S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
GAMIFICAÇÃO NO ENSINO SUPERIOR:
SIMULAÇÃO E AVALIAÇÃO DO MODELO
“EXPLORADORES DO
CONHECIMENTO”
Rui Pascoal
1
ISTAR-IUL
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Este artigo apresenta e avalia, por meio de simulação, um modelo de gamificação denominado“Exploradores do Conhecimento”, desenvolvido para o ensino superior. O modelo integra elementos de jogos — como missões acadêmicas, sistemas de pontuação, recompensas, rankings e feedback contínuo — ao currículo de disciplinas universitárias, com o objetivo de promover maior engajamento, aprendizagem ativa e desenvolvimento de competências. A simulação foi conduzida em um cenário fictício de um curso de Gestão com vinte perfis estudantis variados, permitindo observar tendências de participação, desempenho e evolução de competências. Os resultados indicam aumento significativo do engajamento, melhoria no desempenho académico e fortalecimento de habilidades colaborativas e analíticas. Observou-se também a importância do equilíbrio entre desafio e suporte, bem como a necessidade de adaptação a diferentes perfis de aprendizagem. O estudo conclui que a gamificação, quando aplicada de forma estruturada e pedagógica, pode representar uma estratégia eficaz de inovação no ensino superior.
DATA DE SUBMISSÃO: 17/06/2025
2
DATA DE ACEITAÇÃO: 19/11/2025
Introdução
A crescente demanda por inovação no ensino superior tem motivado a adoção de estratégias pedagógicas al- ternativas para promover a aprendizagem ativa, o en- gajamento e o sucesso académico. Entre essas estra- tégias, a gamificação — a aplicação de elementos de design de jogos em contextos não relacionados a jogos
— tem demonstrado potencial para transformar a ex- periência educacional. Em particular, a gamificação se alinha aos princípios da aprendizagem experiencial e significativa, proporcionando um ambiente no qual os estudantes se sentem mais motivados, envolvidos e comprometidos com os objetivos educacionais.
A aplicação de elementos lúdicos em ambientes edu- cativos tem sido sustentada por teorias motivacionais como a Teoria da Autodeterminação, que destaca a importância das necessidades de competência, auto- nomia e relacionamento para a motivação intrínse- ca (Domínguez et al., 2013; Kapp, 2012; Ryan & Deci, 2000). Neste contexto, a gamificação pode representar uma ponte entre os conteúdos curriculares e os inte- resses dos estudantes, ao transformar o percurso de aprendizagem em um desafio interativo, adaptável e recompensador.
Este artigo apresenta o modelo “Exploradores do Co- nhecimento”, uma estrutura pedagógica gamificada voltada para estudantes do ensino superior. Por meio de missões narrativas, sistemas de pontuação, cola- boração e ciclos de feedback, o modelo visa enriquecer a aprendizagem dos estudantes ao alinhar os objeti- vos curriculares com dinâmicas interativas e motiva- cionais. Além disso, o estudo investiga o impacto do modelo por meio de uma simulação educacional com múltiplos perfis de estudantes, permitindo analisar a flexibilidade e a eficácia da abordagem frente à diver- sidade de estilos de aprendizagem e níveis de motiva- ção (Deterding et al., 2011; Hamari, Koivisto, & Sarsa, 2014).
Referencial Teórico
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
A gamificação, conforme conceituada por Deterding et al. (Deterding et al., 2011), envolve o uso de mecânicas de jogos como pontos, níveis, desafios e recompensas para influenciar o comportamento e o engajamento em ambientes educacionais. Segundo Kapp (Kapp, 2012), a integração desses elementos pode estimular a motivação intrínseca e melhorar os resultados cogni- tivos e sociais. Estudos anteriores (Domínguez et al., 2013; Hamari, Koivisto, & Sarsa, 2014; Landers & Cal- lan, 2011) demonstraram que a gamificação melhora a participação dos alunos, apoia o desenvolvimento de habilidades e promove uma mentalidade de cresci- mento quando aplicada de forma eficaz em contextos académicos.
Objetivo
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
O objetivo deste estudo é simular a implementação do modelo de gamificação “Exploradores do Conheci- mento” em um contexto de ensino superior, e avaliar seus potenciais benefícios e limitações na promoção da aprendizagem ativa, da colaboração e do desenvol- vimento de competências acadêmicas. A simulação serve para avaliar a viabilidade, a aceitação e os resul- tados de aprendizagem associados ao modelo.
Metodologia
Este estudo recorreu a uma simulação computacional para avaliar o impacto pedagógico do modelo Explo- radores do Conhecimento em um contexto represen- tativo do ensino superior. A escolha pela simulação permitiu criar um ambiente controlado, manipular variáveis de forma sistemática e observar comporta- mentos em condições estruturadas, favorecendo a análise de tendências e a validação preliminar do mo- delo.
A investigação baseou-se na criação de um ambiente gamificado de aprendizagem, estruturado a partir do modelo Exploradores do Conhecimento. O objetivo foi testar, em condições controladas, o impacto de dife- rentes perfis de estudantes na interação com ativi- dades gamificadas, no envolvimento académico e na evolução do desempenho.
O ambiente reproduziu-se em aulas de um curso de Gestão, organizado em seis semanas virtuais corres- pondentes a seis missões temáticas (planeamento es- tratégico, marketing, operações, finanças, inovação e sustentabilidade). Cada missão envolve:
Atividades individuais (quizzes, reflexões es- critas, resolução de problemas práticos);
Atividades colaborativas (estudos de caso, projetos de grupo, fóruns de debate);
Feedback formativo adaptativo ao desempe- nho, fornecido após cada missão.
O sistema incluiu também pontuação acumulada, badges digitais (ex.: “Inovador”, “Líder de Equipa”), ranking dinâmico de desempenho e mecanismos de resgate (tarefas extra ou mentorias para estudantes com baixo desempenho).
Para clarificar a dinâmica de funcionamento do mo- delo Exploradores do Conhecimento, apresenta-se na Figura 1 um fluxograma simplificado que ilustra as principais etapas do ciclo de aprendizagem gamifica- do. Este esquema procura facilitar a replicação prática do modelo em contextos pedagógicos reais, mostran- do a sequência de atividades previstas em cada mis- são.
Como representado na Figura 1, cada missão inicia-
-se com a disponibilização das tarefas e desafios, or- ganizados em atividades individuais e colaborativas. A conclusão das atividades gera pontos e conquistas (badges), que são agregados em rankings dinâmi- cos. Em seguida, o feedback do docente — elemento central do modelo — reforça ou corrige o percurso de aprendizagem. Este ciclo repete-se ao longo das seis missões, permitindo acompanhar a progressão dos estudantes e identificar padrões de motivação, enga- jamento e desempenho. O fluxograma contribui, as- sim, para sistematizar o modelo e apoiar a sua imple- mentação em sala de aula.
Foram considerados dois níveis de caracterização de perfis:
Perfis diversificados (20 estudantes simulados) – com variações em motivação (alta, média, baixa), estilo de apren- dizagem (ativo, reflexivo, pragmático, teórico), per- fil de engajamento (proativo, passivo, colaborativo, competitivo) e desempenho inicial (acima da média,
mediano, abaixo da média). Essa heterogeneidade visou representar a complexidade real de uma turma universitária.
Perfis arquetípicos (4 perfis teóricos) – definidos a partir da literatura sobre aprendizagem gamificada:
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Cada perfil foi programado com parâmetros iniciais distintos (nível de motivação, desempenho académico médio, persistência, resposta ao feedback, predisposi- ção à colaboração/competição), que condicionaram a sua interação com o ambiente simulado.
Para facilitar a compreensão das diferenças entre os quatro perfis arquetípicos simulados, apresenta-se a Tabela 1. Esta tabela sintetiza as principais dimensões consideradas — motivação, foco principal e comporta- mento típico — que orientaram a parametrização do modelo e a análise posterior dos resultados.
Perfil | Motivação | Foco Principal | Comportamento Típico em Ambiente Gamificado |
Colaborativo | Elevada motivação intrínseca | Trabalho em grupo, cooperação | Participa ativamente em equipas, valoriza o feedback coletivo e a empatia. |
Competitivo | Orientação extrínseca forte | Recompensas, comparação de desempenho | Busca estar no topo do ranking, responde bem a desafios, mas pode apresentar fadiga competitiva. |
Explorador | Curiosidade e autonomia | Descoberta, experimentação | Prefere atividades abertas, explora caminhos alternativos, aprende ao seu ritmo. |
Desafiante | Motivação pela superação | Feedback frequente, resiliência | Persiste diante de falhas, gosta de desafios progressivos e valoriza reconhecimento por esforço. |
A sistematização apresentada na Tabela 1 permite ob- servar que os perfis diferem não apenas no tipo de mo- tivação predominante, mas também na forma como interagem com elementos típicos da gamificação (ranking, badges, cooperação, feedback). Essa dife-
renciação foi crucial para a simulação, pois possibili- tou analisar como diferentes estratégias pedagógicas podem impactar estudantes com orientações e estilos de aprendizagem distintos.
1.1. Indicadores-Chave
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Foram analisados múltiplos indicadores, organizados em três dimensões principais:
Desempenho académico: evolução em quizzes e ta- refas avaliativas, qualidade das entregas, progressão das pontuações ao longo das missões;
Ciclos de feedback simulados foram incorporados para observar o impacto da retroalimentação tanto na evo- lução do desempenho quanto na continuidade da par- ticipação.
Os dados gerados pela simulação foram processados seguindo um fluxo em três etapas:
Consolidação dos logs de interação por estu- dante e por missão (participações, tempo, res- postas, pontos, badges).
Normalização das pontuações para permitir comparações entre missões com pesos distin- tos.
Cálculo de métricas derivadas: taxa de conclu- são de missão, variação percentual de desem- penho entre missões consecutivas, frequência de pedidos de resgate/mentoria.
Estatísticas descritivas por indicador (média, mediana, desvio-padrão, quartis) para cada perfil e para o grupo total.
Visualização temporal (gráficos de série) da evolução de engagement e desempenho ao longo das seis missões.
Testes inferenciais orientados às hipóteses se- cundárias: comparação pré/pós (missão 1 vs. missão 6) com testes pareados quando aplicá- vel; ANOVA ou modelos mistos (repetição de medidas) para comparar trajetórias entre per- fis arquetípicos (por ex. competitivo vs. cola- borativo).
Estimativa de tamanhos de efeito (Cohen’s d, η2) e intervalos de confiança.
Interpretação qualitativa dos padrões emer- gentes (ex.: sinais de fadiga competitiva en- tre missões 4–5), baseada em métricas com- postas (queda de participação + aumento de desistências em tarefas competitivas).
Triangulação entre métricas de log e indica- dores formativos simulados (feedback recebido, resgates acionados) para explicar variações observadas.
Para garantir transparência, todas as análises foram anotadas em script reprodutível (R/Python) e os ou- tputs (tabelas e gráficos) foram organizados por perfis e por dimensão de análise.
A fim de avaliar a robustez dos resultados da simulação, aplicaram-se procedimentos de validação internos:
Estes passos permitem afirmar que os resultados são indicativos do comportamento do modelo sob as hipó- teses definidas, mantendo a necessária cautela quan- to à validade externa (ver 4.7).
Para apoiar a transposição da simulação para prática pedagógica (conforme sugestão dos revisores), pro- põe-se um protocolo piloto e uma versão simplificada
do modelo:
Reduzir para 3 missões (temas condensados) e um ciclo de 6–8 semanas letivas.
Utilizar pontuação e 2 badges principais (cola- boração e inovação) para diminuir a comple- xidade.
Ranking apenas a nível de equipas (não in- dividual) para mitigar efeitos de comparação social excessiva.
Incluir mecanismo de resgate simples (tarefa de recuperação com feedback personalizado).
Seleção da unidade curricular e definição de 3 missões alinhadas ao programa.
Formação breve do docente sobre mecânica de badges, critérios de avaliação e regras de res- gate.
Configuração no LMS (ou ferramenta exter- na): criar rubricas, formulários de submissão e logs de interação.
Recolha de dados: logs automáticos (partici- pação, tempo, entregas), avaliações pré/pós (testes de conteúdo) e inquéritos de perceção.
Duração piloto: 1 semestre; população: 1–3 turmas (ideal ≥ 30 estudantes por condição para análises quantitativas básicas).
Instrumentos mínimos de avaliação: pré-
-teste de conhecimento, pós-teste, escala de motivação (por exemplo IMI breve ou MSLQ adaptada), inquérito sobre fadiga competitiva (itens Likert), e entrevistas semiestruturadas com um subgrupo de alunos.
Melhora estatisticamente significativa no pré/post do conhecimento (p < 0.05; d≥0.3 como efeito prático mínimo).
Aumento médio do engagement (participação nas atividades + tempo) comparado com se- mestre anterior.
Perceção positiva (>70%) sobre utilidade peda- gógica e equilíbrio entre competição e coope- ração.
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Ausência de sinais sistemáticos de fadiga competitiva; se presentes, implementar ajus- tes (redução da ênfase em rankings, introdu- ção de pausas ou missões cooperativas).
Antes do piloto, obter aprovação do Comitê de Ética institucional.
Informar os participantes (alunos) sobre obje- tivos, voluntariedade, anonimato e direito de desistir sem prejuízo avaliativo.
Recolha de consentimento informado por escrito (digital aceitação no LMS é aceitável quando aprovado pelo comitê).
Anonimização dos dados (IDs pseudoanóni- mos), armazenamento seguro e acesso restri- to aos investigadores.
Conformidade com legislação aplicável (por ex. RGPD) na recolha, tratamento e arquiva- mento dos dados.
Tamanho amostral limitado por número de turmas; recomenda-se replicar em institui- ções/disciplinas distintas para aumentar vali- dade externa.
Efeitos do docente (teacher effect) poderão con- fundir resultados; sempre que possível, in- cluir grupo controlo ou medidas de co-variá- veis (experiência do docente, carga de traba- lho dos estudantes).
Medidas auto-reportadas (motivação, fadiga) sujeitas a viés de resposta — complementar com logs objetivos é fundamental.
Pré-registo do protocolo do piloto (opcional) para maior transparência.
Pipeline analítico: limpeza → análise descri- tiva → modelos estatísticos (modelos mistos para dados longitudinais; regressões para efeitos de co-variáveis) → análise qualitativa por codificação temática.
Reportar métricas de efeito, intervalos de con- fiança e medidas de incerteza.
Estrutura do Modelo de Gamificação
No modelo “Exploradores do Conhecimento”, os estu- dantes assumem o papel de agentes em uma missão acadêmica com narrativa própria, o que proporciona um enquadramento lúdico e simbólico para as ativi- dades do curso. Essa narrativa é adaptada conforme a disciplina — no caso da simulação, uma startup em crescimento enfrentando desafios do mercado glo- bal. O uso de storytelling não apenas contextualiza os conteúdos, mas também cria um vínculo emocional e identitário entre os participantes e os objetivos edu- cacionais.
O curso é segmentado em seis missões, cada uma re- presentando um módulo temático: planeamento es- tratégico, marketing, operações, finanças, inovação e sustentabilidade. As missões incluem tarefas indivi- duais e colaborativas como análise de estudos de caso, resolução de problemas práticos, participação em fó- runs de discussão e entrega de projetos criativos. Essa segmentação promove aprendizagem por etapas, com metas claras e progressivas, reforçando a perceção de conquista.
Um sistema de pontuação foi estruturado para refletir a performance e o envolvimento dos estudantes. Os critérios de avaliação incluem criatividade, rigor téc- nico, colaboração e pontualidade. Além dos pontos, os estudantes recebem distintivos digitais (“badges”) como “Estrategista”, “Líder de Equipa”, “Inovador”, entre outros. Esses elementos atuam como reforçadores po- sitivos e instrumentos de reconhecimento simbólico, promovendo motivação e senso de progresso contí- nuo.
Cada missão integra atividades colaborativas (ex.: projetos de grupo) e tarefas individuais (ex.: quizzes, reflexões escritas), promovendo equilíbrio entre coo- peração e responsabilidade pessoal. As equipas são
compostas por estudantes com perfis diversos e pas- sam por rotação de papéis, o que estimula competên- cias como liderança, empatia e adaptação. A mecâni- ca da alternância de papéis foi inspirada em modelos ágeis, promovendo responsabilidade distribuída e aprendizagem entre pares.
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Após cada missão, os estudantes recebem feedback de- talhado de mentores (simulados), com base em crité- rios previamente definidos. O feedback inclui recomen- dações para melhoria e reforço das boas práticas, sen- do um elemento central da aprendizagem no modelo. A avaliação formativa é contínua e personalizada, permitindo ajustes de estratégia por parte dos estu- dantes, o que contribui para maior autorregulação e autonomia.
Ranking e Competição
Um ranking de desempenho é atualizado após cada missão, refletindo a pontuação acumulada dos estu- dantes e das equipas. A competição é concebida como saudável e orientada à superação, não à exclusão. O modelo prevê mecanismos de “resgate” para estudantes que ficam atrás, como missões bônus ou mentorias. Ao final do curso, ocorre uma cerimônia de reconheci- mento simbólico dos melhores desempenhos, promo- vendo um encerramento motivador.
A seguir, apresenta-se a representação visual do mo- delo pedagógico “Exploradores do Conhecimento”. O diagrama ilustra os principais componentes e a sequência operacional da proposta gamificada, evi- denciando como os diferentes elementos se articulam para promover o engajamento, a aprendizagem ativa e a autorregulação dos estudantes no ensino superior.
O fluxo do modelo inicia-se com a apresentação de um desafio académico contextualizado, que serve como ponto de partida narrativo e pedagógico. Os estudan- tes tornam-se “Exploradores do Conhecimento”, en- frentando missões acadêmicas com objetivos temá- ticos e progressivos. Cada missão ativa duas dinâmi- cas centrais: o sistema de pontuação e recompensas (incluindo distintivos e reconhecimento simbólico) e os desafios colaborativos e individuais (como projetos em grupo e tarefas pessoais). Essas dinâmicas conver- gem para um sistema de ranking com competição sau- dável, projetado para manter o senso de progresso e superação. Por fim, o modelo é sustentado por feedback contínuo, que alimenta a aprendizagem formativa e permite ajustes ao longo do percurso. O ciclo se repete em cada missão, promovendo aprendizagem iterativa e motivação contínua.
Estrutura do Modelo de Gamificação
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
A simulação permitiu observar uma evolução positiva no engajamento e desempenho académico dos per- fis estudantis ao longo das seis missões propostas. O engajamento médio inicial de 65% subiu progressiva- mente, atingindo 92% na última missão, sugerindo que os elementos de gamificação utilizados — como feedback imediato, recompensas simbólicas e storytelling
— contribuíram para manter a motivação dos partici- pantes simulados (Sailer et al., 2017; Seaborn & Fels, 2015).
Do ponto de vista do desenvolvimento de competên- cias, observou-se uma melhora significativa em indi- cadores como colaboração, resolução de problemas e pensamento analítico. Os dados apontam que estu- dantes com perfis inicialmente mais reservados ou desmotivados mostraram maior evolução relativa, especialmente quando submetidos a feedback forma- tivo precoce e inseridos em equipas diversificadas. Essa evidência corrobora os estudos de Landers & Ar- mstrong (2017), que destacam a gamificação como um catalisador da autorregulação e da aprendizagem coo- perativa (Landers & Armstrong, 2017).
Em relação ao desempenho académico, a média das pontuações nas missões subiu de 68% para 85%, indi- cando não apenas maior participação, mas também maior qualidade nas entregas. A combinação de desa- fios graduais, feedback estruturado e reconhecimento simbólico parece ter impulsionado o comprometi- mento dos estudantes simulados com a aprendizagem significativa o que reflete os estudos de Domínguez et al. e Kapp (Domínguez et al., 2013; Kapp, 2012).
Contudo, a simulação também evidenciou alguns de- safios. Entre a quarta e a quinta missão, perfis com alta competitividade apresentaram sinais de fadiga, indicando que a competição constante, se mal calibra- da, pode gerar estresse e reduzir a eficácia pedagógi- ca — como apontado por Hanus & Fox (Hanus & Fox, 2015). Esse achado reforça a importância do equilíbrio
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Indicador Avaliado | Descrição | Resultado Observado | Impacto |
Engajamento | Taxa de participação dos alunos nas missões | De 65% (início) para 92% (final) | Aumento significativo da motivação e envolvimento |
Desenvolvimento de competências | Habilidades analíticas, organização de projetos e trabalho em equipa | Melhora observada ao longo das missões | Reforço de competências acadêmicas e profissionais |
Desempenho acadêmico | Progresso das pontuações ao longo das missões | Média cresceu de 68% para 85% | Indicador de eficácia pedagógica do modelo |
Impacto do feedback | Efeito do feedback contínuo no desempenho | Alunos com feedback precoce tiveram +30% de melhoria | Evidência do valor da avaliação formativa |
Diversidade de perfis | Evolução de alunos com desempenho inicial mais baixo | Maior melhora relativa entre esses perfis | Inclusividade e suporte à aprendizagem personalizada |
Fadiga competitiva | Sinais de cansaço em perfis mais competitivos após missão 4 | Registrada em parte dos alunos simulados | Necessidade de equilíbrio entre desafio e descanso |
entre desafio, descanso e suporte emocional em am- bientes gamificados. Além disso, foi observada uma maior resposta positiva de perfis colaborativos em re- lação aos competitivos, o que sugere que a gamifica- ção orientada por objetivos coletivos e feedback social pode ser mais eficaz no ensino superior, alinhando-se à teoria da autodeterminação (Ryan & Deci, 2000).
A Tabela 2 apresenta um resumo dos principais indicadores analisados na simulação, com os respetivos resultados observados e impactos pedagógicos. A seguir, o Gráfico 1 ilustra a evolução dos indicadores quantitativos mais representativos: engajamento e desempenho académico.
A Figura 3 apresenta uma comparação entre os percentuais de engajamento e de desempenho académico observados no início e no fim da simulação, permitindo visualizar a evolução dos estudantes simulados ao longo das missões.
Como se observa na Figura 3, o nível de engajamento manteve-se relativamente elevado nas primeiras missões, mas apresentou sinais de declínio nas fases finais, coincidindo com os indícios de fadiga competitiva identificados entre as missões 4 e 5. Por outro lado, o desempenho académico médio registou um crescimento progressivo, sugerindo que, apesar da redução no engajamento, os estudantes conseguiram consolidar aprendizagens e melhorar os resultados ao longo do ciclo gamificado. Essa combinação de tendências evidencia a importância de equilibrar motivação e rendimento no design de experiências pedagógicas gamificadas.
Estudantes com desempenho inicial mais baixo mostraram a maior melhora relativa, indicando o apoio do modelo à diversidade de perfis de aprendizagem. No entanto, alguns perfis demonstraram fadiga competitiva após a missão 4, reforçando a necessidade de equilíbrio entre desafio e descanso.
Os resultados evidenciam que os perfis com motivação inicial mais baixa, mas estilo colaborativo, apresentaramevoluçãomaisacentuada,especialmente quando expostos ao feedback formativo precoce.
Discussão
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Os resultados da simulação sugerem que diferentes perfis de estudantes interagem de forma distinta com ambientes gamificados. Perfis colaborativos tendem a obter maior envolvimento sustentado, enquanto perfis competitivos demonstram ganhos rápidos de desempenho mas menor consistência ao longo do tempo. Este comportamento está alinhado com estu- dos recentes que evidenciam a importância da perso- nalização e adaptação em sistemas gamificados para maximizar a motivação e o sucesso académico (Xu & Chen, 2022; Huang & Hew, 2022).
A análise também mostra que o feedback adaptativo desempenha um papel central na manutenção da mo- tivação e da persistência, corroborando investigações que sublinham a relevância da gamificação adaptati- va para responder às diferenças individuais entre es- tudantes (Toda, Valle & Isotani, 2019; Bovermann & Bastiaens, 2020). Apesar disso, os efeitos positivos ob- servados devem ser interpretados com cautela, dado que os dados foram obtidos em ambiente simulado.
Os resultados da simulação revelaram sinais de fadiga competitiva entre as missões 4 e 5, expressos na dimi- nuição da taxa de participação em tarefas individuais, menor tempo de dedicação e aumento da procura por tarefas de recuperação. Este padrão sugere que, em- bora a competição possa inicialmente impulsionar o engajamento, a sua manutenção contínua tende a ge- rar desgaste e perda de motivação. Estes achados estão em consonância com estudos prévios que evidenciam os riscos do excesso de competição em ambientes ga- mificados, nomeadamente Hanus e Fox (2015), que identificaram efeitos negativos sobre a motivação in- trínseca e a satisfação, e Toda, Valle e Isotani (2019), que destacam a “face obscura” da gamificação quando aplicada de forma intensiva.
Do ponto de vista pedagógico, este fenómeno constitui um alerta para o design de experiências gamificadas, sublinhando a importância de equilibrar elementos competitivos e colaborativos. Como recomendações práticas, sugere-se alternar missões competitivas com missões de natureza cooperativa, limitar a exposição de rankings a níveis de equipa em vez de individuais e introduzir badges que valorizem atributos coletivos, como colaboração e solidariedade. Estas estratégias podem mitigar a fadiga competitiva e promover um
engajamento mais sustentável ao longo do tempo.
Conclusão
A simulação da implementação do modelo Explorado- res do Conhecimento indica que a gamificação pode ser uma estratégia pedagógica eficaz no ensino supe- rior, especialmente quando aplicada de forma planea- da, adaptativa e com apoio de feedback estruturado. Os resultados mostram ganhos expressivos em enga- jamento, desempenho e desenvolvimento de compe- tências, particularmente em estudantes com menor motivação inicial, o que destaca o potencial inclusivo da abordagem gamificada.
O modelo destaca-se por sua flexibilidade frente à diversidade de perfis estudantis e pela integração de elementos que favorecem a aprendizagem significati- va, como narrativa envolvente, desafios progressivos e avaliação formativa. A estrutura do modelo, baseada em storytelling, missões, feedback contínuo e recom- pensas simbólicas, mostra-se eficaz na construção de um ambiente motivador e participativo.
No entanto, os dados também sugerem que o excesso de competição pode gerar fadiga, e que a personaliza- ção da experiência — considerando os diferentes esti- los de aprendizagem — é um fator crítico de sucesso. Assim, recomenda-se que futuros projetos gamifica- dos considerem mecanismos de adaptação e equilíbrio entre estímulo e sobrecarga. Por isso, para a prática docente, este estudo oferece evidências de que a ga- mificação, quando bem desenhada, pode ir além da motivação superficial, promovendo competências cognitivas e socio-emocionais em contextos de ensino superior.
Um contributo adicional deste estudo foi a identifi- cação de sinais de fadiga competitiva, o que reforça a necessidade de equilibrar cooperação e competição no design pedagógico de modelos gamificados. Em sínte- se, este estudo fornece evidências preliminares de que a gamificação, quando cuidadosamente desenhada, pode não apenas motivar, mas também transformar práticas pedagógicas no ensino superior, desde que se evite a sobrecarga competitiva e se assegure equilíbrio entre desafio, cooperação e suporte.
Limitações
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
A principal limitação deste estudo reside no facto de se basear exclusivamente em simulação computacio- nal, não incorporando dados empíricos de estudantes reais. Esse aspeto reduz a capacidade de generalização e a validade externa dos resultados, uma vez que as reações humanas a estímulos gamificados são fre- quentemente condicionadas por fatores emocionais e sociais que não podem ser plenamente reproduzidos em ambiente artificial (Huang & Hew, 2022).
Embora a simulação permita testar hipóteses em am- biente controlado, as dinâmicas reais de sala de aula envolvem variáveis emocionais, sociais e contextuais que foram apenas parcialmente modeladas.
Além disso, não foram consideradas variáveis contex- tuais importantes, como a disciplina lecionada, o per- fil do docente ou o enquadramento institucional, que podem influenciar de forma significativa a eficácia da gamificação no ensino superior (Subhash & Cudney, 2020).
Trabalhos Futuros – Aplicabilidade Pedagógica
e Validação Empírica
Embora o presente estudo tenha recorrido à simulação computacional para explorar o potencial do modelo Exploradores do Conhecimento, reconhece-se a necessidade de validação empírica em contextos reais de ensino superior. Sugere-se a realização de estudos empíricos em diferentes unidades curriculares, aplicando o modelo em versão simplificada (com três a quatro missões, badges básicos e rankings por equipa), de modo a avaliar a sua exequibilidade pedagógica sem sobrecarga de complexidade. A recolha de dados por métodos mistos (quantitativos e qualitativos) permitirá avaliar não apenas o desempenho académico, mas também perceções de envolvimento, motivação, fadiga competitiva e satisfação dos estudantes. Métricas quantitativas poderão incluir participação em atividades, progressão de notas e tempo de dedicação registado em plataformas digitais, enquanto instrumentos qualitativos, como entrevistas ou grupos focais, fornecerão uma visão mais aprofundada da experiência de aprendizagem. Estudos longitudinais são recomendados para analisar a retenção de conhecimento e a sustentabilidade dos efeitos da gamificação ao longo de um semestre ou de um ano letivo. Adicionalmente, a integração do modelo com sistemas de gestão de aprendizagem (LMS) e com tecnologias adaptativas — como agentes de feedback baseados em inteligência artificial — pode ampliar a escalabilidade, a personalização e a aplicabilidade do modelo em diferentes contextos educativos. Para ilustrar a transição do presente estudo baseado em simulação para futuras aplicações em contexto real, apresenta-se na Figura 4 um esquema conceitual do ciclo de validação do modelo Exploradores do Conhecimento.
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Como se observa na Figura 4, o ciclo de validação inicia-se com a simulação computacional, que fornece uma primeira análise controlada do modelo. A fase seguinte é a aplicação em sala de aula, onde docentes podem implementar uma versão simplificada do modelo em unidades curriculares reais. A recolha de dados empíricos, através de métodos mistos (quantitativos e qualitativos), permite avaliar não apenas o desempenho académico, mas também aspetos como motivação, engajamento e fadiga competitiva. Por fim, esses resultados alimentam a etapa de refinamento e escalabilidade, possibilitando ajustes no design e a integração com tecnologias como LMS e agentes de feedback baseados em inteligência artificial. O processo é representado como um ciclo contínuo, assegurando melhoria progressiva e validação em contextos cada vez mais diversificados. Para apoiar docentes interessados em replicar o modelo, foi elaborado um guia prático simplificado com orientações de aplicação, disponível no Anexo A.
Anexo A – Guia prático simplificado para aplicação do modelo Exploradores do Conhecimento.
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Elemento | Orientações práticas |
Definição de missões | Selecionar 3 a 4 missões temáticas alinhadas ao programa da disciplina. |
Critérios de pontuação | Atribuir pontos por conclusão de tarefas individuais e de grupo, equilibrando esforço e qualidade. |
Gestão da competição | Usar rankings preferencialmente por equipa, evitando pressão excessiva individual. |
Uso de badges | Criar 2 a 3 badges principais (ex.: colaboração, inovação, resiliência) como reforço simbólico. |
Equilíbrio cooperação/ competição | Alternar tarefas competitivas com desafios colaborativos, para reduzir fadiga competitiva. |
Referências Bibliográficas com Apontamentos
Deterding, S., Dixon, D., Khaled, R., & Nacke, L. (2011). From game design elements to gameful- ness: Defining “gamification”. In Proceedings of the 15th International Academic MindTrek Conference: Envi- sioning Future Media Environments (pp. 9–15). ACM. https://doi.org/10.1145/2181037.2181040
Domínguez, A., Saenz-de-Navarrete, J., de-Marcos, L., Fernández-Sanz, L., Pagés, C., & Martínez-
-Herráiz, J. J. (2013). Gamifying learning expe- riences: Practical implications and outcomes. Computers & Education, 63, 380–392. https://doi.or- g/10.1016/j.compedu.2012.12.020
Hamari, J., Koivisto, J., & Sarsa, H. (2014). Does ga- mification work? A literature review of empiri- cal studies on gamification. In Proceedings of the 47th Hawaii International Conference on System Sciences (pp. 3025–3034). IEEE. https://doi.org/10.1109/HI- CSS.2014.377
Hanus, M. D., & Fox, J. (2015). Assessing the effects of gamification in the classroom: A longitudinal study on intrinsic motivation, social compari- son, satisfaction, effort, and academic perfor- mance. Computers & Education, 80, 152–161. https:// doi.org/10.1016/j.compedu.2014.08.019
Kapp, K. M. (2012). The gamification of learning and instruc- tion: Game-based methods and strategies for training and education. Pfeiffer.
Landers, R. N., & Armstrong, M. B. (2017). Enhan- cing instructional outcomes with gamification: An empirical test of the technology-enhanced training effectiveness model. Computers in Human Behavior, 71, 499–507. https://doi.org/10.1016/j. chb.2015.07.031
Landers, R. N., & Callan, R. C. (2011). Casual social ga- mes as serious games: The psychology of gamifi- cation in undergraduate education and employee training. In M. Ma, A. Oikonomou, & L. C. Jain (Eds.), Serious games and edutainment applications (pp. 399–423). Springer. https://doi.org/10.1007/978-1- 4471-2161-9_20
Ryan, R. M., & Deci, E. L. (2000). Self-determina- tion theory and the facilitation of intrinsic mo- tivation, social development, and well-being. American Psychologist, 55(1), 68–78. https://doi.or- g/10.1037/0003-066X.55.1.68
Sailer, M., Hense, J. U., Mayr, S. K., & Mandl, H. (2017). How gamification motivates: An expe- rimental study of the effects of specific game design elements on psychological need satisfac-
tion. Computers in Human Behavior, 69, 371–380. ht- tps://doi.org/10.1016/j.chb.2016.12.033
S A B E R & E D U C A R 3 4 ( 1 ) 2 0 2 5 — C A D E R N O T E M Á T I C O : O L U G A R D A ( S ) I N T E L I G Ê N C I A ( S ) – E N T R E O R E L A C I O N A L E O A R T I F I C I A L
Seaborn, K., & Fels, D. I. (2015). Gamification in theory and action: A survey. International Journal of Human-Computer Studies, 74, 14–31. https://doi.or- g/10.1016/j.ijhcs.2014.09.006
Bovermann, K., & Bastiaens, T. J. (2020). Towards a motivational design? Connecting gamification user types and online learning activities. Resear- ch and Practice in Technology Enhanced Lear- ning, 15(1), 1–19. https://doi.org/10.1186/s41039-
019-0121-4
Huang, B., & Hew, K. F. (2022). Implementing gamifi- cation in higher education: A systematic review and future research. Educational Research Re- view, 35, 100433. https://doi.org/10.1016/j.edu- rev.2021.100433
Subhash, S., & Cudney, E. A. (2018). Gamified lear- ning in higher education: A systematic review of the literature. Computers in Human Beha- vior, 87, 192–206. https://doi.org/10.1016/j. chb.2018.05.028
Toda, A. M., Valle, P. H. D., & Isotani, S. (2019). The dark side of gamification: An overview of negative effects of gamification in education. International Journal of Educational Technolo- gy in Higher Education, 16(1), 1–17. https://doi. org/10.1186/s41239-019-0172-7
Xu, B., & Chen, N. S. (2022). The moderating effect of gamification on learning outcomes and motiva- tion in higher education. Computers & Educa- tion, 188, 104614.