Análise dos Impactos da Inteligência Artificial no Ensino da Programação no Ensino Superior: Um Mapeamento Sistemático da Literatura
Palavras-chave:
Inteligência Artificial, Ensino de Programação, Ensino Superior, Mapeamento Sistemático da LiteraturaResumo
A crescente utilização de ferramentas de Inteligência Artificial (IA), tem transformado o ensino de programação no ensino superior. Este Mapeamento Sistemático da Literatura tem como objetivo identificar os impactos da Inteligência Artificial no processo de ensino e aprendizagem. Foram analisados estudos publicados entre 2020 e 2025, selecionados a partir de buscas em bases da área de Computação. As evidências indicam benefícios como personalização da aprendizagem, feedback imediato, aumento do engajamento e apoio à resolução de problemas. Por outro lado, também foram identificados desafios relacionados à dependência tecnológica, e desenvolvimento do pensamento crítico. Os estudos evidenciam a necessidade de integração pedagógica planejada dessas ferramentas no contexto educacional.
Referências
Almeida, E. P. O. et al. (2025). Inteligência artificial na educação superior: uma revisão integrativa. Journal of Media Critiques, 11(27).
Alyahyan, E., Ada, M. B., and Lever, J. (2025). Adoption, usage, and perceptions of LLM-generated feedback in computer science education: a cross-cultural study of students and academics. In: Proceedings of the Frontiers in Education Conference (FIE 2025), pages 1–9.
Becker, B. A., Denny, P., Finnie-Ansley, J., Luxton-Reilly, A., Prather, J., and Santos, E. A. (2023). Programming is hard – or at least it used to be: educational opportunities and challenges of AI code generation. In: Proceedings of the 54th ACM Technical Symposium on Computer Science Education (SIGCSE 2023), pages 500–506. Association for Computing Machinery.
Cao, H. (2025). Experiences and insights gained from AI-assisted programming instruction in higher education. In: Proceedings of the ACM Conference on Innovation and Technology in Computer Science Education (ITiCSE 2025), pages 159–166. Association for Computing Machinery.
Denny, P., Prather, J., Becker, B. A., Finnie-Ansley, J., Hellas, A., Leinonen, J., Luxton-Reilly, A., Reeves, B. N., Santos, E. A., and Sarsa, S. (2024). Computing education in the era of generative AI. Communications of the ACM, 67:56–67.
Fernandez, A. S. and Cornell, K. A. (2024). CS1 with a side of AI: teaching software verification for secure code in the era of generative AI. In: Proceedings of the 55th ACM Technical Symposium on Computer Science Education (SIGCSE 2024), pages 345–351. Association for Computing Machinery.
Inácio Teixeira, M. F. H. B. and Silva Filho, L. G. d. (2025). O impacto da inteligência artificial entre estudantes do ensino superior. Revista Eletrônica da Estácio Recife, 12(1):86–101.
Kohen-Vacs, D., Usher, M., and Jansen, M. (2025). Integrating generative AI into programming education: student perceptions and the challenge of correcting AI errors. International Journal of Artificial Intelligence in Education, 35:3166–3184.
Lau, S. and Guo, P. (2023). From “Ban it till we understand it” to “Resistance is futile”: how university programming instructors plan to adapt as more students use AI code generation and explanation tools such as ChatGPT and GitHub Copilot. In: Proceedings of the 2023 ACM Conference on International Computing Education Research (ICER 2023), pages 106–121. Association for Computing Machinery.
Liao, J., Zhong, L., Zhe, L., Xu, H., Liu, M., and Xie, T. (2024). Scaffolding computational thinking with ChatGPT. IEEE Transactions on Learning Technologies, 17:1628–1642.
Liu, Y. (2023). Leveraging the power of AI in undergraduate computer science education: opportunities and challenges. In: Proceedings of FIE 2023, pages 1–5. IEEE.
Ma, Q. C., Wu, S. T., and Koedinger, K. R. (2023). Is AI the better programming partner? Human-human pair programming vs. human-AI pair programming. In: Proceedings of the 24th International Conference on Artificial Intelligence in Education Workshops (LLM@AIED 2023), pages 64–77.
Neumann, M., Rauschenberger, M., and Schön, E.-M. (2023). “We need to talk about ChatGPT”: the future of AI and higher education. In: Proceedings of the International Conference on Software Engineering Education and Training (SEENG 2023), pages 29–32.
Petersen, K., Feldt, R., Mujtaba, S., and Mattsson, M. (2008). Systematic mapping studies in software engineering. In: Proceedings of EASE 2008.
Rahman, M. M. and Watanobe, Y. (2023). ChatGPT for education and research: opportunities, threats, and strategies. Applied Sciences, 13(9):5783.
Scholl, A. and Kiesler, N. (2024). How novice programmers use and experience ChatGPT when solving programming exercises in an introductory course. In: Proceedings of the Frontiers in Education Conference (FIE 2024), pages 1–9.
Shihab, M. I. H., Hundhausen, C., Tariq, A., Haque, S., Qiao, Y., and Mulanda, B. W. (2025). The effects of GitHub Copilot on computing students’ programming effectiveness, efficiency, and processes in brownfield coding tasks. In: Proceedings of the 2025 ACM Conference on International Computing Education Research (ICER 2025), pages 407–420. Association for Computing Machinery.
Silva, T. L. d., Vidotto, K. N. S., Tarouco, L. M. R., and Silva, P. F. d. (2024). Potencialidades do uso de Inteligência Artificial Generativa como apoio ao ensino de programação. In: Anais do Simpósio Brasileiro de Informática na Educação (SBIE 2024), pages 1942–1956. SBC.
Sisilitsyn, Y. and Osadchyi, V. (2023). Using ChatGPT in distance learning for beginners in programming. Information Technologies and Learning Tools, 97(5):167–180.
Styve, A., Virkki, O. T., and Naeem, U. (2024). Developing critical thinking practices interwoven with generative AI usage in an introductory programming course. In: Proceedings of the IEEE Global Engineering Education Conference (EDUCON 2024), pages 01–08.
Velho, M. A. d. B. (2025). Investigando o impacto da inteligência artificial generativa no aprendizado em programação. Dissertação (Mestrado), Universidade Federal do Rio Grande do Sul, Porto Alegre.
Downloads
Publicado
Edição
Seção
Categorias
Licença
Direitos autorais (c) 2026 Daniele da Silva Fonseca, Evanise Araujo Caldas Ruiz (Autor)
Este trabalho está licenciado sob uma licença Creative Commons Attribution-ShareAlike 4.0 International License.
Os autores mantêm os direitos autorais sobre os trabalhos publicados nesta revista, concedendo à SETIF o direito de primeira publicação. O conteúdo está licenciado sob uma Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional (CC BY-SA 4.0), que permite copiar, redistribuir, remixar, transformar e criar a partir do material para qualquer finalidade, inclusive comercial, desde que seja atribuída a autoria e feita referência à publicação original neste local.
Os autores concordam que qualquer reutilização de seu trabalho por terceiros deve incluir o nome dos autores, o título do artigo, o nome da revista, o DOI (quando disponível) e o link para a licença.
É permitido e incentivado que os autores disponibilizem a versão publicada do trabalho em repositórios institucionais, sites pessoais ou redes acadêmicas imediatamente após a publicação, com menção à publicação inicial nesta revista.
