IA generativa em sala de aula: um experimento controlado para medir o que ela ensina — e o que apaga

Resumo

A crescente adoção de ferramentas de Inteligência Artificial (IA) Generativa no desenvolvimento de software levanta questões relevantes sobre seus impactos na qualidade do código produzido, na produtividade dos desenvolvedores e no processo de aprendizagem dos estudantes, especialmente diante da ausência de diretrizes consolidadas sobre seu uso em contextos acadêmicos. Este trabalho apresenta o planejamento de um estudo laboratorial controlado com o objetivo de investigar esses impactos no desenvolvimento realizado por estudantes e egressos do curso de Engenharia de Software da Universidade de Brasília (UnB). A metodologia se estrutura em três etapas: recrutamento, exercício de programação e questionário final. Os participantes são divididos aleatoriamente em dois grupos experimentais, um com uso obrigatório de ferramentas de IA e outro sem acesso a esse recurso, e ambos realizam a mesma atividade utilizando a biblioteca React. A coleta de dados combina métricas objetivas de qualidade de código, como linhas de código (LOC), saúde do código, erros de lint e tempo de execução, com métricas subjetivas de natureza psicológica, incluindo satisfação, utilidade percebida, autoeficácia, emoções positivas e disposição para aprendizagem autônoma, mensuradas por meio de questionários em escala de Likert. O planejamento é estruturado com base no modelo Goal-Question-Metric (GQM) e inspirado nas diretrizes do ACM SIGSOFT Empirical Standard for Experiments with Human Participants. Espera-se que os resultados contribuam para a compreensão dos benefícios e limitações do uso da IA Generativa em contextos educacionais, fornecendo evidências que auxiliem pesquisadores, docentes e instituições de ensino na adoção consciente dessas tecnologias.