Tomada de decisão no design de tecnologia educacional: os mesmos dados servem para planejar e agir?

Uma tecnologia educacional não ajuda o professor só por reunir dados: ela precisa ser desenhada para a decisão que o professor tem de tomar.

Essa diferença aparece em pesquisas recentes sobre painéis de aprendizagem, ferramentas de apoio em tempo real, inteligência artificial e atividades digitais. Em conjunto, os estudos sugerem que planejar uma sequência, acompanhar uma turma durante a aula e decidir como responder a uma dificuldade são tarefas distintas. Uma ferramenta pode oferecer informação útil, mas o valor pedagógico depende de como essa informação se relaciona com os objetivos, o momento e o julgamento do professor.

O que é tomada de decisão no design de tecnologia educacional e por que importa para o professor?

Tomada de decisão no design de tecnologia educacional é o processo de escolher como uma ferramenta vai apresentar informações, apoiar ações e se ajustar às necessidades de quem ensina e aprende. Para o professor, isso aparece em escolhas concretas: que dado consultar antes de uma atividade, o que observar durante o trabalho dos estudantes e como transformar o que foi observado em um próximo passo pedagógico.

O design, nesse contexto, não é apenas a aparência de um recurso. Inclui quais informações ele destaca, como organiza a navegação, que possibilidades de personalização oferece e se ajuda o professor a interpretar uma situação sem substituir seu julgamento. Uma ferramenta pode ser simples de usar e ainda assim não responder à pergunta pedagógica que está diante do docente.

Imagine uma turma trabalhando em uma atividade colaborativa. Antes da aula, o professor pode querer saber se o formato da tarefa parece adequado; durante a atividade, pode precisar perceber quem está participando ou avançando. São decisões relacionadas, mas não idênticas. Amarasinghe e colegas investigam justamente se os mesmos indicadores de análise da aprendizagem podem apoiar planejamento, reformulação de atividades e orquestração em tempo real (Amarasinghe, 2024).

Essa distinção ajuda a avaliar uma tecnologia para além da novidade. A pergunta deixa de ser apenas “o que a plataforma consegue medir?” e passa a incluir “que decisão essa informação me ajuda a tomar, em que momento e com que limites?”.

O que a pesquisa recente mostra

Os estudos recentes mostram que o design de ferramentas educacionais envolve escolhas sobre informação, contexto, participação docente e margem para interpretação. Alguns trabalhos investigam painéis e análise da aprendizagem; outros examinam protótipos de apoio à decisão, processos de reformulação orientados por dados e o uso de IA. Não formam uma única resposta definitiva, mas ajudam a reconhecer dimensões importantes para o trabalho docente.

Uma informação útil para planejar pode não bastar para agir durante a aula

Amarasinghe e colegas abordam uma pergunta especialmente próxima da rotina escolar: se os mesmos indicadores de análise da aprendizagem servem para apoiar tanto o planejamento e a reformulação das atividades quanto sua orquestração enquanto elas acontecem. Os autores observam que soluções baseadas em dados podem ampliar a compreensão do impacto dos designs de aprendizagem e também apoiar a percepção da participação e do progresso dos estudantes em tempo real. O estudo investiga essa questão usando uma ferramenta de aprendizagem colaborativa com análise da aprendizagem e formula considerações de design para as duas tarefas (Amarasinghe, 2024).

A contribuição aqui é a própria distinção entre tarefas docentes. Antes da aula, uma informação pode ajudar a revisar o desenho da atividade; durante a aula, o professor precisa interpretar uma situação em andamento. Não é prudente presumir que um mesmo indicador, apresentado da mesma maneira, responda igualmente bem às duas necessidades. O estudo não oferece, no resumo, uma regra universal sobre quais indicadores usar; ele evidencia que a relação entre indicador e tarefa merece ser examinada.

Uma preocupação semelhante aparece em pesquisas sobre painéis. Mohseni e Masiello descrevem o desenvolvimento de múltiplos painéis de análise da aprendizagem para professores do ensino fundamental, seguindo etapas de identificação de requisitos, geração de ideias, criação colaborativa, testes de usabilidade e implementação. Os resultados relatam painéis adaptados para professores de diferentes municípios e feedback sobre clareza, navegação, funcionalidade e design, além de aspectos a aprimorar (Mohseni, 2026).

Já Verbunt-Janssen e colegas investigam um painel docente voltado à aprendizagem autorregulada. Em duas rodadas participativas, profissionais da educação contribuíram para identificar indicadores metacognitivos e recursos de interface. Os professores valorizaram indicadores ligados a definição de metas, execução e adaptações, além de personalização, informações adicionais e clareza para consulta rápida; a definição da tarefa recebeu prioridade menor (Verbunt-Janssen, 2026). O resultado reforça que o que merece aparecer em um painel depende da pergunta pedagógica e da forma como o professor pretende usar a informação.

O julgamento do professor continua no centro, mesmo quando a ferramenta oferece apoio

Unciti e Palau apresentam o desenvolvimento de um protótipo para facilitar decisões docentes em sala, considerando variáveis relacionadas aos estudantes, ao professor e ao ambiente. A pesquisa usou uma abordagem de pesquisa baseada em design: uma análise da literatura orientou a primeira versão, e uma avaliação de especialistas contribuiu para uma segunda versão. Os autores apresentam esse trabalho como um primeiro passo para o desenvolvimento tecnológico de uma solução de apoio à decisão em tempo real (Unciti, 2023).

O interesse desse protótipo está em reconhecer que uma decisão em sala não depende de um único fator. Uma mesma atividade pode estar acontecendo em condições distintas, e as informações sobre os estudantes não existem separadas do contexto e das escolhas do professor. O estudo não relata uma ferramenta já consolidada como solução para qualquer aula: descreve uma etapa de desenvolvimento e aponta potencial para apoiar o professor e personalizar a experiência de aprendizagem.

Na discussão sobre IA, Sasaya examina como estudantes de uma disciplina de graduação baseada em design justificaram, limitaram e integraram sugestões de IA generativa ao criar vídeos educativos para alunos do ensino médio. O estudo identifica uma progressão em três dimensões: negociação com a ferramenta, mediação reflexiva de suas possibilidades e limitações e consolidação da autoria pedagógica. Nos casos analisados, os estudantes passaram de tratar a IA como recurso de produtividade a posicioná-la como recurso didático que exige discernimento e responsabilidade (Sasaya, 2026).

O foco, portanto, não é medir se a IA teve bom desempenho, mas acompanhar o trabalho interpretativo de quem a utiliza. Os autores entendem o julgamento pedagógico como algo que emerge da interação entre intenção humana e mediação tecnológica. Para professores, é uma distinção valiosa: receber uma sugestão automática não equivale a ter uma decisão pedagógica pronta.

Projetar uma atividade também é observar como os estudantes tomam decisões

Stamm investiga processos de composição digital e multimodal de estudantes do quinto ano em um ambiente escolar permeado por tecnologia. O estudo observa gravações de tela, relatos em voz alta, produções dos estudantes e outros materiais, com atenção a como eles transitam entre dispositivos, plataformas e modos de expressão. A análise identifica quatro tipos de compositores, associados a necessidades e influências de estratégia distintas (Stamm, 2026).

O resumo não enumera esses quatro tipos, então não cabe convertê-los em perfis prontos para classificar crianças. O ponto que se pode levar para a prática é que a produção digital pode envolver processos diversos, e olhar apenas para o produto final deixa de fora decisões e caminhos de trabalho. Os achados oferecem percepções para educadores que buscam apoiar estudantes diferentes durante tarefas de composição digital.

Bernstein e Puttick analisam o currículo BioRobots, no qual estudantes do ensino fundamental II pesquisam animais escavadores e projetam, constroem e programam um protótipo de robô de busca e resgate ao longo de 21 aulas. Esboços, storyboards, protótipos, programas no Scratch e gestos funcionaram como representações para construir sentido sobre relações entre estrutura e função, tanto na análise biológica quanto no projeto de engenharia (Bernstein, 2026).

Os autores destacam o papel da abstração e da decomposição para registrar ideias biológicas e tentar transformá-las em soluções de engenharia. Esse estudo não trata de painel de dados ou de IA, mas amplia a conversa sobre design: as ferramentas e representações usadas pelos estudantes também influenciam como eles explicam, testam e transformam ideias. Nesse caso, o currículo e seus materiais dão suporte a um processo de criação que cruza disciplinas.

Reformular uma tecnologia com dados pode produzir efeitos diferentes

Lyu e colegas testaram um processo de reformulação orientado por dados em quatro unidades de um sistema tutor inteligente de matemática para o ensino fundamental II. As unidades foram escolhidas pelo tema, e não por terem sido previamente selecionadas como candidatas promissoras à reformulação. Em um estudo em sala com 123 estudantes, os ganhos de aprendizagem não diferiram entre as condições. Ainda assim, os estudantes que usaram o tutor reformulado tiveram mais tempo de atividade produtivo, praticaram mais habilidades e alcançaram maior domínio total de conhecimento (Lyu, 2026).

Esse resultado é útil justamente por não reduzir a avaliação da tecnologia a uma única medida. No estudo, os ganhos de aprendizagem não foram diferentes entre as condições, mas outros resultados ligados à atividade e ao domínio total favoreceram o tutor reformulado. Os autores interpretam os achados como evidência da promessa e da aplicabilidade ampla do processo de reformulação, mesmo em unidades que não foram selecionadas por parecerem especialmente propensas a melhorar.

Charles propõe conceitualmente a ideia de prontidão docente orientada pelo design para aprendizagem interativa enriquecida por IA. Em vez de tratar prontidão apenas como adoção, confiança ou competência, o referencial a descreve como capacidade de mobilizar recursos profissionais para criar experiências alinhadas pedagogicamente, inclusivas e eticamente defensáveis. O texto também situa clareza de políticas e apoio institucional como condições que influenciam o processo e propõe fundamentos para validação empírica (Charles, 2026).

Como se trata de um artigo conceitual, essa proposta não deve ser lida como prova de que um modelo de formação já produziu determinados resultados em sala. Sua utilidade está em ampliar a pergunta: além de saber usar uma tecnologia, o professor tem condições de desenhar uma experiência coerente, receber retorno do que implementou e responder a questões éticas e institucionais?

A autonomia dos estudantes se constrói com mediação, não só com acesso a ferramentas

Moon e Oh acompanham longitudinalmente estudantes do ensino secundário que aprendem inglês como língua estrangeira por meio de aprendizagem orientada por dados. O trabalho inclui quatro fases pedagógicas, que avançam do ensino orientado pelo professor para práticas personalizadas e autodirigidas. Os autores relatam que a autonomia vai além do domínio técnico das ferramentas: desenvolve-se de modo social, emocional e contextual, com participação da identidade, dos aspectos afetivos e das estratégias (Moon, 2026).

Os casos descritos mostram caminhos diferentes. Um estudante, chamado de Planejador, progrediu com apoio estruturado e gradual; outro, o Explorador, exerceu sua agência por meio de envolvimento multimodal ligado a interesses pessoais. Os autores ressaltam o papel da expertise docente, especialmente de conhecimentos tecnológicos, pedagógicos e de conteúdo adaptativos, para tornar a aprendizagem acessível e sustentar o engajamento (Moon, 2026).

Embora o contexto seja o ensino de inglês como língua estrangeira no ensino secundário, a questão pode interessar a professores de outras áreas: dar acesso a uma ferramenta não garante que todos os estudantes desenvolvam autonomia da mesma forma. O estudo destaca a importância de considerar apoio, interesses e contexto no percurso, em vez de supor que a tecnologia fará esse trabalho sozinha.

Os estudos lado a lado

A tabela resume o que cada estudo citado investigou e relata, distinguindo resultados de propostas conceituais ou etapas de desenvolvimento. Os contextos abaixo são os que aparecem nos resumos; quando eles não identificam um país, não é possível atribuir um.

Pontos em comum e divergências entre os estudos

Os estudos convergem em um ponto: tecnologia e dados não definem sozinhos a qualidade da decisão pedagógica. O design do recurso, a tarefa que o professor precisa realizar e a interpretação humana aparecem como partes relacionadas. Isso fica claro tanto nos trabalhos sobre painéis, que consideram clareza e pertinência dos indicadores, quanto nos estudos de IA, que destacam a necessidade de justificar e limitar as sugestões da ferramenta.

Também há convergência na valorização de processos iterativos ou situados. Mohseni e Masiello descrevem etapas de desenvolvimento com participação dos profissionais e testes de usabilidade; Verbunt-Janssen e colegas usam rodadas participativas para refinar indicadores e interface; Unciti e Palau apresentam a evolução de um protótipo após avaliação de especialistas. Esses trabalhos não tratam o design como uma decisão única tomada antes de conhecer as necessidades de uso.

As diferenças estão no objeto e no tipo de evidência. Alguns estudos desenvolvem ou propõem ferramentas; outros observam como estudantes compõem, aprendem ou usam representações. Lyu e colegas comparam um sistema reformulado ao original e relatam resultados em medidas distintas. Charles desenvolve um referencial conceitual, enquanto Sasaya analisa a interpretação de sugestões de IA. Não é adequado colocar todos esses resultados na mesma categoria ou concluir que uma prática específica funciona para qualquer turma.

Uma questão permanece aberta: como escolher e apresentar informações para apoiar tarefas docentes diferentes sem sobrecarregar o professor ou transformar indicadores em instruções automáticas? A pesquisa de Amarasinghe e colegas explicita essa lacuna ao examinar se os mesmos indicadores atendem planejamento e orquestração. Os demais estudos ajudam a ampliar a pergunta, mas não estabelecem uma resposta universal para todas as disciplinas, idades e condições de escola.

O que isso significa para a sala de aula?

Os estudos não oferecem um roteiro único para professores brasileiros. As ideias abaixo são aplicações possíveis inspiradas pelas questões que eles levantam, não resultados testados diretamente em todas as turmas. O objetivo é transformar a leitura sobre design em perguntas práticas para escolher, adaptar e avaliar recursos.

1. Comece pela decisão, não pela lista de recursos da plataforma

Como aplicação, antes de usar uma ferramenta, escreva em uma frase qual decisão ela deveria apoiar. Por exemplo: “quero perceber quais grupos precisam de uma orientação adicional durante a atividade”. Depois, confira se a informação que a ferramenta oferece realmente ajuda nessa decisão. Essa verificação conversa com a diferença entre planejamento e orquestração investigada por Amarasinghe e colegas (Amarasinghe, 2024).

2. Separe o que você precisa saber antes e durante a aula

Como aplicação, planeje duas consultas diferentes: uma para rever a atividade depois de uma aula e outra para acompanhar o andamento da próxima. Imagine uma turma de 7º ano em trabalho colaborativo: antes, o professor pode querer revisar se as instruções favoreceram a participação; durante, pode precisar observar se algum grupo está sem avançar. Evite presumir que o mesmo indicador responda às duas perguntas. Essa distinção decorre da questão levantada no estudo sobre indicadores para tarefas docentes (Amarasinghe, 2024).

3. Trate um painel como apoio à interpretação, não como veredito

Como aplicação, quando um painel sinalizar pouca atividade ou progresso, use a indicação como motivo para investigar, não como conclusão automática sobre esforço ou aprendizagem. Considere o objetivo da tarefa, as condições da aula e o que você observou diretamente. A pesquisa sobre painéis destaca necessidades de clareza, funcionalidade e consulta rápida, enquanto o protótipo de apoio à decisão considera variáveis do estudante, do professor e do ambiente (Mohseni, 2026; Unciti, 2023).

4. Observe o processo de criação, além do produto final

Como aplicação, em uma atividade digital, reserve momentos para os estudantes explicarem como escolheram imagens, organizaram ideias ou mudaram uma versão. Imagine uma produção multimodal de uma turma do 5º ano: dois trabalhos com resultado parecido podem ter sido feitos por caminhos muito diferentes. Observar o processo pode ajudar o professor a oferecer apoios variados, uma possibilidade coerente com o estudo sobre composição digital, sem transformar os tipos descritos na pesquisa em rótulos fixos (Stamm, 2026).

5. Peça justificativas quando estudantes usarem IA

Como aplicação, proponha que o estudante indique que sugestão de uma ferramenta de IA aproveitou, qual adaptou e qual decidiu não usar, explicando a relação com o objetivo da tarefa. Por exemplo, em uma produção de vídeo, a turma pode comparar uma sugestão de roteiro com o público a que o vídeo se destina. Essa atividade não reproduz diretamente o estudo de Sasaya, que foi feito em uma disciplina de graduação, mas leva para a sala a importância que ele atribui à interpretação, à autoria e à responsabilidade (Sasaya, 2026).

6. Ofereça apoios graduais sem presumir um único caminho para autonomia

Como aplicação, em uma tarefa de pesquisa digital, alguns estudantes podem se beneficiar de uma sequência de passos e outros podem começar por uma pergunta de interesse próprio. O professor pode oferecer um ponto de partida comum e opções de aprofundamento, acompanhando quem precisa de mais estrutura. Moon e Oh descrevem percursos distintos de estudantes e destacam o caráter social, emocional e contextual da autonomia, mas o exemplo proposto aqui é uma forma de adaptar essa ideia a outra atividade (Moon, 2026).

7. Revise a ferramenta com base em sinais diferentes, não em uma métrica isolada

Como aplicação, ao experimentar um recurso, observe mais de um aspecto: se os estudantes conseguem realizar a tarefa, que tipos de estratégias praticam e que evidências de compreensão aparecem. Não conclua que uma plataforma melhorou a aprendizagem apenas porque aumentou o tempo de uso. No estudo de Lyu e colegas, os ganhos de aprendizagem não diferiram entre condições, embora outras medidas tenham favorecido o tutor reformulado; isso mostra por que vale preservar a distinção entre os resultados (Lyu, 2026).

8. Dê espaço para os estudantes representar suas ideias de mais de uma maneira

Como aplicação, em uma atividade de investigação ou projeto, permita combinar desenho, fala, modelo físico ou programação para explicar uma ideia, desde que isso faça sentido para o objetivo pedagógico. Em uma proposta hipotética sobre como animais se movimentam, a turma poderia comparar um esboço, um modelo simples e uma explicação oral. Bernstein e Puttick relatam o uso de múltiplas representações em um currículo específico de robótica biomimética; a adaptação para outra turma exige escolhas próprias do professor (Bernstein, 2026).

O que muda no contexto brasileiro?

Para professores brasileiros, a principal cautela é não transportar automaticamente conclusões de contextos descritos em pesquisas para a realidade da própria escola. Os resumos disponíveis não identificam, na maioria dos casos, o país dos estudos; portanto, não é possível atribuir a eles políticas, currículos ou condições nacionais específicas. Alguns indicam etapas de ensino ou áreas, mas isso não basta para afirmar que as mesmas ferramentas, recursos ou rotinas estejam presentes nas escolas brasileiras.

O que pode ser aproveitado com mais segurança são as perguntas de design: a informação atende a uma decisão real? A interface é clara? O professor participou da escolha do que aparece? O uso da IA exige uma justificativa pedagógica? Essas questões podem orientar uma conversa entre docentes e coordenação, uma análise de uma plataforma já adotada ou um teste pequeno antes de ampliar seu uso.

As condições concretas importam. Uma recomendação de aplicação precisa considerar acesso aos dispositivos e à internet, tempo disponível para planejamento, familiaridade dos estudantes com a ferramenta e apoio oferecido pela escola. Esses fatores não foram detalhados de forma suficiente nos resumos para permitir comparações entre redes ou estabelecer uma solução brasileira única. O referencial de Charles, por exemplo, chama atenção para o papel do apoio institucional e da clareza de políticas, mas não deve ser confundido com uma política pública brasileira (Charles, 2026).

Também vale preservar o julgamento profissional. Um dado produzido por uma plataforma não representa tudo o que um estudante sabe, sente ou consegue fazer em uma atividade. Por isso, na aplicação local, combine os registros disponíveis com produções, conversas e observações pertinentes à situação, sem tratar isso como uma recomendação experimental comprovada por todos os estudos. A tecnologia pode ajudar a organizar uma decisão; o sentido pedagógico continua dependendo do contexto brasileiro e da leitura que o professor faz dele.

Quais são os limites desta leitura?

Este artigo se baseia nos resumos de dez estudos recentes, não na leitura integral de cada publicação. Os resumos permitem identificar objetivos, abordagens e resultados relatados, mas nem sempre oferecem detalhes suficientes sobre instrumentos, participantes, duração, condições de implementação ou limites metodológicos. Por isso, as conclusões foram mantidas no nível que os resumos sustentam, e propostas para a prática foram marcadas como aplicações possíveis.

Há perguntas que permanecem abertas: como os resultados se transferem entre etapas, disciplinas e escolas? Quais indicadores funcionam melhor para cada tipo de decisão? Como a qualidade da interface afeta o uso ao longo do tempo? E como apoiar professores sem aumentar a carga de interpretação? Para responder a perguntas específicas sobre eficácia, generalização, privacidade, condições de implementação ou características de uma amostra, faz sentido consultar o estudo completo. Isso é especialmente importante antes de adotar uma ferramenta ou transformar uma proposta conceitual em procedimento escolar.

Como o GeraProva ajuda com este assunto?

O GeraProva pode apoiar uma parte do trabalho de avaliação ao ajudar a criar provas e atividades com IA, que o professor pode revisar e ajustar aos objetivos e às necessidades da turma. Isso não substitui o julgamento docente nem decide qual evidência é adequada para cada estudante; oferece um ponto de partida para preparar materiais. Conheça o gerador de provas do GeraProva e faça seu cadastro grátis.

Perguntas frequentes sobre tomada de decisão e tecnologia educacional

Os mesmos dados servem para planejar e conduzir uma aula?

Não é seguro presumir que sirvam da mesma forma. Amarasinghe e colegas investigam justamente se os mesmos indicadores de análise da aprendizagem conseguem apoiar planejamento, reformulação e orquestração de atividades. O resumo apresenta essa como uma questão que requer investigação e relata considerações de design, não uma regra universal. Para a prática, vale explicitar o que se quer decidir antes da aula e o que se precisa acompanhar durante ela. Depois, confira se a informação disponível responde a cada pergunta sem confundir um indicador com uma conclusão sobre a aprendizagem.

Um painel de aprendizagem pode dizer ao professor o que fazer?

Os estudos sobre painéis tratam essas ferramentas como apoio informacional, não como substitutas automáticas do julgamento docente. A pesquisa de Verbunt-Janssen e colegas mostra que professores valorizaram indicadores metacognitivos, personalização e clareza para consulta rápida; Mohseni e Masiello relatam feedback sobre navegação, funcionalidade e design. Isso ajuda a pensar no que torna um painel mais utilizável, mas não significa que ele determine a melhor intervenção em qualquer situação. O professor ainda precisa interpretar os dados junto com o objetivo da atividade e as condições da turma.

O que a pesquisa sugere sobre o uso de IA no planejamento pedagógico?

Os estudos citados apontam para a importância de tratar a IA como recurso que requer interpretação. Sasaya relata que estudantes integraram sugestões de IA generativa de maneiras justificadas e estratégicas, passando a considerar possibilidades, limites e autoria pedagógica. Charles propõe um referencial em que a prontidão docente envolve mobilizar recursos profissionais para desenhar experiências alinhadas, inclusivas e eticamente defensáveis, em contexto institucional favorável. Essas pesquisas não demonstram que qualquer uso de IA melhora o ensino. Uma aplicação cuidadosa é revisar as sugestões e verificar se elas atendem ao objetivo e às necessidades previstas dos estudantes.

Como posso avaliar se uma ferramenta digital está ajudando?

Comece por uma pergunta delimitada: que atividade ou decisão a ferramenta deveria apoiar? Depois, observe mais de uma evidência, como a realização da tarefa, as estratégias que os estudantes praticaram e o que demonstram compreender. O estudo de Lyu e colegas oferece um exemplo da importância de distinguir medidas: os ganhos de aprendizagem não diferiram entre condições, embora o grupo que usou o tutor reformulado tenha apresentado mais tempo produtivo, mais habilidades praticadas e maior domínio total. Esse resultado não se transfere automaticamente a outras ferramentas, mas alerta contra avaliar um recurso com uma medida isolada.

A tecnologia pode ajudar estudantes a desenvolver autonomia?

O estudo longitudinal de Moon e Oh indica que autonomia em aprendizagem digital orientada por dados vai além de saber operar uma ferramenta. No contexto de estudantes do ensino secundário aprendendo inglês como língua estrangeira, os autores descrevem um desenvolvimento social, emocional e contextual, com percursos distintos: um estudante avançou com apoio estruturado e gradual, enquanto outro explorou recursos alinhados aos próprios interesses. A pesquisa destaca a mediação docente adaptativa. Para outras turmas e áreas, isso não é uma garantia de resultado, mas ajuda a evitar a ideia de que oferecer acesso digital, por si só, produz autonomia.

O que significa envolver professores no design de uma tecnologia?

Significa considerar as necessidades e o feedback de quem vai usar o recurso ao definir o que ele oferece e como apresenta suas informações. Nos estudos de painéis, isso aparece em entrevistas, sessões de criação, testes de usabilidade, grupos focais e questionários. Os professores contribuíram para discutir indicadores, personalização, clareza e navegação. A participação não assegura que uma ferramenta resolva todos os problemas, mas pode ajudar a aproximar o design das tarefas reais. Na escola, uma aplicação possível é reunir docentes para testar um recurso com uma pergunta pedagógica clara e registrar o que facilita ou dificulta seu uso.

Referências

As referências listadas correspondem aos estudos citados no texto. Os títulos em português seguem os títulos traduzidos fornecidos; os títulos originais aparecem entre parênteses.

1. Amarasinghe, Ishari; Michos, Konstantinos; Crespi, Francisco; Hernández-Leo, Davinia (2024). Apoio da análise da aprendizagem ao planejamento e à orquestração de tarefas pelos professores (Learning Analytics Support to Teachers' Design and Orchestrating Tasks). Journal of Computer Assisted Learning. Link.
2. Unciti, Oihane; Palau, Ramon (2023). Ferramenta de apoio à tomada de decisão docente: desenvolvimento de um protótipo para facilitar a tomada de decisão do professor em sala de aula (Teacher Decision Making Tool: Development of a Prototype to Facilitate Teacher Decision Making in the Classroom). Journal of Technology and Science Education. Link.
3. Sasaya, Takayoshi (2026). Agência pedagógica distribuída como trabalho interpretativo: rastreando a emergência do julgamento docente no design instrucional mediado por IA (Distributed Pedagogical Agency as Interpretive Labor: Tracing the Emergence of Teacherly Judgment in AI-Mediated Design). Education and Information Technologies. Link.
4. Stamm, Brett (2026). Compreendendo os compositores multimodais: como processos diversos moldam a composição digital como prática de design (Understanding Multimodal Composers: How Diverse Processes Shape Digital Composing as a Design Practice). Reading Research Quarterly. Link.
5. Verbunt-Janssen, Susan; Knoop-van Campen, Carolien A. N.; Baars, Martine; Molenaar, Inge (2026). Design de painel docente para a aprendizagem autorregulada: uma abordagem participativa (Teacher Dashboard Design for Self-Regulated Learning: A Participatory Approach). Educational Technology Research and Development. Link.
6. Charles, Tendai (2026). Prontidão docente orientada pelo design para a aprendizagem interativa enriquecida por IA (Teacher Readiness-by-Design for AI-Rich Interactive Learning). Journal of Computer Assisted Learning. Link.
7. Lyu, Qianru; Borchers, Conrad; Xia, Meng; Xiao, Karen; Carvalho, Paulo F.; Koedinger, Kenneth R.; Aleven, Vincent (2026). Avaliação de um Processo de Reformulação Orientado por Dados para Sistemas Tutores Inteligentes (Evaluating a Data-Driven Redesign Process for Intelligent Tutoring Systems). Grantee Submission. Link.
8. Bernstein, Debra; Puttick, Gillian (2026). Construção de robôs biomiméticos no ensino fundamental II por meio do alinhamento de práticas STEM (Building Biomimetic Robots in Middle School by Aligning STEM Practices). Journal of Science Education and Technology. Link.
9. Moon, Soyeon; Oh, Sun-Young (2026). Da agência à autonomia na aprendizagem orientada por dados mediada: um estudo longitudinal (Agency to Autonomy in Mediated Data-Driven Learning: A Longitudinal Study). Language Learning & Technology. Link.
10. Mohseni, Zeynab; Masiello, Italo (2026). Coconcepção, desenvolvimento e implementação de múltiplos painéis de análise da aprendizagem para a tomada de decisões educacionais orientada por dados: uma abordagem de pesquisa baseada em design (Co-Designing, Developing, and Implementing Multiple Learning Analytics Dashboards for Data-Driven Decision-Making in Education: A Design-Based Research Approach). Educational Technology Research and Development. Link.

Se estiver avaliando uma ferramenta ou planejando uma atividade digital, escolha uma decisão pedagógica concreta para começar. A partir dela, fica mais fácil perceber que tipo de apoio realmente faz sentido para sua turma.