Durante 133 anos, a Universidade de Princeton manteve um código de honra que permitia aos estudantes fazer exames sem vigilância. Bastava escrever numa folha que não tinham utilizado meios ilícitos. A tradição sobreviveu a duas guerras mundiais, à turbulência dos anos 60, ao escândalo de Watergate, ao aparecimento dos motores de busca e até ao SparkNotes. Não sobreviveu ao ChatGPT. Em Maio de 2026, o corpo docente votou a favor da vigilância obrigatória em todos os exames presenciais, a partir de Julho desse mesmo ano. Como observou Rose Horowitch n’The Atlantic, o que caiu não foi apenas uma regra administrativa: foi a confiança institucionalizada de que a conclusão de uma tarefa académica implica a existência de aprendizagem real por detrás dela.
Noutras universidades, as respostas têm sido diferentes mas igualmente reveladoras. Em Cornell, um professor passou a exigir provas orais em que os estudantes têm de explicar conceitos cara a cara. Em Glasgow, anunciou-se o regresso aos exames presenciais supervisionados. No Reino Unido, o número de estudantes do Grupo Russell formalmente sancionados por uso indevido de IA triplicou num único ano académico, de cerca de 700 para mais de 2.000. O que todas estas instituições reconheceram, cada uma à sua maneira, é que o contrato social que sustentava a avaliação não supervisionada entrou em colapso. Quando a conclusão de uma tarefa já não sinaliza aprendizagem, todas as tradições construídas sobre esse pressuposto têm de ser repensadas.
O proxy que deixou de funcionar
Durante décadas, a relação entre «terminar o trabalho» e «ter aprendido» foi suficientemente estável para que toda uma arquitectura de avaliação assentasse sobre ela. Havia sempre quem batesse nas beiradas — quem copiasse de um colega, plagiasse um texto ou pagasse por um ensaio —, mas o custo de o fazer era real e a assinatura desse comportamento tinha padrões detectáveis. O sinal era ruidoso nas margens, mas geralmente sólido para fins mais amplos.
Um novo estudo de Sina Rismanchian e colegas, publicado em Maio de 2026 e baseado em 3,2 milhões de interacções de aprendizagem na plataforma ALEKS ao longo de dez anos, sugere que esse proxy deixou de funcionar. O título é tão directo quanto possível: Faster Completion, Less Learning («Conclusão mais rápida, menos aprendizagem»). Os dados mostram que o tempo despendido em problemas de palavras susceptíveis de serem copiados para um chatbot caiu 26,9% entre estudantes universitários e 31,3% entre alunos do secundário desde o lançamento do ChatGPT, no final de 2022. O detalhe mais revelador: em condições de vigilância, onde o acesso à IA é restrito, esta divergência desaparece por completo. Mas quando esses mesmos estudantes são depois testados sobre o que supostamente aprenderam, a probabilidade de responderem correctamente cai 25%. Em avaliações não supervisionadas, o desempenho sobe de forma acentuada. O padrão não deixa margem para dúvida: os estudantes estão a usar IA para gerar respostas, as plataformas estão a registar conclusão, e o conhecimento duradouro está a evaporar-se.
Dois ensaios aleatorizados anteriores chegaram às mesmas conclusões em condições de laboratório mais controladas. Bastani e colegas realizaram uma experiência de campo numa escola secundária turca: o acesso ao GPT-4 durante a prática de matemática aumentou o desempenho assistido em 48%, mas as notas em exames sem assistência caíram 17% em relação ao grupo de controlo. Um ensaio de Barcaui com estudantes universitários encontrou a mesma forma: um teste surpresa de retenção passados 45 dias produziu 68,5% de respostas correctas na condição tradicional e 57,5% na condição com ChatGPT — uma diferença que se manteve após ajuste pelo tempo dedicado à tarefa. O contributo de Rismanchian não é a descoberta do efeito: é a demonstração de que o padrão laboratorial está agora a operar no terreno, à escala de milhões de estudantes, ao longo de anos.
Um estudo publicado em Maio de 2026 na revista Science, da autoria de Chirikov, Smirnov e Kizilcec, documenta a extensão do fenómeno. Analisando respostas de mais de 95.000 estudantes em 20 universidades públicas de investigação nos Estados Unidos, os investigadores estimaram que 9% admitiram ter usado IA generativa para fazer batota — um valor que sobe para mais de um em cada quatro entre os utilizadores diários. Estes são números autodeclarados obtidos através de um método de randomização de listas concebido para proteger os respondentes; a taxa real é quase certamente mais elevada. Quando um quarto dos utilizadores mais frequentes submete trabalho gerado por IA como seu, a contaminação dos sinais de aprendizagem identificada por Rismanchian deixa de ser uma preocupação teórica para se tornar a condição de base do ensino superior.
Rendição cognitiva, não deslocalização cognitiva
Há um argumento que se ouve com frequência: a IA não vai mudar assim tanto, e já vimos algo semelhante com as calculadoras e com a Internet. Mas o que os estudantes estão a fazer com a IA generativa é qualitativamente diferente do que fazem com calculadoras, folhas de cálculo ou motores de busca. A deslocalização cognitiva clássica — delegar uma subtarefa bem definida, como aritmética, a uma calculadora — deixa o processo de raciocínio nas mãos do aprendente. Quem usa uma calculadora para uma multiplicação deslocalizou a aritmética, mas continua a construir a estratégia de solução, a avaliar o resultado e a integrá-lo com o conhecimento prévio: é exactamente esta actividade que produz retenção duradoura.
O que a investigação recente designa por rendição cognitiva é outra coisa. Copiar um problema para um chatbot e colar a resposta gerada contorna todo o processo metacognitivo. O estudante não está apenas a delegar uma subtarefa discreta: está a abdicar do controlo cognitivo da resolução de problemas. Fan e colegas chamam à disposição subjacente preguiça metacognitiva: em estudos aleatorizados, os estudantes que usaram o ChatGPT para escrever ensaios produziram melhores ensaios durante a tarefa, mas não mostraram qualquer vantagem em termos de ganho de conhecimento ou transferência, e os dados de processo revelaram significativamente menos movimentos de avaliação e orientação. A rendição nomeia o acto; a preguiça nomeia a disposição que o produz.
A consequência a jusante é o que Barcaui designa por competência emprestada. A IA fornece estrutura, vocabulário e andaimes de raciocínio que infam a sensação de domínio durante o estudo sem fortalecer os traços de memória através da recuperação ou da elaboração gerada pelo próprio aprendente. Os estudantes confundem a fluência da IA com a sua própria compreensão — uma cegueira metacognitiva que os impede de reconhecer quando a assistência está a minar a sua aprendizagem.
A ilusão de domínio
A dimensão metacognitiva é, talvez, o aspecto mais preocupante de tudo isto. Nos ensaios turco e brasileiro, os estudantes relataram que acreditavam ter aprendido eficazmente, mesmo quando as medições objectivas mostravam o contrário. Na experiência turca, as percepções autodeclaradas dos estudantes sobre o seu desempenho eram «excessivamente optimistas»: os que estavam na condição de GPT sem orientação acreditavam ter aprendido tanto quanto o grupo de controlo, apesar de terem tido um desempenho 17% inferior no exame real.
O que acontece é que, durante a sessão de prática, os estudantes sentem-se competentes porque produzem respostas correctas. A IA trata do trabalho cognitivo, mas o estudante vive o resultado como uma conquista sua. Quando a ferramenta é retirada, a ilusão colapsa. Mas, a essa altura, a oportunidade de uma aprendizagem genuína já passou.
Isto tem implicações imediatas para os sistemas de avaliação adaptativa, amplamente utilizados mesmo no ensino básico e secundário. Plataformas como o ALEKS calibram as suas estimativas de domínio no pressuposto de que as respostas dos estudantes reflectem esforço cognitivo genuíno. Quando os estudantes contornam este processo usando IA, as inferências diagnósticas da plataforma tornam-se pouco fiáveis: o sistema pode atribuir crédito de domínio para conhecimento que o estudante não possui realmente.
O gradiente etário: uma lição para a escola
Um dos dados mais importantes do estudo de Rismanchian diz directamente respeito ao ensino básico e secundário. O efeito escala com a idade: os estudantes universitários apresentam a maior queda, os do secundário quase tanto, os do 3.º ciclo uma queda menor mas significativa — e os do 1.º e 2.º ciclos praticamente nenhuma. Isto não acontece porque as crianças mais novas sejam mais virtuosas. Acontece porque completam mais trabalho sob supervisão directa, em ambientes onde um adulto pode ver o ecrã.
O gradiente etário espelha exactamente o que décadas de investigação sobre integridade académica documentaram sobre as taxas de desonestidade antes de existir IA generativa. A IA não inventou o incentivo para a batota: reduziu o custo do esforço para perto de zero. A supervisão não é apenas uma questão de controlo disciplinar; é, na linguagem de Doug Lemov, uma condição de «ser visto a pensar» — o sinal de que o esforço cognitivo é visível e valorizado. Retirá-lo não desincentiva apenas a integridade; desincentiva o pensamento.
«Primeiro pensa, depois perguntas à IA»
Perante este cenário, duas respostas surgem de imediato, e nenhuma é suficiente por si só. A primeira é conceber tarefas que a IA não consiga realizar: manipulação de gráficos, simulações interactivas, raciocínio multimodal. Mas cada tarefa certificada como resistente à IA hoje tem um prazo de validade definido pelo calendário de lançamentos dos laboratórios. A segunda é recuar para a avaliação presencial supervisionada — o que Princeton e Glasgow estão a fazer. Mas a vigilância universal é dispendiosa, recai de forma desproporcionada sobre as instituições com menos recursos, e é uma solução de medição, não uma solução de aprendizagem: pode dizer-nos se a aprendizagem aconteceu, mas faz pouco para a fazer acontecer.
A terceira resposta é a mais consistentemente ignorada e quase certamente a mais importante, precisamente porque não joga o jogo da corrida ao armamento. Se o problema é que os estudantes estão a saltar o trabalho cognitivo porque têm uma IA ao lado enquanto estudam, a resposta não é policiar a IA nem redesenhar a tarefa. É mudar o momento em que a IA entra no processo cognitivo.
Wong e Qiu testaram um regime de «pensa primeiro, ChatGPT depois», em que os estudantes tinham de gerar as suas próprias soluções antes de poderem consultar o modelo. Numa tarefa de transferência posterior com o modelo retirado, os utilizadores com IA livre voltaram à linha de base sem assistência, enquanto o grupo de «pensa primeiro» superou todos os outros, incluindo os estudantes que tinham trabalhado sozinhos durante todo o tempo. A instrução pedagógica é quase embaraçosamente simples: a IA introduzida antes de o trabalho cognitivo ter acontecido impede que esse trabalho ocorra; a IA introduzida depois de o trabalho ter começado tem a possibilidade de o estender em vez de o substituir. A lição é de sequenciação, não de abstinência.
O que isto significa para as nossas escolas
É tentador ler toda esta investigação como um problema do ensino superior, distante do dia-a-dia das escolas portuguesas. Seria um erro. Os estudantes universitários de hoje são os alunos do secundário de ontem, e os dados de Rismanchian mostram que o efeito já é significativo no ensino secundário. Os padrões que se formam durante a adolescência — sobre o que significa «aprender», sobre quando o esforço cognitivo vale a pena, sobre a relação entre completar e compreender — não se apagam à entrada da universidade.
A questão que fica por responder não é técnica. É pedagógica e, em última análise, ética: que tipo de competência queremos que os nossos alunos levem consigo quando saem da escola? A IA pode ajudá-los a produzir um trabalho mais polido, mais estruturado, mais fluente. Mas se a fluência não for acompanhada de compreensão — se o estudante confundir o desempenho da IA com o seu próprio conhecimento —, o que temos é exactamente o que a romancista Katherine Rundell chamou, no Festival Hay de 2026, uma «vasta falsificação do conhecimento».
A escola não pode ignorar este diagnóstico. Pode, porém, ser o lugar onde se aprende a sequenciar correctamente o encontro com a IA: primeiro o esforço próprio, depois a ferramenta; primeiro a pergunta, depois a resposta gerada; primeiro o rascunho, depois a conversa com o modelo. Não como regra burocrática, mas como princípio pedagógico com evidência empírica por trás.
A confiança que Princeton manteve durante 133 anos não era ingenuidade. Era uma aposta na integridade como hábito cultivável. O ChatGPT não provou que essa aposta estava errada na sua essência: provou que, sem as condições certas, o hábito não se forma. Criar essas condições — na sala de aula, na tarefa, na sequência — é agora, talvez mais do que nunca, o trabalho mais importante de um professor.
Referências
Bastani, H., Bastani, O., Sungu, A., Ge, H., Kabakcı, Ö., & Marinho, R. (2024). Generative AI can harm learning. The Wharton School Research Paper. https://ssrn.com/abstract=4895486
Barcaui, A., & Monat, A. (2023). Who is better in project planning? Generative artificial intelligence or project managers? Project Leadership and Society, 4, 100101. https://doi.org/10.1016/j.plas.2023.100101
Chirikov, I., Smirnov, I., & Kizilcec, R. F. (2026). Generative AI use and misuse call for assessment reform in higher education. Science, 392, 818–820. https://doi.org/10.1126/science.aec5115
Hendrick, C. (2026, Maio 27). The death of the university degree: Cognitive surrender and the “vast counterfeiting of knowledge”. Substack. https://carlhendrick.substack.com/p/the-death-of-the-university-degree
Horowitch, R. (2026, Maio). Princeton’s honor code couldn’t survive AI. The Atlantic. https://www.theatlantic.com/ideas/2026/05/princeton-ai-honor-code/687144/
Rismanchian, S., et al. (2026). Faster completion, less learning: Generative AI reduced study time on math problems and the knowledge they build. arXiv preprint. https://arxiv.org/abs/2605.21629
The Daily Princetonian. (2026, Maio). Princeton faculty mandate proctoring for in-person exams, upending 133 years of precedent. https://www.dailyprincetonian.com/article/2026/05/princeton-news-adpol-proctoring-in-person-examinations-passed-faculty-133-years-precedent
