Inteligência Artificial no ensino e aprendizagem de bateria e percussão: ferramentas atuais e perspectivas futuras

Autores

DOI:

https://doi.org/10.33054/ABEM202533113

Palavras-chave:

Inteligência artificial, Bateria e percussão, Modelos de linguagem de grande escala, ChatGPT.

Resumo

Este artigo investiga as implicações da inteligência artificial (IA) no ensino e na aprendizagem de bateria e percussão. Inicialmente, contextualiza o surgimento e a evolução da IA, com ênfase nos modelos de linguagem de grande escala e seu impacto na Educação Musical. Em seguida, discute o potencial da IA generativa para criar materiais didáticos, apoiar o aprendizado teórico e oferecer feedback, ao mesmo tempo em que se problematizam limitações como alucinações e preconceitos. A partir de uma análise empírica de interações com o ChatGPT, avaliam-se suas capacidades de fornecer feedback sobre áudio e vídeo de performances de bateria. Os resultados indicam que, embora a IA demonstre sofisticação ao emular discursos avaliativos musicais, ainda carece de precisão contextual e sensibilidade estética para oferecer retornos pedagogicamente relevantes. Conclui-se apontando para um futuro da Educação Musical permeado pela inteligência artificial, destacando a importância do letramento em IA para que educadores e estudantes possam utilizá-la de forma crítica, consciente e criativa na construção de práticas pedagógicas inovadoras.

Downloads

Não há dados estatísticos.

Biografia do Autor

Daniel Gohn, Universidade Federal de São Carlos (UFSCar)

Daniel Gohn é professor da Licenciatura em Música da Universidade Federal de São Carlos (UFSCar). É Mestre e Doutor pela Escola de Comunicações e Artes da Universidade de São Paulo (ECA/USP) e Bacharel em Música Popular pela Universidade Estadual de Campinas (UNICAMP). Estudou na escola Drummers Collective, em Nova York, onde também trabalhou na produção de vídeos educacionais com a empresa Hudson Music. Atualmente, é baterista da Orquestra Rock, tocando com artistas como Dinho Ouro Preto, Di Ferrero e Maria Gadú, entre outros; e participa do projeto Highland Echoes, promovendo a integração das culturas escocesa e brasileira. É autor de “No Mundo da Bateria: conceitos, ideias e composições” (Editora Som, 2018), “Caderno de Percussão Yamaha” (Ricordi, 2014), “Educação Musical a Distância: Abordagens e Experiências” (Cortez, 2011), “Tecnologias Digitais para Educação Musical” (EdUFSCar, 2010) e “Autoaprendizagem Musical: Alternativas Tecnológicas” (Annablume, 2003), além de um capítulo no livro Cambridge Companion to the Drum Kit (Cambridge University Press, 2021). Seus principais interesses de pesquisa incluem o uso de tecnologias na educação musical e processos de ensino e aprendizagem de instrumentos de percussão. http://lattes.cnpq.br/1332810341001276

Referências

ACQUILINO, Alberto; SCAVONE, Gary. Current State and Future Directions of Technologies for Music Instrument Pedagogy. Frontiers in Psychology, v. 13, 2022. https://doi.org/10.3389/fpsyg.2022.835609

ALVES, Lynn. Notas Iniciais sobre a Inteligência Artificial e Educação. In: ALVES, Lynn (org.). Inteligência Artificial e Educação: refletindo sobre os desafios contemporâneos. Salvador: EDUFBA; Feira de Santana: UEFS Editora, p. 33 50, 2023.

BLADES, James. Percussion instruments and their history. Westport: Bold Strummer, 1992.

CHIU, Thomas. K. F. The impact of Generative AI (GenAI) on practices, policies and research direction in education: a case of ChatGPT and Midjourney. Interactive Learning Environments, v. 32, no. 10, p. 6187–6203, 2023. https://doi.org/10.1080/10494820.2023.2253861

CONVINGTON, Paul; ADAMS, Jay; SARGIN, Emre. Deep Neural Networks for YouTube Recommendations. Proceedings of the 10th ACM Conference on Recommender Systems (RecSys '16). Association for Computing Machinery, New York, NY, USA, p. 191–198, 2016. https://doi.org/10.1145/2959100.2959190

FEUERRIEGEL, Stefan; HARTMANN, Jochen; JANIESCH, Christian; ZSCHECH, Patrick. Generative ai. Business & Information Systems Engineering, v. 66, n. 1, p. 111-126, 2024. https://doi.org/10.1007/s12599-023-00834-7

GOHN, Daniel Marcondes. “Feeling Brazilian”: The search for authenticity in drum kit playing, Journal of Popular Music Education, v. 5, n. 2, p. 211–26, 2021.

GRASSINI, Simone. Shaping the Future of Education: Exploring the Potential and Consequences of AI and ChatGPT in Educational Settings. Education Sciences, v. 13, no. 7, artigo 692, 2023. https://doi.org/10.3390/educsci13070692

HANCOCK, Jaxon; REN, Jian. Accurate Traffic State Prediction with Deep Learning - Analyzing Statistical Aides for Identifying Anomalous Traffic Trends, 2024 IEEE 30th International Conference on Parallel and Distributed Systems (ICPADS), Belgrade, Serbia, p. 408-414, 2024. https://doi.org/10.1109/ICPADS63350.2024.00060

HOFFMAN, Reid; GPT-4. Impromptu. Amplifying Our Humanity Through AI. Washington: Dallepedia LLC, 2023.

KHAN, Salman. Brave New Words. How AI will revolutionize education (and why that’s a good thing). New York: Viking, 2024.

MAAZ, Muhammad; RASHEED, Hanoona; KHAN, Salman; KHAN, Fahad Shahbaz. Video-ChatGPT: towards detailed video understanding via large vision and language models. In: Proceedings of the 62nd Annual Meeting of the Association for Computational Linguistics. Kerrville, TX: Association for Computational Linguistics, p. 12585–602, 2024. https://doi.org/10.48550/arXiv.2306.05424

MAHESHWARI, Chhavi. Music recommendation on spotify using deep learning. arXiv preprint arXiv:2312.10079, 2023. https://doi.org/10.48550/arXiv.2312.10079

McMAHON, Liv; KLEINMAN, Zoe. Glue pizza and eat rocks: Google AI search errors go viral. BBC News online. 24/05/2024. Disponível em: https://www.bbc.com/news/articles/cd11gzejgz4o. Acesso em: 21 fev. 25.

MEHTA, Atharva et al. Music for All: Representational Bias and Cross-Cultural Adaptability of Music Generation Models. North American Chapter of the Association for Computational Linguistics, 2025. https://doi.org/10.48550/arXiv.2502.07328

MENZ, Bradley D.; KUDERER, Nicole M.; CHIN-YEE, Benjamin et al. Gender Representation of Health Care Professionals in Large Language Model–Generated Stories. JAMA Network Open, v.7, n.9, e2434997, 2024. https://doi:10.1001/jamanetworkopen.2024.34997

MOLICK, Ethan. Co-intelligence: living and working with AI. New York: Portfolio/Penguin, 2024.

MONTGOMERY, Blake. Mother says AI chatbot led her son to kill himself in lawsuit against its maker. The Guardian, 23 de Out, 2024. Disponível em: https://www.theguardian.com/technology/2024/oct/23/character-ai-chatbot- sewell-setzer-death. Acesso em: 04 abr. 25.

OPENAI. ChatGPT (GPT-4). https://chat.openai.com/chat. Acesso em: 10 abr. 2025.

PEREIRA, Igor; ARAÚJO, Felipe; KORZENIOWSKI, Filip; VOGL, Richard. MoisesDB: A dataset for source separation beyond 4-stems. arXiv preprint arXiv:2307.15913, 2023. https://doi.org/10.48550/arXiv.2307.15913

SALECHA, Aadesh; IRELAND, Molly E.; SUBRAHMANYA, Shashanka; SEDOC, João; UNGAR, Lyle H.; EICHSTAEDT, Johannes C. Large language models display human-like social desirability biases in Big Five personality surveys.

PNAS Nexus, v. 3, n. 12, 2024. https://doi.org/10.1093/pnasnexus/pgae533

SAVAGE, Mark. Sir Paul McCartney says artificial intelligence has enabled a 'final' Beatles song. BBC News online, 13 de Jun, 2023. Disponível em: https://www.bbc.com/news/entertainment-arts-65881813. Acesso em: 12 mar. 2025.

SLOBODA, John A. The Musical Mind: The Cognitive Psychology of Music. Oxford: Oxford University Press, 1985.

TAN, Selim. Are We All Musicians Now? Authenticity, Musicianship, and AI Music Generator Suno. SocArXiv. December 4, 2024. https://doi:10.31235/osf.io/4nt8z

TURING, Alan M. Computing Machinery and Intelligence. Mind, [s.l.], v. 59, n. 236, pp. 433–460, 1950. Disponível em: http://www.jstor.org/stable/2251299. Acesso: em 7 jun. 2025.

VAN DIJCK, José; POELL, Thomas; DE WAAL, Martijn. The Platform Society: Public values in a connective world. New York: Oxford university press, 2018.

YANG, Zhengyuan; LI, Linjie; LIN, Kevin; WANG, Jianfeng; LIN, Chung-Ching; LIU, Zicheng; WANG, Lijuan. The Dawn of LMMs: Preliminary Explorations with GPT-4V(ision). arXiv preprint arXiv:2309.17421, 2023. https://doi.org/10.48550/arXiv.2309.17421

ZAGORSKI-THOMAS, Simon. Real and Unreal Performances: The Interaction of Recording Technology and Rock Drum Kit Performance. In: DANIELSEN, Anne (ed.). Musical Rhythm in the Age of Digital Reproduction. Farnham: Ashgate Publishing, pp. 195-212, 2010.

Downloads

Publicado

2025-08-14

Como Citar

Gohn, D. (2025). Inteligência Artificial no ensino e aprendizagem de bateria e percussão: ferramentas atuais e perspectivas futuras. REVISTA DA ABEM, 33(1), e33113. https://doi.org/10.33054/ABEM202533113

Edição

v. 33 n. 1 (2025): Revista da ABEM

Seção

Artigos

Licença

Os(As) autores(as) que tiver(em) seu texto manuscrito aprovado deverá(ão) enviar à Editoria da REVISTA uma Carta de Cessão (modelo enviado no ato do aceite), cedendo os direitos autorais para publicação, em regime de exclusividade e originalidade do texto, pelo período de 2 (dois) anos, contados a partir da data de publicação da REVISTA.

DECLARAÇÃO DE ORIGINALIDADE E EXCLUSIVIDADE DE CESSÃO DE DIREITOS AUTORAIS

Declaramos que os artigos presentes na REVISTA DA ABEM são originais e não foram submetidos à publicação em qualquer outro periódico nacional ou internacional, quer seja em parte ou na íntegra. Declaramos, ainda, que, após um artigo ser publicado pela REVISTA DA ABEM, ele não poderá ser submetido a outra forma de publicação, no prazo de dois anos. Passado esse período, a REVISTA DA ABEM cede direitos aos(às) autores(as) para publicarem o texto em livros ou outro periódico, desde que haja autorização do Conselho Editorial.

Também temos ciência que a submissão dos originais à REVISTA DA ABEM implica transferência dos direitos autorais da publicação digital e, a não observância desse compromisso submeterá o(a) infrator(a) a sanções e penas previstas na Lei de Proteção dos Direitos Autorais (nº 9610, de 19/02/98).