O conhecimento do professor que ensina matemática na era da inteligência artificial: uma revisão sistemática

Autores

DOI:

https://doi.org/10.5007/1982-5153.2026.e109836

Palavras-chave:

educação matemática, formação de professores, AITPACK, methodi ordinatio, inteligência artificial

Resumo

Este artigo analisa a relação entre o conhecimento do professor que ensina matemática e a integração da Inteligência Artificial (IA) na educação. Para isso, foi realizada uma revisão sistemática da literatura, utilizando a metodologia Methodi Ordinatio, com foco em estudos publicados entre 2018 e 2025 em periódicos de alto impacto. A análise qualitativa concentrou-se nos dez principais artigos, de um total de trinta selecionados, que discutem temas como o papel do professor e seus conhecimentos profissionais; transformações na prática docente mediadas pela IA; articulações entre conhecimentos pedagógicos, matemáticos e tecnológicos; impactos da IA na sala de aula; competências exigidas para o uso pedagógico da IA; e lacunas na formação docente. Os resultados indicam que a Inteligência Artificial vem redefinindo o papel do professor, exigindo a integração entre conhecimentos tradicionais e tecnológicos. Apesar dos benefícios, como a personalização do ensino, também se evidenciam desafios relacionados a aspectos algorítmicos e riscos à privacidade, o que destaca a necessidade de uma formação docente que prepare os professores para uma atuação ética, crítica e mediadora.

Biografia do Autor

Loryane Santos de Oliveira, Universidade Tecnológica Federal do Paraná

Loryane Santos de Oliveira é doutoranda em Ensino de Ciência e Tecnologia pela Universidade Tecnológica Federal do Paraná (UTFPR) – Campus Ponta Grossa, vinculada ao Programa de Pós-Graduação em Ensino de Ciência e Tecnologia (PPGECT). Possui licenciatura em Matemática pela UTFPR – Campus Cornélio Procópio (2021) e mestrado profissional em Educação Matemática pela UTFPR – Campi Cornélio Procópio e Londrina (2024). Desenvolve pesquisas voltadas ao ensino e à aprendizagem da Matemática, com ênfase em raciocínio matemático, tarefas exploratórias e formação de professores. Sua trajetória acadêmica destaca-se pela investigação de processos que promovem o desenvolvimento do raciocínio matemático por meio de práticas formativas e reflexivas, contribuindo para a qualificação docente e o aprimoramento do ensino de Matemática.

André Luis Trevisan , Universidade tecnológica Federal do Paraná

André Luis Trevisan é professor titular do Departamento de Matemática da Universidade Tecnológica
Federal do Paraná (UTFPR) e docente permanente do Programa de Pós-Graduação em Ensino de Ciência e Tecnologia (PPGECT), campus Ponta Grossa. Doutor em Ensino de Ciências e Educação Matemática pela Universidade Estadual de Londrina (2013), mestre em Matemática Aplicada (Unicamp, 2008), licenciado e bacharel em Matemática Aplicada e Computacional (Unicamp, 2005) e licenciado em
Pedagogia (Unifatecie, 2021). Realizou pós-doutorado na Universidade Federal do ABC (2018–2019). É
líder do grupo de pesquisa “Raciocínio Matemático e Formação de Professores” desde 2019 e tem
experiência em Matemática e Educação Matemática, com foco no ensino de Cálculo Diferencial e Integral e no desenvolvimento do raciocínio matemático na formação docente. Participa de programas de formação continuada em parceria com redes de ensino e atua como vice-coordenador do GT 4 – Educação Matemática no Ensino Superior da SBEM. Foi coordenador do Mestrado Profissional em Ensino de Matemática (PPGMAT – UTFPR/CP-LD) entre 2015 e 2016 e é bolsista produtividade da Fundação Araucária (2019–2021; 2024–atual).

Eliane Maria de Oliveira Araman , Universidade tecnológica Federal do Paraná

Eliane Maria de Oliveira Araman é docente do Departamento de Matemática da Universidade Tecnológica
Federal do Paraná (UTFPR) – Campus Cornélio Procópio. Possui graduação em Licenciatura em Ciências
com habilitação em Matemática pelo Centro de Estudos Superiores de Londrina (1994), mestrado (2006) e
doutorado (2011) em Ensino de Ciências e Educação Matemática pela Universidade Estadual de Londrina
(UEL). É professora permanente dos Programas de Pós-Graduação em Ensino de Matemática (PPGMAT) e
em Ensino de Ciência e Tecnologia (PPGECT) da UTFPR. Realizou estágio pós-doutoral no Instituto de
Educação da Universidade de Lisboa em 2019. Lidera os grupos de pesquisa “Perspectivas em Ensino e
Aprendizagem em Matemática” e “Raciocínio Matemático e Formação de Professores”. Suas investigações
concentram-se em História da Matemática na Educação Matemática, Raciocínio Matemático e Formação de
Professores.

Sani de Carvalho Rutz da Silva, Universidade tecnológica Federal do Paraná

Sani de Carvalho Rutz da Silva é professora titular da Universidade Tecnológica Federal do Paraná
(UTFPR). Licenciada em Matemática pela UEPG, possui mestrado em Matemática Aplicada e doutorado em
Ciência dos Materiais pela Universidade Federal do Rio Grande do Sul (UFRGS). Atua nas áreas de Ensino
de Matemática, Educação Matemática Inclusiva e uso de Tecnologias no ensino. Participou do programa
internacional PREFALC (França-Colômbia-Brasil) e é professor responsável externo do Mestrado
Interdisciplinar Multicultural em Inovação Educativa, Tecnológica e Gestão do Conhecimento (México
BUAP/INSA de Lyon). Foi orientadora do trabalho vencedor do Prêmio CAPES de Tese (2018) na área de
Ensino e é membro do Comitê de Assessores de Ciências Humanas da Fundação Araucária (2020–2024).
Coordenou o projeto internacional Rethinking Teacher Education, financiado pela Teachers College e
Fundação Lemann. Na UTFPR, integrou o Conselho de Pesquisa e Pós-Graduação (2015–2023) e atua
como professora permanente do PPGECT (mestrado e doutorado). É líder do grupo “O Ensino e a Inclusão
de Pessoas com Deficiência”, editora-chefe da RBECT e membro da ANPEd, SBEM e RedDOLAC.

Alessandra Dutra , Universidade tecnológica Federal do Paraná

Alessandra Dutra é professora titular da Universidade Tecnológica Federal do Paraná (UTFPR). Possui
graduação em Letras – Anglo e Literaturas (1997), mestrado em Estudos da Linguagem (2003) pela
Universidade Estadual de Londrina (UEL), além de doutorado em Linguística e Língua Portuguesa pela
Universidade Estadual Paulista Júlio de Mesquita Filho (UNESP, 2008). Atuou como coordenadora do
Programa de Pós-Graduação em Ensino de Ciências Humanas, Sociais e da Natureza (PPGEN) da UTFPR
entre 2013 e 2017, e como coordenadora adjunta de 2017 a 2019. Atualmente, é professora permanente do
Programa de Pós-Graduação em Ensino de Ciência e Tecnologia (PPGECT), em Ponta Grossa (PR). Sua
pesquisa concentra-se nas áreas de Multiletramentos e Letramentos Digitais, com ênfase em práticas
pedagógicas que promovem o desenvolvimento do Pensamento Computacional. Foi bolsista de
produtividade em pesquisa pela Fundação Araucária entre 2019 e 2021.

Referências

Almuhanna, M. A. (2025). Teachers’ perspectives of integrating AI-powered technologies in K-12 education for creating customized learning materials and resources. Education and Information Technologies, 30, 10343–10371.

Anderson, T. (2020). The role of AI in educational practices. Journal of Educational Technology & Society, 23(1), 56–70.

Bai, X., Wang, Y., Zhang, X., & Li, Z. (2024). Math teachers and AI: Potential and limitations. Frontiers in Education.

Ball, D. L., Thames, M. H., & Phelps, G. (2008). Content knowledge for teaching: What makes it special? Journal of Teacher Education, 59(5), 389–407.

Celik, I. (2023). Towards Intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, 107468.

Elias, H. R. (2017). Fundamentos teórico-metodológicos para o ensino do corpo dos números racionais na formação de professores de matemática [Tese de Doutorado, Universidade Estadual de Londrina]. Universidade Estadual de Londrina.

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Imran, A., & Almusharraf, N. (2024). Teacher readiness and ethical concerns in AI literacy. Education Sciences.

Kim, H., Park, S., Lee, J., & Choi, Y. (2024). AI literacy and mathematics teacher preparation. Journal of Technology and Teacher Education.

Kitchenham, B. (2004). Procedures for performing systematic reviews. Keele University Technical Report TR/SE-0401. Keele University.

Koehler, M. J., Mishra, P., Kereluik, K., Shin, T. S., & Graham, C. (2013). The technological pedagogical content knowledge framework. In J. M. Spector, M. D. Merrill, J. Elen, & M. J. Bishop (Eds.), Handbook of research on educational communications and technology (pp. 101–111). Springer.

Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.

Meylani, R. (2024). Artificial Intelligence in Mathematics Teacher Education: A Systematic Review and Qualitative Synthesis of Contemporary Research Literature. International journal of Technology in Education Science, 1(1), 63-91.

Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054.

Ng, D. T. K., Chan, K., & Lo, B. (2025). Opportunities, challenges and strategies for integrating generative AI in education. Computers and Education: Artificial Intelligence.

Niess, M. L. (2005). Preparing teachers to teach science and mathematics with technology: Developing technology pedagogical content knowledge. Teaching and Teacher Education, 21(5), 509–523.

Ning, Y., Zhang, C., Xu, B., Zhou, Y., & Wijaya, T. T. (2024). Teachers’ AI-TPACK: Exploring the relationship between knowledge elements. Sustainability, 16, 1–17.

Okoli, C. (2015). A guide to conducting a systematic literature review of information systems research. Sprouts: Working Papers on Information Systems, 10(26), 1–49.

OpenAI. (2022). Introducing ChatGPT. OpenAI.

Pagani, R. N., Kovaleski, J. L., & Resende, L. M. (2015). Methodi Ordinatio: A proposed methodology to select and rank relevant scientific papers encompassing the impact factor, number of citation, and year of publication. Scientometrics, 105(3), 2109–2135.

Saragih, I. (2024). Integrating AI in mathematics teaching: Teachers’ attitudes. International Journal of STEM Education.

Shulman, L. S. (1986). Those who understand: Knowledge growth in teaching. Educational Researcher, 15(2), 4–14.

Sperling, K., Stenberg, C. J., McGrath, C., Åkerfeldt, A., Heintz, F., & Stenliden, L. (2024). In search of artificial intelligence (AI) literacy in teacher education: A scoping review. Computers and Education Open, 6, 100169.

Stokel-Walker, C. (2023). ChatGPT listed as author on research papers: Many scientists disapprove. Nature, 613(7945), 620–621.

Sun, J., Ma, H., Zeng, Y., Han, D., & Jin, Y. (2023). Promoting the AI teaching competency of K-12 computer science teachers: A TPACK-based professional development approach. Education and Information Technologies, 28(2), 1509–1533.

Tardif, M. (2014). conhecimentos profissionais e formação profissional (14a ed.). Vozes.

UNESCO. (2024). AI competency framework for teachers. UNESCO.

Uygun, D. (2024). Teachers’ perspectives on artificial intelligence in education. Advances in Mobile Learning Educational Research, 4(1), 931–941.

Yan, L., Sha, L., Zhao, L., Chai, C. S., Jong, M. S. Y., Istenič, A., Spector, J. M., Liu, J. B., Yuan, J., & Li, Y. (2024). Practical and ethical challenges of large language models in education: A systematic scoping review.

Downloads

Publicado

2026-08-13

Edição

v. 19 (2026)

Seção

Artigos

Licença

Copyright (c) 2026 Loryane Santos de Oliveira, André Luis Trevisan , Eliane Maria de Oliveira Araman , Sani de Carvalho Rutz da Silva, Alessandra Dutra

Creative Commons License
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.

 

Os autores retêm os direitos autorais e direitos de publicação sobre suas obras, sem restrições.

Ao submeterem seus trabalhos, os autores concedem à Revista Alexandria o direito exclusivo de primeira publicação, com o trabalho simultaneamente licenciado sob a Licença Creative Commons Attribution (CC BY) 4.0 International. Essa licença permite que terceiros remixem, adaptem e criem a partir do trabalho publicado, desde que seja dado o devido crédito de autoria e à publicação original neste periódico.

Os autores também têm permissão para firmar contratos adicionais, separadamente, para distribuição não exclusiva da versão publicada do trabalho neste periódico (por exemplo: depositar em repositório institucional, disponibilizar em site pessoal, publicar traduções ou incluí-lo como capítulo de livro), desde que com reconhecimento da autoria e da publicação inicial na Revista Alexandria.