Da personalização à governamentalidade algorítmica: uma genealogia crítica da inteligência artificial na educação

Resumo

O artigo propõe uma genealogia crítica da inteligência artificial na educação, deslocando o debate da evolução tecnológica para a análise das racionalidades pedagógicas e políticas que sustentam sua consolidação histórica. Inspirado na noção de genealogia e na proposta de historicização da IA desenvolvida por Williamson e Eynon, o estudo argumenta que diferentes gerações de tecnologias educacionais — das máquinas de ensinar de Skinner aos Sistemas Tutores Inteligentes, às plataformas adaptativas e aos atuais modelos generativos — compartilham uma mesma promessa: a personalização da aprendizagem. Sustenta-se que essa promessa constitui o principal elemento de continuidade da inteligência artificial aplicada à educação, mais do que as sucessivas transformações técnicas frequentemente apresentadas como rupturas. A partir de uma revisão histórica e teórica, o artigo demonstra que a personalização depende da crescente transformação da aprendizagem em informação quantificável, permitindo sua modelagem, classificação e previsão por sistemas computacionais. Dialogando com autores como Apple, Selwyn, Biesta, Williamson, Hui e Rouvroy, argumenta-se que a inteligência artificial contemporânea representa a passagem de tecnologias voltadas à adaptação do ensino para formas de governamentalidade algorítmica baseadas na produção contínua de dados e perfis probabilísticos.

Palavras-chave: Inteligência Artificial na Educação; Governamentalidade Algorítmica; Personalização da Aprendizagem; Pedagogias Críticas; Tecnodiversidade.