Há documentos que chegam no momento certo. Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education — publicado em 2026 em parceria pela OCDE e pela Comissão Europeia — é um deles. Não porque traga revelações surpreendentes, mas porque consolida, numa arquitetura coerente e utilizável, aquilo que muitos professores já intuem sem que ainda exista linguagem comum para o dizer: saber usar ferramentas de inteligência artificial não é o mesmo que ser literato em inteligência artificial.
O documento, aprovado pelo Conselho Directivo do PISA em abril de 2026, alimentará a avaliação PISA 2029 na área de Literacia em Média e Inteligência Artificial (MAIL). Para Portugal, que participou no processo de revisão do referencial através do Ministério da Educação, trata-se de uma referência incontornável para quem pensa a escola dos próximos anos.
Por que é necessário um referencial desta natureza
A pergunta parece óbvia, mas a resposta revela uma tensão real. Os jovens europeus utilizam ferramentas de IA em proporções que surpreendem: um inquérito de 2025 a adolescentes europeus registou que 88% dos jovens entre os 13 e os 15 anos e 96% dos que têm entre 16 e 18 anos recorrem a IA pelo menos algumas vezes por semana, sobretudo para trabalhos escolares, pesquisa, tradução e pesquisa web. Dados do Eurostat de 2026 acrescentam que os jovens entre os 16 e os 24 anos utilizam IA generativa a um ritmo quase duas vezes superior ao da população geral.
Estes números não são motivo de alarme em si mesmos, mas revelam um fosso que o referencial AILit tenta endereçar: a diferença entre usar e compreender. Um estudo da Common Sense Media de 2025 descobriu que 72% dos adolescentes norte-americanos tinham utilizado «companheiros de IA», chegando a partilhar informação pessoal sensível com estes sistemas ou a preferir uma conversa com uma ferramenta de IA a uma conversa com um ser humano. Investigação publicada no mesmo ano relaciona o uso intensivo de IA com um enfraquecimento do pensamento crítico e da autorregulação cognitiva — aquilo que os autores designam por «preguiça metacognitiva».
O referencial parte exatamente desta constatação: sem orientação adequada, os jovens tendem a delegar no sistema a parte do esforço que seria formativa. A literacia em IA não é, portanto, uma competência adicional a juntar a outras — é uma condição para que as restantes continuem a fazer sentido.
O que é, afinal, a literacia em IA
A definição que o referencial propõe é precisa e vale a pena reter: a literacia em IA representa o conhecimento técnico, as competências duradouras e as atitudes voltadas para o futuro necessárias para prosperar num mundo influenciado pela IA. Permite aos aprendentes envolver-se com a IA, criar com ela, geri-la e moldá-la, ao mesmo tempo que avaliam criticamente os seus benefícios, riscos e implicações éticas.
O que há de relevante nesta formulação é o que ela recusa implicitamente. A literacia em IA não se confunde com a utilização de ferramentas. Um aluno que usa um chatbot para resumir um texto não está necessariamente a desenvolver literacia em IA — tal como alguém que lê todos os dias não é, por isso, necessariamente um leitor crítico. O que importa é a capacidade de questionar os sistemas, reconhecer os seus limites, avaliar os resultados e tomar decisões informadas sobre quando e como utilizá-los.
Quatro domínios para aprender a navegar
O referencial organiza as competências em quatro domínios sequenciais, pensados como um percurso de aprendizagem progressivo.
O primeiro, Envolver-se com a IA, é o fundamento. Antes de criar ou gerir, os alunos precisam de reconhecer a presença da IA no seu quotidiano, perceber como funciona sem cair em antropomorfismos, avaliar criticamente os resultados que recebem e compreender os riscos — desde a desinformação aos preconceitos algorítmicos, passando pelo impacto ambiental dos sistemas computacionais. Este domínio serve de base a todos os outros.
O segundo, Criar com a IA, posiciona os alunos como criadores que utilizam a IA como parceiro de exploração, não como substituto do pensamento. A ideia central é que a voz e a intenção do aprendente permanecem no centro do processo — a IA expande as possibilidades, não as substitui. Questões de autoria, propriedade intelectual e originalidade são tratadas aqui como componentes incontornáveis.
O terceiro, Gerir a IA, parte de uma competência que raramente é ensinada de forma explícita: saber decidir quando usar IA, para quê e em que proporção. Os alunos são convidados a decompor problemas, a identificar quais as etapas que beneficiam de apoio automático e quais as que requerem julgamento humano, e a monitorizar o processo ao longo do tempo.
O quarto, Moldar a IA, é o mais exigente e o mais transformador. Aqui os alunos passam de utilizadores a criadores — não no sentido de desenvolver produtos comerciais, mas no sentido de compreender como os sistemas são construídos, quem são os utilizadores pretendidos, que dados os alimentam e como podem ser melhorados para servir o bem comum. O referencial é claro: não é preciso ser engenheiro de IA para explorar estes princípios de forma pedagogicamente adequada.
Conhecimento, competências e atitudes: a tríade que sustenta o referencial
Por baixo dos quatro domínios existe uma estrutura que os alimenta. O conhecimento inclui quatro dimensões: a natureza da IA (o que é, como funciona, que tipos existem); o facto de a IA refletir escolhas humanas (os dados, os preconceitos, as decisões de design são sempre humanas); as capacidades e limitações dos sistemas (incluindo alucinações, falta de contexto e opacidade algorítmica); e o papel da IA na sociedade (influência em decisões, necessidade de regulação, dimensão ética).
As competências identificadas não são novas — são humanas por definição. Pensamento crítico, colaboração, criatividade, resolução de problemas, pensamento computacional, comunicação e consciência social e pessoal. O que muda é o modo como estas competências se aplicam num contexto mediado pela IA: comunicar com clareza para obter melhores resultados de um sistema generativo é diferente de comunicar com um colega, embora ambas as competências partilhem uma raiz comum.
As atitudes descrevem as disposições que os alunos devem cultivar: ser reflexivo, responsável, curioso, inovador, adaptável e empático. Não se trata de formar utilizadores dóceis nem de criar tecno-céticos; o objetivo é preparar jovens capazes de navegar a ambiguidade com julgamento próprio.
O professor no centro, não à margem
Um dos aspetos mais honestos do documento é o modo como trata a situação atual dos professores. Dados do TALIS 2024 mostram que apenas um em cada três professores utiliza IA regularmente e que três em cada quatro declaram não ter os conhecimentos e competências para ensinar utilizando IA. Ao mesmo tempo, um Eurobarómetro de 2025 regista que 81% dos cidadãos europeus concordam que todos os professores deveriam estar equipados para usar e compreender IA, incluindo IA generativa.
O fosso é evidente. E o referencial não pretende que os professores o atravessem sozinhos. O documento é explícito: a literacia em IA não pode depender de um único docente, nem de uma única disciplina. Requer uma abordagem transversal, com liderança de escola, investimento em formação contínua de qualidade — que vá além do uso de ferramentas e inclua reflexão pedagógica e ética — e articulação com famílias e comunidade.
Há um dado que o referencial cita e que merece atenção particular: nas escolas onde os professores receberam formação em IA, metade desses professores deixou de sentir necessidade de formação adicional na área. O investimento na formação docente tem retorno direto na confiança e, através dela, na qualidade do que acontece na sala de aula.
Uma questão de equidade
O referencial não ignora a dimensão da inclusão. A IA pode ser uma ferramenta poderosa para apoiar alunos com necessidades educativas especiais, oferecendo suporte diferenciado e individualizado. Mas pode igualmente amplificar desigualdades quando os sistemas são treinados com dados enviesados ou quando o acesso às ferramentas é desigual.
Para Portugal, onde o Programa IAedu e a estratégia ANIA têm vindo a estruturar a integração da IA no sistema educativo, este referencial fornece um quadro conceptual que pode orientar tanto a formação de professores como o desenho curricular. A participação portuguesa no processo de consulta internacional — o Ministério da Educação foi um dos que contribuiu com revisão escrita — dá ao país uma posição informada para adaptar o documento ao contexto nacional.
O que muda na sala de aula
A leitura do referencial deixa uma impressão clara: a grande transformação não está nas ferramentas, está nas perguntas. Em vez de «usa IA para fazer o teu trabalho?», os professores são encorajados a colocar questões como: Como é que esta ferramenta chegou a este resultado? Devo aceitar, rever ou rejeitar esta resposta? Quem beneficia deste sistema? Qual o custo ambiental desta pesquisa?
São perguntas que cabem em qualquer disciplina — Português, Ciências, História, Matemática, Educação Física. A literacia em IA não é um tópico de Informática; é uma dimensão da formação de pessoas capazes de pensar no século XXI.
Atividade prática: «IA ou não IA?»
Uma das atividades de sala de aula sugeridas no próprio referencial é adaptável a qualquer nível de ensino e não exige infraestrutura tecnológica específica. O professor apresenta uma lista de situações do quotidiano — recomendações de uma plataforma de música, um filtro de spam no correio eletrónico, um assistente de voz, um sistema de reconhecimento facial, um tradutor automático, um termostato inteligente — e pede aos alunos que classifiquem cada uma como «usa IA», «não usa IA» ou «não tenho a certeza». Segue-se uma discussão sobre os critérios utilizados e sobre o que distingue sistemas baseados em regras fixas de sistemas que aprendem com dados. A atividade desenvolve o primeiro domínio do referencial — reconhecer a presença e o papel da IA em contextos diferentes — e abre caminho para conversas mais complexas sobre como esses sistemas funcionam e que escolhas estão por detrás deles.
Referências
OECD / European Union. (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing, Paris. https://doi.org/10.1787/65cd27d4-en
OECD. (2025). Results from TALIS 2024: The state of teaching. OECD Publishing, Paris. https://www.oecd.org/content/dam/oecd/en/publications/reports/2025/10/results-from-talis-2024_28fbde1d/90df6235-en.pdf
OECD. (2026). OECD Digital Education Outlook 2026: Exploring effective uses of generative AI in education. OECD Publishing, Paris. https://doi.org/10.1787/062a7394-en
Eurostat. (2026, fevereiro 10). 64% of 16-24-year-olds used AI in 2025. https://ec.europa.eu/eurostat/web/products-eurostat-news/w/edn-20260210-1
European Commission. (2025). Flash Eurobarometer 564 — Future needs in digital education. https://europa.eu/eurobarometer/surveys/detail/3352
Robb, M. B., & Mann, S. (2025). Talk, trust and trade-offs: How and why teens use AI companions. Common Sense Media. https://www.commonsensemedia.org/sites/default/files/research/report/talk-trust-and-tradeoffs_2025_web.pdf
Gerlich, M. (2025). AI tools in society: Impacts on cognitive offloading and the future of critical thinking. Societies, 15(1), 6. https://doi.org/10.3390/soc15010006
Google & Livity. (2025). The Future Report. https://futurereport.eu/
Cosgrove, J., & Cachia, R. (2025). DigComp 3.0: European Digital Competence Framework — Fifth Edition. Publications Office of the European Union. https://data.europa.eu/doi/10.2760/0001149
Fan, Y., Tang, L., Le, H., Shen, K., Tan, S., Zhao, Y., Shen, Y., Li, X., & Gašević, D. (2025). Beware of metacognitive laziness: Effects of generative artificial intelligence on learning motivation, processes and performance. British Journal of Educational Technology, 56, 489–530. https://doi.org/10.1111/bjet.13544
Nota editorial: Este artigo foi elaborado a partir da leitura integral do documento «Empowering Learners for the Age of AI: An AI Literacy Framework for Primary and Secondary Education» (OCDE / União Europeia, 2026), disponível em accesso aberto em https://doi.org/10.1787/65cd27d4-en. Os dados estatísticos citados provêm de fontes referenciadas no próprio documento. A participação de Portugal no processo de revisão é referida na nota de rodapé 1 do capítulo 3 do relatório.
