IA generativa cria visualizações matemáticas acessíveis sem programação

O que aconteceu

Pesquisadores da área de inteligência artificial submeteram ao arXiv (o preprint arXiv:2608.28601, disponível desde 29 de junho de 2026) um artigo que descreve um workflow de seis fases para usar IA generativa na criação de visualizações interativas para matemática de nível superior. O método, chamado Foundation, Customization, Mathematical Depth, Application, Accessibility e Pedagogical Control, foi projetado para gerar ferramentas de visualização que atendem aos padrões de acessibilidade WCAG 2.2 Level AA, sem que o criador precise escrever código.

O estudo avaliou o processo em quatro ferramentas reais, cobrindo cálculo, cálculo multivariável e equações diferenciais. Cada visualização foi testada quanto à correção matemática, comparando resultados com formas fechadas conhecidas; quanto à acessibilidade, usando testes automatizados e manuais com leitores de tela; e quanto aos erros recorrentes. O resultado principal: a IA produz versões estruturalmente completas na primeira passada, mas a revisão humana é indispensável em cada fase, antes de avançar para a etapa seguinte.

Contexto

Visualizações interativas sempre ajudaram no entendimento conceitual em matemática, mas construir esses recursos exigia conhecimento de programação que a maioria dos professores de faculdade não tem. Ferramentas como GeoGebra e Desmos resolvem parte do problema, mas não cobrem todo o espectro de conteúdos nem garantem acessibilidade total para alunos com deficiência visual. A proposta do artigo ataca exatamente esse gargalo: usar modelos de linguagem como o GPT para transformar ideias em descrições de texto diretamente em código funcional.

O trabalho se apoia em pesquisa baseada em design (design-based research), uma abordagem iterativa em que as ferramentas são desenvolvidas, implantadas e avaliadas em ciclos contínuos. Os pesquisadores testaram o workflow tanto no sentido direto, em que um professor descreve uma ideia em linguagem simples e o sistema gera a visualização, quanto no reverso, em que prompts são reconstruídos a partir de uma ferramenta pronta. Essa bidirecionalidade é inédita e permite reaproveitamento de código e documentação.

Por que importa

O principal impacto é para professores de matemática em universidades brasileiras e do mundo inteiro, que frequentemente abandonam o uso de recursos visuais interativos por falta de tempo e de habilidade técnica. Com o workflow, um docente pode escrever algo como "quero um gráfico que mostre a aproximação linear de uma função de duas variáveis" e receber, em minutos, uma visualização que funciona em navegador e que é compatível com leitores de tela.

A questão da acessibilidade também ganha relevância. As diretrizes WCAG 2.2 Level AA são o padrão internacional para conteúdo web acessível, e pouquíssimas ferramentas educacionais atingem esse nível. Os testes com leitores de tela, tanto automatizados quanto manuais, mostram que a IA já entende bem as necessidades de descrição alternativa e de navegação por teclado, embora a revisão continue crítica.

Impacto

No curto prazo, o estudo serve como prova de conceito para uma nova classe de ferramentas autorais. O workflow é independente de plataforma, o que significa que pode ser usado com diferentes modelos de IA generativa, como GPT-4 ou seus sucessores, e com ambientes de execução como Jupyter ou notebooks baseados em web. Os quatro exemplos construídos (cálculo, cálculo multivariável e equações diferenciais) cobrem boa parte do currículo de ciências exatas dos primeiros anos.

A descoberta mais prática é que a IA gera código estruturalmente completo, mas erros matemáticos sutis aparecem com frequência. O pesquisador que conduziu os testes identificou que equações diferenciais, por exemplo, exigem verificação adicional porque o comportamento assintótico muitas vezes fica errado. Por isso, cada fase do workflow inclui um ponto de checagem humano obrigatório, o que impede a automação total.

O que muda

No médio prazo, a expectativa é que universidades criem repositórios de visualizações acessíveis geradas por IA, com curadoria docente. Professores poderiam compartilhar seus prompts e as ferramentas resultantes, reduzindo o retrabalho. A acessibilidade deixaria de ser um item opcional e passaria a integrar o processo de criação, não uma preocupação tardia.

O estudo também abre caminho para a formação de professores: em vez de aprender programação, o docente aprende a escrever prompts estruturados e a revisar o resultado com critérios pedagógicos claros. Isso muda a natureza do trabalho docente, que passa de construtor de código a curador de experiências de aprendizagem.

O que vem agora

Os autores pretendem expandir o teste do workflow para outras disciplinas, como estatística e álgebra linear, e investigar a integração com sistemas de gerenciamento de aprendizagem (LMS). A próxima etapa inclui também a validação com um número maior de professores e alunos, medindo impacto direto na compreensão de conceitos. O preprint está disponível na plataforma arXiv, e a expectativa é que a versão revisada por pares seja publicada em um periódico de educação matemática ou de tecnologia educacional.