A rápida integração da inteligência artificial (IA) na educação, particularmente por meio de sistemas de aprendizado adaptativo, redefiniu a entrega instrucional, permitindo experiências de aprendizado personalizadas e processos de avaliação aprimorados. Embora essas inovações ofereçam benefícios pedagógicos significativos, também levantam preocupações éticas prementes em torno de viés algorítmico, privacidade de dados, transparência e responsabilidade. Em resposta a esses desafios, este estudo propõe a Estrutura de Governança Ética da IA para Aprendizado Adaptativo (EAGFAL)—um modelo estruturado projetado para orientar o uso responsável e equitativo da IA em contextos educacionais. O estudo adota uma metodologia qualitativa, utilizando análise de dados secundários e estudos de caso comparativos para examinar modelos globais existentes de governança da IA e melhores práticas regulatórias. Ao avaliar políticas internacionais e sua eficácia em abordar riscos éticos, a pesquisa identifica disparidades notáveis na regulação da IA. Algumas regiões enfatizam a inovação liderada pelo mercado com supervisão mínima, enquanto outras implementam estruturas legais rigorosas para coibir abusos e garantir equidade. Essas inconsistências contribuem para o acesso desigual a ambientes de aprendizado seguros e éticos impulsionados por IA. As principais recomendações do estudo incluem a implementação de técnicas de detecção e mitigação de viés, a adoção de ferramentas de IA explicáveis para melhorar a transparência e o desenvolvimento de estratégias abrangentes de governança de dados. Esses elementos estão integrados no modelo EAGFAL, que enfatiza responsabilidade ética, design inclusivo e colaboração entre setores entre educadores, formuladores de políticas e desenvolvedores de IA.
Nnenna Chioma Nwoke (Mon,) estudou esta questão.
Synapse has enriched 5 closely related papers on similar clinical questions. Consider them for comparative context: