Download fonte |
1. Introdução: o novo paradigma educativo
A inteligência artificial (IA) generativa deixou de ser uma promessa futura para se tornar uma realidade estrutural e permanente no ensino superior. No cenário educativo atual, a sua presença não deve ser encarada como uma crise passageira ou uma ameaça técnica, mas sim como uma mudança de paradigma que nos obriga a reconsiderar os próprios fundamentos da evidência de aprendizagem e da construção do juízo académico.
Como especialistas em inovação pedagógica, compreendemos que avaliar bem em tempos de IA é, acima de tudo, uma decisão estratégica de cariz curricular e institucional. Este documento, produzido pelo Observatorio de IA en Educación da Universidad de Las Américas (UDLA – Chile) em dezembro de 2025, propõe-se a ser um recurso essencial para comités curriculares e docentes. O nosso objetivo é liderar a transição de modelos obsoletos de controlo para práticas de avaliação autêntica que garantam a integridade e a profundidade do percurso formativo dos estudantes.
2. O que é a avaliação autêntica resiliente à IA?
A avaliação resiliente à IA é um enfoque que procura preservar a validade, a fiabilidade e o propósito formativo do ato avaliativo num ecossistema onde a tecnologia está omnipresente. Longe de se basear na proibição ou na suspeita constante, esta abordagem foca-se na conceção consciente e intencional das tarefas. O foco deixa de ser “como impedir o uso da IA” e passa a ser “como desenhar avaliações que permaneçam válidas mesmo com a IA disponível”.
Os quatro propósitos fundamentais deste modelo são:
• Garantia de evidência válida de aprendizagem: assegurar que as tarefas permitam inferir, com elevado grau de confiança, se o estudante desenvolveu as competências esperadas, evitando enunciados facilmente automatizáveis.
• Prevenção da delegação cognitiva acrítica: impedir que o núcleo intelectual da tarefa seja externalizado, garantindo que o estudante permaneça como o sujeito ativo no processo de análise e tomada de decisão.
• Fortalecimento da coerência com o perfil de saída: alinhar as avaliações com desempenhos profissionais reais, situando o estudante em cenários autênticos da sua futura prática.
• Promoção de práticas justas e transparentes: estabelecer regras de jogo claras e critérios explícitos, reforçando a honestidade académica e a equidade no processo.
3. Da cultura do controlo à cultura da conceção pedagógica
A resposta institucional à IA tem oscilado, muitas vezes, entre a vigilância e a sanção. No entanto, estas medidas são insuficientes e pedagogicamente frágeis. É imperativo que as instituições transitem de uma cultura de controlo para uma cultura de conceção pedagógica robusta.
É fundamental compreender que o uso instrumental da IA não é a causa raiz da crise de integridade; pelo contrário, ele funciona como um revelador das fragilidades preexistentes nos nossos modelos de avaliação. Quando uma tarefa pode ser resolvida integralmente por uma máquina sem que o resultado perca o seu valor académico, o problema reside na fragilidade da conceção da tarefa e não na tecnologia em si.
Neste contexto, os comités curriculares devem assumir-se como o motor da mudança. Cabe a estes órgãos liderar a transição, diagnosticando vulnerabilidades e promovendo ajustes que valorizem o processo de construção do conhecimento. A melhor defesa contra a desonestidade académica é uma avaliação que exija julgamento humano, reflexão situada e análise crítica — elementos que a IA não pode substituir.
4. Pilares para fortalecer o design avaliativo
Para consolidar uma avaliação resiliente, o desenho das tarefas deve apoiar-se em pilares que realcem a atividade humana e a aplicação situada do conhecimento.
| Pilar de resiliência | Foco estratégico |
|---|---|
| Juízos não delegáveis | Prioriza decisões que exigem compreensão contextual e responsabilidade ética, aspetos que não podem ser automatizados sem perda de sentido formativo. |
| Rastreabilidade e avaliação do processo | Verifica a construção progressiva do saber e as decisões intermédias, reduzindo a vulnerabilidade de produtos finais descontextualizados. |
| Defesa académica | Comprova a apropriação conceptual e o raciocínio em tempo real através da explicação oral ou escrita, mitigando a dependência de produtos gerados automaticamente. |
| Transparência e uso declarado | Promove a honestidade académica e permite avaliar o critério do estudante ao integrar a tecnologia de forma consciente e ética no seu fluxo de trabalho. |
| Alinhamento com o perfil de saída | Garante que as tarefas representem desafios profissionais reais e complexos, onde a IA é apenas um recurso subordinado ao julgamento profissional. |
5. Aplicações práticas: tipos de avaliação recomendados
Apresentamos oito metodologias que exemplificam a colaboração eficaz entre o ser humano e a IA, centradas no desenvolvimento de competências de alto nível.
IA como primeiro rascunho com revisão crítica posterior
A ferramenta gera uma versão inicial que o estudante deve dissecar. Avalia-se a capacidade de identificar erros, enviesamentos e imprecisões técnicas. O esforço cognitivo do estudante situa-se na validação crítica e na melhoria substantiva do produto gerado.
Produção humana inicial com revisão assistida por IA
O estudante cria o trabalho autonomamente e utiliza a IA para sugerir melhorias ou refinamentos. Avalia-se a capacidade de discernir quais as sugestões que acrescentam valor real. O esforço cognitivo do estudante situa-se na tomada de decisão sobre a incorporação de inputs externos e na justificação dessas escolhas.
Análise disciplinar de produtos gerados por IA
O estudante recebe um conteúdo produzido por IA e deve reinterpretá-lo ou corrigi-lo à luz dos marcos teóricos da sua disciplina. Avalia-se o domínio conceptual e a aplicação de critérios disciplinares. O esforço cognitivo do estudante situa-se na aplicação de conhecimento especializado para validar ou refutar a produção da máquina.
IA como papel profissional simulado
A IA atua como um interlocutor (cliente ou paciente) num cenário de interação. Avalia-se a comunicação e o raciocínio profissional perante reações inesperadas. O esforço cognitivo do estudante situa-se na gestão do processo de interação e na tomada de decisões em tempo real.
Comparação crítica entre produção humana e produção de IA
O estudante analisa um trabalho realizado por si em confronto com um gerado por IA para o mesmo problema. Avalia-se a perceção de nuances, ética e profundidade. O esforço cognitivo do estudante situa-se no julgamento crítico e na identificação de diferenciais de qualidade humana.
IA como assistente estratégico do processo de trabalho
A ferramenta é usada para organizar ideias ou planear o fluxo de uma tarefa complexa. Avalia-se a gestão do processo e a estruturação lógica. O esforço cognitivo do estudante situa-se na manutenção do controlo cognitivo sobre a arquitetura do projeto e na não delegação do núcleo da tarefa.
Avaliação crítica de limites, erros e enviesamentos da IA
O enunciado exige especificamente a deteção de falhas e falta de fiabilidade num output de IA. Avalia-se a literacia mediática e ética. O esforço cognitivo do estudante situa-se na aplicação rigorosa de critérios de verdade e integridade académica para desconstruir o resultado automatizado.
Defesa académica breve de trabalhos mediados por IA
O estudante explica os fundamentos e o percurso do seu trabalho perante o docente. Avalia-se a compreensão profunda e a autoria. O esforço cognitivo do estudante situa-se na verbalização do raciocínio e na demonstração de que o conhecimento foi efetivamente apropriado.
6. Responsabilidade institucional e qualidade
A implementação de uma avaliação resiliente não pode ser fruto do esforço isolado de um docente; deve ser uma política institucional integrada nos sistemas de asseguramento da qualidade. Avaliar com rigor em tempos de IA é essencial para garantir a credibilidade dos graus académicos outorgados e a confiança da sociedade nas qualificações superiores.
As instituições têm a responsabilidade de fornecer diretrizes claras, formação contínua e um suporte que permita alinhar o currículo com os novos desafios tecnológicos. Esta é, acima de tudo, uma oportunidade para elevar a qualidade da aprendizagem profunda e assegurar que o sistema académico permanece relevante num mundo em transformação.
7. Conclusão: um convite à reflexão académica
O sentido último desta série de fichas pedagógicas é reafirmar que a avaliação deve ser um dispositivo que prepara o estudante para agir com critério, ética e responsabilidade num mundo mediado pela tecnologia. Como defende a literatura mais recente sobre reforma avaliativa (Lodge et al., 2025), a resposta mais sustentável não é a detecção, mas a conceção de tarefas que capturem evidências válidas de pensamento.
Ao situarmos o design pedagógico no centro da nossa estratégia, transformamos a IA de uma ameaça à integridade numa aliada do desenvolvimento intelectual. Convidamos toda a comunidade académica a adotar estas práticas para assegurar uma formação que prepare os estudantes para o futuro, tal como preconizado pelas revisões globais do Digital Education Council (2025). O nosso compromisso é garantir que cada título conferido seja um reflexo fiel de competência, critério e julgamento humano.
——————————————————————————–
Referências principais:
• Lodge, J. M., et al. (2025). Enacting assessment reform in a time of artificial intelligence. Tertiary Education Quality and Standards Agency (TEQSA).
• Digital Education Council (2025). The next era of assessment: A global review of AI in assessment design.
