grandes e positivos para tempo de engajamento acadêmico e desempenho em matemática (Hart, 2024).

Os autores também relatam que estudantes avaliados inicialmente pelos professores como tendo níveis mais baixos de motivação acadêmica tiveram maior probabilidade de apresentar melhora após a exposição ao programa. Essa observação chama atenção para a possibilidade de os resultados variarem entre estudantes, mas não apaga a ausência de efeitos principais estatisticamente significativos. O estudo trata de aprendizagem socioemocional em condições rotineiras, não de uma intervenção específica de ensino de matemática.

O contraste é útil para o professor: um resultado médio de grupo pode não contar toda a história, mas uma melhora observada em parte dos estudantes tampouco autoriza prometer um efeito universal. Acompanhar quem se engaja e quem permanece à margem pode ajudar a planejar apoios e a formular perguntas mais precisas sobre o que está funcionando.

Motivação, autorregulação e apoio: relações não são sempre diretas

Uma análise longitudinal na Coreia do Sul estudou 309 estudantes do ensino médio com alto desempenho em língua ou matemática. Os resultados apontaram relações positivas entre motivação e estratégias de regulação cognitiva, assim como entre estratégias de regulação cognitiva e comportamental, no mesmo ano e dois anos depois. No entanto, a mediação longitudinal das estratégias de autorregulação entre motivação e desempenho acadêmico não foi estatisticamente significativa (Jung, 2025).

Esse achado ajuda a separar duas ideias que podem parecer iguais: motivação pode estar relacionada a estratégias de estudo, mas isso não significa que essas estratégias tenham explicado, ao longo do tempo, a relação entre motivação e desempenho naquele grupo. Além disso, os participantes eram estudantes com alto desempenho, e o estudo não representa automaticamente todos os alunos de uma turma regular. É uma razão para não presumir que uma única cadeia — motivar, ensinar uma estratégia e elevar a nota — funcione da mesma maneira para todos.

Em uma pesquisa com estudantes do ensino médio na China, apoio percebido de professores e pais se relacionou positivamente com metas de desempenho. Motivação intrínseca e extrínseca mediaram parcialmente essa relação, e a motivação intrínseca teve papel mediador mais forte no caso do apoio percebido dos professores. Os autores destacam que o efeito do apoio docente sobre essas metas foi maior do que o apoio percebido dos pais (Tian, 2026). O estudo não se restringiu à matemática, então seus resultados não devem ser tratados como evidência específica sobre desempenho matemático.

O contexto socioeconômico também muda a leitura da motivação

Uma pesquisa francesa sobre resiliência acadêmica no início da adolescência comparou perfis construídos a partir de nível socioeconômico e desempenho escolar. Estudantes de baixo nível socioeconômico e alto desempenho relataram motivação intrínseca e autoeficácia superiores às de estudantes desfavorecidos com baixo desempenho. Esses níveis foram estatisticamente indistinguíveis dos relatados por estudantes de alto desempenho em contextos favorecidos. A autoeficácia apresentou a maior diferenciação entre os perfis, enquanto as diferenças de motivação extrínseca foram mais fracas e menos consistentes (Ré, 2026).

O estudo não é exclusivamente sobre matemática, mas contribui para uma conversa importante: dificuldades acadêmicas não devem ser interpretadas como falta de motivação sem considerar condições e trajetórias. Os autores identificam autoeficácia e motivação intrínseca como características que distinguem perfis de estudantes resilientes. Isso não permite transferir diretamente conclusões para uma turma brasileira, mas reforça a utilidade de investigar o que os estudantes acreditam ser capazes de fazer e que recursos encontram para avançar.

Os estudos lado a lado: o que cada pesquisa investigou

Comparar as pesquisas lado a lado ajuda a ver tanto a convergência quanto os limites: algumas tratam diretamente de matemática, enquanto outras estudam motivação e desempenho em áreas mais amplas. Também variam em idade, país, desenho de pesquisa e tipo de resultado analisado.

Pontos em comum e divergências entre os estudos

Um ponto em comum é que os estudos não tratam motivação como uma chave simples que, ao ser acionada, produz automaticamente desempenho. Autoconceito, apoio, autorregulação, condições da intervenção e diferenças entre estudantes aparecem como dimensões distintas. Em matemática, a relação positiva entre clareza instrucional e desempenho e o destaque do autoconceito vêm de uma pesquisa australiana (Zhang, 2025); já a intervenção cooperativa na Tailândia relata avanços ao longo de ciclos específicos (Polklang, 2025).

Também há diferenças relevantes nos resultados. O estudo de aprendizagem socioemocional não encontrou efeitos principais estatisticamente significativos, embora tenha relatado tamanhos de efeito positivos em alguns resultados e maior probabilidade de melhora entre estudantes com motivação inicial mais baixa (Hart, 2024). O estudo longitudinal com estudantes de alto desempenho encontrou relações entre motivação e estratégias, mas não uma mediação significativa da autorregulação entre motivação e desempenho (Jung, 2025). Esses achados não se anulam: examinam populações, intervenções e relações diferentes.

O que ainda não está resolvido é como os resultados se transferem entre contextos, conteúdos e faixas etárias. Não sabemos, com base apenas neste conjunto, qual prática isolada aumenta a motivação de todos os estudantes, nem se a mudança motivacional precede sempre a melhora de desempenho. Também não é possível concluir que uma atividade cooperativa, uma explicação mais clara ou um programa socioemocional terá o mesmo efeito em escolas brasileiras. A pergunta mais produtiva é como testar ajustes pequenos e observar evidências locais sem transformar correlação em promessa.

O que isso significa para a sala de aula de matemática

Os estudos oferecem pistas para observar a aula e desenhar experiências, mas as sugestões abaixo são aplicações possíveis, não resultados comprovados diretamente pelas pesquisas em todas as turmas. O caminho é experimentar com intenção, registrar o que acontece e ajustar com base nas respostas dos estudantes.

1. Torne visível o caminho da tarefa

Aplicação possível: antes de iniciar um problema, explicite qual é o objetivo, quais passos podem ser tentados e como o aluno pode conferir o raciocínio. Imagine uma turma trabalhando com uma situação de proporcionalidade: em vez de pedir apenas “resolvam”, o professor pode separar a leitura dos dados, a escolha de uma estratégia e a verificação da resposta. Essa prática conversa com o resultado australiano sobre clareza e desempenho em matemática, mas não garante, por si só, aumento de nota (Zhang, 2025).

2. Ajude o estudante a construir evidências de que consegue avançar

Aplicação possível: ao devolver uma atividade, destaque uma decisão matemática que funcionou e proponha um próximo passo alcançável. Para um aluno que errou o resultado, por exemplo, o comentário pode reconhecer que organizou corretamente os dados e pedir que revise a operação final. A pesquisa australiana identificou o autoconceito como o fator motivacional mais forte no desempenho entre os aspectos examinados (Zhang, 2025). Na prática, isso pode ser uma razão para dar retorno sobre estratégias e progresso, em vez de resumir o aluno a “tem jeito” ou “não tem jeito” para matemática.

3. Estruture a colaboração, em vez de apenas juntar estudantes

Aplicação possível: proponha uma atividade em que cada integrante tenha uma contribuição clara, como explicar um passo, comparar duas soluções ou verificar um resultado. Imagine uma dupla que resolve um problema e depois troca o papel de quem explica e de quem confere. A pesquisa tailandesa acompanhou técnicas cooperativas organizadas em ciclos e relatou aumento de motivação e desempenho no grupo participante (Polklang, 2025). A aplicação em outra turma deve ser tratada como hipótese a testar, não como garantia de reproduzir aqueles números.

4. Observe quem começa a atividade e quem permanece de fora

Aplicação possível: durante uma tarefa, registre quem inicia, pede ajuda, participa de uma conversa matemática ou abandona a tentativa. Em uma turma de 5º ano, por exemplo, o professor pode notar que alguns estudantes entendem a proposta, mas evitam expor uma resposta; outros começam com entusiasmo e param após o primeiro erro. O estudo sobre aprendizagem socioemocional identificou uma possibilidade de melhora entre estudantes avaliados inicialmente com motivação mais baixa, embora não tenha encontrado efeitos principais estatisticamente significativos (Hart, 2024). A observação cotidiana ajuda a formular perguntas mais específicas sobre a necessidade de cada grupo.

5. Não confunda estratégia de estudo com resultado garantido

Aplicação possível: ensine uma forma de planejar e revisar a resolução, mas acompanhe separadamente se o estudante usa a estratégia e se seu desempenho muda. Imagine uma turma que aprende a marcar os dados relevantes e conferir uma resposta substituindo o valor encontrado na expressão. A pesquisa longitudinal coreana encontrou relações entre motivação e estratégias de regulação, mas não identificou uma mediação longitudinal significativa dessas estratégias entre motivação e desempenho (Jung, 2025). Assim, vale ensinar estratégias sem prometer que elas, sozinhas, resolverão as dificuldades.

6. Pergunte o que o aluno acredita ser capaz de fazer

Aplicação possível: antes de uma sequência, peça que os estudantes indiquem quais tipos de problema parecem acessíveis e quais provocam insegurança; retome essas percepções depois da atividade. Numa turma hipotética, alguns podem dizer que conseguem calcular, mas não sabem por onde começar um problema contextualizado. A pesquisa francesa encontrou diferenças de autoeficácia entre perfis de desempenho e nível socioeconômico, com destaque para a autoeficácia entre os fatores analisados (Ré, 2026). A pergunta pode orientar o apoio, sem transformar a resposta do aluno em rótulo fixo.

7. Recolha evidências pequenas antes de mudar toda a sequência

Aplicação possível: após experimentar uma rotina cooperativa ou uma forma nova de explicar, compare respostas a tarefas semelhantes, participação e dúvidas recorrentes. Não é necessário atribuir qualquer mudança a uma única causa: registre o que foi feito e o que os estudantes demonstraram. A pesquisa-ação tailandesa trabalhou em ciclos, enquanto o estudo australiano analisou relações entre variáveis em uma amostra ampla; são desenhos diferentes e respondem a perguntas diferentes (Polklang, 2025; Zhang, 2025). Esse cuidado ajuda a transformar a experiência local em decisão pedagógica mais informada.

O que muda no contexto brasileiro

O primeiro cuidado é reconhecer que a maior parte das pesquisas citadas foi realizada fora do Brasil. O estudo sobre clareza instrucional envolveu estudantes australianos; a intervenção cooperativa ocorreu em uma escola tailandesa; e os estudos sobre autorregulação, apoio, aprendizagem socioemocional e resiliência foram conduzidos em contextos coreano, chinês, norte-americano e francês. As relações encontradas ajudam a levantar hipóteses para a prática, mas não demonstram que os mesmos efeitos ocorrerão em escolas brasileiras, com outras condições de ensino, currículos, recursos e trajetórias estudantis.

Há, porém, uma pesquisa brasileira entre as fontes: a análise de escolas de tempo integral no Ceará comparou dados do Saeb de 2013 e 2021. O estudo relata que estudantes de tempo integral superaram os pares do ensino médio regular, com ganhos reportados de 18,31% em matemática em 2013 e 17,96% em 2021. A análise separou fatores observáveis, como escolaridade dos pais, acesso à tecnologia e experiência docente, de componentes não observáveis relacionados à qualidade da escola e à motivação dos estudantes (Patrí, 2026).

Esse estudo oferece contexto brasileiro para discutir desempenho, tempo de instrução e desigualdades, mas não isola a motivação como causa dos diferenciais descritos. O resumo atribui relevância ao tempo estendido combinado à formação profissional e socioemocional; portanto, seria incorreto usar os números como prova de que motivação, por si só, produziu o resultado. Para a escola, a aplicação cuidadosa é olhar para condições concretas de aprendizagem e evitar responsabilizar exclusivamente o estudante por resultados influenciados por múltiplos fatores.

Na prática, professores brasileiros podem testar propostas de clareza, colaboração e acompanhamento do autoconceito sem importar mecanicamente técnicas ou conclusões. Uma rotina de Pense-Pareie-Compartilhe pode ser adaptada ao tempo e ao tamanho da turma; uma atividade de autorreflexão pode usar linguagem acessível; uma avaliação pode mostrar quais ideias precisam ser retomadas. O essencial é observar o contexto, explicar aos estudantes o propósito das tarefas e verificar se a mudança ajuda a aprender o conteúdo previsto.

Limites desta leitura: o que ainda precisamos saber

Este artigo se baseia nos resumos de estudos recentes disponibilizados como fonte, e não na leitura integral dos artigos. Os resumos permitem apresentar objetivos, participantes e resultados relatados, mas não oferecem todos os detalhes necessários para avaliar instrumentos, procedimentos, análises e limites metodológicos. As conclusões devem ser lidas no alcance indicado para cada pesquisa, sem generalizar automaticamente para outras escolas, disciplinas ou populações.

Ficam em aberto perguntas importantes: quais práticas produzem efeitos sustentados em turmas brasileiras? Como a motivação muda ao longo do ano? Que formas de apoio ajudam estudantes com diferentes necessidades sem reduzir matemática a atividades de interesse imediato? E como distinguir uma melhora de participação de uma melhora efetiva na aprendizagem? Para responder a essas perguntas, seria útil consultar os estudos completos, especialmente quando a escola pretende adotar uma intervenção de modo sistemático ou usar os resultados para orientar decisões de maior alcance.

Também convém lembrar que alguns estudos são específicos de matemática, enquanto outros abordam desempenho acadêmico de modo mais amplo. Resultados de estudantes com alto desempenho, de uma única escola ou de um programa de aprendizagem socioemocional não representam todas as realidades. A leitura mais responsável é usar esses achados como pontos de partida para observar a própria turma, comparar evidências e evitar explicações simples para problemas complexos.

Como o GeraProva ajuda com motivação e matemática

Uma avaliação pode ajudar o professor a perceber quais conceitos foram compreendidos e quais precisam de novas explicações, sem tratar a nota como medida completa da motivação do estudante. Com o gerador de provas do GeraProva, é possível preparar avaliações e atividades com apoio de IA; depois, cabe ao professor revisar as questões, adequá-las à turma e usar as respostas para planejar os próximos passos. Você pode conhecer a plataforma pelo cadastro grátis.

Perguntas frequentes sobre motivação e desempenho em matemática

Motivação alta sempre leva a notas melhores em matemática?

Não é isso que os estudos permitem afirmar. As pesquisas encontraram relações diferentes, e algumas não identificaram mediação ou efeitos principais estatisticamente significativos. Na Austrália, autoconceito e clareza instrucional se relacionaram ao desempenho em matemática; na pesquisa longitudinal com estudantes de alto desempenho, estratégias de autorregulação não mediaram significativamente a relação entre motivação e desempenho. Motivação importa como dimensão a observar, mas não substitui o ensino, as oportunidades de aprendizagem nem a análise do que o estudante realmente consegue fazer.

O que significa autoconceito acadêmico em matemática?

Em linguagem de sala de aula, é a percepção que o estudante tem sobre sua capacidade de aprender e realizar tarefas acadêmicas. Não é uma nota nem uma medida completa do conhecimento: um aluno pode acreditar que consegue avançar e ainda precisar de apoio em um conteúdo específico. No estudo australiano, o autoconceito foi o fator motivacional mais forte relacionado ao desempenho em matemática e ciências entre os aspectos analisados. Isso sugere que vale observar como o aluno se percebe, sem transformar essa percepção em rótulo permanente.

Aprendizagem cooperativa pode melhorar o desempenho matemático?

Uma pesquisa-ação com 40 estudantes do 10º ano na Tailândia relatou aumento do desempenho e da motivação ao longo de três ciclos de aprendizagem cooperativa. O ciclo final, com Pense-Pareie-Compartilhe, teve mais estudantes atingindo o critério de desempenho usado naquele estudo. É um resultado promissor, mas não garante que a mesma técnica produzirá o mesmo efeito em qualquer turma. Se decidir experimentar, organize a participação, escolha um conteúdo adequado e acompanhe tanto as respostas matemáticas quanto o envolvimento dos estudantes.

Como a clareza da explicação pode ajudar na aula de matemática?

O estudo australiano encontrou uma relação positiva entre clareza instrucional e desempenho em matemática. Isso não prova que toda explicação mais clara causará automaticamente melhora, mas reforça a importância de o aluno saber o objetivo da tarefa, compreender o que deve fazer e conseguir acompanhar os passos propostos. Como aplicação, o professor pode explicitar o propósito, modelar uma estratégia e abrir espaço para que os estudantes expliquem como chegaram a uma resposta. Depois, pode verificar se a turma entendeu o processo, não apenas se copiou o exemplo.

Como apoiar estudantes que parecem pouco motivados?

Os estudos não oferecem uma solução única, mas sugerem observar características e necessidades diferentes. Na pesquisa sobre aprendizagem socioemocional, estudantes avaliados inicialmente com motivação mais baixa tiveram maior probabilidade de apresentar melhora após a exposição ao programa, embora não tenham surgido efeitos principais estatisticamente significativos. Uma aplicação possível é identificar barreiras concretas: dificuldade para começar, medo de errar, falta de compreensão da tarefa ou pouca percepção de progresso. Conversar com o estudante e oferecer um próximo passo alcançável são opções pedagógicas a testar, não efeitos garantidos pela pesquisa.

Esses resultados podem ser aplicados diretamente às escolas brasileiras?

Não de forma automática. Várias pesquisas foram realizadas em outros países e em grupos específicos, como estudantes australianos do oitavo ano ou alunos de uma escola tailandesa. O estudo sobre escolas de tempo integral no Ceará oferece uma referência brasileira sobre desempenho, mas não isola a motivação como causa dos resultados. O mais prudente é usar os achados para formular hipóteses e adaptar atividades ao contexto local, observando os efeitos na própria turma. Quando uma decisão depender de detalhes metodológicos ou de uma intervenção ampla, vale consultar o estudo completo.

Referências sobre motivação e desempenho em matemática

As referências abaixo correspondem aos estudos citados no texto. Os links levam aos registros disponibilizados pela base ERIC.

1. Hart, Susan Crandall; DiPerna, James C.; Lei, Pui-Wa; Zhao, Hui; Sun, Tianying; Li, Xinyue; Husmann, Kyle (2024). A aprendizagem socioemocional universal promove o sucesso acadêmico? Análise dos resultados dos estudantes em condições rotineiras em turmas do primeiro ano do ensino fundamental (Does Universal SEL Promote Academic Success? Examining Learner Outcomes under Routine Conditions in First-Grade Classrooms). AERA Open. link.
2. Jung, Kwang Surk (2025). Uma análise longitudinal das relações entre motivação, estratégias de autorregulação e desempenho acadêmico de estudantes com alto desempenho acadêmico (A Longitudinal Analysis of Relations from Motivation to Self-Regulatory Strategy on Academic Achievement in Academically Higher-Achieving Students). Asia-Pacific Education Researcher. link.
3. Polklang, Chinanan; Seehamongkon, Yannapat (2025). Desenvolvimento do desempenho acadêmico e da motivação para aprender matemática de estudantes do 10º ano por meio da aprendizagem cooperativa (Development of Learning Achievement and Motivation in Learning Mathematics of Grade 10 Students by Cooperative Learning). Journal of Education and Learning. link.
4. Rémeau, Margot; Raffy, Gaël; Borst, Grégoire (2026). Resiliência acadêmica em contextos de desigualdade: perfis motivacionais e de autoeficácia de estudantes desfavorecidos com alto desempenho (Academic Resilience in Contexts of Inequality: Motivational and Self-Efficacy Profiles of Disadvantaged High Achievers). Journal of Adolescence. link.
5. Tian, Xinyi; Zhang, Yue (2026). Efeito do apoio dos pais e dos professores nas metas de desempenho de estudantes do ensino médio na China: o papel mediador da motivação extrínseca e da motivação intrínseca (Effect of Parental and Teacher Support on Performance Goals of Students in Chinese High Schools: The Mediating Role of External Motivation and Internal Motivation). Psychology in the Schools. link.
6. Zhang, Fa; Zhang, Xia; Wang, Yu (2025). Trajetórias específicas por domínio de clareza instrucional, motivação e desempenho acadêmico: evidências do TIMSS 2019 na Austrália (Domain-Specific Pathways of Instructional Clarity, Motivation, and Academic Achievement: Evidence from TIMSS 2019 in Australia). Psychology in the Schools. link.
7. Oliveira, Patrícia de Monte dos Santos; Justo, Wellington Ribeiro (2026). Implementação de políticas para escolas de tempo integral: uma análise do desempenho dos estudantes do Ceará no Saeb em 2013 e 2021 (Policy Implementation for Full-Time Schools: An Analysis of the Performance of Ceará Students in the Saeb in 2013 and 2021). Education Policy Analysis Archives. link.

Se alguma ideia deste texto fizer sentido para sua turma, experimente adaptá-la, observe o que os estudantes mostram e compartilhe o que funcionou com outros professores.