29 de julho de 2025

Apresentamos o modo de estudo

Uma nova forma de aprender no ChatGPT que oferece orientação passo a passo em vez de respostas rápidas.

A carregar…

Hoje apresentamos o modo de estudo no ChatGPT: uma experiência de aprendizagem que ajuda a resolver problemas passo a passo, em vez de fornecer apenas uma resposta. A partir de hoje, este modo está disponível para utilizadores com sessão iniciada nos planos Free, Plus, Pro e Team, sendo que a disponibilidade no ChatGPT Edu acontecerá nas próximas semanas.

O ChatGPT está a tornar-se uma das ferramentas de aprendizagem mais utilizadas no mundo. Os estudantes utilizam-no para resolver trabalhos de casa mais exigentes, preparar exames e explorar novos conceitos. No entanto, a sua utilização no campo da educação também levanta uma questão importante: como garantir que é utilizado para apoiar a aprendizagem real e não apenas para oferecer soluções, sem ajudar os estudantes a compreendê-las?

Criámos o modo de estudo para ajudar a responder a esta questão. Ao interagirem com o modo de estudo, os alunos são confrontados com questões orientadoras que ajustam as respostas ao seu objetivo e nível de competência, ajudando-os a alcançar uma compreensão mais profunda. O modo de estudo foi concebido para ser envolvente e interativo, ajudando os estudantes a aprenderem realmente — em vez de se limitarem a concluir uma tarefa.

Como foi criado o modo de estudo

Por trás do modo de estudo estão instruções personalizadas criadas em colaboração com professores, cientistas e especialistas em pedagogia, para refletir um conjunto essencial de comportamentos que promovem uma aprendizagem mais profunda. Entre estes destacam-se: incentivar a participação ativa, gerir a carga cognitiva, desenvolver de forma proativa a metacognição e a autorreflexão, fomentar a curiosidade e fornecer feedback prático e construtivo. Estes comportamentos baseiam-se em investigações sólidas na área da ciência da aprendizagem e moldam a forma como o modo de estudo responde a quem o utiliza.

"Em vez de fazer o trabalho por eles, o modo de estudo incentiva os estudantes a refletirem criticamente sobre a sua aprendizagem. Funcionalidades como esta representam um passo positivo rumo à utilização eficaz da IA na aprendizagem. Mesmo na era da IA, a melhor aprendizagem ainda acontece quando os alunos estão entusiasmados e ativamente envolvidos com as matérias lecionadas." — Robbie Torney, Diretor Sénior dos Programas de IA na Common Sense Media

Características principais

Prompts interativos: combina perguntas socráticas, dicas e sugestões para autorreflexão, com o objetivo de orientar a compreensão e promover a aprendizagem ativa, em vez de fornecer respostas diretas.

Respostas estruturadas: a informação é organizada em secções fáceis de seguir que destacam as ligações principais entre os tópicos, mantendo o conteúdo envolvente com a quantidade certa de contexto e reduzindo a sobrecarga em tópicos complexos.

Suporte personalizado: as aulas são adaptadas ao nível do utilizador, com base em perguntas que avaliam o nível de competência e a memória de conversas anteriores.

Avaliações: questionários e perguntas abertas, juntamente com feedback personalizado para monitorizar o progresso, ajudam a consolidar o conhecimento e a aplicar esse conhecimento em novos contextos.

Flexibilidade: é fácil ativar e desativar o modo de estudo durante a conversa, o que permite a adaptação aos objetivos de aprendizagem em cada interação.

Como os estudantes usam o modo de estudo

O modo de estudo foi criado a pensar nos estudantes universitários. Eis alguns comentários que recebemos durante os testes iniciais:

“A melhor descrição é que é como um piquete de dúvidas, disponível 24 horas por dia, 7 dias por semana, com respostas para tudo." — Noah Campbell, estudante universitário

“O modo de estudo fez um ótimo trabalho ao decompor material denso em explicações claras e bem estruturadas.” — Caleb Masi, estudante universitário

“Pus o modo de estudo à prova para me ajudar com um conceito que já tentei compreender muitas vezes antes: codificações posicionais sinusoidais. Foi como ter um explicador que não se cansava das minhas perguntas. Depois de uma sessão de estudo de 3 horas, finalmente entendi o suficiente para me sentir confiante.” — Maggie Wang, estudante universitária

Formas de usar o modo de estudo, de acordo com estudantes universitários do laboratório do ChatGPT

I want to learn about Game Theory, specifically the broad spectrum that the field entails, then also the ways in which you think it'd be useful for me to understand in my daily life. I want you to of course follow my curiousity, but mostly you will be teaching me about it, and keeping a high level plan to iterate through so I can cover the full scope here. I will ask questions when I am curious, but be deadset on quickly educating me on this.

Perfect. Here’s the high-level plan I’ll drive us through—think of it as a layered roadmap from foundational ideas to practical intuition:

🔹 Phase 1: Core Foundations

1. What is Game Theory, really?

Strategic interaction, rational agents, assumptions.

2. Types of Games

Cooperative vs non-cooperative
Simultaneous vs sequential
Zero-sum vs non-zero-sum

3. Basic Concepts

Players, strategies, payoffs, information
Dominant strategies
Nash equilibrium (core to nearly everything)

🔸 Phase 2: Classic Games & Concepts

4. Famous Games

Prisoner’s Dilemma
Chicken
Battle of the Sexes
Stag Hunt
Matching Pennies

5. Mixed Strategy Equilibria

When no pure strategy works
Randomization and expected payoffs

🔹 Phase 3: Deepening the Model

6. Repeated Games & Folk Theorems

Cooperation emerging over time
Tit for Tat, Grim Trigger, etc.

7. Extensive-Form Games

Game trees, backward induction
Subgame Perfect Equilibria

8. Bayesian Games

Games with incomplete information
Beliefs, types, and expected utility

🔸 Phase 4: Real-Life Relevance

9. Mechanism Design / Reverse Game Theory

Voting systems, auctions, contracts

10. Behavioral Game Theory

Bounded rationality, fairness, heuristics

11. Daily Life Applications

Negotiation, dating, politics, AI systems, etc.

🔹 Phase 5: Advanced & Optional

12. Evolutionary Game Theory

Strategies that reproduce over time

13. Algorithmic Game Theory

Network effects, internet auctions

14. Your world: How it matters to Parker

Systems design, incentives, power structures

Throughout this, I’ll mix in:

🔄 Guided examples
🧠 Thought experiments
🎭 Real-life situations to map theory onto
🧩 Quick checks to make sure ideas are sticking

Let’s kick off Phase 1.
First quick one: In your own words, what do you think Game Theory is about? No need to be polished—just get it out.

I think Game Theory is sort of this meta aspect framing of modern society in life where we look at people in situations and complex systems and we try to analyze how people in them make decisions, sometimes why they make it, and how this affects the situation/system

Nice—you're already circling the core.

Let’s sharpen it a bit together. Game Theory is fundamentally about strategic decision-making—situations where the outcome for each person depends not just on what they do, but on what others do too.

So real quick:

If you’re making a decision and it depends entirely on nature or chance—like a dice roll—is that Game Theory?

And then:

If you’re making a decision and it depends on what someone else does—like whether they cooperate or betray you—is that Game Theory?

Walk me through your thinking on both.

No random chance isn't game theory, though agents in game theory may end up having things depend on random chance. But if youre decision matters then of course it is. Also please remember you should be teaching this to me, via paragraphs of information and moving through a high level plan. If I want to do interactions and questions, I will ask. Continue

Got it—I'll stay in teaching mode and drive forward through the roadmap unless you tap in.

📍Phase 1: Core Foundations — What Game Theory Is

At its heart, Game Theory studies strategic interactions: any situation where the outcome for each agent (person, company, nation, etc.) depends on the actions of others. It’s not about games in the traditional sense, but rather any “game” where decisions must be made in the presence of others who are also making decisions.

Key Assumptions (Classical Game Theory):

1. Rational agents – Everyone acts to maximize their own utility (whatever that means to them).

2. Strategic thinking – Agents consider what others might do before acting.

3. Common knowledge – Everyone knows the rules, the payoffs, and that everyone is rational (though later variants relax this).

🧩 Core Building Blocks

Here are the elements every formal game model needs:

Players – The decision-makers.
Strategies – The complete set of actions each player could take.
Payoffs – The outcomes (usually represented numerically) each player receives depending on the combination of strategies chosen.
Rules of play – Whether players move simultaneously or in turns, whether they see each other’s moves, whether they play once or repeatedly.

These get framed into a “game form”, and from there, you look for solutions—most famously, Nash equilibrium (more on that soon).

🎲 Quick Clarification: Game Theory vs Probability

You're exactly right—pure chance (like dice) isn’t Game Theory. That’s probability theory. But if you are choosing a strategy knowing that others may randomize their own moves? That’s Game Theory.

For example: in rock-paper-scissors, the “optimal” strategy is not deterministic—it’s a mixed strategy, which involves randomizing your choices. But you’re doing so strategically, in response to an opponent.

🧠 Where We’re Going Next

Next up, I’ll walk through types of games (Phase 1 continued), then move into dominant strategies and Nash equilibrium to set up the first actual game analysis.

Let me know if you want to pause, go deeper, or shift gears—but otherwise I’ll keep pressing forward.

I like the rock paper scissors example. Keep going, connecting to my life where possible. want to internalize this to be a better person/decision maker

Primeiros passos

O modo de estudo é especialmente útil para ajuda com os trabalhos de casa, preparação para testes e aprendizagem de novos tópicos. Para experimentar, selecione "Estudar e aprender" nas ferramentas do ChatGPT e faça uma pergunta.

Limitações e planos futuros

Este é o primeiro passo de um percurso contínuo para aperfeiçoar a aprendizagem no ChatGPT. Hoje, o modo de estudo é alimentado por instruções personalizadas do sistema. Escolhemos esta abordagem porque nos permite aprender rapidamente com o feedback real dos estudantes e melhorar a experiência, mesmo que isso possa resultar em algum comportamento inconsistente e erros ao longo das conversas. Planeamos incorporar este comportamento diretamente nos nossos modelos principais assim que aprendermos o que funciona melhor, através da iteração e do feedback dos estudantes.

Também estamos a explorar funcionalidades para tornar o modo de estudo mais atrativo e eficaz para os estudantes, tais como:

Visualizações mais claras de conceitos complexos ou com muito texto
Definição de objetivos e acompanhamento do progresso ao longo das conversas
Mais personalização conforme o nível de competências e os objetivos de cada estudante

A investigação sobre as melhores formas de aplicar a IA no mundo da educação ainda estão numa fase inicial. Através da sua iniciativa NextGenAI⁠, a OpenAI está a promover o aumento da investigação sobre aprendizagem e IA através de várias parcerias. Além disso, colabora com especialistas da Iniciativa SCALE, do Stanford University’s Accelerator for Learning⁠(abre numa nova janela), para estudar e partilhar como as ferramentas de IA influenciam os resultados educacionais em áreas como o ensino básico e secundário.

À medida que realizamos estudos de longo prazo sobre como os estudantes aprendem melhor com a IA, pretendemos publicar análises mais detalhadas da relação entre o design dos modelos e a cognição, moldando produtos com base nessas informações e colaborando com toda a comunidade educativa para garantir que a IA beneficia alunos de todo o mundo.

Autor

OpenAI

Continuar a ler

Ver tudo

Introducing the OpenAI Partner Network

Produto14/06/2026

Better memory for a more helpful ChatGPT

Uma base mais forte para a memória do ChatGPT

Investigação4/06/2026

Apresentamos novas capacidades para o GPT-Rosalind

Produto3/06/2026