{"id":1114,"date":"2025-11-11T15:49:59","date_gmt":"2025-11-11T18:49:59","guid":{"rendered":"https:\/\/www.ufrgs.br\/carbono\/?p=1114"},"modified":"2025-12-10T14:07:38","modified_gmt":"2025-12-10T17:07:38","slug":"enumerando-os-efeitos","status":"publish","type":"post","link":"https:\/\/www.ufrgs.br\/carbono\/2025\/11\/11\/enumerando-os-efeitos\/","title":{"rendered":"Enumerando os Efeitos da IA na Educa\u00e7\u00e3o"},"content":{"rendered":"\n

Ben Williamson1<\/a><\/sup><\/p>\n\n\n\n

Nas \u00faltimas semanas, surgiu uma controv\u00e9rsia sobre publica\u00e7\u00f5es de estudos alegando apresentar evid\u00eancias estat\u00edsticas de que a IA generativa possui efeitos positivos na aprendizagem. Duas meta-an\u00e1lises recentes dos efeitos do ChatGPT e um artigo de pesquisa publicado pelo Banco Mundial alegaram que a IA leva a melhorias mensur\u00e1veis no aprendizado. Cr\u00edticos come\u00e7aram a contrapor que esses estudos s\u00e3o metodologicamente falhos, exagerados e enganosos em suas conclus\u00f5es.<\/p>\n\n\n\n

Antes de tratarmos das cr\u00edticas, primeiramente \u00e9 importante observar a recep\u00e7\u00e3o dessas publica\u00e7\u00f5es. Esses estudos todos foram divulgados virtualmente com o apoio de v\u00e1rios perfis com in\u00fameros seguidores.<\/p>\n\n\n\n

Por exemplo, a meta-an\u00e1lise mais recente intitulada \u201cO efeito do ChatGPT no desempenho de aprendizagem, percep\u00e7\u00e3o de aprendizagem e pensamento de ordem superior dos alunos: insights de uma meta-an\u00e1lise\u201d foi publicada em 6 de maio. At\u00e9 o momento da produ\u00e7\u00e3o deste artigo (28 de maio), ela tem uma pontua\u00e7\u00e3o Altmetric de 365, e foi acessada 386.000 vezes. Sua pontua\u00e7\u00e3o Altmetric consiste em quase 200 men\u00e7\u00f5es no Xitter2<\/a><\/sup> e outras 150 no Bluesky, al\u00e9m de 13 men\u00e7\u00f5es em not\u00edcias e tamb\u00e9m algumas no Reddit. (Quem sabe qu\u00e3o alta seria a pontua\u00e7\u00e3o se as publica\u00e7\u00f5es no Linkedin fossem contabilizadas?)<\/p>\n\n\n\n

A meta-an\u00e1lise anterior, intitulada \u201cChatGPT melhora aprendizagem estudantil? Uma revis\u00e3o sistem\u00e1tica e meta-an\u00e1lise de estudos experimentais\u201d (\u201cThe effect of ChatGPT on students\u2019 learning performance, learning perception, and higher-order thinking: insights from a meta-analysis\u201d)<\/em>, j\u00e1 foi citada 42 vezes em outros artigos de pesquisa publicados (de acordo com o Google Acad\u00eamico), mesmo tendo sido publicada apenas em dezembro de 2024, e ela foi inclu\u00edda nas refer\u00eancias de meta-an\u00e1lises mais recentes. Essa \u00e9 uma taxa fenomenal de aceita\u00e7\u00e3o inicial, cita\u00e7\u00e3o e recircula\u00e7\u00e3o de resultados em publica\u00e7\u00f5es subsequentes.<\/p>\n\n\n\n

A mais recente publica\u00e7\u00e3o levantando preocupa\u00e7\u00f5es atuais \u00e9 a do estudo do Banco Mundial, \u201cDos Quadros aos Chatbots: Avaliando o impacto da IA generativa no rendimento de aprendizado na Nig\u00e9ria\u201d (\u201cFrom Chalkboards to Chatbots: Evaluating the Impact of Generative AI on Learning Outcomes in Nigeria\u201d)<\/em>, que relata melhorias no aprendizado a partir de um programa de aulas ap\u00f3s o hor\u00e1rio escolar que utilizou o Microsoft Copilot. Ela foi amplamente divulgada online como evid\u00eancia de que, ap\u00f3s uma breve interven\u00e7\u00e3o, o \u201censino com IA\u201d tem impacto significativo no rendimento no aprendizado. Quando os resultados foram divulgados em uma postagem do blog do Banco Mundial no in\u00edcio do ano, acabou gerando manchetes dram\u00e1ticas<\/a> como \u201caulas de refor\u00e7o com IA ajudam estudantes nigerianos a obter dois anos de aprendizado em seis semanas\u201d.<\/p>\n\n\n\n

Ao mesmo tempo, o artigo do site Hechinger Report<\/em> resumiu dois outros estudos<\/a> mostrando os efeitos delet\u00e9rios da IA nos processos de aprendizagem. A IA, sugere ele, diminui pensamento cr\u00edtico e leva a \u201cabandono cognitivo\u201d e \u201cpregui\u00e7a metacognitiva\u201d.<\/p>\n\n\n\n

Mas as evid\u00eancias dos \u201cdanos\u201d causados pela IA podem ser comprometidas pelos mesmos problemas metodol\u00f3gicos daqueles que procuram demonstrar evid\u00eancia causal de efeitos positivos. O problema subjacente \u00e9 que atualmente existe uma emerg\u00eancia voraz em mostrar \u201cefeitos\u201d causais da IA na educa\u00e7\u00e3o, sejam eles bons ou ruins, e isso est\u00e1 levando a uma torrente de estudos que imediatamente atraem a aten\u00e7\u00e3o da m\u00eddia e de p\u00fablicos enormes, a despeito de seus defeitos e limita\u00e7\u00f5es metodol\u00f3gicas.<\/p>\n\n\n\n

Numa resposta concisa \u00e0 situa\u00e7\u00e3o, Tim Fawns<\/a> disp\u00f4s bem o problema:<\/p>\n\n\n\n

\n

\u201cN\u00f3s somos muito ruins nesse tipo de pesquisa, e demasiadamente receptivos a ela. Ensino por IA n\u00e3o tem um efeito no aprendizado \u2013 isso depende de contexto, prop\u00f3sitos, m\u00e9todos e como \u00e9 disposta em processos, jornadas e pr\u00e1ticas amplas de aprendizado. A IA n\u00e3o causa \u201cperda de aprendizagem\u201d ou \u201cabandono cognitivo\u201d \u2013 a forma como o pensamento \u00e9 diferentemente desempenhado e distribu\u00eddo depende desses mesmos fatores. […] Tentar isolar os efeitos de uma tecnologia das pr\u00e1ticas nas quais ela \u00e9 utilizada leva a vis\u00f5es excessivamente simplistas, o que n\u00e3o \u00e9 uma boa base para a\u00e7\u00e3o.\u201d<\/p>\n<\/blockquote>\n\n\n\n

Claramente existe um grande problema com a circula\u00e7\u00e3o atual de evid\u00eancias a respeito de IA na educa\u00e7\u00e3o, e est\u00e1 rapidamente se tornando um t\u00f3pico controverso que atrai aten\u00e7\u00e3o cr\u00edtica<\/a>. Uma parte do problema \u00e9 a pr\u00e1tica cient\u00edfica no campo em si, a outra consiste na facilidade, rapidez e amplitude com que essas descobertas estat\u00edsticas circulam.<\/p>\n\n\n\n

Ci\u00eancia R\u00e1pida<\/strong><\/p>\n\n\n\n

O campo da IA na pesquisa de educa\u00e7\u00e3o tem uma longa hist\u00f3ria, m\u00e9todos estabelecidos e revistas acad\u00eamicas que avaliam suas reinvindica\u00e7\u00f5es. Mas a recente onda de pesquisas e resultados excede o campo e seus padr\u00f5es. Isso significa que pesquisas de qualidade e proced\u00eancia extremamente duvidosas est\u00e3o sendo publicadas numa frequ\u00eancia industrial. As meta-an\u00e1lises mencionadas anteriormente, por exemplo, identificaram milhares de artigos candidatos publicados apenas nos dois anos e meio desde o lan\u00e7amento do ChatGPT.<\/p>\n\n\n\n

Ao comentar esses meta-estudos, Ilkka Tuomi destacou que os mais recentes deles sequer incluem quaisquer padr\u00f5es de controle<\/a> claros. Isso significa que apresentavam em suas an\u00e1lises estudos anteriores que provavelmente n\u00e3o tenham sido rigorosamente revisados por pares e que foram publicados em revistas de baixa qualidade.<\/p>\n\n\n\n

Isso remete ao crescente problema com a pesquisa de IA na Educa\u00e7\u00e3o (AIED): fracos padr\u00f5es probat\u00f3rios. De forma direta, \u00e9 relativamente f\u00e1cil publicar estudos AIED em revistas com revis\u00e3o por pares de baixa qualidade e de processos editoriais de publica\u00e7\u00e3o acelerados. Isso permite que trabalhos de qualidade duvidosa sejam captados nos processos de busca para meta-an\u00e1lise e, em seguida, agrupados como evid\u00eancia conclusiva na publica\u00e7\u00e3o de meta-estudos em revistas de maior renome. Os resultados agregados e as principais conclus\u00f5es s\u00e3o, ent\u00e3o, difundidos por grandes perfis nas m\u00eddias sociais.<\/p>\n\n\n\n

E a qualidade \u00e9 bastante question\u00e1vel. Numa extensa e aprofundada avalia\u00e7\u00e3o metodol\u00f3gica<\/a> intitulada \u201cO Bom, o Mau e o Feio da Ci\u00eancia de IA na Educa\u00e7\u00e3o\u201d (\u201cThe Good, the Bad, and the Ugly Science of AI in Education\u201d),<\/em> Wess Trabelski descobriu que grande parte de sua literatura apresenta falhas experimentais de design que invalidam as constata\u00e7\u00f5es, resultados previs\u00edveis, largamente especulativos e conclus\u00f5es exageradas que n\u00e3o s\u00e3o fundamentadas pelos dados, e at\u00e9 mesmo que algumas \u201crepresentam flagrantes viola\u00e7\u00f5es da integridade cient\u00edfica que, de alguma forma, escaparam no supostamente rigoroso processo de revis\u00e3o por pares\u201d.<\/p>\n\n\n\n

O problema \u00e9 especialmente grave quando meta-estudos de AIED s\u00e3o publicados no que parecem ser peri\u00f3dicos \u201cpadr\u00e3o-ouro\u201d, apesar da origem question\u00e1vel das evid\u00eancias subjacentes que relatam. \u201cEntra lixo, sai ouro\u201d, como Ilkka Tuomi colocou<\/a>. \u201cCi\u00eancia-lixo\u201d se transforma em uma base de evid\u00eancia aparentemente confi\u00e1vel quando embalada em dezenas de estudos similares em revistas bem avaliadas, ent\u00e3o circulam como um aglomerado de provas causais de que IA afeta a aprendizagem.<\/p>\n\n\n\n

Como os pr\u00f3prios l\u00edderes na \u00e1rea de pesquisa de AIED<\/a> observaram, muito dessa \u201cci\u00eancia r\u00e1pida\u201d sobre os efeitos da IA carece de validade e n\u00e3o distinguem m\u00e9todos de ensino e recursos t\u00e9cnicos.<\/p>\n\n\n\n

Enumerando AIED<\/strong><\/p>\n\n\n\n

O problema com os meta-estudos, ent\u00e3o, \u00e9 o de que os artigos subjacentes nos quais as an\u00e1lises s\u00e3o fundamentadas devem, no m\u00ednimo, ser tratados com cautela. Isso tamb\u00e9m se tornou evidente com a publica\u00e7\u00e3o do estudo do Banco Mundial sobre uso de IA em aula. Apesar de sua r\u00e1pida circula\u00e7\u00e3o online, v\u00e1rias cr\u00edticas metodol\u00f3gicas lan\u00e7aram s\u00e9rias d\u00favidas sobre suas conclus\u00f5es.<\/p>\n\n\n\n

De acordo com Betsy Wolf<\/a>, os c\u00e1lculos sobre o tamanho do efeito da interven\u00e7\u00e3o parecem convincentes, mas s\u00e3o fundamentalmente falhos. Uma de suas medidas de resultado (\u201cconhecimento de IA e habilidades digitais\u201d), por exemplo, \u00e9 excessivamente alinhada com o pr\u00f3prio Copilot: \u201cseria de se esperar que alunos do Copilot estivessem mais familiarizados com IA\u201d. Isso tamb\u00e9m enganosamente equipara os efeitos do pr\u00f3prio estudo de seis semanas ao \u201crendimento anual de aprendizado\u201d.<\/p>\n\n\n\n

Michael Pershan<\/a> argumentou ainda que existem \u201cgrandes problemas evidentes em seus experimentos que comprometem de maneiras \u00f3bvias seus espalhafatosos resultados\u201d. A quest\u00e3o prim\u00e1ria \u00e9 que o estudo comparou um grupo de alunos que recebeu aulas adicionais, incluindo o MS Copilot, enquanto um \u201cgrupo controle\u201d n\u00e3o recebeu nada al\u00e9m de suas aulas habituais. Em outras palavras, o grupo de tratamento recebeu um n\u00famero significativamente maior de aulas que os demais.<\/p>\n\n\n\n

\u201cTudo que esse estudo \u00e9 capaz de mostrar\u201d, disse Pershan, \u201c\u00e9 que o programa n\u00e3o foi literalmente uma perda de tempo\u201d:<\/p>\n\n\n\n

\n

\u201cPorque o grupo de controle, academicamente falando, n\u00e3o fez nada. Quero dizer, pressup\u00f5e-se que eles fizeram muitas coisas: jogaram futebol, sa\u00edram com amigos, cozinharam, enfim. Mas, fundamentalmente, o grupo com atividades depois da escola estudou mais, e o grupo de controle n\u00e3o.\u201d<\/p>\n<\/blockquote>\n\n\n\n

Com base nisso, o que o estudo realmente mostra \u00e9 que aulas adicionais ajudam a melhorar os resultados na aprendizagem a curto prazo em rela\u00e7\u00e3o \u00e0 frequ\u00eancia escolar padr\u00e3o, mas pouco diz sobre os efeitos de aulas com IA, e diz ainda menos sobre os efeitos da IA nos rendimentos de aprendizagem a longo prazo (que foi a not\u00edcia viral compartilhada online). Mesmo uma avalia\u00e7\u00e3o elogiosa do projeto<\/a> observou que \u201ca proje\u00e7\u00e3o de seis semanas a anos letivos completos requer saltos enormes que v\u00e3o al\u00e9m do que os dados podem sustentar\u201d. Ainda assim, em seu lan\u00e7amento online, o estudo se espalhou largamente devido ao t\u00edtulo mencionando grande rendimento de aprendizagem.<\/p>\n\n\n\n

Min\u00facias metodol\u00f3gicas \u00e0 parte, uma leitura mais sociol\u00f3gica desse evento pode ser mais \u00fatil. Isso revela um aspecto do poder das estat\u00edsticas e de sua circula\u00e7\u00e3o.<\/p>\n\n\n\n

Em \u00faltima an\u00e1lise, o que estamos procurando aqui \u00e9 a r\u00e1pida prolifera\u00e7\u00e3o de estudos localizados, de menor escala e dependentes de contexto sobre IA na educa\u00e7\u00e3o. Estes estudos foram generalizados para al\u00e9m do que os dados s\u00e3o capazes de comprovar com precis\u00e3o. Hoje os resultados s\u00e3o rotineiramente compartilhados online como prova estat\u00edstica de que a IA aprimora o \u201cdesempenho da aprendizagem\u201d, ou \u201cos rendimentos da aprendizagem\u201d, ou algo do g\u00eanero.<\/p>\n\n\n\n

\u00c9 um bom exemplo de como a autoridade passou a ser associada aos n\u00fameros e sua pretensa objetividade. Existe uma grande \u201cconfian\u00e7a nos n\u00fameros\u201d, como soci\u00f3logos da quantifica\u00e7\u00e3o<\/a> diriam. N\u00fameros s\u00e3o considerados inerentemente verdadeiros, o que \u00e9 evidenciado pelo \u201ctamanho do efeito\u201d e \u201csignific\u00e2ncia estat\u00edstica\u201d.<\/p>\n\n\n\n

Muitas afirma\u00e7\u00f5es recentes sobre IA na educa\u00e7\u00e3o dependem dessa confian\u00e7a na quantifica\u00e7\u00e3o e em seus preciosos m\u00e9todos estat\u00edsticos. O estudo do Banco Mundial, por exemplo, relatou \u201co dobro do efeito de algumas das interven\u00e7\u00f5es mais eficazes na educa\u00e7\u00e3o\u201d. Tais afirma\u00e7\u00f5es num\u00e9ricas aparentam ser objetivas, leg\u00edtimas e confi\u00e1veis. A enumera\u00e7\u00e3o dos efeitos da AIED \u00e9 determinante na forma\u00e7\u00e3o de opini\u00e3o e potencialmente influente nas decis\u00f5es pol\u00edticas no que compete \u00e0 IA na educa\u00e7\u00e3o.<\/p>\n\n\n\n

Ci\u00eancia Viral<\/strong><\/p>\n\n\n\n

N\u00fameros, por\u00e9m, s\u00e3o sempre conquistas sociais e t\u00e9cnicas<\/a>. Em cada etapa, s\u00e3o feitas escolhas sobre o que contar, como analisar, quais instrumentos de c\u00e1lculo utilizar, em quais contextos e sob quais condi\u00e7\u00f5es. Fatores sociais s\u00e3o envolvidos na produ\u00e7\u00e3o de estat\u00edsticas desde a concep\u00e7\u00e3o, financiamento, planejamento, coletagem de dados, an\u00e1lise e publica\u00e7\u00e3o; at\u00e9 o contexto de circula\u00e7\u00e3o, recep\u00e7\u00e3o e coment\u00e1rios.<\/p>\n\n\n\n

Al\u00e9m disso, parte do poder dos n\u00fameros consiste no fato de serem facilmente transport\u00e1veis. Eles podem se deslocar para muito al\u00e9m do contexto que os geraram e dos contextos que \u201crepresentam\u201d ou \u201crefletem\u201d, seja em seu formato num\u00e9rico original, seja em gr\u00e1ficos e tabelas.<\/p>\n\n\n\n

Isto \u00e9 relevante, uma vez que os n\u00fameros podem ser facilmente transformados e apresentados como prova de que refletem a realidade, velando todas as circunst\u00e2ncias contextuais e sociot\u00e9cnicas de sua produ\u00e7\u00e3o.<\/p>\n\n\n\n

Tal processo foi evidente, por exemplo, na forma que o estudo recente do Banco Mundial foi apresentado, com um simples gr\u00e1fico de resultados, o qual foi reproduzido por muitos que o postaram online, e pelas formas como tamanho do efeito estat\u00edstico foi comunicado como evid\u00eancia objetiva de efetividade da interven\u00e7\u00e3o do Copilot. Os fatores contextuais reais associados ao estudo e os detalhes da sua implementa\u00e7\u00e3o (sobretudo do seu grupo de controle) foram convenientemente colocados em segundo plano, especialmente quando as principais conclus\u00f5es do estudo circularam nas redes sociais.<\/p>\n\n\n\n

Em outras palavras, as estat\u00edsticas amplamente divulgadas acerca dos efeitos da IA tiveram de ser feitas, interpretadas, descontextualizadas, exageradas, universalizadas e, ent\u00e3o, tornadas compat\u00edveis com plataformas que promovessem potencial de viraliza\u00e7\u00e3o. N\u00e3o h\u00e1 necessariamente nada enganoso ou sinistro nisso, mas certamente confere vantagens pessoais, organizacionais, de reputa\u00e7\u00e3o e de cita\u00e7\u00e3o \u00e0queles que reivindicam produzir evid\u00eancias quantitativas \u201ccom relev\u00e2ncia pol\u00edtica\u201d.<\/p>\n\n\n\n

N\u00e3o ser\u00e1 surpresa se, em poucos meses, for descoberto que os resultados do estudo do Banco Mundial, bem como os meta-estudos, foram inclu\u00eddos em relat\u00f3rios pol\u00edticos, al\u00e9m de terem sido acessados milhares de vezes mais, e citados como evid\u00eancia do impacto da IA nos resultados educacionais. A enumera\u00e7\u00e3o e o car\u00e1ter viral dos efeitos da AIED provavelmente dar\u00e3o a esses estudos influ\u00eancia pol\u00edtica e social consider\u00e1vel, especialmente em contextos que alegam valorizar \u201cpol\u00edticas fundamentadas em evid\u00eancia\u201d que \u201cseguem a ci\u00eancia\u201d.<\/p>\n\n\n\n

Ent\u00e3o, essa aparentemente objetiva e quantific\u00e1vel evid\u00eancia poderia ser usada para apoiar programas pol\u00edticos em contextos a milhares de quil\u00f4metros de dist\u00e2ncia, em situa\u00e7\u00f5es sociais, pol\u00edticas e econ\u00f4micas completamente diferentes das do local de origem dessa enumera\u00e7\u00e3o.<\/p>\n\n\n\n

Essa produ\u00e7\u00e3o e circula\u00e7\u00e3o \u201cr\u00e1pida\u201d de evid\u00eancias contrasta fortemente com relatos recentes das ci\u00eancias sociais qualitativas<\/a> sobre a IA na educa\u00e7\u00e3o, que destacam os fatores contextuais e subjetivos que afetam o uso e a compreens\u00e3o dos alunos em rela\u00e7\u00e3o \u00e0s aplica\u00e7\u00f5es de IA. Mas essa forma de ci\u00eancia mais lenta, mais cautelosa, criticamente contextualizada<\/a> e menos generaliz\u00e1vel tem menos chances de se difundir e ganhar grande destaque em compara\u00e7\u00e3o a resultados estat\u00edsticos de grande portabilidade. No entanto, ela oferece uma vis\u00e3o mais detalhada sobre como a IA vem se entrela\u00e7ando \u00e0s pr\u00e1ticas educacionais e aos processos de aprendizagem.<\/p>\n\n\n\n

Talvez uma vertente importante da pesquisa em ci\u00eancias sociais tamb\u00e9m pudesse explorar mais profundamente a produ\u00e7\u00e3o social e t\u00e9cnica de evid\u00eancias da AIED, e, dessa forma, ajudar a compreender melhor todos os fatores que afetam a forma como essas evid\u00eancias s\u00e3o produzidas, divulgadas e recebidas num contexto social que supervaloriza e enaltece a ci\u00eancia viral.<\/p>\n\n\n\n

* * *<\/p>\n\n\n\n

(Este texto foi originalmente publicado no site Code Acts in Education<\/em>, em 28 de maio de 2025. Agradecemos encarecidamente ao autor por ceder os direitos da tradu\u00e7\u00e3o. Para ler o original, clique aqui<\/a>. Tradu\u00e7\u00e3o de Roger Gregory Silveira.)<\/p>\n\n\n

  1. Leitor S\u00eanior no Centro de Pesquisa em Educa\u00e7\u00e3o Digital (Centre for Research in Digital Education) e do Edinburgh Futures Institute. Autor de Big Data in Education: The Digital Future of Learning, Policy and Practice<\/a><\/em>. \u21a9\ufe0e<\/a><\/li>
  2. Trata-se de um jogo de palavras que funde o antigo nome da plataforma (Twitter), com o atual (X), formando uma palavra cuja pron\u00fancia \u00e9 semelhante a \u201cshitter<\/em>\u201d (\u201ccag\u00e3o\u201d, em portugu\u00eas). [N.E.] \u21a9\ufe0e<\/a><\/li><\/ol>\n\n\n
    \n\n\n\n

    Carbono<\/em>, vol. 12 \u2013 novembro de 2025.
    ISSN: 3085-7066<\/p>\n","protected":false},"excerpt":{"rendered":"

    Alguns estudos apontam benef\u00edcios da intelig\u00eancia artificial na Educa\u00e7\u00e3o, mas, em muitos casos, os n\u00fameros mascaram metodologias equivocadas e impulsionam entusiasmos precipitados<\/p>\n","protected":false},"author":47,"featured_media":1120,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"footnotes":"[{\"content\":\"Leitor S\u00eanior no Centro de Pesquisa em Educa\u00e7\u00e3o Digital (Centre for Research in Digital Education) e do Edinburgh Futures Institute. Autor de Big Data in Education: The Digital Future of Learning, Policy and Practice<\/a><\/em>.\",\"id\":\"d5425574-bc0e-4df3-96c6-6dd3a917c598\"},{\"content\":\"Trata-se de um jogo de palavras que funde o antigo nome da plataforma (Twitter), com o atual (X), formando uma palavra cuja pron\u00fancia \u00e9 semelhante a \u201cshitter<\/em>\u201d (\u201ccag\u00e3o\u201d, em portugu\u00eas). [N.E.]\",\"id\":\"b52acf5f-3219-4f01-b58f-9dbcd47a800c\"}]"},"categories":[14,10,5,6],"tags":[149,148,37,144],"class_list":["post-1114","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-arquivo","category-artigo","category-capitalismo","category-cultura","tag-ciencia","tag-educacao","tag-inteligencia-artificial","tag-volume-12"],"_links":{"self":[{"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/posts\/1114","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/users\/47"}],"replies":[{"embeddable":true,"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/comments?post=1114"}],"version-history":[{"count":8,"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/posts\/1114\/revisions"}],"predecessor-version":[{"id":1147,"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/posts\/1114\/revisions\/1147"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/media\/1120"}],"wp:attachment":[{"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/media?parent=1114"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/categories?post=1114"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.ufrgs.br\/carbono\/wp-json\/wp\/v2\/tags?post=1114"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}