AI for Higher Education Management

O programa

Conteúdos do curso

Cada módulo aporta um componente do projeto institucional. Os conteúdos se apoiam em casos documentados com resultados verificáveis, tanto de implementações que alcançaram seus objetivos como de projetos que não os alcançaram.

1. 01

   Contexto global e regional

   Situar o estado de adoção da inteligência artificial no ensino superior, em nível global e na América Latina, e sua distância em relação à governança institucional.

   • Estado de adoção entre estudantes e corpo docente, e proporção de instituições com políticas formais
   • Transição da experimentação aberta para implementações governadas e mensuráveis
   • Situação da América Latina: diretrizes institucionais, capacidades próprias e prioridades da agenda regional
   • Distribuição do valor por função institucional: acadêmica, estudantil e administrativa
2. 02

   Casos de êxito e fracasso

   Analisar implementações documentadas com resultados verificáveis e identificar os fatores de desenho que explicam os resultados obtidos e os objetivos não alcançados.

   • Georgia State University: analítica preditiva aplicada ao acompanhamento estudantil e seu modelo operacional
   • Ivy Tech: detecção precoce de risco acadêmico em escala nas primeiras semanas do período
   • Tecnológico de Monterrey: TECgpt e a rede AIGEN como desenvolvimento de capacidade própria na região
   • Arizona State University: captura de eficiências em funções administrativas e de suporte
   • Distrito escolar de Los Angeles: definição do problema, seleção do fornecedor e proteção de dados
3. 03

   O que é a inteligência artificial e o que implica para o ensino superior

   Estabelecer uma compreensão comum das capacidades e dos limites reais da tecnologia, e das obrigações éticas, normativas e de governança que seu uso institucional impõe.

   • O que faz e o que não faz um sistema de aprendizado de máquina, e o que distingue a inteligência artificial generativa
   • Ética institucional: transparência para a comunidade, vieses algorítmicos e equidade no acesso
   • Proteção de dados estudantis e marcos normativos vigentes nos países da região
   • Governança: princípios, instância responsável, ciclo de revisão de casos de uso e prestação de contas
   • Implicações para a docência, a avaliação e a integridade acadêmica
4. 04

   Casos aplicados a universidades e instituições de educação técnica

   Examinar aplicações diferenciadas conforme o tipo de instituição, sua escala e seu nível de maturidade de dados.

   • Permanência e acompanhamento estudantil: alertas precoces e a intervenção humana que os resolve
   • Processos administrativos: admissão, registro acadêmico, finanças estudantis e suporte técnico
   • Educação profissional e técnica: articulação com o setor produtivo, estágios e empregabilidade
   • Diferenças de escala e de maturidade de dados entre universidades complexas e instituições técnicas
5. 05

   Modelo de aplicação geral

   Dispor de um método replicável para priorizar, dimensionar e avaliar uma implementação de inteligência artificial em qualquer área da instituição.

   • Priorização por volume, repetitividade, estrutura dos dados e custo atual do processo
   • Auditoria dos dados disponíveis: existência, qualidade, acesso e responsáveis
   • Decisão entre adquirir, adaptar ou desenvolver, e dados mínimos que cada alternativa exige
   • Critérios de avaliação de fornecedores: trajetória no ensino superior, propriedade dos dados, condições de término e métricas acordadas em contrato
   • Construção do caso financeiro e definição do plano de noventa dias
6. 06

   Projeto institucional

   Integrar os componentes desenvolvidos em um projeto de implementação apresentável à direção da instituição.

   • Integração dos seis componentes em um documento de uma página
   • Definição de marcos, responsáveis e critérios explícitos de continuidade ou encerramento
   • Preparação da apresentação diante de pares e mentores
   • Ajuste final do projeto a partir das observações recebidas