Inteligência artificial generativa e desenho universal para a aprendizagem: cocriação de currículos flexíveis na Educação Especial
Queila Francelina Puger
Liliane Pereira de Sousa
Katia de Arruda Castrillon
Jania Jesuína Fornazier
Angelica Gonçalves do Espirito Santo de Oliveira
RESUMO
A expansão da inteligência artificial generativa (IAGen) no campo educacional amplia as possibilidades de produção, reorganização e diversificação de materiais, mas também impõe desafios pedagógicos, éticos e epistemológicos. No âmbito da Educação Especial, tais desafios tornam-se particularmente relevantes, pois a personalização algorítmica não pode ser confundida com inclusão nem substituir o conhecimento docente sobre os estudantes e seus contextos. Este artigo analisa as possibilidades e os limites da articulação entre IAGen e Desenho Universal para a Aprendizagem (DUA) na cocriação de currículos flexíveis e acessíveis. Trata-se de estudo qualitativo, de natureza teórico-bibliográfica, construído a partir de literatura recente sobre DUA, inteligência artificial, desenho instrucional inclusivo e Educação Especial. A análise sustenta que a IAGen pode ampliar a capacidade docente de antecipar barreiras, diversificar formas de engajamento, representação e ação e expressão, prototipar recursos e reorganizar percursos de aprendizagem. Contudo, evidências recentes indicam que planos produzidos automaticamente por sistemas de IA podem apresentar alinhamento limitado aos princípios do DUA, exigindo curadoria e intervenção docente. Propõe-se, assim, compreender a relação entre professor, DUA e IAGen como cocriação assimétrica: a tecnologia expande possibilidades, enquanto a intencionalidade, a decisão curricular, a responsabilidade ética e a validação pedagógica permanecem humanas. Conclui-se que a convergência entre IAGen e DUA pode favorecer currículos mais responsivos à variabilidade dos aprendizes quando orientada por acessibilidade, equidade, agência discente e mediação docente.
Palavras-chave: inteligência artificial generativa. Desenho Universal para a Aprendizagem. Educação Especial. educação inclusiva. flexibilidade curricular.
ABSTRACT
The expansion of generative artificial intelligence (GenAI) in education broadens possibilities for producing, reorganizing, and diversifying learning materials, while also raising pedagogical, ethical, and epistemological challenges. In Special Education, these challenges are particularly significant because algorithmic personalization cannot be equated with inclusion or replace teachers’ knowledge of learners and their contexts. This article analyzes the possibilities and limits of articulating GenAI and Universal Design for Learning (UDL) in the co-creation of flexible and accessible curricula. This is a qualitative, theoretical-bibliographic study based on recent literature on UDL, artificial intelligence, inclusive instructional design, and Special Education. The analysis argues that GenAI can expand teachers’ capacity to anticipate barriers, diversify means of engagement, representation, and action and expression, prototype resources, and reorganize learning pathways. However, recent evidence indicates that lesson plans automatically generated by AI systems may show limited alignment with UDL principles, requiring teacher curation and intervention. The relationship among teacher, UDL, and GenAI is therefore understood as asymmetrical co-creation: technology expands possibilities, while pedagogical intentionality, curricular decision-making, ethical responsibility, and validation remain human. The article concludes that the convergence of GenAI and UDL can foster curricula that are more responsive to learner variability when guided by accessibility, equity, learner agency, and teacher mediation.
Keywords: generative artificial intelligence. Universal Design for Learning. Special Education. Inclusive education. Curriculum flexibility.
1 INTRODUÇÃO
A educação inclusiva exige que o currículo seja pensado para uma realidade marcada pela variabilidade humana. Estudantes diferem em seus repertórios, modos de comunicação, experiências socioculturais, ritmos, interesses, formas de participação e maneiras de demonstrar conhecimento. Na Educação Especial, essa diversidade evidencia os limites de propostas curriculares concebidas para um estudante abstrato e homogêneo, às quais se acrescentam adaptações somente depois que as barreiras já se manifestaram.
O Desenho Universal para a Aprendizagem (DUA) oferece uma mudança importante nessa lógica. Em vez de localizar o problema exclusivamente no estudante, o DUA orienta a identificação e a redução de barreiras presentes em objetivos, métodos, materiais, ambientes e avaliações. As Diretrizes do CAST, atualizadas em 2024, reafirmam a organização do DUA em múltiplos meios de engajamento, representação e ação e expressão e ampliam a atenção às barreiras decorrentes de vieses e sistemas de exclusão (CAST, 2024).
Paralelamente, a difusão da inteligência artificial generativa (IAGen) introduziu novas possibilidades para o trabalho pedagógico. Sistemas capazes de gerar textos, imagens, exemplos, perguntas, sínteses, roteiros e diferentes representações de um conteúdo podem reduzir parte do tempo operacional envolvido na elaboração de alternativas didáticas. Evmenova, Borup e Shin (2024) argumentam que a IAGen pode apoiar esforços docentes orientados pelo DUA, especialmente quando utilizada para ampliar opções e apoios a aprendizes diversos, inclusive estudantes com deficiência.
Entretanto, a associação entre tecnologia e inclusão não é automática. A produção rápida de diferentes versões de uma atividade pode reproduzir a mesma barreira em formatos distintos, simplificar indevidamente objetivos curriculares ou transformar diagnósticos em perfis pedagógicos rígidos. Em análise de planos de aula produzidos por geradores de IA, pesquisadores encontraram alinhamento mínimo com referenciais de DUA e Desenho Universal para a Transição, concluindo que os produtos demandavam modificações iniciadas pelo professor para responder adequadamente à diversidade dos aprendizes (BETTER THAN NOTHING, 2024).
Diante desse cenário, formula-se a seguinte questão: em que condições a articulação entre IAGen e DUA pode contribuir para a cocriação de currículos flexíveis na Educação Especial sem deslocar para o algoritmo decisões pedagógicas, éticas e curriculares que exigem conhecimento contextual e responsabilidade profissional? O objetivo deste artigo é analisar possibilidades e limites dessa articulação, defendendo que sua potência reside menos na automação de adaptações e mais na ampliação da capacidade docente de antecipar barreiras e construir múltiplos percursos de acesso, participação e expressão da aprendizagem.
2 PERCURSO METODOLÓGICO
O estudo assume abordagem qualitativa e caráter teórico-bibliográfico. A construção analítica concentrou-se em produções recentes que articulam inteligência artificial, DUA, inclusão, deficiência, formação docente e desenho instrucional, complementadas pelas Diretrizes do CAST para o DUA. Foram privilegiados trabalhos publicados entre 2024 e 2026 diretamente relacionados à interface entre IA e DUA, sem a pretensão de constituir revisão sistemática ou exaustiva da literatura.
A leitura foi orientada por quatro eixos: a) concepção de variabilidade e barreiras no DUA; b) possibilidades atribuídas à IAGen para planejamento e produção de recursos; c) evidências e limites da integração entre IA e práticas inclusivas; e d) papel da mediação e da curadoria docente. A partir desses eixos, procedeu-se a uma síntese interpretativa destinada a construir um argumento conceitual sobre cocriação curricular. Assim, os resultados discutidos não pretendem medir efeitos da IAGen sobre a aprendizagem, mas problematizar as condições pedagógicas sob as quais seu uso pode ou não contribuir para currículos inclusivos.
3 DUA E FLEXIBILIDADE CURRICULAR: DA ADAPTAÇÃO À ANTECIPAÇÃO DE BARREIRAS
O DUA parte do reconhecimento de que a variabilidade dos aprendizes é previsível e, portanto, deve ser considerada desde o planejamento. Essa premissa desloca a inclusão de uma lógica estritamente compensatória para uma lógica de desenho. A pergunta deixa de ser apenas “como adaptar esta atividade para quem não consegue realizá-la?” e passa a incluir “quais barreiras esta proposta pode produzir e que opções podem ser previstas desde sua concepção?”.
As Diretrizes 3.0 do CAST orientam o desenho de múltiplos meios de engajamento, representação e ação e expressão, com atenção à agência do aprendiz e ao enfrentamento de práticas excludentes (CAST, 2024). Isso não significa oferecer todas as opções possíveis em todas as aulas, tampouco eliminar apoios individualizados. Significa preservar objetivos relevantes e, simultaneamente, flexibilizar os caminhos pelos quais os estudantes podem acessar informações, participar das experiências e comunicar aquilo que sabem.
Nessa perspectiva, flexibilidade curricular não equivale a redução curricular. Um currículo flexível não é um currículo cognitivamente empobrecido destinado ao estudante com deficiência. Ao contrário, busca distinguir o que é essencial no objetivo de aprendizagem daquilo que corresponde apenas a uma forma particular de apresentar conteúdo ou exigir resposta. Acessibilidade, nesse sentido, torna-se elemento constitutivo do planejamento, e não correção posterior de um desenho inicialmente inacessível.
Essa distinção é central para a Educação Especial. Apoios como tecnologias assistivas, comunicação aumentativa e alternativa, mediação humana, tempo adicional ou recursos sensoriais podem continuar indispensáveis. O DUA não apaga a singularidade; ele reduz a quantidade de barreiras desnecessariamente produzidas pelo próprio currículo e cria uma base mais ampla sobre a qual apoios específicos podem ser organizados.
4 INTELIGÊNCIA ARTIFICIAL GENERATIVA E MEDIAÇÃO PEDAGÓGICA
A IAGen amplia a capacidade de produzir rapidamente variações de materiais e situações de aprendizagem. Um mesmo conceito pode ser reorganizado em texto, roteiro oral, sequência visual, glossário, exemplos contextualizados, perguntas graduadas ou propostas de expressão multimodal. Essa plasticidade técnica aproxima-se, em princípio, das demandas de um desenho pedagógico que reconhece diferentes formas de acesso e expressão.
Evmenova, Borup e Shin (2024) destacam que ferramentas generativas podem apoiar professores na implementação do DUA e no atendimento a aprendizes diversos. Hyatt e Owenz (2024), em estudo com estudantes de pós-graduação, combinaram uma atividade baseada em IA com opções de avaliação orientadas pelo DUA. Os participantes puderam demonstrar aprendizagem por diferentes modalidades, e as opções foram efetivamente utilizadas, reforçando a relevância de oferecer escolhas significativas.
Resultados de Cersosimo e Pennazio (2025) acrescentam outra dimensão: em uma experiência de formação inicial de professores, o uso pedagogicamente orientado de uma ferramenta baseada em ChatGPT, associado a um modelo estruturado de DUA, foi acompanhado por aumento na percepção de competência dos participantes para aplicar o referencial e por maior consciência crítica sobre seus desafios. O dado é relevante porque sugere que a tecnologia pode funcionar como ambiente de experimentação profissional quando subordinada a uma arquitetura pedagógica explícita.
Todavia, a capacidade de gerar não equivale à capacidade de julgar pedagogicamente. Sistemas generativos podem produzir informações imprecisas, estereótipos, simplificações excessivas ou alternativas que parecem diferentes apenas superficialmente. Estudos recentes sobre Educação Especial também enfatizam que o uso de IA precisa ser orientado por referenciais inclusivos e acompanhado de recomendações éticas e profissionais (MCCREE et al., 2026). Portanto, a mediação docente não constitui etapa acessória: é a condição que transforma produção algorítmica em possibilidade pedagógica.
5 COCRIAÇÃO DE CURRÍCULOS FLEXÍVEIS: UMA PROPOSTA CONCEITUAL
A noção de cocriação empregada neste artigo não atribui à IAGen estatuto equivalente ao da autoria humana. Trata-se de uma relação assimétrica. A ferramenta gera possibilidades a partir de comandos, dados e padrões; o professor define finalidades, interpreta o contexto, conhece o percurso dos estudantes, seleciona o que é pertinente, rejeita o que produz barreiras e assume responsabilidade pelas decisões tomadas.
Essa cocriação pode ser organizada em cinco movimentos interdependentes. O primeiro consiste em definir a intencionalidade de aprendizagem, explicitando o conhecimento, a habilidade ou a compreensão que se pretende desenvolver. O segundo é antecipar barreiras, examinando linguagem, suporte, tempo, exigências motoras, sensoriais, comunicacionais e formas de avaliação. O terceiro é gerar possibilidades com apoio da IAGen, explorando alternativas de engajamento, representação e ação e expressão. O quarto corresponde à curadoria pedagógica: verificar exatidão, acessibilidade, complexidade cognitiva, pertinência cultural, proteção de dados e coerência com os objetivos. O quinto é acompanhar a experiência real do estudante e reconstruir o planejamento a partir das evidências produzidas no processo.
O valor desse ciclo está em impedir que a IA seja utilizada apenas para fabricar “atividades adaptadas”. Em uma atividade de leitura, por exemplo, a tecnologia pode apoiar a criação de glossários, organização visual das informações, explicações alternativas, perguntas em níveis progressivos e diferentes possibilidades de resposta. O objetivo curricular, entretanto, deve permanecer visível. A decisão sobre quais apoios ampliam o acesso sem eliminar o desafio cognitivo pertence ao professor.
Sakowicz e Hamidi (2025) investigam justamente como educadores especiais podem utilizar IAGen para criar conteúdos personalizados dentro da estrutura do DUA, partindo do problema concreto do tempo e dos recursos necessários à produção de materiais individualizados. Esse tipo de investigação reforça uma hipótese importante: a IAGen pode reduzir custos operacionais da diversificação, mas não elimina a necessidade de conhecimento pedagógico especializado.
Consequentemente, a cocriação curricular aqui proposta não significa delegar currículo à máquina. Significa usar a capacidade generativa como espaço de prototipagem, comparação e expansão de repertório, mantendo o professor como autor das decisões educacionais e o estudante como sujeito cuja participação, agência e aprendizagem constituem o critério de validação do desenho.
6 EDUCAÇÃO ESPECIAL: PERSONALIZAÇÃO SEM DETERMINISMO DIAGNÓSTICO
A personalização mediada por IA exige atenção particular na Educação Especial. Solicitações genéricas como “adapte para um aluno autista” ou “faça para uma criança com deficiência intelectual” podem induzir o sistema a operar com generalizações sobre categorias diagnósticas. O resultado pode ser uma falsa personalização: o material muda porque existe um rótulo, não porque foram identificadas barreiras concretas.
Dois estudantes com o mesmo diagnóstico podem apresentar formas de comunicação, conhecimentos prévios, interesses, autonomia, necessidades sensoriais e estratégias de aprendizagem profundamente diferentes. Por isso, diagnóstico não pode funcionar como comando curricular. A pergunta pedagogicamente mais consistente é quais barreiras determinado estudante encontra diante de determinada tarefa e quais apoios ampliam sua participação sem diminuir, de maneira arbitrária, o direito ao conhecimento.
A convergência entre DUA e IAGen torna-se mais coerente quando a tecnologia é alimentada por descrições pedagógicas não identificáveis: objetivo de aprendizagem, barreira observada, recurso já utilizado, modalidade de resposta possível, nível de apoio necessário e características do contexto. Tal orientação reduz a dependência de estereótipos e aproxima a personalização de uma perspectiva educacional, e não meramente classificatória.
7 DIMENSÕES ÉTICAS E LIMITES
A incorporação de IAGen à Educação Especial não pode ser avaliada apenas pelo ganho de produtividade. Privacidade, proteção de dados, vieses, autoria, transparência, desigualdade de acesso tecnológico e responsabilização profissional integram o problema. Informações sobre deficiência, relatórios, avaliações e trajetórias escolares podem envolver dados pessoais sensíveis; por isso, sua inserção indiscriminada em plataformas generativas é incompatível com uma prática de cuidado e proteção.
Também existe o risco de aprofundamento das desigualdades entre instituições e profissionais. A qualidade do uso educacional da IA depende de infraestrutura, acesso, formação, letramento digital e capacidade crítica. Uma política que simplesmente disponibilize ferramentas sem desenvolver competência pedagógica pode converter uma promessa de democratização em nova camada de assimetria.
Além disso, o professor precisa conservar capacidade de contestar a resposta algorítmica. O produto da IAGen não deve adquirir autoridade pelo fato de ser tecnicamente sofisticado ou linguisticamente convincente. A curadoria exige conferir informações, analisar vieses, verificar acessibilidade e decidir se o material preserva o objetivo educacional. A literatura recente converge ao indicar que a IA pode contribuir para ambientes mais inclusivos quando integrada a referenciais pedagógicos consistentes e acompanhada de formação adequada (AYUSO-DEL PUERTO et al., 2026; CERSOSIMO; PENNAZIO, 2025; MCCREE et al., 2026).
8 CONSIDERAÇÕES FINAIS
A articulação entre inteligência artificial generativa e Desenho Universal para a Aprendizagem constitui um campo promissor para a Educação Especial, desde que sua análise ultrapasse o entusiasmo tecnológico e permaneça ancorada em princípios pedagógicos, éticos e inclusivos. A IAGen pode ampliar repertórios, acelerar a prototipagem de recursos, favorecer múltiplas representações e apoiar a construção de alternativas de participação e expressão. Essas possibilidades, contudo, não tornam o sistema generativo um agente pedagógico autônomo.
O argumento desenvolvido neste artigo sustenta que a relação mais produtiva entre IAGen e DUA é a cocriação assimétrica. A tecnologia amplia o espaço do possível; o professor preserva a responsabilidade sobre finalidades, critérios, escolhas e consequências. O estudante, por sua vez, não deve ser reduzido a um diagnóstico ou a um perfil calculado, mas reconhecido como sujeito de direitos, conhecimentos, preferências, modos de participação e possibilidades de desenvolvimento.
Sob essa perspectiva, a pergunta deixa de ser apenas como adaptar um currículo já pronto para um estudante considerado diferente. Passa-se a perguntar como desenhar, desde o início, experiências curriculares que reconheçam a variabilidade como condição ordinária da aprendizagem e que mantenham abertas múltiplas vias de acesso ao conhecimento.
A contribuição mais relevante da IAGen para a Educação Especial, portanto, não está em automatizar a inclusão. Está em oferecer ao professor um novo espaço de criação e experimentação que, quando orientado pelo DUA, pode ajudar a antecipar barreiras e tornar o currículo mais responsivo. A tecnologia pode gerar alternativas; a responsabilidade de transformá-las em experiências educacionais justas, acessíveis e intelectualmente significativas permanece humana.
Como agenda de pesquisa, tornam-se necessários estudos empíricos em contextos brasileiros de Educação Básica que examinem não apenas a percepção docente, mas também a acessibilidade dos materiais produzidos, a participação dos estudantes, a preservação dos objetivos curriculares e os efeitos sobre aprendizagem e autonomia. Investigações dessa natureza poderão deslocar o debate da promessa tecnológica para evidências educacionais concretas.
REFERÊNCIAS
AYUSO-DEL PUERTO, Desirée; CABANILLAS-GARCÍA, Juan Luis; SÁNCHEZ-HERRERA, Susana; PÉREZ-VERA, Lucía. Knowledge, perceptions, and applicability of universal design for learning and artificial intelligence in inclusive education. Frontiers in Education, v. 11, art. 1832142, 2026. DOI: 10.3389/feduc.2026.1832142.
CAST. CAST Universal Design for Learning Guidelines version 3.0. Lynnfield, MA: CAST, 2024. Disponível em: https://udlguidelines.cast.org/. Acesso em: 5 out. 2026.
CERSOSIMO, Rita; PENNAZIO, Valentina. Integrating UDL and AI in pre-service teacher education: a pilot study in primary school instructional design. Italian Journal of Special Education for Inclusion, v. 13, n. 1, p. 288-298, 2025. DOI: 10.7346/sipes-01-2025-26.
EVMENOVA, Anya S.; BORUP, Jered; SHIN, Joan Kang. Harnessing the power of generative AI to support ALL learners. TechTrends, v. 68, p. 820-831, 2024. DOI: 10.1007/s11528-024-00966-x.
HYATT, Sally E.; OWENZ, Meghan B. Using Universal Design for Learning and artificial intelligence to support students with disabilities. College Teaching, v. 74, n. 2, p. 89-96, 2026. Publicado online em: 25 fev. 2024. DOI: 10.1080/87567555.2024.2313468.
MCCREE, Nikita; BURANOVA, Nargiza; DAY, Jamie; JUERGENSEN, Rachel; GORAN, Lisa. Artificial intelligence in special education: advancing inclusion through Universal Design for Learning, and culturally responsive teaching. Journal of Special Education Technology, OnlineFirst, 2026. DOI: 10.1177/01626434261448827.
SAKOWICZ, Marie; HAMIDI, Foad. Exploring the role of generative AI in supporting students with disabilities, through the lens of universal design for learning. American Journal of STEM Education, 2025. DOI: 10.32674/yeyaaq64.
BETTER THAN NOTHING? An analysis of AI-generated lesson plans using the Universal Design for Learning & Transition frameworks. The Clearing House: A Journal of Educational Strategies, Issues and Ideas, v. 97, n. 5, 2024. DOI: 10.1080/00098655.2024.2427332.
