Google deixou um agente de IA testar suas próprias simulações de sala de aula geradas antes do lançamento

As ferramentas de aprendizagem digital, em sua maioria, oferecem conteúdo passivo, vídeos e livros didáticos, porque simulações interativas são caras de construir e raramente correspondem ao currículo de um professor específico ou aos seus alunos. A resposta do Google Research, baseada em seus modelos LearnLM de 2024 e em um experimento de 2025 chamado "Learn Your Way", foi aplicar a interface generativa, permitindo que um modelo construa uma interface dinamicamente em vez de codificá-la antecipadamente, para que os professores possam gerar simulações personalizadas sob demanda em vez de escolher de uma biblioteca fixa.

O processo mantém o professor no circuito no início, aprovando os objetivos antes que qualquer coisa seja construída, e depois entrega o controle de qualidade a um pipeline no final. Cada simulação se divide em níveis de jogo mais difíceis, vinculados a esses objetivos, com dicas, uma caixa de ferramentas de fórmulas e feedback personalizado. Antes que um professor veja qualquer coisa, um ciclo de autocorreção verifica a pedagogia, a mecânica e o design visual; a verificação da mecânica é agêntica, abrindo uma instância do Chrome para interagir com a simulação como um usuário faria, incluindo entradas adversariais, como um valor de controle extremo, para detectar níveis quebrados.

O Google lançou uma biblioteca pública de mais de 30 interativos de aprendizagem verificados em disciplinas STEM em inglês, todos revisados por professores antes da publicação. Em um estudo com professores de STEM do Reino Unido, os tópicos de física e química foram os mais bem avaliados para a criação de simulações. Um estudo separado com 12 professores dos EUA, cada um solicitando três interativos personalizados para suas próprias salas de aula, produziu uma avaliação média de qualidade de 8 em 10, com os professores observando que a geração dinâmica resolveu o que as simulações estáticas de prateleira não conseguiam: diferenciar o ensino para seu currículo real.

Fazer um agente tentar quebrar a simulação antes que um professor a veja

Exigir a aprovação do professor dos objetivos de aprendizagem antes da geração continua mantendo uma decisão humana no único ponto em que um alvo errado tornaria todos os níveis subsequentes errados também.

Dividir a validação em três critérios nomeados, pedagogia, mecânica e design visual, permite que cada um seja verificado pelo método que lhe convém, em vez de uma única passagem genérica de qualidade.

Usar um avaliador agêntico que realmente opera a simulação em um navegador, e não apenas inspeciona o código gerado, detecta falhas de solubilidade que a análise estática deixaria passar.

Testar entradas adversariais, e não apenas o caminho esperado, visa um modo de falha que uma simulação estática, construída à mão, não teria, já que ela é testada uma vez por seus autores e nunca é regenerada.

Quando você não pode pagar por um humano para verificar cada artefato gerado, dê a um agente a mesma interface que um humano usaria e faça-o tentar quebrar o artefato como um usuário descuidado ou adversarial faria.

O Google está pilotando a ferramenta com escolas por meio do Programa Piloto do Google for Education, no qual os interativos recém-gerados voltam para o professor solicitante para revisão e só entram na biblioteca pública após essa aprovação, e planeja pesquisas de UX e estudos de campo sobre ganhos de aprendizagem e engajamento em salas de aula reais. A equipe descreve a biblioteca lançada como um primeiro passo, com mais disciplinas e níveis de ensino ainda por vir à medida que o piloto se expande.