Um estudo croata com 118 alunos do secundário mostra que uma sessão de 35 minutos sobre deepfakes melhora significativamente a capacidade de detetar conteúdo manipulado — mas também torna os jovens mais desconfiados de tudo, incluindo do que é genuíno. O que significa isto para as escolas?
Download |
Imagine um vídeo em que uma figura pública conhecida faz declarações que nunca proferiu, com expressões faciais convincentes, voz natural e um cenário perfeitamente plausível. Um aluno de 16 anos encontra esse vídeo no TikTok entre dois reels de humor e um tutorial de maquilhagem. Não há aviso de que se trata de conteúdo gerado por inteligência artificial. Não há legenda a sinalizar a manipulação. E o jovem, que cresceu rodeado de ecrãs mas raramente foi ensinado a questionar o que neles aparece, partilha o vídeo sem hesitar.
Este cenário não é ficção. É o ponto de partida de uma investigação recente conduzida por Igor Kanižaj e Lana Ciboci Perša, da Universidade Católica da Croácia, que levou a literacia de inteligência artificial diretamente para dentro de seis escolas secundárias na região de Zagrebe. O estudo, publicado em 2026 na revista Napredak, propõe uma pergunta que deveria preocupar qualquer comunidade escolar europeia: será que uma intervenção educativa breve — uma única sessão de 35 minutos — consegue alterar a forma como os jovens identificam e avaliam conteúdo fabricado por IA?
O que são, afinal, os deepfakes
O termo deepfake nasce da fusão entre deep learning (aprendizagem profunda) e fake (falso), e designa conteúdos mediáticos — vídeos, imagens ou áudios — gerados ou manipulados por inteligência artificial de forma a parecerem autênticos. As técnicas mais comuns incluem a troca de rostos (face swap), a sincronização labial artificial (lip-synching), a alteração de expressões faciais e a síntese completa de rostos que nunca existiram, produzidos através de redes generativas adversárias (GANs).
A sofisticação destas tecnologias tem crescido a um ritmo que ultrapassa consistentemente a capacidade de deteção, tanto humana como automatizada. A literatura científica reconhece que as técnicas de criação de deepfakes estão em permanente vantagem sobre os métodos de deteção, o que torna o desafio particularmente urgente em contextos educativos. Se os adultos já têm dificuldade em distinguir o verdadeiro do fabricado, o que dizer de adolescentes cuja principal fonte de informação são plataformas onde estes conteúdos circulam sem qualquer mediação?
A literacia de IA como competência do século XXI
A investigação de Kanižaj e Ciboci Perša inscreve-se num movimento mais amplo de reconhecimento da literacia de IA como competência essencial para a participação numa sociedade democrática. Não se trata apenas de saber utilizar ferramentas de inteligência artificial, mas de compreender os seus mecanismos, avaliar criticamente os seus resultados e reconhecer as implicações éticas da sua utilização.
Esta perspetiva alarga o conceito tradicional de literacia mediática, que durante décadas se concentrou na análise de meios de comunicação convencionais. Com a emergência da IA generativa, a literacia mediática já não pode limitar-se a ensinar os alunos a distinguir uma notícia fiável de uma fonte duvidosa. É preciso ir mais longe: é preciso prepará-los para interrogar a própria natureza do que veem e ouvem, num ecossistema onde a fronteira entre o real e o sintético se torna cada vez mais ténue.
O enquadramento teórico do estudo apoia-se no DigComp 2.2 — o Quadro Europeu de Competência Digital para Cidadãos — complementado pelo referencial de competências em literacia mediática, informacional e algorítmica desenvolvido no âmbito do projeto europeu ALGOWATCH. Esta ancoragem em quadros de referência europeus é particularmente relevante para as escolas portuguesas, que têm vindo a integrar progressivamente o DigComp nas suas práticas e documentos orientadores.
A experiência croata: o que fizeram e como mediram
A intervenção foi implementada entre fevereiro e abril de 2025, envolvendo 118 alunos de seis escolas secundárias de três comunidades da região de Zagrebe — a própria cidade de Zagrebe, Samobor e Ivanić-Grad. Os participantes tinham uma idade média de 16,6 anos, sendo 61% do sexo feminino e 33,9% do sexo masculino; os restantes optaram por não indicar o género. Pouco mais de metade frequentava o ensino secundário geral, enquanto os restantes estavam inscritos em escolas profissionais de quatro anos.
A sessão educativa, com duração de 35 minutos, foi estruturada em cinco segmentos: um pré-teste online sobre conhecimentos prévios relativos a deepfakes; uma introdução a novos conceitos de literacia de IA; uma componente formativa com dez exemplos reais de deepfakes; um tutorial sobre ferramentas de código aberto para deteção de conteúdo manipulado, enquadrado no conceito de inteligência de fontes abertas (OSINT); e, finalmente, um pós-teste idêntico ao primeiro para medir o impacto da intervenção.
A metodologia utilizada foi um desenho pré-teste/pós-teste com um único grupo, uma abordagem reconhecida como adequada quando a aleatorização não é viável em amostras pequenas. Os investigadores recorreram ao teste de Wilcoxon para amostras emparelhadas, uma vez que os dados não satisfaziam os pressupostos de normalidade.
O que os alunos já sabiam — e o que não sabiam
Um dos aspetos mais reveladores do estudo é a avaliação dos conhecimentos prévios dos alunos. Antes da intervenção, 87% já sabiam que a tecnologia deepfake utiliza inteligência artificial para criar vídeos ou áudio falsos, e 93,9% reconheciam que estes conteúdos representam um risco por poderem disseminar desinformação e influenciar a opinião pública. Dois terços dos estudantes (66,7%) afirmaram ser capazes de detetar deepfakes, recorrendo a estratégias como a verificação de fontes, o uso de ferramentas de deteção ou a identificação de inconsistências nos conteúdos mediáticos.
Estes números poderiam sugerir que os jovens já estão razoavelmente preparados. No entanto, quando se lhes pediu que definissem o conceito por escrito, as respostas revelaram uma realidade mais matizada. Um em cada cinco alunos admitiu não saber definir o que é um deepfake. Entre os que ofereceram uma definição, a qualidade variou enormemente: alguns demonstraram compreensão técnica sofisticada, referindo software de IA e inconsistências de conteúdo, enquanto outros se limitaram a formulações vagas como «perfis falsos» ou «mentiras na Internet» — descrições que carecem de precisão técnica e de perspetiva crítica.
Outro dado relevante: quase todos os alunos associavam os deepfakes exclusivamente a objetivos maliciosos — danos reputacionais, desinformação, manipulação da opinião pública. Poucos reconheciam que a mesma tecnologia pode ter aplicações legítimas, como reconstituições históricas, síntese de voz para pessoas com dificuldades de comunicação ou treino de sistemas de IA para compreensão de emoções humanas.
Os resultados: ganhos reais, mas com um paradoxo incómodo
Após a intervenção, os resultados mostraram melhorias consistentes em praticamente todos os indicadores avaliados. A autoavaliação dos alunos sobre a sua capacidade de reconhecer deepfakes subiu de 3,31 para 3,56 numa escala de 1 a 5. A percentagem de estudantes que reconheciam indicadores-chave de manipulação aumentou de forma transversal: a identificação de movimentos faciais descoordenados com a voz passou de 82,8% para 96,6%; a deteção de movimentos labiais desproporcionais subiu de 72,4% para 91,4%; o reconhecimento de artefactos entre o fundo e o rosto saltou de 44% para 74,1%; e a identificação de representação assimétrica de óculos — um indicador mais subtil — progrediu de 27,6% para 63,8%.
O teste de Wilcoxon confirmou uma melhoria estatisticamente significativa na capacidade de reconhecer conteúdo deepfake (V = 1617, p = 0,0219). A percentagem de alunos que identificaram corretamente fotografias deepfake subiu de 81,4% para 88,7%, e a de vídeos deepfake de 85,2% para 90,3%.
Porém, o estudo revelou um paradoxo que merece atenção particular de qualquer educador que planeie implementar intervenções semelhantes. Ao mesmo tempo que os alunos melhoraram na deteção de conteúdo fabricado, a sua capacidade de identificar conteúdo autêntico diminuiu acentuadamente. O reconhecimento correto de fotografias reais caiu de 74,6% para 35,3%, e o de vídeos reais de 72,1% para 58,4%.
O que aconteceu foi, em certa medida, previsível: expostos a técnicas de desconstrução de deepfakes e treinados para identificar sinais de manipulação, os alunos tornaram-se mais céticos em relação a todo o conteúdo visual, incluindo o genuíno. A desconfiança generalizada substituiu a confiança ingénua, sem que a intervenção tivesse tido tempo suficiente para ensinar os jovens a calibrar esse ceticismo. Este fenómeno não é exclusivo deste estudo — outros investigadores, como Tahir e colaboradores num estudo de 2021, já tinham documentado resultados semelhantes.
O que significa isto para as escolas portuguesas
As conclusões desta investigação croata falam diretamente ao contexto educativo português, por várias razões convergentes.
Em primeiro lugar, a exposição dos jovens portugueses a conteúdo sintético é comparável à dos seus congéneres europeus. O TikTok, onde 66,4% dos alunos croatas reportaram ter visto vídeos deepfake, é também uma das plataformas mais utilizadas pelos adolescentes portugueses. A probabilidade de um aluno do ensino secundário em Portugal encontrar deepfakes no seu feed quotidiano não é inferior à de um aluno em Zagrebe.
Em segundo lugar, os currículos portugueses, à semelhança dos croatas, ainda não incorporam de forma sistemática a literacia de IA como componente transversal. Embora o referencial de competências digitais e iniciativas como a estratégia para a inteligência artificial tenham dado passos importantes, a formação específica sobre reconhecimento de conteúdo sintético e avaliação crítica de media gerados por IA continua a ser, na maioria das escolas, residual ou inexistente.
Em terceiro lugar — e talvez este seja o ponto mais operacionalmente relevante — o estudo demonstra que intervenções curtas, realizáveis dentro do horário escolar normal e sem recursos extraordinários, produzem efeitos mensuráveis. Trinta e cinco minutos. Uma sessão. Com exemplos concretos, indicadores visuais específicos e uma introdução a ferramentas de verificação de código aberto. Não se trata de redesenhar programas inteiros ou de esperar por reformas curriculares abrangentes. Trata-se de agir com o que já está disponível.
O paradoxo do ceticismo e a responsabilidade pedagógica
O resultado mais inquietante do estudo — a queda na capacidade de reconhecer conteúdo autêntico — coloca uma questão pedagógica fundamental. Ensinar a desconfiar sem ensinar a confiar de forma fundamentada é apenas metade do trabalho. Uma intervenção que transforma todos os conteúdos em suspeitos, sem oferecer aos alunos critérios para distinguir entre ceticismo saudável e desconfiança paralisante, arrisca-se a produzir cidadãos que não acreditam em nada — o que, num contexto democrático, pode ser tão perigoso como acreditar em tudo.
Os próprios investigadores reconhecem esta limitação e sublinham a necessidade de abordagens mais longas e repetidas, que permitam aos alunos desenvolver não apenas a capacidade de identificar manipulação, mas também a confiança fundamentada na autenticidade. A literatura apoia esta perspetiva: intervenções com maior frequência e duração — como sessões diárias em vez de semanais — estão associadas a ganhos mais robustos e duradouros.
Para o professor que queira levar este tema para a sua sala de aula, o paradoxo do ceticismo excessivo não é um argumento contra a intervenção. É um argumento a favor de intervenções melhor desenhadas, que incluam não apenas a desconstrução do falso mas também a reconstrução da confiança no verificável. Ensinar a reconhecer deepfakes é essencial; ensinar simultaneamente que nem tudo é deepfake é igualmente indispensável.
Pistas para a sala de aula
A estrutura da intervenção croata oferece um modelo adaptável a qualquer escola secundária portuguesa. A sessão pode ser enquadrada em disciplinas como Cidadania e Desenvolvimento, Tecnologias de Informação e Comunicação, Filosofia ou mesmo nas áreas de projeto e formação transversal. O formato em cinco segmentos — diagnóstico inicial, introdução conceptual, análise de exemplos reais, exploração de ferramentas e avaliação final — é suficientemente flexível para se ajustar a diferentes contextos e durações.
Os indicadores visuais trabalhados na intervenção croata constituem um ponto de partida concreto para qualquer docente. Ensinar os alunos a observar a naturalidade dos olhos, a coordenação entre movimentos faciais e voz, a textura da pele, a transição entre o rosto e o fundo, a simetria dos acessórios e a sincronização labial dota-os de uma grelha de leitura aplicável a qualquer conteúdo visual com que se deparem.
Quanto às ferramentas de deteção de código aberto, a sua inclusão na intervenção não é um detalhe menor. Ao ensinar os alunos a utilizar instrumentos de verificação — no espírito da inteligência de fontes abertas — a escola não se limita a desenvolver competências de receção crítica. Está a formar cidadãos capazes de investigar ativamente a veracidade do que consomem, uma competência que transcende largamente o contexto dos deepfakes e se aplica à navegação informada em qualquer ambiente digital.
É igualmente relevante que os professores considerem o dado sobre a motivação dos alunos: 51,3% dos participantes afirmaram que as escolas deveriam oferecer aulas sobre reconhecimento de deepfakes. Quando mais de metade dos jovens pede explicitamente formação numa área, a escola tem não apenas a oportunidade mas também a responsabilidade de responder a esse pedido.
Um desafio que não espera por reformas
A investigação de Kanižaj e Ciboci Perša confirma o que muitos educadores intuem há algum tempo: a escola não pode continuar a ignorar o facto de que os seus alunos vivem imersos num ecossistema mediático onde o real e o fabricado coexistem sem distinção aparente. A boa notícia é que não é preciso esperar por grandes reformas para começar a agir. Uma sessão bem preparada, com exemplos atuais e um enquadramento pedagógico sólido, já faz diferença. A notícia menos boa é que essa diferença inclui efeitos indesejados — como o ceticismo excessivo — que só podem ser mitigados com continuidade, repetição e profundidade.
O desafio dos deepfakes não é, em última análise, um problema tecnológico. É um problema educativo. E como todos os problemas educativos, exige tempo, intencionalidade e a coragem de abordar questões para as quais ninguém tem ainda respostas definitivas. O que este estudo demonstra, com dados e rigor, é que vale a pena começar — mesmo sabendo que 35 minutos são apenas o primeiro passo de um caminho muito mais longo.
Nota de transparência editorial: Este artigo baseia-se integralmente no estudo de Igor Kanižaj e Lana Ciboci Perša, publicado na revista científica croata Napredak (vol. 167, n.º 1-2, pp. 5-22, 2026), no âmbito do projeto europeu ALGOWATCH, financiado pelo programa Europa Criativa da União Europeia. A contextualização para o cenário educativo português foi desenvolvida editorialmente a partir dos dados e conclusões do estudo original, complementada com conhecimento do quadro curricular e das orientações europeias em vigor. As referências ao DigComp 2.2 e ao referencial ALGOWATCH são extraídas do próprio estudo.
Referências
Kanižaj, I., & Ciboci Perša, L. (2026). The role of AI literacy and media education interventions in deconstructing deepfakes: A case study of Gen Z in Croatia. Napredak, 167(1-2), 5–22. https://doi.org/10.59549/n.167.1-2.1
