Download |
O documento descreve o processo desenvolvido pela Quill.org para criar ferramentas de aprendizagem baseadas em Inteligência Artificial (IA) destinadas a alunos do ensino básico e secundário (K-12). O foco é garantir que a IA seja utilizada de forma ética, responsável e eficaz, com especial atenção a escolas com menos recursos.
Os 4 passos para desenvolver IA ética na educação
- Pesquisar antes de programar
- Antes de escrever uma linha de código, a Quill define claramente o que caracteriza uma aprendizagem eficaz, com base em práticas já testadas nas salas de aula.
- Testes iniciais em papel permitem identificar quais feedbacks são mais úteis, preparando o terreno para a IA replicar a qualidade da orientação de professores experientes.
- Construir um dataset próprio
- Para cada tarefa de escrita, recolhem-se 50 a 100 exemplos reais de respostas de alunos, acompanhadas do respetivo feedback dado por professores.
- Estes exemplos alimentam o modelo de IA, moldando-o para reproduzir o julgamento pedagógico humano. Assim, o professor não é apenas utilizador, mas co-criador da ferramenta.
- Avaliar cedo e frequentemente
- A avaliação é contínua. Ex-professores na equipa da Quill analisam manualmente mais de 100 mil respostas por ano, comparando as correções feitas pela IA com as humanas, ajustando quando necessário.
- Usam benchmarks e testes A/B para medir e melhorar sistematicamente a precisão do modelo.
- Colaborar com Conselhos de Professores
- Mais de 300 docentes do Conselho Consultivo testam cada atividade em três rondas distintas, representando uma grande diversidade de contextos escolares.
- Apenas após estas iterações e garantida a consistência da qualidade, a ferramenta é disponibilizada ao público.
Princípios para atividades com IA
- Conceção de prompts eficazes
- Todos os alunos trabalham a partir do mesmo texto-fonte para garantir consistência e permitir uma avaliação objetiva.
- Definição clara de resposta exemplar
- As respostas de excelência são caracterizadas por rigor factual, evidência concreta do texto, compreensão do conteúdo e clareza na argumentação.
- Feedback construtivo
- O retorno da IA deve reconhecer progressos, ser acionável e orientar o raciocínio sem fornecer diretamente a resposta, incentivando o pensamento crítico.
Técnicas e processos de desenvolvimento
- Multi-shot prompting e fine-tuning
- Combinação de exemplos dados ao modelo no momento da execução (multi-shot prompting) com treino prévio (fine-tuning) usando dados reais de alunos e feedback de professores.
- Testes A/B
- Comparação de diferentes versões de datasets e instruções para escolher a que gera feedback mais correto e eficaz.
Perguntas-chave para avaliar uma IA Educativa
O playbook recomenda fazer questões como:
- Baseia-se em métodos pedagógicos comprovados?
- Que dados de treino foram usados?
- Quem participa no desenvolvimento?
- O feedback é específico e útil?
- Existem mecanismos de monitorização contínua?
- Professores estiveram envolvidos em todas as fases?
Conclusão
A Quill.org defende que a IA na educação deve ser personalizada, avaliada continuamente e desenvolvida com a colaboração direta de professores, sempre fundamentada em princípios pedagógicos sólidos. O modelo proposto serve de guia para criar e avaliar ferramentas de IA responsáveis e eficazes no contexto escolar.
