Mensurando o impacto do aprendizado com IA em Serra Leoa e além

O ensaio clínico randomizado de oito semanas em Serra Leoa — o primeiro estudo controlado e publicado sobre o Guided Learning do Gemini — envolveu 1.763 alunos do 7º e 8º anos em 48 turmas de matemática, com resultados robustos: ganho médio de +0,26 desvios padrão em proficiência matemática, equivalente a 1,2–1,7 anos de progresso escolar típico em países de baixa e média renda. Alunos que usaram o Gemini for Education por 12 horas ou mais obtiveram +0,38 desvios padrão — saltando do percentil 50º para o 69º na distribuição de desempenho. A análise de 113.000 interações revelou que 91,4% das conversas tiveram foco em construção conceitual, com o Gemini 2.5 Pro empregando perguntas socráticas em 76% das respostas e soluções diretas em apenas 2%, reforçando seu design pedagógico diferenciado frente a modelos como GPT-4, Claude Opus ou Gemini 1.5.

A implementação foi inteiramente liderada por professores locais, com infraestrutura mínima: o TheTeacher.AI (chatbot no WhatsApp com suporte 2G) e o Gemini for Education operaram mesmo em conexões limitadas. O engajamento foi excepcional — 69% dos alunos atingiram ou superaram metas de uso, contra a taxa típica de 5% em edtechs globais. O Ministério da Educação de Serra Leoa já anunciou escala nacional para 2025, com apoio da EducAid, Laterite e Oxford MeasureEd. Paralelamente, o Google expande o Gemini for Education via parcerias com UNICEF no Quênia, Brasil, Índia e Paquistão, e com a União Africana para capacitar 150.000 estudantes e docentes até 2027.

Esse estudo é um marco global porque fornece evidência empírica rara — e replicável — de que ferramentas de IA como o Gemini for Education podem reduzir lacunas educacionais estruturais em contextos de escassez. Ao contrário de soluções genéricas, o Guided Learning do Gemini demonstrou eficácia em ambientes com poucos professores qualificados, infraestrutura precária e materiais didáticos escassos — condições comuns em mais de 70 países. Seu impacto vai além da matemática: ao aumentar o engajamento e mudar a percepção dos alunos ('gostar mais de matemática'), ele ataca fatores psicossociais críticos para a retenção escolar. Além disso, a ausência de disparidade de gênero nos ganhos (+0,26 DP para meninos e meninas) mostra que o Gemini 2.5 Pro pode ser um vetor real de equidade — algo não observado consistentemente em outras ferramentas como ChatGPT Edu ou Claude Sonnet em testes comparativos independentes.

Para desenvolvedores de edtech e plataformas como CEVIU, o estudo valida uma arquitetura pedagógica específica: assistência baseada em andaimentos cognitivos, não em respostas rápidas. Isso exige integração intencional de modelos como o Gemini 2.5 Pro — cuja superioridade foi confirmada por especialistas em 73,2% dos head-to-heads contra GPT-4 Turbo, Claude Opus 4 e Gemini 1.5 Flash. A alta taxa de uso (média de 15h/aluno) também indica que interfaces leves (WhatsApp, PWA) e workflows alinhados à rotina docente são decisivos — não a potência bruta do modelo. Desafios persistem: avaliações independentes apontam fragilidades do Gemini for Education em compreensão de leitura e geração de feedback contextualizado, exigindo camadas de validação humana ou híbrida. A lição prática é clara: integrar o Gemini 2.5 Pro não basta — é preciso projetar experiências com scaffolding explícito, métricas de engajamento conceitual (não só tempo de tela) e treinamento docente contínuo, como feito em Serra Leoa com o apoio da Fab AI.