A IA generativa não é uma ameaça às metodologias ativas — é o seu complemento natural. Quando o foco se desloca da transmissão de conteúdos para a construção de conhecimento, a tecnologia deixa de fabricar respostas e passa a multiplicar perguntas.
O debate sobre a inteligência artificial na educação tem vivido, em grande parte, refém de um equívoco. Discute-se o plágio, discutem-se formas de blindar os testes e os trabalhos escritos contra a geração automática de texto, discutem-se proibições e filtros. Tudo isto é compreensível, mas pouco produtivo. O problema de fundo não reside na capacidade de um modelo de linguagem redigir um ensaio convincente em trinta segundos; reside no tipo de ensaio que continuamos a pedir e, sobretudo, no tipo de aprendizagem que esse ensaio pretende avaliar. Se a tarefa pode ser resolvida por um comando simples num chatbot, talvez a tarefa, e não a ferramenta, precise de ser repensada.
É neste ponto que a IA generativa encontra o seu par mais natural: as metodologias ativas. Quando deslocamos o centro de gravidade do ensino — da transmissão frontal do professor para a ação investigativa do aluno — a IA deixa de funcionar como uma máquina de fornecer respostas prontas e transforma-se numa ferramenta de mediação, de exploração e de cocriação. Deixa de ser o atalho e passa a ser o trampolim.
O aluno no centro, a IA como interlocutora
Nas abordagens ativas, o estudante aprende investigando, colaborando e resolvendo problemas com ancoragem no real. A IA generativa entra neste ecossistema não para substituir o pensamento crítico, mas para o expandir. Funciona como uma espécie de espelho cognitivo: devolve resultados proporcionais à qualidade dos comandos que recebe. Se a pergunta é superficial, a resposta será superficial. Para extrair verdadeiro valor, o estudante precisa de aprender a formular perguntas — e essa é, por si só, uma das competências mais nobres do trabalho intelectual.
Um ensaio controlado e aleatorizado conduzido na Universidade de Harvard, publicado na revista Scientific Reports em 2025, trouxe dados reveladores sobre esta dinâmica. O estudo de Kestin e colegas comparou a aprendizagem de 194 estudantes universitários em dois cenários distintos: aulas presenciais com metodologias ativas (trabalho de grupo, instrução entre pares, apoio direto do docente) e sessões individuais com um tutor de IA desenhado segundo os mesmos princípios pedagógicos. Os resultados mostraram que os alunos que utilizaram o tutor de IA obtiveram pontuações cerca de 30% superiores nos testes, sentiram-se mais motivados e mais envolvidos, e completaram as tarefas em menos tempo — 49 minutos em mediana, contra 60 minutos nas aulas presenciais. O dado mais relevante não é, porém, a superioridade numérica: é o facto de o tutor de IA ter sido deliberadamente concebido para guiar o estudante passo a passo, verificar respostas e manter o envolvimento ativo, em vez de simplesmente debitar informação. A qualidade do desenho pedagógico fez toda a diferença.
Esta evidência não significa que devamos substituir professores por algoritmos. Significa, isso sim, que a IA pode ser extraordinariamente eficaz quando é integrada em estratégias pedagógicas ativas e intencionais — e que o seu potencial se desperdiça quando a utilizamos como mero repositório de respostas.
A IA ao serviço de diferentes abordagens pedagógicas
A articulação entre IA e metodologias ativas não se esgota num único modelo. Pelo contrário, a tecnologia adapta-se a múltiplas abordagens com notável flexibilidade.
Na aprendizagem baseada em problemas, a IA pode funcionar como um simulador de cenários complexos ou como um gerador de contra-argumentos, obrigando o grupo de trabalho a refinar as suas soluções e a confrontar-se com perspetivas que, de outro modo, dificilmente encontraria. Um grupo que investiga, por exemplo, o impacto das alterações climáticas na agricultura do Alentejo pode utilizar a IA para modelar diferentes projeções e depois comparar criticamente essas projeções com dados reais do Instituto Português do Mar e da Atmosfera.
No ensino sob medida — o chamado just-in-time teaching — o professor pode analisar as interações prévias dos alunos com assistentes virtuais para mapear dúvidas recorrentes antes mesmo de a aula começar, ajustando o plano de sessão em função das necessidades reais da turma, e não de suposições genéricas.
No design thinking aplicado ao contexto educativo, as ferramentas de IA ajudam na fase de imersão e de ideação, organizando grandes volumes de informação textual para que os estudantes possam concentrar-se naquilo que a máquina não faz: a empatia, a prototipagem colaborativa e a tomada de decisões com base em valores.
Uma sequência didática com sala de aula invertida e uso crítico da IA
Para que esta integração aconteça de forma orgânica, o planeamento da atividade precisa de intencionalidade clara. Uma estrutura possível, que combina a sala de aula invertida com o uso crítico da IA, pode organizar-se em quatro fases articuladas.
Na primeira fase, de exploração autónoma e assíncrona, o estudante recebe o tema central e utiliza a IA para realizar um mapeamento inicial de conceitos. O objetivo não é obter uma resposta definitiva, mas pedir à ferramenta que explique o assunto sob diferentes perspetivas ou através de analogias variadas, registando o que ficou claro e o que gerou dúvida.
Na segunda fase, de verificação e curadoria crítica, o aluno confronta as respostas da IA com a bibliografia de referência da disciplina. É provocado a identificar alucinações — os erros factuais que os modelos de linguagem produzem com aparente naturalidade — e a detetar eventuais enviesamentos no texto gerado. Esta etapa desenvolve a competência de curadoria e validação de informações, uma das literacias mais urgentes do nosso tempo.
Na terceira fase, síncrona e presencial, os estudantes reúnem-se em grupos de trabalho. Trazem os insights e as contradições encontradas. O desafio consiste agora em aplicar esse conhecimento a um estudo de caso prático fornecido pelo professor, no qual a IA pode ser consultada pontualmente como um «membro consultor» da equipa — útil, mas não decisor.
Na quarta fase, de metacognição e registo, cada aluno documenta os prompts que geraram as melhores respostas, analisa por que razão determinadas formulações foram mais produtivas do que outras e justifica as escolhas teóricas que fez para descartar ou aceitar as propostas da IA. Mais importante do que o produto final é a reflexão sobre o caminho percorrido.
O professor como arquiteto de experiências
Esta articulação redefine profundamente o papel do educador. A UNESCO, no seu AI Competency Framework for Teachers, publicado em agosto de 2024, sublinha que a integração da IA na educação exige do professor não apenas competências técnicas, mas sobretudo uma mentalidade centrada no humano — a capacidade de manter a agência pedagógica, de exercer juízo crítico sobre os resultados gerados pelas máquinas e de garantir que a tecnologia serve como apoio, nunca como substituto, das funções essenciais do ensino. O mesmo quadro de referência identifica quinze competências distribuídas por cinco dimensões, desde os fundamentos éticos até à utilização da IA no desenvolvimento profissional contínuo, numa progressão que vai da compreensão básica à criação inovadora.
Na prática quotidiana, esta mudança traduz-se em abandonar o papel de detentor exclusivo do conteúdo — papel que o ecossistema digital já descentralizou há muito — e assumir a função de arquiteto de experiências de aprendizagem. Em vez de formular perguntas que podem ser respondidas com um comando simples, o professor cria problemas ambíguos, que exigem sensibilidade humana, contextualização ética, conhecimento do território local e colaboração interpessoal. A tecnologia resolve o volume e a velocidade; o professor, em parceria com os alunos, garante a direção, o sentido e a profundidade.
O relatório da UNESCO de 2025, AI and the Future of Education: Disruptions, Dilemmas and Directions, reforça esta perspetiva ao argumentar que a IA não deve ser tratada como um simples instrumento de automação, mas como um catalisador que obriga os sistemas educativos a confrontarem-se com questões estruturais que vinham sendo adiadas — desde a formação de professores até à governança ética da tecnologia nas escolas.
Uma sugestão para a sala de aula
Uma atividade concreta para aplicar esta articulação pode ser desenvolvida em qualquer disciplina e nível de ensino. O professor seleciona um tema curricular e pede aos alunos que, individualmente ou em pares, formulem três perguntas diferentes sobre esse tema a um assistente de IA generativa, registando os prompts utilizados e as respostas obtidas. Numa segunda etapa, os alunos confrontam essas respostas com pelo menos duas fontes de referência (um manual escolar, um artigo científico, um documento oficial) e elaboram um breve relatório de curadoria, no qual identificam convergências, divergências e eventuais erros factuais produzidos pela IA. Na aula seguinte, cada grupo apresenta as suas conclusões à turma, destacando não apenas o que a IA acertou ou errou, mas sobretudo o que aprendeu ao longo do processo de verificação. O professor encerra a sessão com uma reflexão coletiva sobre a diferença entre obter uma resposta e construir conhecimento — e sobre o papel insubstituível do pensamento crítico num mundo saturado de respostas instantâneas.
Nota editorial: Este artigo foi desenvolvido com recurso a inteligência artificial como ferramenta de apoio à redação e à pesquisa, sob orientação, curadoria e revisão integral do autor. Os dados quantitativos referentes ao estudo de Harvard foram verificados junto da publicação original na Scientific Reports. As referências ao quadro de competências da UNESCO foram confrontadas com os documentos oficiais publicados pela organização.
Referências
Kestin, G., Miller, K., Klales, A., Milbourne, T., & Ponti, G. (2025). AI tutoring outperforms in-class active learning: An RCT introducing a novel research-based design in an authentic educational setting. Scientific Reports, 15, 17458. https://doi.org/10.1038/s41598-025-97652-6
UNESCO. (2023). Guidance for generative AI in education and research. United Nations Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org/ark:/48223/pf0000386693
UNESCO. (2024). AI competency framework for teachers. United Nations Educational, Scientific and Cultural Organization. https://unesdoc.unesco.org/ark:/48223/pf0000391104
UNESCO. (2025). AI and the future of education: Disruptions, dilemmas and directions. United Nations Educational, Scientific and Cultural Organization. https://www.unesco.org/en/articles/ai-and-future-education-disruptions-dilemmas-and-directions
