Metacognition, Feedback, and Artificial Intelligence

A Didactic-Pedagogical Matrix for Learning Recalibration

Autores

DOI:

https://doi.org/10.7213/1981-416X.26.090.DS03EN

Palavras-chave:

Metacognition, Pedagogical feedback, Artificial intelligence, Diagnostic assessment, Self-regulated learning

Resumo

This article aims to propose a didactic-metacognitive matrix to guide the use of educational technologies and artificial intelligence in transforming diagnoses of discrepancies between self-perception and performance into pedagogical feedback, student reflection, and learning recalibration. It is based on the understanding that educational assessment should not be restricted to measuring objective performance, since the way students perceive, monitor, and interpret their own knowledge constitutes a relevant dimension of self-regulated learning. Methodologically, this is a theoretical-propositional study, with an applied nature and an exploratory-descriptive purpose, articulating contributions on metacognition, diagnostic assessment, feedback, educational technologies, artificial intelligence, and teacher mediation. As an illustrative element, the study considers the logical-operational structure of a functional prototype based on the comparison between perceived ability and actual performance across pre-test, test, and post-test moments. As a contribution, the article presents a matrix organized into four movements: diagnosing, providing feedback, reflecting, and recalibrating. It argues that educational technologies and artificial intelligence can support teachers in organizing evidence about metacognitive discrepancies, provided that such evidence is converted into pedagogical feedback rather than definitive classifications of students. It concludes that the formative value of these resources depends on teacher mediation, pedagogical training, cognitive ergonomics, and institutional conditions of use.

Downloads

Não há dados estatísticos.

Tradução

Este artigo é uma tradução em English do artigo:  Metacognição, feedback e inteligência artificial

Biografia do Autor

Rafael Castro de Souza, Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte (IFRN)

Doutorando em Ensino pelo Programa de Pós-Graduação em Ensino da Rede Nordeste de Ensino (RENOEN). Mestre em Ciência da Computação pelo Programa de Pós-Graduação em Ciência da Computação (PPgCC), de associação ampla entre a Universidade do Estado do Rio Grande do Norte (UERN) e a Universidade Federal Rural do Semi-Árido (UFERSA). Mestre em Educação Profissional e Tecnológica pelo Programa de Pós-Graduação em Educação Profissional e Tecnológica (ProfEPT), vinculado ao Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte (IFRN). Especialista em Práticas Assertivas em Didática da Educação Profissional Integrada à Educação de Jovens e Adultos pelo Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte (IFRN). Bacharel em Ciência da Computação pela Universidade Federal Rural do Semi-Árido (UFERSA). Membro integrante do Grupo de Pesquisa em Engenharia de Software, do Grupo de Pesquisa em Informática Aplicada e do Grupo de Pesquisa em Ensino e Tecnologia Química. Tem experiência na área de Ciência da Computação, com ênfase em inteligência artificial, sistemas computacionais e construção de tecnologias aplicadas ao ensino, atuando principalmente nos seguintes temas: agentes inteligentes, aprendizado de máquina e learning analytics.

Diogo Pereira Bezerra, Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte (IFRN)

Graduado em Licenciatura em Química pela Universidade Estadual do Ceará (2008), possui Mestrado (2010) e Doutorado (2014) em Engenharia Química pela Universidade Federal do Ceará, possui formação em Educação VET for the Future pela Häme University of Applied Sciences (2015) (Finlândia). Atualmente sou Professor do Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte (IFRN) atuando no ensino médio integrado aos cursos Técnicos de Agroecologia e Meio Ambiente no Campus Ipanguaçu; Curso Superior de Graduação em Licenciatura em Química no Campus Ipanguaçu; Professor Permanente do Programa de Pós-Graduação em Educação Profissional e Tecnológica (ProfEPT - Mestrado Profissional em Rede Nacional) no Campus Mossoró e Docente Permanente do Programa de Pós-graduação em Ensino da Rede Nordesde de Ensino (RENOEN) . Em pesquisa, possui experiência em Adsorção e Processos de Separação, além de processos de aprendizagem usando Aprendizagem Baseada em Projetos, Letramento Informacional, Difusão e Popularização da Ciência e Mostras/Feiras Científicas.

Carla Katarina de Monteiro Marques, Instituto Federal de Educação, Ciência e Tecnologia do Rio Grande do Norte (IFRN)

Possui graduação em Ciências da Computação pela Universidade Estadual do Ceará (1994), mestrado em Engenharia Elétrica pela Universidade Federal do Ceará (2001), doutorado em Engenharia de Teleinformática pela Universidade Federal do Ceará (2010) e pós-doutorado na UdeM (Department of Computer Engineering pela University Polytechnique of Montreal). Foi professora da Universidade do Estado do Rio Grande do Norte e professora permanente do programa de pós-graduação em Ciência da Computação da Universidade do Estado do Rio Grande do Norte / Universidade Federal Rural do Semi-Árido (PPgCC). Atualmente é professora titular do IFRN Campus Mossoró e professor permanente do programa de pós-graduação em Educação Profissional e Tecnológica (ProfEPT). Tem experiência na área de Ciência da Computação, com ênfase em Teleinformática, atuando principalmente nos seguintes temas: reconfiguração dinâmica, redes de petri, servidores web, qualidade de serviço, arquitetura em grades, Educação a Distância e Internet das Coisas.

Downloads

Arquivos adicionais

Publicado

2026-09-24

Como Citar

de Souza, R., Bezerra, D. P., & Marques, C. K. de M. (2026). Metacognition, Feedback, and Artificial Intelligence: A Didactic-Pedagogical Matrix for Learning Recalibration. Revista Diálogo Educacional, 26(90), 1397–1421. https://doi.org/10.7213/1981-416X.26.090.DS03EN

Edição

v. 26 n. 90 (2026): Metacognição e aprendizagem: cenários, desafios e possibilidades

Seção

Dossiê

Licença

Copyright (c) 2026 Editora Universitária Champagnat

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

Os(As) autores(as) mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com a utilização da Licença Creative Commons Attribution 4.0 International (CC BY 4.0), que permite compartilhar, copiar, redistribuir o manuscrito em qualquer meio ou formato. Permite, também, adaptar, remixar, transformar e construir sobre o material, desde que seja atribuído o devido crédito de autoria e publicação no periódico, para qualquer fim. A Revista Diálogo Educacional proporciona acesso público a todo o seu conteúdo, possibilitando maior visibilidade e alcance dos artigos publicados, com apoio no Public Knowledge Project, que desenvolveu esse sistema para melhorar a qualidade acadêmica e pública da pesquisa e que permite distribuir o OJS e outros softwares de apoio ao sistema de publicação de acesso público a fontes acadêmicas. Ao publicar nesta revista, os(as) autores(as) concordam com os seguintes termos:

  1. Autores(as) mantêm os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons - Atribuição 4.0 Internacional que permite o compartilhamento do trabalho com reconhecimento da autoria e publicação inicial nesta revista.
  2. Autores(as) têm autorização para assumir contratos adicionais separadamente, para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional ou como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista.
  3. Autores(as) têm permissão e são estimulados a publicar e distribuir seu trabalho online em blogs pessoais, repositórios institucionais e mídias sociais acadêmicas, bem como postando-os em suas mídias sociais pessoais, desde que seja incluída a citação completa à versão do website da revista, a qualquer ponto antes ou durante o processo editorial, já que isso pode gerar alterações produtivas, bem como aumentar o impacto e a citação do trabalho publicado.
  4. Autores(as) têm o direito de: a) Compartilhar — copiar e redistribuir o material em qualquer suporte ou formato para qualquer fim, mesmo que comercial. b) Adaptar — remixar, transformar, e criar a partir do material para qualquer fim, mesmo que comercial.