Matemática e Inteligência Artificial: como algoritmos aprendem com dados através de média, mediana e moda

23 de abril de 2026,

E-docente

Inteligência Artificial na Educação, Matemática

A Inteligência Artificial (IA) já faz parte do nosso dia a dia, muitas vezes sem que a gente perceba. Quando um aplicativo sugere um vídeo, quando um assistente virtual responde a uma pergunta ou até quando uma plataforma educacional organiza atividades, há algoritmos trabalhando por trás, aprendendo com dados e identificando padrões. Embora possa parecer algo distante, a conexão entre matematica e inteligencia artificial está em conceitos básicos que começam a ser explorados ainda na escola.

Além de entender como essas tecnologias funcionam por dentro, talvez o ponto mais importante seja outro: como estamos ensinando nossos alunos a lidar com informações e dados? Diferente das pessoas, os algoritmos não têm intuição. Eles observam, comparam, organizam e tiram conclusões a partir de números. E é justamente aí que a matemática escolar ganha um papel fundamental, ao oferecer os primeiros instrumentos para que os estudantes comecem a fazer esse mesmo tipo de leitura do mundo.

A Matemática como ferramenta de interpretação do mundo digital

Nesse caminho, alguns conceitos simples da matemática ganham um novo significado. Quando trabalhamos com dados em sala de aula, estamos ensinando os alunos a organizar informações e perceber padrões, algo muito próximo do que os algoritmos fazem. Ao analisar uma lista de valores, por exemplo, buscar um valor que represente o conjunto ou identificar aquilo que mais se repete são estratégias que ajudam a transformar dados soltos em informações compreensíveis. É nesse movimento que ideias bem introdutórias no ensino de estatística, como média, mediana e moda, passam a funcionar como ferramentas para interpretar situações reais.

Trazer esse olhar para a sala de aula é uma oportunidade de aproximar a matemática do cotidiano dos estudantes. Ao investigar dados da própria turma, como hábitos, preferências ou rotinas, o aluno percebe que a matemática não está restrita ao caderno: ela é um meio para compreender questões presentes nas decisões e nas tecnologias que utiliza todos os dias. Ele aprende a fazer perguntas, comparar resultados e refletir sobre o que aqueles números realmente significam. Esse tipo de postura está na base tanto do pensamento matemático quanto do funcionamento da Inteligência Artificial.

O papel da estatística na relação entre matematica e inteligencia artificial

Se a IA pode parecer algo abstrato ou muito tecnológico, é justamente na análise de dados que essa compreensão começa a se concretizar. Antes mesmo de pensar em algoritmos complexos, é possível compreender que esses sistemas funcionam a partir da organização e interpretação de informações. E é nesse ponto que a estatística se torna fundamental. Muito mais próxima do nosso dia a dia do que imaginamos, ela aparece sempre que lidamos com dados: quanto tempo usamos o celular, quais conteúdos consumimos com mais frequência, quais escolhas repetimos sem perceber.

Nesse contexto, a estatística ajuda a organizar e dar sentido a essas informações, tornando visíveis padrões que antes passariam despercebidos. Mais do que cálculos, esse exercício de interpretação confere significado ao ensino de média, mediana e moda, contribuindo para a formação de alunos mais críticos e conscientes em relação ao mundo digital.

Como os algoritmos identificam tendências e padrões

Quando um aplicativo faz uma sugestão, ele não conhece a pessoa como um todo. He observa comportamentos ao longo do tempo e tenta identificar regularidades. O que aparece com mais frequência, o que é mais comum ou o que pode representar melhor aquele conjunto de informações. É nesse momento que ideias como média, mediana e moda passam a fazer sentido, pois ajudam a resumir dados e a entender tendências de forma mais clara.

De certa forma, cada pessoa contribui com pequenas informações que, quando reunidas, formam um panorama maior. Ao analisar muitos dados ao mesmo tempo, é possível perceber padrões e fazer sugestões que parecem cada vez mais personalizadas. Por isso, muitas vezes temos a impressão de que as plataformas sabem do que gostamos.

Pensamento Crítico: a neutralidade dos dados em questão

No entanto, é importante considerar que os dados utilizados por esses sistemas não são neutros. Eles refletem comportamentos, contextos e escolhas que podem carregar padrões e até distorções. Nesse sentido, compreender como as informações são organizadas e interpretadas torna-se fundamental para que os alunos não apenas utilizem as tecnologias, mas também desenvolvam um olhar crítico sobre elas. Como destaca Aguirre (2024), a Inteligência Artificial não deve ser entendida apenas como uma ferramenta, mas como um elemento que influencia a forma como o conhecimento é produzido e interpretado, exigindo uma postura reflexiva diante dos dados e dos resultados apresentados.

Tecnologias Digitais no Ensino de Estatística

Nesse cenário, o uso de tecnologias digitais pode potencializar esse processo de aprendizagem. Ao possibilitar a manipulação de dados, a construção de gráficos e a visualização de padrões, essas ferramentas tornam o estudo da estatística mais dinâmico e acessível. Além disso, favorecem a participação ativa dos estudantes, que deixam de apenas executar cálculos e passam a explorar, investigar e interpretar informações. Como apontam Damin et al. (2019), o uso de tecnologias digitais no ensino de estatística contribui para a motivação, a visualização dos dados e a construção do conhecimento pelo próprio aluno.

Ao mesmo tempo, a inserção da IA no contexto educacional amplia essas possibilidades, mas também traz novos desafios. Estudos recentes indicam que essas tecnologias podem apoiar o ensino, ampliar as formas de interação com o conhecimento e favorecer a participação dos estudantes, desde que utilizadas de maneira crítica e mediada pelo professor. Mais do que uma ferramenta, a Inteligência Artificial exige que se considerem seus impactos nos processos educativos e na forma como os alunos produzem e interpretam informações (Aguirre, 2024).

Ao articular o ensino de estatística com o uso de tecnologias e com a compreensão do funcionamento dos sistemas digitais, a escola contribui para a formação de estudantes mais preparados para lidar com um mundo orientado por dados.

Proposta Pedagógica: Simulação de um Sistema de Recomendação

Uma possibilidade de desdobramento pedagógico para o trabalho com esses conceitos em sala de aula é a proposição de uma atividade em que os alunos simulem o funcionamento de um sistema de recomendação, aproximando o estudo da estatística do contexto da Inteligência Artificial. Nessa proposta, os estudantes são convidados a assumir o papel de “treinadores” de um algoritmo, tendo como objetivo analisar dados e produzir sugestões com base em padrões identificados.

A atividade pode iniciar com a definição de um tema relacionado ao cotidiano dos alunos, como tempo de uso do celular, aplicativos mais utilizados, estilos musicais ou conteúdos mais consumidos. Em seguida, os próprios estudantes realizam a coleta de dados entre os colegas, registrando as informações em uma tabela. Esse momento é importante para que percebam que os dados não são abstratos, mas representam comportamentos reais.

Na etapa seguinte, os alunos organizam e analisam os dados coletados, calculando medidas de tendência central, como média, mediana e moda. A partir desses resultados, são incentivados a refletir sobre qual dessas medidas melhor representa o grupo e se há valores que destoam do conjunto. Esse processo permite compreender que diferentes formas de resumir os dados podem levar a interpretações distintas.

Com base nessa análise, os estudantes são desafiados a elaborar uma recomendação, como se fossem um sistema automatizado. Devem responder, por exemplo, que tipo de conteúdo seria sugerido para um novo integrante do grupo, justificando suas escolhas a partir dos dados analisados. Nesse momento, a matemática deixa de ser apenas um conjunto de procedimentos e passa a ser utilizada como ferramenta de tomada de decisão.

Por fim, a atividade pode ser ampliada com uma discussão coletiva sobre os limites desse tipo de recomendação. Questiona-se se os dados representam todos os indivíduos de forma adequada, se valores extremos influenciam os resultados e se uma mesma sugestão seria válida para todos. Essa problematização permite que os alunos compreendam que, assim como nos sistemas de Inteligência Artificial, as decisões baseadas em dados dependem da forma como esses dados são organizados, analisados e interpretados, reforçando a importância de uma postura crítica diante das informações.

Como continuidade dessa proposta, apresenta-se a seguir um plano de aula que organiza a atividade em etapas estruturadas, articulando objetivos de aprendizagem, desenvolvimento das aulas e critérios de avaliação.

Plano de Aula: análise de dados e sistemas de recomendação

Conteúdo: Média, mediana e moda aplicadas à interpretação de dados

Público-alvo: Ensino Médio

Duração: 2 aulas de 50 minutos

Objetivo Geral

Compreender como medidas de tendência central podem ser utilizadas para interpretar dados e subsidiar processos de tomada de decisão, relacionando esses conceitos ao funcionamento de sistemas de recomendação.

Objetivos Específicos

Coletar e organizar dados relacionados ao cotidiano dos estudantes.
Calcular média, mediana e moda em conjuntos de dados reais.
Interpretar resultados e identificar padrões.
Refletir sobre os limites de análises baseadas em dados.
Relacionar o uso da estatística ao funcionamento de sistemas digitais.

Habilidades (BNCC)

EM13MAT408: Construir e interpretar tabelas e gráficos de frequências, com base em dados obtidos em pesquisas por amostras estatísticas, incluindo ou não o uso de softwares que inter-relacionem estatística, geometria e álgebra.

EM13MAT316: Resolver e elaborar problemas, em diferentes contextos, que envolvem cálculo e interpretação das medidas de tendência central (média, moda, mediana) e das de dispersão (amplitude, variância e desvio padrão).

Cronograma das Aulas

Aula 01

Etapa	Tempo	Descrição
Problematização	10 min	Discussão inicial sobre como aplicativos realizam recomendações, explorando ideias prévias dos alunos sobre dados e padrões.
Coleta de dados	15 min	Aplicação de questionário com temas do cotidiano (uso de celular, aplicativos, preferências).
Organização dos dados	25 min	Organização dos dados em tabelas e identificação inicial de frequências e padrões.

Aula 02:

Etapa	Tempo	Descrição
Cálculo das medidas	20 min	Cálculo de média, mediana e moda a partir dos dados coletados.
Interpretação	15 min	Discussão sobre representatividade dos dados, presença de valores discrepantes e comparação entre as medidas.
Produção de recomendações	10 min	Elaboração de sugestões com base nos dados, simulando um sistema de recomendação.
Sistematização	5 min	Reflexão final sobre limites e possibilidades do uso de dados na tomada de decisão.

Recursos Didáticos e Avaliação

Recursos: Quadro, material de escrita, calculadora (opcional).
Avaliação: A avaliação será realizada de forma processual, considerando a participação dos alunos nas discussões, a organização dos dados, a correção dos cálculos, a capacidade de interpretação dos resultados e a qualidade das justificativas apresentadas nas recomendações propostas.
Observações: A atividade pode ser ampliada com o uso de ferramentas digitais para a construção de gráficos ou a comparação entre diferentes conjuntos de dados, favorecendo uma abordagem mais investigativa e próxima das práticas contemporâneas de análise de dados.

Referências

AGUIRRE, U. J. C. Possibilidades entre a Educação Matemática e Inteligência Artificial Generativa (IAG) em sala de aula. IX Seminário Internacional de Pesquisa em Educação Matemática. Natal – Rio Grande do Norte: [s. n.], 2024. ISSN 2764-3158. Disponível em: https://www.sbembrasil.org.br/eventos/index.php/sipem/article/view/453. Acesso em: 23 mar. 2026.

DAMIN, W. et al. As Tecnologias Digitais Educacionais e o Ensino de Estatística e Probabilidade. Rev. Ens. Educ. Cienc. Human., Paraná, v. 10, nº. 1, p. 53-57, 2019. Disponível em: https://revistaensinoeeducacao.pgsskroton.com.br/article/view/5992. Acesso em: 23 mar. 2026.

Minibio do autor

Gabriel Domingues é professor de Matemática, com atuação na Educação Básica e experiência no desenvolvimento de projetos que articulam ensino, tecnologia e práticas lúdicas. Atualmente é pós-graduando em Ensino de Matemática pela Universidade Federal Fluminense (UFF), com interesse em metodologias ativas, jogos e uso de recursos digitais na aprendizagem matemática. Desenvolve trabalhos voltados à criação de propostas pedagógicas que aproximam a Matemática da experiência dos estudantes.

Inteligência Artificial matemática