UNIPAR · massa crítica acadêmica
Mais de 70 opções de cursos divulgadas no portal institucional, além de infraestrutura de ensino, pesquisa e extensão em diferentes áreas.
Conhecer a UNIPAR ↗Convite estratégico · Âncora Fundadora Acadêmica
IA · EDUCAÇÃO SUPERIOR · PESQUISA COOPERATIVA
UNIPAR, vamos construir juntos a próxima referência em IA educacional soberana?
Convidamos a Universidade Paranaense (UNIPAR) a discutir seu ingresso como Âncora Fundadora Acadêmica do CITAP Learning Lab — ajudando a liderar pesquisas, desenvolver tecnologias por curso e demonstrar ganhos reais de aprendizagem no Brasil.
Convite para discussão. O Learning Lab é apresentado como consórcio em formação; esta página não significa adesão, aprovação ou compromisso já assumido pela UNIPAR, pelo CITAP ou pela FSNT.
VISÃO CONCEITUAL · 2027—2030
UNIPAR
× Learning Lab
LABORATÓRIO COOPERATIVO PROPOSTO
UNIPAR IA Soberana× Learning Lab
01
Conhecimento acadêmico sob controle
LLMs abertos, RAG e bases especializadas por curso, com fontes verificáveis.
02
Tutores que ajudam a pensar
Diálogo socrático, trilhas, casos e aplicações SPA para docentes e estudantes.
03
Pesquisa com impacto mensurável
Comparar soluções, verificar resultados e transformar protótipos em evidências.
06
Ativos de partida apresentados pelo Learning Lab
09
Frentes de pesquisa na agenda do consórcio
90
Dias para o primeiro marco demonstrável proposto
2028
Horizonte de referência desejado para a UNIPAR
01 / POR QUE ESTA CONVERGÊNCIA
Uma universidade capaz de transformar pesquisa em aprendizagem.
A UNIPAR reúne cursos em saúde, direito, agrárias, tecnologia, negócios e educação. Seus ambientes acadêmicos podem apoiar experimentos, equipes interdisciplinares e avaliação de soluções desenvolvidas em cooperação.
O Learning Lab propõe tecnologias e perguntas de pesquisa. A UNIPAR pode contribuir com docentes, projetos científicos, especialização por curso e condições para investigar o que funciona — e o que não funciona.
“O futuro da aprendizagem se pesquisa junto.”Conceito central da proposta pública do CITAP Learning Lab.
NIT + INOVATECH · ponte com a inovação
Estruturas institucionais com atuação em propriedade intelectual, tecnologia, desenvolvimento de software e relacionamento com a comunidade.
Conhecer o INOVATECH ↗Paulo Tomazinho · método e investigação
Experiência divulgada em neurociências da aprendizagem, Didática Assimétrica, metodologias ativas e tecnologias educacionais: uma conexão entre IA e pedagogia.
Conhecer Paulo Tomazinho ↗02 / PAPEL PROPOSTO À UNIPAR
Não apenas integrar o consórcio.
Ajudar a definir a agenda científica.
Como Âncora Fundadora Acadêmica, a universidade poderia negociar uma posição de liderança na linha de IA Educacional Soberana, apoiando a criação de tecnologias e a avaliação independente de seu impacto.
Liderança científica
Definir boas perguntas
Propor uma linha de P&D em modelos abertos, tutoria educacional e evidências de aprendizagem, com coordenação acadêmica negociada.
Autonomia tecnológica
Manter o conhecimento soberano
Desenvolver bases por curso, aplicações e avaliações com regras de portabilidade, governança de dados e propriedade intelectual.
Visibilidade nacional
Publicar e demonstrar
Produzir artigos, benchmarks, demonstradores e eventos científicos, com resultados positivos, nulos e negativos documentados.
03 / UMA AGENDA COMPARTILHADA
UNIPAR IA Soberana
2027–2030
Propomos que a visão estratégica da UNIPAR se conecte à pesquisa cooperativa do Learning Lab, sem transferir ao consórcio a gestão exclusiva do projeto institucional.
- ✓LLMs especializados por curso: modelos abertos, RAG, bases curriculares e, quando justificado, ajustes finos.
- ✓Unipar Tutor Studio: professores configuram tutores com materiais autorizados e orientação socrática.
- ✓Fábrica de SPAs: trilhas, rubricas, simulados, portfólios e copilotos, com ou sem IA.
- ✓UNIPAR-Bench: avaliação reproduzível de qualidade, segurança, custo e aprendizagem.
- ✓Formação e transferência: iniciação científica, docentes multiplicadores, pesquisa aplicada e software reutilizável.
04 / CINCO PROJETOS PARA COMEÇAR
Pesquisa que chega
a um protótipo utilizável.
Uma carteira enxuta permite testar hipóteses em 3 a 6 meses, reaproveitando equipes e tecnologias existentes, sem prometer produtos já prontos.
Knowledge Factory
Experimentar CKF + RAG + modelos abertos para criar bases de conhecimento confiáveis em disciplinas da UNIPAR.
Entregável: dois corpus curriculares com fontes e avaliação de respostas.
Unipar Tutor Socrático
Construir tutor configurável pelo professor, com pistas graduais, recuperação de fontes e supervisão pedagógica.
Entregável: tutores em cursos-piloto com protocolo de avaliação.
SPA Learning Factory
Desenvolver aplicações de baixo custo: rubricas, trilhas, simulados e simuladores, com versões sem e com IA.
Entregável: 4–6 demonstradores em estágios distintos.
Learning Evidence Lab
Comparar métodos usuais, SPAs sem IA e tutoria com IA por avaliações independentes e análise de riscos.
Entregável: protocolo e relatório científico preliminar.
DigitalClassTwin Validation
Testar até que ponto turmas sintéticas reproduzem respostas de aprendizagem e onde falham.
Entregável: limites, vieses e hipóteses testáveis documentados.
LearnForge + Games
Investigar missões e casos profissionais baseados em conhecimento verificável, com futura aplicação em cursos.
Entregável: prova de conceito, sem promessa de produto comercial.
Os nomes e produtos UNIPAR nesta seção são propostas de colaboração. CKF, EdChat, DigitalClassTwin e LearnForge têm escopos, licenças e maturidades que devem ser verificados separadamente.
05 / NÃO COMEÇAMOS DO ZERO
Seis ativos de partida.
Novas perguntas de pesquisa.
O Learning Lab apresenta seis tecnologias que podem acelerar experimentos cooperativos. Sua disponibilidade, eficácia e acesso ao código não são pressupostos.
Agentic LXP
Conteúdo que pode se transformar em microlearning e jornada acompanhada por mentor de IA.
Conhecer tecnologia ↗EdChat
Agentes conversacionais para educadores, com recuperação de fontes e investigação de tutoria socrática.
Conhecer tecnologia ↗Tutor3is
Experimento de orientação por imagem e voz em atividades feitas no caderno.
Conhecer tecnologia ↗DigitalClassTwin
Turmas sintéticas para ensaiar intervenções antes da validação com estudantes reais.
Conhecer tecnologia ↗CKF
Documentos organizados em pacotes de conhecimento com relações e rastreabilidade de fontes.
Conhecer tecnologia ↗Studio Meta Aprendizagem
Ferramentas de teleprompter e gravação para simplificar a produção de materiais didáticos.
Conhecer tecnologia ↗A faixa TRL 4–6 é informada pelo proponente para o portfólio, sem prova individual disponível nesta proposta. O uso em pesquisa e o licenciamento dependem de análise técnica e instrumentos específicos.
06 / A DIFERENÇA É CIENTÍFICA
Três perguntas que podem colocar a UNIPAR no centro do debate.
O resultado mais importante não é o chatbot responder mais rápido. É a universidade saber demonstrar quando a IA realmente ajuda o estudante.
PESQUISA 01 / IA SOBERANA
Modelos menores podem ensinar bem?
Comparar custo, privacidade, precisão e desempenho de LLMs abertos com RAG por curso, frente a alternativas generalistas.
PESQUISA 02 / TUTORIA
A IA ajuda a pensar ou apenas responde?
Avaliar tutores socráticos com testes de aprendizagem, retenção e autonomia, não apenas volume de mensagens.
PESQUISA 03 / INOVAÇÃO
Qual componente vale levar à escala?
Medir acessibilidade, tempo docente, custos, manutenção e qualidade da integração com a rotina acadêmica.
07 / DA CONVERSA À EVIDÊNCIA
Um roteiro objetivo para
os primeiros 180 dias.
Marcos propostos, sujeitos a equipe, acesso aos ativos, recursos e aprovações de pesquisa. Começar pequeno é uma escolha metodológica.
Alinhar e delimitar
Workshop, comitê de projeto, duas áreas-piloto, inventário de bases, análise de direitos e arquitetura do experimento.
Integrar e testar
RAG + CKF, tutor piloto e primeiras SPAs. Construir uma alternativa independente para comparação.
Demonstrar
Apresentar protótipos, benchmark v0.1, resultados de testes técnicos e relatório de limitações.
Avaliar e decidir
Pilotos supervisionados, avaliações pedagógicas, custo por uso, governança e decisão baseada em evidências.
08 / PESQUISA E TRANSFERÊNCIA
Ciência cooperativa, diferenciação institucional.
O Learning Lab propõe investigar e demonstrar tecnologias até TRL 6. A UNIPAR, em acordo com os titulares e responsáveis, poderá avaliar sua evolução para pilotos operacionais, aplicações próprias e transferência de tecnologia.
TRL 1–6 · Learning Lab
Hipóteses, provas de conceito, testes, integração e demonstradores com documentação.
TRL 7–9 · membros
Operação piloto, qualificação e uso real, conforme responsabilidade e licenças.
1Princípios
2Conceito
3Prova
4Laboratório
5Validação
6Demonstração
7Piloto real
8Qualificação
9Operação
A escala é uma referência de maturidade, não prova de aprendizagem. Acesso a protótipos, código, bases e direitos comerciais não é automático.
09 / INSPIRAÇÃO INTERNACIONAL
Três experiências que podem orientar a estratégia.
Referências externas para desenho de produto, comportamento pedagógico e mobilização institucional — sem alegar parceria dessas universidades com o Learning Lab ou com a UNIPAR.
University of Michigan
Maizey · tutores criados pelo professor
Configuração de tutores por curso a partir de materiais curriculares e integração ao ambiente de aprendizagem.
Ver caso oficial ↗Harvard University
CS50.ai · ajudar sem entregar tudo
Diálogo orientado por pistas e questões, com regras pedagógicas específicas para promover raciocínio.
Conhecer o CS50.ai ↗Arizona State University
AI Innovation Challenge · criar em comunidade
Mobilização de professores e equipes para experimentar projetos de IA, documentar resultados e ampliar o que funciona.
Ver iniciativas da ASU ↗10 / PROPOSTA COM GOVERNANÇA
Ambição grande.
Regras claras desde o início.
A posição de Âncora Fundadora Acadêmica deve ser construída com um acordo de P&D que proteja a autonomia da universidade, a integridade científica, os dados acadêmicos e o valor criado conjuntamente.
Ler a proposta completa do LabO que significa ser Âncora Fundadora Acadêmica?
É um papel proposto para negociação: participação consultiva na agenda, possível coordenação da linha acadêmica de IA educacional soberana, contribuição de pesquisadores e direito de propor projetos. Composição de comitês, nome institucional e direitos dependem de aprovação e contrato.
Qual seria a contribuição da UNIPAR?
O site do Lab apresenta R$ 300 mil/ano como referência de Âncora Fundadora voltada a empresas e fundações, e uma modalidade de Pesquisa & Educação com cooperação negociada. Para a universidade, propomos discutir uma modalidade específica com recursos, bolsas, horas técnicas, infraestrutura e eventual aporte financeiro pactuados. Nenhum valor ou isenção está aprovado.
Quem controla os dados, modelos e direitos?
As bases acadêmicas sob responsabilidade da UNIPAR devem permanecer governadas pela instituição, com proteção de dados e permissões verificáveis. Ativos preexistentes mantêm seus titulares; resultados conjuntos e licenças exigem cláusulas específicas. A participação não implica acesso irrestrito a código ou direito comercial automático.
O Lab já está formalmente constituído?
A página pública o apresenta como consórcio em formação para o ecossistema CITAP e FSNT. Aprovação institucional, composição dos membros, instrumentos contratuais e financiamento precisam ser confirmados com as entidades competentes antes de anunciar adesão.
Como preservar independência científica e LGPD?
Protocolos e métricas acordados previamente; direito de publicar resultados favoráveis e desfavoráveis; avaliação ética quando aplicável; uso de dados públicos, sintéticos ou autorizados no piloto; segurança e transparência na transferência. Não usar dados sensíveis de estudantes em protótipos sem salvaguardas.
Qual é o primeiro passo?
Uma reunião exploratória entre representantes da UNIPAR, Paulo Tomazinho e responsáveis habilitados do ecossistema CITAP/FSNT para definir escopo, demonstrações técnicas, representação institucional, contrapartidas e um acordo-piloto de 180 dias.
11 / CONVITE À UNIVERSIDADE PARANAENSE
UNIPAR, vamos inaugurar uma frente brasileira de pesquisa em IA Educacional Soberana?
Propomos uma conversa para estruturar a participação como Âncora Fundadora Acadêmica, selecionar os primeiros experimentos e construir uma agenda comum para 2027–2030. Uma liderança se demonstra por pesquisa, não por promessa.
Próximo passo: reunião exploratória com pauta de 60 minutos — objetivos, ativos, projetos-piloto, governança e possíveis contrapartidas.