Laguna Lab
Uma área de pesquisa voltada para o letramento em IA nas suas diferentes camadas de conhecimento.
Abaixo estão algumas das áreas que estamos estudando e desenvolvendo no momento. Todas as perspectivas são bem-vindas. Se você tem interesse em contribuir com algum destes estudos, escreva para a gente.
Como pensamos o letramento em IA
Acreditamos que existem quatro pilares de conhecimento fundamentais para a nossa relação com a inteligência artificial.
Construímos estes pilares a partir de uma série de . É com base neles que construímos as formações para escolas, os programas para empresas e as nossas pesquisas., e é com base neles que desenhamos as formações para escolas, os programas para empresas e as nossas pesquisas.. Eles são a base das formações para escolas, dos programas para empresas e das nossas pesquisas., e eles orientam tudo o que fazemos: as formações para escolas, os programas para empresas e as nossas pesquisas.. É a partir deles que desenhamos as formações para escolas, os programas para empresas e as nossas pesquisas.
Letramento funcional em IA
Competência prática
Este pilar reúne os conhecimentos, as habilidades e as atitudes que permitem a uma pessoa entender, usar e avaliar a IA de forma eficaz, responsável e com autonomia.
Na prática, é saber trabalhar melhor com a ajuda da IA sem abrir mão da responsabilidade pelo resultado e sem terceirizar o próprio pensamento. É por onde a maioria das pessoas começa, e é a base dos outros três pilares.
Onde isso entra
Letramento crítico em IA
Julgamento ético
Aprender a usar bem a IA e aprender a questioná-la talvez não sejam a mesma capacidade.
Um letramento construído só sobre habilidades tende a formar usuários proficientes, não necessariamente cidadãos. Este pilar é sobre a outra metade. É sobre entender quem constrói a IA e com que interesses, de onde vêm os dados, quem se beneficia e quem é prejudicado, e quando é legítimo não usar.
Cidadania em IA
Participação responsável
Cada vez mais, sistemas de IA tomam ou influenciam decisões sobre nós. A pergunta deixa de ser só se uma pessoa sabe usar IA e passa a ser também que posição ela ocupa numa sociedade organizada por IA.
Direitos, para saber quando se está diante de um sistema de IA, contestar decisões automatizadas e proteger os próprios dados. Responsabilidades, para usar a IA sem prejudicar os outros. Participação, para ter voz em como a IA é adotada e regulada na escola, no trabalho, na cidade e no país.
Governança de IA
Poder, responsabilidade e escala
Este pilar é sobre como a IA muda papéis, decisões, produtividade e responsabilidades.
É sobre as regras e os processos que definem como uma organização ou uma sociedade adota, usa, acompanha e, quando necessário, interrompe o uso de IA. Quem responde pela IA? Onde estão os riscos de verdade? O que a regulação pede? Como dimensionar a governança para que ela proteja sem atrapalhar?
Onde isso entra
Referências
Esta estrutura é baseada em uma série de referenciais acadêmicos e institucionais sobre letramento, cidadania e governança de IA. Alguns deles:
- Long e Magerko (2020), What is AI literacy? Competencies and design considerations.
- UNESCO (2024a, 2024b), AI competency framework for students e AI competency framework for teachers.
- OCDE e Comissão Europeia (2026), referencial de letramento em IA.
- Carmi, Yates, Lockley e Pawluczuk (2020), Data citizenship: rethinking data literacy in the age of disinformation, misinformation, and malinformation.
- Kate Crawford, Atlas of AI.
- Shannon Vallor, The AI Mirror.
- The Oxford Handbook of AI Governance.
- The Cambridge Handbook of the Law, Ethics and Policy of Artificial Intelligence.
Pesquisas em andamento
O que estamos pesquisando sobre IA e sociedade. As pesquisas são conduzidas por Lauren Pachaly na Universidade de Cambridge. Se você estuda ou trabalha com algum destes temas, escreva para a gente.
As pessoas aprendem o que a IA é, como usá-la e como se relacionar com ela, cada vez mais, a partir das próprias empresas que desenvolvem estes sistemas.
Seus produtos, comunicações e programas de formação alcançam milhões de pessoas e sugerem uma postura diante da IA, abrindo certas formas de conhecer e de agir e fechando outras. Esta pesquisa busca entender que tipo de cidadão esses materiais favorecem e propor uma forma de examiná-los com o mesmo cuidado que já se dedica a currículos e diretrizes públicas de letramento e uso de IA.
Conduzida por Lauren Pachaly na Universidade de Cambridge.
As diretrizes internacionais de letramento em IA, usadas como referência para currículos escolares, pressupõem o uso. Se o letramento crítico inclui a capacidade de recusar, por que isso não aparece nos currículos?
Neste projeto, perguntamos se os principais referenciais, das competências da UNESCO de 2024 (para estudantes e para professores) ao quadro da União Europeia e da OCDE, abrem espaço para o não uso informado, a contestação e a recusa. E, se não abrem, como seria um letramento que incluísse o direito de dizer não.
Metodologias em desenvolvimento
Uma parte do nosso trabalho de pesquisa é criar e testar metodologias para que estudantes aprendam a fazer um uso crítico e ético da inteligência artificial.
Energia, água, terra e minerais
O que a IA custa ao planeta. A inteligência artificial depende de recursos muito concretos. Energia, água, terra e minerais. Esses custos ficam longe de quem usa a tecnologia e acabam raramente entrando na conversa.
Nesta metodologia, em desenvolvimento, os estudantes constroem a infraestrutura que faz a IA funcionar, em um ambiente de simulação que reage a cada escolha. Conforme a construção avança, o mundo ao redor muda. A água baixa, a terra se transforma, uma comunidade precisa se mudar, a energia de uma cidade inteira entra em disputa.
A pergunta que atravessa a experiência é quem se beneficia e quem paga a conta, e o que uma escola, uma cidade ou um país podem decidir a respeito. A metodologia parte de pesquisas sobre a sustentabilidade da IA e sobre as cadeias de extração de minerais, e é pensada para turmas do Ensino Fundamental II e do Ensino Médio.