Há uma pergunta que muitos professores fazem baixinho, quase com receio de a formular em voz alta: se a inteligência artificial já responde melhor do que os alunos nos testes, escreve melhores ensaios e resolve problemas que levariam horas a um estudante — para que serve, afinal, o que ensinamos?
A questão não é retórica. É a pergunta central de um artigo recentemente publicado no Journal for the Study of Education and Development: Infancia y Aprendizaje, da Universidade de Cambridge, pelo investigador Rupert Wegerif. O título, «Dialogic Intelligence: Rethinking What Education Is for in the Age of AI», é uma declaração de intenções: não se trata de gerir a disrupção, mas de repensar, com seriedade, o propósito da educação.
A armadilha das respostas certas
O problema começa por ser conceptual. Durante décadas, a escola organizou-se em torno de uma ideia de inteligência como capacidade individual, mensurável, comparável — o que se traduz em testes, notas, rankings. Wegerif traça uma genealogia rigorosa desta concepção: a forma como medimos a inteligência foi moldada pela cultura tipográfica, pelo pensamento linear e pela lógica das ciências exactas que a imprensa de Gutenberg ajudou a disseminar. A inteligência tornou-se aquilo que a escola exige e que os testes conseguem medir.
Os grandes modelos de linguagem — os LLMs que estão na base do ChatGPT, do Gemini, do Claude e de outros sistemas similares — demoliram esta construção de uma forma desconcertante. Não porque sejam mais inteligentes do que os humanos, mas porque demonstram que as operações cognitivas que a escola sempre privilegiou podem ser realizadas por sistemas sem consciência, sem emoções, sem experiência vivida. Quando a máquina passa em exames de medicina, direito e engenharia com resultados acima da média dos estudantes, somos forçados a perguntar: o que é que estávamos, afinal, a medir?
A resposta de Wegerif é clara: estávamos a medir a capacidade de reproduzir o que já existe. E isso, precisamente, é o que a IA faz com uma eficiência que nenhum humano consegue igualar.
O que a IA não consegue fazer
A alternativa proposta por Wegerif não é uma teoria nova sobre o que é a inteligência — é, como ele mesmo descreve, uma reorientação ontológica. Uma mudança de perspectiva sobre onde e como o pensamento acontece.
A ideia central é a de inteligência dialógica: a capacidade de abrir, aprofundar e sustentar espaços de significado partilhado, através da atenção genuína a outras perspectivas — humanas, não-humanas, tecnológicas. O pensamento, nesta visão, não acontece dentro de uma mente individual. Acontece no espaço entre perspectivas diferentes, quando essas perspectivas se encontram em tensão produtiva e se mantêm nessa tensão tempo suficiente para que algo novo emerja.
Wegerif recorre a um repertório filosófico exigente — Buber, Bakhtin, Heidegger, Merleau-Ponty, Freire — mas a intuição que percorre o argumento é reconhecível a qualquer professor que já tenha assistido àquele momento numa sala de aula: quando um aluno, depois de um silêncio, levanta os olhos, acena com a cabeça e diz «ah, percebi». Esse momento — que o autor descreve como fisiologicamente visível antes de ser verbalmente expresso — não é o produto de um algoritmo. É o produto de uma abertura ao outro, de uma disposição para ser afectado pelo que ainda não se sabe.
Isto é o que a IA não consegue fazer. Pode gerar texto. Pode verificar factos. Pode sintetizar literatura. Pode jogar o papel de interlocutor informado. Mas não importa-se. E é exactamente o «importar-se» — o cuidado, a responsabilidade ética, a motivação para continuar a questionar — que sustenta o espaço dialógico onde o pensamento genuíno emerge.
O risco real nas escolas
Wegerif distingue dois modos de usar a IA em educação, e a distinção é fundamental para qualquer professor que já tenha posto um chatbot numa sala de aula.
Quando a IA é usada como atalho para respostas — quando o aluno pergunta ao ChatGPT o que deve escrever, copia, e entrega — o que acontece é uma contracção do espaço cognitivo. Estudos recentes citados pelo autor mostram que este uso produz o que se chama de «preguiça metacognitiva»: os utilizadores deixam de exercitar o esforço de pensar porque a máquina o faz por eles. O pensamento crítico e a capacidade de resolução independente de problemas declinam.
Quando, pelo contrário, a IA é usada como parceiro dialógico — quando o aluno a desafia, questiona as suas respostas, pede que argumente o contrário, usa as suas sínteses como ponto de partida para ir mais longe —, o efeito é diferente. A pesquisa mostra ganhos na criatividade, no razonamento e no envolvimento metacognitivo. A diferença não está na tecnologia; está na pedagogia.
Há, porém, um risco específico que Wegerif identifica com precisão: o risco da conformidade. Os LLMs são treinados em dados que reflectem visões dominantes, preconceitos culturais e escolhas dos seus desenvolvedores corporativos. Quando os alunos aceitam as respostas da IA sem as questionar, não estão apenas a ser intelectualmente passivos — estão a ser «falados» pelo discurso das normas prevalecentes, sem consciência crítica disso. A escola que apenas integra a IA sem educar para a questionar está a produzir o oposto do pensamento crítico.
O que muda na sala de aula
A proposta pedagógica de Wegerif é simultaneamente exigente e libertadora. Em vez de organizar o ensino em torno de tarefas com respostas predeterminadas — o modelo que a IA já domina —, propõe que o trabalho da escola seja o de cultivar a capacidade de abrir questões genuínas e de as sustentar em aberto tempo suficiente para que insights emergentes possam aparecer.
Na prática, isso implica algumas mudanças concretas no modo como as aulas são estruturadas. O professor deixa de ser o transmissor de respostas correctas e passa a ser o curador de condições: cria o espaço onde perspectivas diferentes podem coexistir em tensão, onde a incerteza não é um sinal de fracasso mas uma condição do pensamento, onde a IA pode contribuir com sínteses e contraposições mas onde a responsabilidade pela direcção da inquirição permanece nos humanos.
O modelo de avaliação também muda. Em vez de medir apenas produtos finais, a avaliação dialógica observa processos: Como o aluno escutou? Modificou a sua posição com base em novos argumentos? Fez perguntas que abriram o problema em vez de o fechar? Manteve-se em tensão com perspectivas diferentes? Questionou as limitações e enviesamentos das respostas da IA?
Wegerif e a sua equipa em Cambridge estão a desenvolver frameworks de avaliação nesta direcção, incluindo papéis específicos para a IA: moderador (que apoia a participação equitativa), treinador de diálogo (que promove a paráfrase, o desafio e as pausas reflexivas) e agentes de indução disciplinar (que introduzem os alunos nas disciplinas como tradições vivas de inquirição). Não é ficção científica — é investigação em curso.
O que isto significa para Portugal
O Perfil dos Alunos à Saída da Escolaridade Obrigatória, referencial estruturante do currículo português, já antecipa muito do que Wegerif propõe: o pensamento crítico e criativo, a comunicação e colaboração, o raciocínio e resolução de problemas surgem como competências-chave transversais, irredutíveis a conteúdos memorizados.
A Estratégia Nacional de Inteligência Artificial (ENIA) e as iniciativas do Ministério da Educação em torno da IA nas escolas focam-se, com justeza, na literacia digital e no uso responsável das ferramentas. Mas a contribuição de Wegerif vai um passo adiante: não basta saber usar a IA com responsabilidade. É preciso saber pensar com ela e contra ela — usá-la como interlocutor que amplia o espaço do possível, sem nos deixarmos capturar pelo seu «outro generalizado».
Para os professores portugueses, o desafio é concreto: como é que uma aula de História pode usar a IA para gerar perspectivas alternativas sobre um acontecimento, e depois trabalhar a tensão entre essas perspectivas em vez de aceitar a síntese da máquina? Como é que uma aula de Português pode usar o ChatGPT para produzir um argumento e depois construir, colectivamente, uma réplica? Como é que Matemática pode usar a IA para verificar raciocínios e libertar tempo para o que a máquina não faz: perceber porque é que um problema é interessante?
Estas não são perguntas retóricas. São o trabalho pedagógico que a próxima fase da integração da IA nas escolas exige.
Uma provocação final
Há uma frase de Wegerif que merece ser retida. Diz que a IA supera os humanos em todas as operações que podem ser descritas como algoritmos — dedução, síntese, verificação — mas que a diferença verdadeiramente significativa é que as máquinas não se importam. É o cuidado humano que mantém uma questão aberta tempo suficiente para que um salto inesperado de compreensão ocorra.
A escola que souber cultivar esse cuidado — a curiosidade que não se satisfaz com a primeira resposta, a atenção que permanece na tensão do não-saber, a responsabilidade de pensar em conjunto — não está a defender-se da IA. Está a fazer aquilo para que sempre serviu: ajudar pessoas a tornarem-se mais plenamente humanas.
E isso, por enquanto, nenhum modelo de linguagem consegue fazer.
Referência
Wegerif, R. (2026). Dialogic intelligence: Rethinking what education is for in the age of AI. Journal for the Study of Education and Development: Infancia y Aprendizaje, 1–28. https://doi.org/10.1177/02103702261439739
