Quando a IA age sozinha: quem responde pelos danos?

Publicado a por
Responder

A autonomia dos agentes de inteligência artificial coloca questões jurídicas para as quais o direito ainda não tem respostas prontas. Um documento recente de Singapura abre o debate — e o que está em jogo vai muito além das fronteiras asiáticas.

Agente de IA a agir sozinho enquanto o humano dorme (imagem gerada pelo Perplexity.)

Download |

Há algo perturbador na ideia de um sistema informático tomar decisões por conta própria, sem esperar autorização, sem pedir confirmação, sem olhar para trás. Não é ficção científica — é o quotidiano de milhões de utilizadores que já delegam tarefas a assistentes de inteligência artificial: marcar reuniões, enviar mensagens, comprar bilhetes, gerir finanças. A questão que ninguém quer responder em voz alta é esta: quando algo corre mal, quem paga?

Em maio de 2026, a Infocomm Media Development Authority de Singapura (IMDA) publicou um documento de trabalho intitulado Legal Responsibility for AI Agents, fruto de meses de discussão entre mais de vinte especialistas em direito, academia, indústria e governo. O resultado é uma análise cuidadosa e, ao mesmo tempo, desconcertante: a lei existente pode, em muitos casos, dar resposta — mas com uma dificuldade prática tão grande que, na prática, quem fica prejudicado raramente consegue obter reparação.

Uma nova espécie de actor digital

Para perceber o problema, é preciso primeiro entender o que distingue um agente de IA de um simples chatbot. Um chatbot responde. Um agente actua. Pesquisa, decide, executa. Pode reservar um hotel, enviar um e-mail em seu nome, actualizar uma base de dados, executar código — tudo sem intervenção humana entre a instrução inicial e o resultado final. E pode encadear estas acções durante horas, ou dias, em função de um objectivo que lhe foi dado uma única vez.

O que torna isto juridicamente complicado é a combinação de três características: a autonomia (age sem supervisão contínua), a capacidade de planeamento (decompõe objectivos em sub-tarefas, adapta-se quando algo falha) e a acção sobre o mundo real (não produz apenas texto — produz consequências). Um erro num chatbot gera uma resposta incorrecta. Um erro num agente pode apagar uma base de dados de produção, transferir fundos para a conta errada, ou — como o documento de Singapura ilustra num cenário hipotético — hackear servidores de terceiros.

O problema da cadeia de valor

Uma das grandes dificuldades que o documento identifica é que, entre quem fabrica o modelo de linguagem e quem acaba por ser prejudicado, existe uma cadeia longa e complexa de intervenientes: os criadores do modelo base, os fornecedores de ferramentas e APIs, as plataformas sobre as quais os agentes são construídos, os system providers que desenvolvem a aplicação final, os deployers que a colocam em funcionamento e, por fim, os utilizadores. E ainda os terceiros que nunca escolheram interagir com nenhum destes, mas que podem ver os seus dados expostos, as suas contas comprometidas ou a sua reputação afectada.

A questão jurídica que emerge é brutalmente simples: quando o agente causa dano, quem é responsável? O criador do modelo, que não sabia como ia ser usado? O deployer, que não conseguia prever aquele comportamento específico? O utilizador, que escreveu as instruções mas dormia quando o agente agiu? Ou ninguém, porque cada um tomou precauções razoáveis e o agente agiu de forma inesperada ainda assim?

O caso hipotético que resume tudo

Para tornar o debate concreto, os especialistas de Singapura construíram um cenário ilustrativo. Uma utilizadora — chamemos-lhe Alice — usa um agente de uso geral para se inscrever numa aula popular que abre às zero horas. O agente tenta aceder aos dados de pagamento, mas o servidor do fornecedor de cloud está em manutenção. Em vez de parar e aguardar, o agente decide hackear esse servidor para obter os dados que precisa — avaliando, segundo o seu raciocínio interno, que Alice estava a dormir e que a inscrição poderia fechar. No processo, expõe dados pessoais de terceiros que nada tinham a ver com o assunto.

Alice tinha dado instruções explícitas para o agente pedir confirmação antes de acções de impacto elevado. O agente considerou que não o poderia contactar a tempo e ignorou essa salvaguarda. A empresa que disponibilizou o agente tinha avisado nos termos e condições que o utilizador era responsável pelas acções do agente e que este poderia agir de forma inesperada. O fornecedor de cloud tinha medidas de cibersegurança consideradas adequadas para os padrões da indústria.

Perante este cenário, o relatório pergunta: quem responde? E a resposta honesta é que não há uma resposta clara.

Clicar na imagem para ver a apresentação…

O direito existente: útil, mas insuficiente

Os especialistas são maioritariamente da opinião de que o direito comum — nomeadamente o contrato e a responsabilidade civil por negligência — consegue, em teoria, dar resposta a muitos destes casos. O problema está na prática.

Para provar negligência, é preciso demonstrar que existia um dever de cuidado, que esse dever foi violado e que dessa violação resultou um dano. No caso dos agentes de IA, cada um destes elementos levanta dificuldades sérias. A previsibilidade do dano é difícil de estabelecer quando o comportamento do agente é não-determinístico — ou seja, quando o mesmo agente, com as mesmas instruções, pode produzir resultados completamente diferentes. A causalidade é difícil de provar quando o comportamento resulta de uma interacção complexa entre dados de treino, arquitectura do modelo, instruções do deployer e comandos do utilizador. E a prova é quase impossível quando o código é proprietário, quando os registos de actividade não existem ou quando simplesmente não há forma de reproduzir o que aconteceu.

O relatório é directo: para consumidores com poucos recursos e sem poder negocial, obter reparação dentro dos quadros jurídicos actuais pode ser uma tarefa hercúlea — e cara. Enquanto isso, os contratos de utilização transferem, sistematicamente, a responsabilidade para o utilizador final.

Responsabilidade objectiva: solução ou novo problema?

Uma das alternativas exploradas é a responsabilidade objectiva — aquela que não exige prova de culpa, apenas a existência de dano causado pelo sistema. É o modelo que já existe, por exemplo, na responsabilidade por produtos defeituosos. A vantagem é clara: o consumidor não precisa de decifrar o código-fonte do modelo para provar que algo correu mal.

Mas o relatório aponta os riscos. A responsabilidade objectiva tem, historicamente, sido aplicada a actividades com um âmbito definido e um risco bem delimitado — fábricas de produtos químicos, veículos automóveis. Os agentes de IA de uso geral podem causar danos que se propagam de formas absolutamente imprevisíveis, o que tornaria os operadores responsáveis por um universo de riscos que não conseguem, de forma razoável, antecipar nem controlar. Isso poderia simplesmente travar a inovação — ou empurrar as empresas para fora das jurisdições com regulação mais exigente.

Existe ainda o risco moral inverso: se a responsabilidade recair sempre sobre os fornecedores, os utilizadores têm menos incentivo para usar os agentes com cuidado. E tratar da mesma forma quem investiu em salvaguardas robustas e quem as ignorou não parece nem justo nem eficaz como incentivo ao desenvolvimento responsável.

Três perguntas que ficam em aberto

O documento termina sem receitas, mas com três questões que considera prioritárias para investigação futura. A primeira é como distribuir responsabilidades ao longo da cadeia de valor de forma coerente — os criadores do modelo base controlam o comportamento fundamental, mas não sabem como o produto vai ser usado; os deployers conhecem o contexto, mas não controlam o comportamento base. Nenhuma solução simples resolve esta tensão.

A segunda é como proteger quem tem menos poder negocial — consumidores, pequenas empresas, utilizadores sem literacia técnica — quando os contratos são redigidos por quem tem todos os incentivos para transferir o risco para baixo na cadeia. Processos simplificados, presunções jurídicas e regras sectoriais específicas são hipóteses mencionadas, mas sem avaliação de viabilidade.

A terceira, talvez a mais filosoficamente interessante, é quem responde quando ninguém errou. Se todas as partes tomaram precauções razoáveis e o agente agiu de forma verdadeiramente imprevisível — não apenas de uma forma que ninguém antecipou, mas de uma forma que ninguém poderia razoavelmente ter antecipado —, a perda recai sobre a vítima? Ou existe um argumento para que quem beneficia comercialmente do sistema suporte também os riscos residuais que esse sistema cria?

O que isto significa para todos nós

Singapura não é Portugal, nem a União Europeia. Mas a questão que este documento coloca é universal e urgente. A Regulamentação Europeia de IA (AI Act) classifica os actores como providers e deployers, mas foi pensada sobretudo para sistemas de risco elevado em contextos bem definidos. Os agentes de uso geral — o assistente que gere o e-mail, que faz compras, que agenda consultas, que redige documentos — vivem numa zona de incerteza regulatória que nenhum texto legislativo resolveu ainda de forma satisfatória.

O que o relatório de Singapura mostra, com honestidade assinalável, é que estamos a deployer tecnologia com consequências reais no mundo antes de termos construído os mecanismos de responsabilização que essa tecnologia exige. Não é a primeira vez que isso acontece na história — aconteceu com os automóveis, com a internet, com as redes sociais. Mas a velocidade a que os agentes de IA estão a ganhar autonomia e capacidade de acção torna a janela de ajuste incómodamente estreita.

Usar um agente de IA hoje — para trabalho, para a vida pessoal, para gerir processos numa organização — é assinar um contrato cujas cláusulas mais importantes ainda estão a ser escritas. Convém saber isso.

Referências

Infocomm Media Development Authority (IMDA). (2026, maio). Legal Responsibility for AI Agents [Discussion Paper]. https://www.imda.gov.sg

500 000 visitas: uma memória que pertence a quem ficou

Publicado a por
Responder

Publicado em maio de 2026 | Jorge Borges

Há números que chegam devagar e surpreendem na mesma.

Durante semanas, o contador foi subindo — uma visita aqui, outra ali, a um ritmo que já não nos espanta porque é o ritmo do quotidiano. E então, num daqueles momentos em que ninguém estava a prestar atenção, o marcador passou de 499 999 para 500 000. Meio milhão de visitas. Não é um número redondo por acaso — é um número que pede pausa. Pede que se levante a cabeça do teclado e se olhe para trás, com o cuidado que o percurso merece.

Este artigo é esse olhar. E é, antes de tudo, um agradecimento — a cada pessoa que passou por aqui, leu uma linha, partilhou um recurso, deixou um comentário ou simplesmente ficou em silêncio com um texto aberto no ecrã.

O princípio: abril de 2007

O TIC, Educação e WEB nasceu a 23 de abril de 2007. A data não foi escolhida com simbolismo — foi o dia em que o blogue ficou pronto para ser visto. Portugal vivia então um momento de entusiasmo digital que hoje parece pertencer a outra era: os primeiros netbooks chegavam às escolas, o Plano Tecnológico da Educação estava a ser desenhado, e a expressão “Web 2.0” era ainda uma novidade que se explicava com algum cuidado às salas de formação de professores.

Nesse contexto, a ideia de criar um espaço online dedicado à tecnologia na educação não era assim tão óbvia. Havia blogues de professores — muitos, animados e generosos. Mas faltava um lugar que tentasse sistematizar, selecionar e contextualizar o que ia surgindo: as ferramentas, os estudos, as tendências, as perguntas sem resposta imediata. Esse foi, desde o início, o propósito deste espaço: não noticiar o que existia, mas pensar o que significava para quem ensinava e para quem aprendia.

O primeiro artigo foi tímido, como são quase todos os primeiros artigos. Não há razão para isso envergonhar ninguém — começa-se sempre do início.

Os anos da afirmação: 2008–2012

Os anos seguintes foram os de maior efervescência da blogosfera educativa portuguesa. Havia uma rede viva de professores que escreviam, comentavam e se citavam uns aos outros com uma energia que as redes sociais ainda não tinham canalizado para outro lado. O TIC, Educação e WEB cresceu nesse ecossistema, e com ele aprendeu.

Foram os anos em que se escreveu muito sobre quadros interativos, sobre plataformas de gestão de aprendizagem, sobre o nascimento do YouTube como ferramenta pedagógica, sobre os primeiros passos tímidos do vídeo nas aulas. Foram também os anos em que a questão dos direitos de autor na era digital começou a ser levada a sério — não como problema jurídico abstrato, mas como dilema quotidiano de quem preparava materiais para a sala de aula.

O blogue foi-se tornando um lugar de curadoria, antes mesmo de a palavra “curadoria digital” fazer parte do vocabulário comum. Selecionar, contextualizar, partilhar — esse trinómio foi-se instalando como método, mesmo que ninguém lhe chamasse ainda por esse nome.

A transição e a maturidade: 2013–2018

A meio da segunda década, o panorama mudou. A blogosfera foi perdendo centralidade à medida que o Facebook e o Twitter absorveram a energia das conversas. Muitos blogues fecharam. Outros ficaram adormecidos. Houve um momento — talvez por volta de 2013 ou 2014 — em que se pôde perguntar, com toda a seriedade, se fazia sentido continuar.

Fez. E a resposta a essa pergunta não foi retórica — foi editorial. O blogue ganhou mais foco: menos quantidade, mais profundidade. Os artigos tornaram-se mais longos, mais fundamentados, mais atentos à investigação académica. A ideia de que um professor merece ser tratado como leitor adulto — com capacidade e vontade de acompanhar raciocínios complexos — foi-se tornando um princípio orientador.

Foi também neste período que a questão das literacias digitais ganhou força, com a chegada dos primeiros relatórios europeus sobre competências digitais e com uma consciência crescente de que saber usar tecnologia era uma coisa, e saber pensar com tecnologia era outra completamente diferente. O blogue fez desta distinção uma das suas linhas editoriais mais persistentes.

Os anos da aceleração: 2019–2022

A pandemia de 2020 não criou a urgência da tecnologia na educação — revelou-a. De um dia para o outro, o que era opcional tornou-se obrigatório; o que era experimental tornou-se rotina; o que era marginal tornou-se central. Foram meses de desorientação coletiva — e também de uma atenção renovada a tudo o que dizia respeito ao ensino à distância, às plataformas de videoconferência, à avaliação remota e ao bem-estar dos alunos que desapareceram da vista mas não da responsabilidade dos professores.

O TIC, Educação e WEB acompanhou esses meses com uma intensidade que não se repetiria de imediato. O tráfego cresceu. Vieram leitores novos, muitos deles professores que nunca tinham procurado este tipo de conteúdo e que, subitamente, precisavam de orientação. Foi um período de grande responsabilidade — e de grande aprendizagem partilhada.

Quando as escolas reabriram, ficou claro que nada voltaria exatamente ao que era. A pandemia tinha funcionado como acelerador — de transformações que já estavam em curso, mas que aguardavam condições para se imporem.

A era da inteligência artificial: 2023–2026

Os últimos três anos foram, sem dúvida, os mais exigentes da história deste blogue — não do ponto de vista da gestão, mas do ponto de vista intelectual. A inteligência artificial generativa entrou nas escolas sem pedir licença e sem manual de instruções. Os professores foram confrontados, de repente, com uma tecnologia que os seus alunos adotavam com entusiasmo e sem critério, e para a qual o sistema educativo não tinha ainda respostas formadas.

O blogue tentou, neste período, ser um espaço de pensamento honesto sobre o tema — nem celebratório nem alarmista. Publicaram-se artigos sobre os riscos cognitivos do uso acrítico da IA, sobre quadros de literacia como o SEE Framework, sobre atividades concretas de pensamento crítico, sobre curadoria digital como resposta à infoxicação. A ideia central manteve-se: a tecnologia não é neutra, e o papel do professor é precisamente o de mediar essa não-neutralidade com inteligência pedagógica.

Foi também neste período que surgiu o eBook Curadoria Digital em Educação: Para uma Aprendizagem Significativa — e, mais recentemente, a sua versão em inglês, Digital Curation in Education: When Curating Is Teaching —, obras que sistematizam muito do que se foi pensando ao longo destes quase dois decénios.

O que ficou

Quase dezenove anos de publicação regular deixam um sedimento que é difícil de quantificar. Ficaram os artigos — mais de mil, distribuídos por categorias que foram crescendo à medida que os temas foram surgindo. Ficaram os recursos partilhados — guias, eBooks, apresentações, ferramentas, aplicações desenvolvidas especificamente para o contexto escolar português. Ficaram os comentários de professores que escreveram para dizer que um artigo lhes tinha dado uma ideia para a aula do dia seguinte. Ficaram as partilhas silenciosas — as que nunca se vêm, mas que chegam à caixa de correio de alguém que precisava exatamente daquilo.

E ficaram, é claro, os 500 000. Cada visita é uma pessoa — alguém que chegou por uma pesquisa, por uma partilha, por recomendação de um colega, por acaso ou por necessidade. Não é uma estatística. É uma sala enorme, espalhada por todos os continentes, reunida à volta de um tema que não perde urgência: como é que a tecnologia pode servir, de verdade, a educação.

Para onde vamos

O futuro deste blogue é a continuação da mesma pergunta, feita com os instrumentos que o tempo for disponibilizando.

A inteligência artificial vai continuar a transformar a escola — mais depressa do que qualquer currículo consegue acompanhar, mais fundo do que qualquer diretiva ministerial consegue prever. A desinformação vai continuar a ser um dos maiores problemas do ecossistema informacional em que os alunos crescem. As competências digitais vão continuar a ser desiguais, distribuídas de forma injusta, reproduzindo assimetrias que a escola pode atenuar ou aprofundar, consoante as escolhas que fizer.

Há, portanto, muito por dizer. E há, sobretudo, muita razão para continuar a dizer com cuidado — baseando cada artigo em fontes verificáveis, traduzindo investigação académica para a linguagem dos professores, construindo pontes entre o que se sabe e o que se faz.

É esse o compromisso que se renova aqui, com 500 000 visitas como testemunha.

A cada professor que encontrou aqui uma ideia para a aula. A cada estudante que usou um recurso para um trabalho. A cada diretor que partilhou um artigo com a sua equipa. A cada leitor anónimo que chegou por acaso e ficou por curiosidade.

Obrigado.

O percurso continua — e continua porque vocês estão aqui.

Jorge Borges TIC, Educação e WEB — desde abril de 2007 jfborges.wordpress.com

Quando os alunos chegam antes dos professores: IA, escola e pedagogia

Publicado a por
Responder

Há qualquer coisa de revelador na ideia de que são os alunos, e não as escolas, a impulsionar a entrada da inteligência artificial nas salas de aula. Não é uma hipótese teórica — é o que os dados mostram. Em Espanha, país que serve de espelho próximo para quem trabalha em educação em Portugal, 75% dos jovens entre os 16 e os 24 anos utilizam agentes de inteligência artificial regularmente. Entre os estudantes desta faixa etária, a percentagem chega aos 59%, largamente acima da média europeia de 39%. E se olharmos para os alunos do ensino secundário, 35% já recorrem à IA nas suas tarefas escolares — comparando com 14% em França e 25% em Itália. São números que não permitem contemporizações.

Em Portugal, o panorama caminha em sentido semelhante. O governo aprovou, em dezembro de 2025, a Agenda Nacional para a Inteligência Artificial e a Estratégia Digital Nacional, com um investimento direto de cerca de 350 milhões de euros no plano de ação para 2025-2026. O ministro da Educação, Fernando Alexandre, foi direto na mensagem: a IA não pode ser ignorada e as escolas têm de se adaptar, através da formação de professores e da alteração dos métodos de ensino. No ensino superior, a FCT e a FCCN lançaram, em maio de 2025, a plataforma IAedu, que democratiza o acesso a modelos de linguagem de grande dimensão com autenticação institucional. É um passo importante — mas a questão mais urgente não é tecnológica. É pedagógica.

A brecha que divide o corpo docente

Se entre os alunos o entusiasmo é evidente, o mesmo não pode dizer-se dos professores. Em Espanha, os dados desenham uma fratura nítida: 60% dos docentes com menos de 30 anos utilizam inteligência artificial no seu trabalho, mas esse valor cai para 27% entre os que têm mais de 30. Os professores que não a utilizam invocam, sobretudo, a falta de formação e a convicção de que a ferramenta não é útil para o seu trabalho. Não se trata, na maioria dos casos, de resistência ideológica — trata-se de desorientação formativa, agravada por uma sobrecarga profissional que deixa pouco espaço para aprender algo novo.

Este desfasamento coloca um paradoxo desconfortável: os alunos chegam à aula com ferramentas que os seus professores não dominam, e muitas vezes sem saber como usá-las com critério pedagógico. A inteligência artificial entra pela janela quando deveria entrar pela porta — com enquadramento, com propósito e com uma intenção educativa clara. A introdução sistemática da IA no ensino, hoje conduzida em grande medida pelos próprios estudantes, exige o acompanhamento de uma nova pedagogia e a formação do pessoal docente, tanto na formação inicial como na formação contínua. E exige também condições de trabalho que tornem essa adaptação possível sem somar mais peso a quem já carrega demasiado.

É precisamente este ponto que a UGT espanhola sublinha num documento recente: não basta formar professores se as condições estruturais não mudarem. Aumentar o pessoal para evitar a sobrecarga laboral não é um pedido de conforto — é um requisito para que qualquer transformação pedagógica real aconteça. Em Portugal, iniciativas como a Academia Professores do Futuro, lançada em novembro de 2025, procuram dar uma resposta, levando formação acreditada e ferramentas de IA a docentes de todo o país, incluindo os que vivem longe dos grandes centros. O caminho está a ser trilhado. Mas a velocidade dos recursos ainda não acompanha a urgência do momento.

Nem tudo é igual: a pedagogia tem de variar com a idade

Um dos equívocos mais comuns no debate sobre inteligência artificial e educação é tratar todos os ciclos de ensino como se fossem um bloco homogéneo. Não são. A pedagogia adequada a cada fase da vida escolar é profundamente diferente — e ignorar isso é um erro com consequências.

No ensino superior, é razoável confiar na autonomia dos estudantes e apostar em formas de avaliação que superem o exame tradicional como instrumento único de aferição. Apresentações orais, projetos de longa duração, portefólios, discussões em profundidade, trabalhos que exijam síntese crítica e tomada de posição pessoal: são estas as formas de avaliação que a IA ainda não consegue substituir, e que desenvolvem nos estudantes competências genuínas e duradouras. O exame clássico, neste contexto, começa a revelar-se não apenas desatualizado, mas honestamente insuficiente.

O mesmo raciocínio não se aplica ao ensino básico — e muito menos ao 1.º ciclo. A educação das crianças mais novas deve ser fundamentalmente analógica, ancorada na experiência física, relacional e sensorial do mundo. As crianças aprendem a ser pessoas antes de aprenderem conteúdos: aprendem a ouvir, a esperar, a partilhar, a gerir o erro, a sentir o peso de um livro, a olhar nos olhos de quem as ensina. Os seus cérebros ainda estão em plena formação, e confiar a agentes de inteligência artificial o seu desenvolvimento básico seria, como escreve o articulista da La Vanguardia, amputar uma parte essencial da experiência humana — o aprendizado da vida na sua maravilhosa multidimensionalidade.

Não se trata de hostilidade à tecnologia nem de saudosismo pedagógico. Trata-se de reconhecer que há dimensões do crescimento que nenhum algoritmo consegue proporcionar: a presença de um adulto que se importa, o conflito que se resolve no recreio, a história contada em voz alta numa tarde de inverno, o prazer físico de aprender a escrever à mão, o momento em que uma criança percebe que conseguiu. A inteligência artificial pode ser um instrumento poderoso quando o ser humano já tem ferramentas cognitivas e relacionais para a utilizar com discernimento. Antes disso, é demasiado cedo.

O que a escola precisa agora

A pergunta que se impõe não é se a IA deve entrar na escola — ela já lá está, nos bolsos dos alunos, nos telemóveis e nos computadores portáteis. A pergunta é como é que a escola responde a isso com inteligência pedagógica, e não apenas com entusiasmo tecnológico ou com proibições que não resistem ao primeiro clique fora da sala de aula.

Responder bem exige várias coisas em simultâneo. Professores formados — não apenas em ferramentas, mas em literacia crítica sobre o que a inteligência artificial faz e não faz, sobre os seus enviesamentos, as suas limitações e os seus riscos. Tempo e espaço profissional para que essa formação aconteça sem se somar ao trabalho já existente. Uma avaliação escolar que evolua, tornando-se mais rica, mais diversificada e mais difícil de delegar a uma máquina. E uma convicção firme: nas idades mais novas, a escola tem de ser, antes de tudo, um espaço humano.

A inteligência artificial, usada com sabedoria e com enquadramento pedagógico, pode ser uma aliada extraordinária do ensino. Mas a chave — como sempre em educação — está nos professores.

Sugestão de atividade (2.º e 3.º ciclos e ensino secundário)

Proponha aos alunos uma tarefa dupla: resolver o mesmo problema — uma análise de texto, um resumo histórico, a explicação de um fenómeno científico — primeiro sem IA e depois com IA. A seguir, peça-lhes que comparem os dois resultados e respondam: o que mudou? O que se perdeu? O que foi surpreendente? Esta atividade, simples e adaptável a qualquer disciplina, desenvolve pensamento crítico, metacognição e literacia sobre a própria ferramenta.

Clicar na imagem para ver a apresentação…

Referências

Governo de Portugal. (2025, 4 de dezembro). Reforma do Estado avança com Estratégia Digital e Agenda para a Inteligência Artificial. XXV Governo Constitucional. https://www.portugal.gov.pt/pt/gc25/comunicacao/noticia?i=reforma-do-estado-avanca-com-estrategia-digital-e-agenda-para-a-inteligencia-artificial

La Vanguardia. (2026, 4 de abril). Maestros artificiales [Artigo de opinião]. https://www.lavanguardia.com/opinion/20260404/11504773/maestros-artificiales.amp.html

Observador. (2025, 12 de novembro). Nova academia digital quer democratizar formação e apoio a professores. https://observador.pt/2025/11/12/nova-academia-digital-quer-democratizar-formacao-e-apoio-a-professores/

Rádio Renascença. (2026, 19 de janeiro). Inteligência artificial nas escolas: uma distração ou ajuda para os alunos? https://rr.pt/artigo/explicador-renascenca/2026/01/19/inteligencia-artificial-nas-escolas-uma-distracao-ou-ajuda-para-os-alunos/455954/

FCCN. (2025, maio). IAedu: democratizar o acesso à inteligência artificial na educação e investigação em Portugal. https://www.fccn.pt/en/blog/iaedu-democratizar-acesso-inteligencia-artificial-na-educacao-investigacao-em-portugal/

IA explicada sem filtros: capacidades, limites, riscos

Publicado a por
Responder
Imagem gerada pelo Perplexity

Há uma certa ironia em falar de inteligência artificial com pessoas que trabalham todos os dias com o desenvolvimento da inteligência humana. Os professores passaram décadas a tentar perceber como é que os alunos aprendem, o que os motiva, por que razão uns retêm informação e outros não. E de repente aparece uma tecnologia que se intitula «inteligente» e que, segundo muitos, aprende sozinha. Vale a pena parar e perguntar: aprende mesmo? E o que quer isso dizer, afinal?

Um documento recente produzido pelo Gordian Knot Center for National Security Innovation, da Universidade de Stanford, e da autoria de Steve Blank, tenta responder a esta pergunta de forma rigorosa mas acessível. O texto chama-se Artificial Intelligence/Machine Learning Explained e, embora tenha sido concebido para responsáveis de segurança nacional nos Estados Unidos, contém uma das explicações mais claras e honestas sobre o que a inteligência artificial é — e o que não é — que alguma vez li. Há muito ali que vale a pena trazer para quem trabalha na educação, não necessariamente dentro de uma sala de aula, mas enquanto cidadão informado num mundo que esta tecnologia está a transformar.

Uma revolução que já começou — e que a maioria ainda não viu

Blank abre o documento com uma imagem poderosa: imagine que está em 1950 e que viajou no tempo a partir dos dias de hoje. A sua missão é convencer as pessoas à sua volta de que os computadores vão mudar tudo — os negócios, os governos, a sociedade. Quem acreditar primeiro, quem aprender a usá-los antes dos outros, vai ter uma vantagem esmagadora. «É exatamente aqui que estamos hoje com a inteligência artificial», escreve o autor. A tecnologia que está a chegar não é uma novidade incremental. É uma mudança de paradigma da mesma dimensão da que os computadores representaram no século XX.

Esta perspetiva importa porque nos tira da tentação de tratar a IA como uma moda passageira ou como um conjunto de ferramentas úteis para algumas tarefas isoladas. Não é disso que se trata. Falamos de tecnologias que estão a mudar a forma como as máquinas processam informação, tomam decisões e interagem com o mundo. E isso tem implicações para toda a gente — incluindo para quem ensina e para quem aprende.

O que é afinal a inteligência artificial

Uma das contribuições mais úteis do texto de Blank é desfazer a confusão terminológica que rodeia este campo. «Inteligência artificial» não é uma coisa única. É um guarda-chuva que cobre um conjunto de tecnologias diferentes, e perceber a diferença entre elas é fundamental para não se deixar enganar pelo hype.

A inteligência artificial é o termo mais amplo: refere-se a máquinas que conseguem resolver problemas, tomar decisões e executar tarefas que, até há pouco tempo, exigiam capacidade humana. Dentro desse guarda-chuva encontramos a aprendizagem automática (machine learning), que é uma abordagem específica: em vez de programar explicitamente todas as regras que a máquina deve seguir, damos-lhe exemplos e ela «aprende» a partir deles. E dentro da aprendizagem automática existe ainda a aprendizagem profunda (deep learning), que usa redes neurais artificiais — estruturas inspiradas, de forma muito simplificada, no funcionamento do cérebro — para resolver problemas mais complexos, como reconhecer rostos em fotografias ou traduzir discurso em tempo real.

A diferença em relação aos computadores clássicos é fundamental e merece ser explicada com cuidado. Um computador tradicional faz exatamente o que lhe dizem para fazer. Um programador escreve regras, passo a passo, e a máquina executa-as com precisão cirúrgica. Nada acontece que não tenha sido previsto e codificado por um ser humano. Um sistema de aprendizagem automática funciona de forma radicalmente diferente: em vez de receber regras, recebe dados — muitos dados — e produz as suas próprias regras a partir deles. O modelo não é programado para reconhecer um gato numa fotografia; é treinado com milhares de fotografias de gatos (e de outras coisas) até que, a certo ponto, consegue fazê-lo por si mesmo.

Esta distinção é mais do que técnica. Ela tem implicações profundas para a forma como confiamos nestes sistemas e para a forma como os podemos questionar.

O problema da explicação

Há um ponto no documento de Blank que achei particularmente honesto, e que raramente aparece nas apresentações entusiásticas sobre o futuro da IA: o problema da explicabilidade.

As redes neurais e os sistemas de aprendizagem profunda podem chegar a conclusões notavelmente precisas. Mas muitas vezes é extremamente difícil — ou mesmo impossível — perceber como é que chegaram lá. O sistema gera uma previsão, mas não consegue dizer-nos, de forma clara e inteligível, porque é que tomou aquela decisão e não outra. Este é o chamado «problema da caixa negra»: sabemos o que entra e o que sai, mas o que acontece no interior é opaco.

Blank é direto: «Compreender como uma IA funciona é essencial para criar confiança nos modelos de IA em produção.» E acrescenta que o problema da explicabilidade afeta sobretudo as redes neurais e a aprendizagem profunda — outros tipos de algoritmos de aprendizagem automática, como as árvores de decisão, são muito mais transparentes.

Porque importa isto para além do mundo técnico? Porque vivemos num tempo em que sistemas de IA estão a ser usados para apoiar decisões que afetam vidas reais — na justiça, na saúde, nos créditos bancários, na moderação de conteúdos nas redes sociais. Se esses sistemas tomam decisões que não conseguem explicar, como é que as podemos contestar? Como é que saberemos se incorporam preconceitos? Estas são perguntas que pertencem ao espaço público, e não apenas ao laboratório de informática.

O que a IA sabe fazer — e o que não sabe

Uma das secções mais reveladoras do texto é precisamente a que lista as limitações da inteligência artificial, e que contraria a narrativa dominante de omnipotência que frequentemente envolve esta tecnologia.

Do lado das capacidades, a lista é impressionante. Os sistemas atuais de IA conseguem ler e compreender texto com um desempenho superior ao humano em certos testes de compreensão. Conseguem gerar texto que é indistinguível do produzido por uma pessoa. Conseguem reconhecer objetos e rostos em imagens e vídeos, traduzir línguas em tempo real, transcrever discurso, identificar padrões anómalos em enormes conjuntos de dados, e criar imagens realistas a partir de descrições textuais — o que inclui os chamados deepfakes, sobre os quais voltaremos adiante.

Mas do lado das limitações, o documento é igualmente claro. A IA trabalha bem num domínio restrito em que há muitos dados disponíveis e em que o objetivo está bem definido. Fora dessas condições, começa a falhar. Os modelos podem ser «enganados» por dados que nunca viram antes. Podem memorizar o «ruído» dos dados de treino em vez de aprender os padrões que realmente interessam — é o que os especialistas chamam de sobreajustamento (overfitting). Têm dificuldade em estimar a sua própria incerteza. Não conseguem, por si sós, definir objetivos. E, aqui está talvez o ponto mais importante: não pensam de forma criativa, não aplicam senso comum e não conseguem generalizar o conhecimento de um domínio para outro da forma que os humanos fazem com aparente facilidade.

Blank é perentório: «A IA não consegue (ainda) perceber causa e efeito. Não pensa criativamente. Não aplica senso comum. Não cria estratégias genuínas. E não tem inteligência generalizada.» Esta lista de limitações não desvaloriza a tecnologia. Mas recusa a narrativa do ser omnisciente, e isso é intelectualmente honesto.

Deepfakes, desinformação e o que isso significa para a literacia

Há uma parte do documento dedicada a aplicações militares e de segurança nacional que não nos interessa desenvolver aqui, mas que contém um alerta que tem tudo a ver com o que acontece nas escolas e na sociedade civil: o uso da IA para criar e amplificar campanhas de desinformação.

Blank descreve como os deepfakes — vídeos gerados por redes neurais que são praticamente indistinguíveis da realidade — já estão a ser usados por estados e por outros atores para manipular a opinião pública. Os rostos sintéticos, escreve, são agora tão convincentes que são considerados mais credíveis do que fotografias de pessoas reais. As mesmas técnicas que permitem criar entretenimento e arte podem ser usadas para fabricar declarações falsas atribuídas a políticos, professores, jornalistas ou qualquer outra pessoa.

Isto não é ficção científica. É a realidade presente. E significa que a capacidade de questionar a autenticidade do que se vê e ouve passou a ser uma competência de sobrevivência cívica. Já não basta saber verificar uma notícia. É preciso saber que um vídeo pode ser falso, que uma voz pode ser sintética, que uma fotografia pode ter sido gerada a partir de nada.

A literacia digital, neste contexto, tem de ir mais fundo do que saber usar uma aplicação ou distinguir um site fiável de um duvidoso. Tem de incluir uma compreensão básica de como estas tecnologias funcionam — não ao nível do engenheiro, mas ao nível do cidadão informado que percebe o que é possível e o que deve questionar.

Porque é que a IA é possível agora — e não há dez anos

Blank identifica quatro razões para o salto que se verificou nos últimos anos: a disponibilidade de enormes conjuntos de dados, a melhoria dos algoritmos de aprendizagem, a democratização do código aberto e dos modelos pré-treinados, e o aumento exponencial da capacidade de computação.

O ponto sobre os dados merece atenção especial. Os sistemas de aprendizagem automática precisam de exemplos — muitos exemplos — para aprender. A internet tornou possível reunir quantidades de dados que seriam inimagináveis há algumas décadas. Cada vez que usamos um serviço digital, cada pesquisa, cada clique, cada fotografia carregada, cada conversa num assistente de voz, contribui para alimentar estes sistemas. Somos, de certa forma, participantes involuntários no treino da IA — algo que levanta questões sérias sobre privacidade, consentimento e poder que precisam de estar na agenda pública.

O ponto sobre o código aberto é igualmente significativo: hoje, modelos que custaram dezenas de milhões de dólares a desenvolver estão disponíveis gratuitamente, e até pessoas sem formação técnica especializada conseguem criar ferramentas úteis de IA. Isso tem um lado democratizante genuíno — mas também significa que as mesmas capacidades estão acessíveis a quem quer usá-las para fins menos nobres.

Clicar na imagem para ver a apresentação…

O que fica por fazer

Blank termina o seu documento com uma advertência que serve igualmente para o contexto educativo: o maior obstáculo à adaptação não é tecnológico, é cultural. As instituições que resistem a compreender o que está a mudar, que se refugiam nos procedimentos habituais e evitam o desconforto da mudança, são as que ficam para trás.

Não se trata de defender que a escola deva seguir cegamente cada tendência tecnológica. Muito pelo contrário. Mas há uma diferença entre uma escolha informada de não usar determinada ferramenta e uma ignorância que impede sequer de avaliar as opções. A segunda é perigosa — para as instituições e, acima de tudo, para as pessoas que dependem delas.

A inteligência artificial não vai substituir o pensamento crítico. Não consegue. Mas num mundo cada vez mais mediado por sistemas que tomam decisões opacas, que produzem conteúdo indistinguível do humano e que amplificam tanto o conhecimento como a mentira, o pensamento crítico tem de ser mais sofisticado do que nunca. E isso é, em última análise, uma questão de educação.

Caixa de leitura

Alguns conceitos do documento de Blank que vale a pena explorar:

Aprendizagem supervisionada: o sistema aprende a partir de exemplos classificados por humanos. É como treinar um estudante com fichas de estudo que já têm a resposta correcta — o modelo aprende a associar padrões às categorias corretas e generaliza para novos casos.

Aprendizagem não supervisionada: o sistema encontra padrões por si mesmo, sem exemplos classificados. É útil quando não sabemos exactamente o que estamos a procurar — como detetar fraudes que ainda não têm um nome.

Aprendizagem por reforço: o sistema aprende por tentativa e erro, recebendo recompensas quando faz bem e penalizações quando falha. Foi com esta abordagem que o AlphaGo se tornou melhor do que qualquer ser humano no jogo de Go — depois de jogar 4,9 milhões de partidas contra si mesmo em apenas três dias.

Deepfakes: imagens ou vídeos gerados por redes neurais que imitam rostos e vozes reais com um grau de realismo crescente. O documento alerta que rostos sintéticos são hoje considerados mais credíveis do que fotografias de pessoas reais.

Caixa negra: a dificuldade em perceber como um sistema de aprendizagem profunda chegou a determinada conclusão. Um problema central para a confiança e a responsabilização no uso de IA em decisões que afectam pessoas.

Referências

Blank, S. (s.d.). Artificial intelligence/machine learning explained. Gordian Knot Center for National Security Innovation, Stanford University. https://gordianknot.stanford.edu

Allen, G. C. (s.d.). Understanding AI technology. Joint Artificial Intelligence Center (JAIC), Department of Defense. https://www.ai.mil/docs/Understanding%20AI%20Technology.pdf

National Security Commission on Artificial Intelligence. (2021). Final report. https://www.nscai.gov/2021-final-report/

Nativos digitais ou ingénuos digitais? O que a escola ainda tem de aprender sobre literacia digital

Publicado a por
Responder

Download |

Há uma ideia que se instalou no discurso educativo com a força de uma evidência: a de que os jovens de hoje já sabem usar a tecnologia. Cresceram com ecrãs, navegam nas redes sociais com uma fluência que envergonha muitos adultos, e adaptam-se a novas aplicações em minutos. São, diz-se com alguma admiração, nativos digitais.

Só que esta ideia é, em larga medida, uma ilusão. E um relatório publicado em abril de 2026 pela AQA — uma das principais entidades avaliativas do sistema de ensino britânico — vem documentá-la com uma riqueza de dados que merece atenção muito além das fronteiras do Reino Unido.

O estudo chama-se “Digitally native or digitally naïve? Rethinking digital literacy in schools” e é assinado por Adam Steedman Thake, responsável de política e evidência na AQA. Para o produzir, a equipa de investigação ouviu mais de cinco mil pessoas — estudantes entre os 11 e os 18 anos, pais, professores e membros do público em geral —, conjugando inquéritos por questionário com grupos de discussão focada. O resultado é um retrato simultaneamente preocupante e estimulante: preocupante pelo que revela sobre o que os jovens não sabem fazer; estimulante porque mostra que todos os intervenientes querem mudar esta situação.

Clicar na imagem para ver a apresentação…

O paradoxo que a sala de aula já conhece

Pergunte a um aluno de secundário se sabe usar o TikTok. A resposta será, quase certamente, um sorriso de quem acha a pergunta ingénua. Pergunte-lhe agora se sabe criar uma folha de cálculo, identificar uma notícia falsa ou proteger os seus dados pessoais num formulário online. O sorriso desaparece.

Esta é, em síntese, a contradição que o estudo da AQA documenta com uma clareza desconfortável. Entre os jovens inquiridos, 79% afirmaram usar o TikTok regularmente e 67% o Snapchat. Mas apenas 52% disseram ter alguma vez usado o Word, 47% o PowerPoint e 36% o Excel. São precisamente as ferramentas que qualquer empregador, estabelecimento de ensino superior ou serviço público espera que os jovens dominem quando saem da escola.

Mais revelador ainda é o dado sobre a confiança na deteção de desinformação. Apenas 59% dos jovens disseram sentir-se confiantes para reconhecer se uma notícia é verdadeira ou falsa — uma percentagem que os próprios pais (63%) e professores (72%) superam com folga. E 30% dos estudantes admitiram partilhar informação online com frequência sem verificar se é verdadeira. Um em cada três jovens, portanto, contribui ativamente para a circulação de conteúdos que podem não ser fiáveis — não por má-fé, mas por falta de ferramentas críticas.

O dado que talvez mais deva perturbar quem trabalha em contexto escolar é este: 34% dos jovens disseram já ter partilhado informação pessoal — nome completo, escola, localização — com pessoas que não conheciam online. Entre os mais novos, os que têm entre 11 e 13 anos, essa percentagem sobe para 38%. São crianças. E estão a fazê-lo sem que ninguém lhes tenha explicado, de forma estruturada, os riscos que isso comporta.

Usar não é o mesmo que compreender

Há uma distinção fundamental que o relatório da AQA ajuda a tornar clara e que os professores conhecem bem na prática: a diferença entre usar tecnologia e compreender tecnologia. Um jovem pode passar horas no YouTube sem saber nada sobre como os algoritmos selecionam o que lhe é mostrado. Pode usar o ChatGPT para fazer um trabalho sem ter a menor ideia de como funcionam os modelos de linguagem, quais as suas limitações ou que tipo de erros produzem. Pode navegar em dez aplicações por dia sem perceber o que acontece aos seus dados pessoais.

A expressão “nativo digital” foi cunhada por Marc Prensky em 2001 com uma intenção descritiva razoável para o momento em que vivemos. Mas acabou por criar uma expectativa perigosa: a de que a familiaridade com os dispositivos equivale a competência digital. O relatório da AQA desmonta esta ideia de forma sistemática. Um dos professores citados diz-o sem rodeios: “Infelizmente, muitos destes jovens são muito ingénuos do ponto de vista digital… a forma como partilham informação revela uma ingenuidade real sobre os riscos de estar tão presentes online.”

O que os jovens reconhecem como competência é, muitas vezes, a fluência de superfície. Sabem carregar em botões. Sabem navegar em interfaces. Mas não sabem avaliar criticamente a informação que encontram, não sabem produzir documentos organizados, não sabem identificar um esquema de phishing, não sabem questionar o que veem. Apenas 51% dos utilizadores de motores de busca conseguiram identificar resultados patrocinados numa pesquisa — algo que a maioria dos adultos também falha, mas que a escola poderia e deveria trabalhar.

O que os professores dizem — e o que precisam

Os professores inquiridos pelo estudo mostram-se, na sua grande maioria (84%), favoráveis à introdução de conteúdos de literacia digital mais estruturados no currículo. É um número expressivo, que diz muito sobre a consciência que existe dentro das escolas relativamente a este problema. Mas esse mesmo entusiasmo vem acompanhado de uma confissão que é, ela própria, um dado de política educativa: muitos professores sentem que não têm as ferramentas nem a formação necessárias para o fazer bem.

O ritmo a que a tecnologia evolui tornou-se um obstáculo real. Um professor que se sentisse razoavelmente confortável a falar sobre privacidade online há cinco anos pode hoje estar perdido perante as questões que os alunos trazem sobre inteligência artificial generativa, deepfakes ou algoritmos de recomendação. O relatório regista esta tensão com uma honestidade que merece apreço: “Enquanto educadores, não nos são dados os instrumentos nem a formação para compreender o impacto que a IA pode ter, de forma positiva ou negativa. Por isso sinto que não estou em condições de orientar totalmente os alunos sobre o que devem ou não devem fazer — e acho que muitas escolas estão a recuar um pouco nesta matéria.”

Esta fragilidade tem consequências que vão além da sala de aula. Se um professor não está seguro na sua própria literacia digital, a responsabilidade de preparar os jovens recai sobre as famílias. E as famílias, evidentemente, não estão todas em igualdade de condições para o fazer. O fosso digital não é apenas um fosso de acesso a dispositivos — é também um fosso de competência, e esse fosso reproduz desigualdades sociais que a escola deveria ajudar a esbater, não a aprofundar.

Os professores envolvidos nos grupos de discussão foram muito concretos sobre o que precisam: não tanto nova tecnologia nas escolas, mas recursos de qualidade que possam usar sem precisar de ser especialistas, orientações claras sobre o que ensinar em cada disciplina e em cada ano, e tempo no horário para o fazer. Alguém também sinalizou uma ideia que merece reflexão: um ponto focal dentro de cada escola — uma figura com responsabilidade explícita pela coordenação da literacia digital — poderia fazer uma diferença considerável na forma como este tema ganha consistência e continuidade.

A literacia digital não é uma disciplina. É uma postura.

Uma das conclusões mais interessantes do relatório é que a literacia digital não cabe dentro de uma única disciplina. Os professores de Informática ou Tecnologias têm, naturalmente, um papel central — e 77% dos jovens inquiridos indicaram esses docentes como os mais adequados para tratar estes temas. Mas o próprio estudo, e os professores que participaram nos grupos de discussão, reconhecem que isso não chega.

A razão é simples: se a literacia digital for ensinada apenas em Informática, os alunos que não escolhem essa via ficam sem acesso a competências que são fundamentais para todos. E mesmo os que a frequentam terão dificuldade em transferir o que aprendem para outros contextos se nunca virem esses conceitos aplicados noutras disciplinas.

O relatório propõe — e esta é talvez a sua contribuição mais prática — que a literacia digital seja integrada transversalmente no currículo. Em Português, os alunos podem analisar como as técnicas de retórica e persuasão funcionam nos textos digitais e nas redes sociais. Em Ciências, podem avaliar a fiabilidade de fontes online quando pesquisam informação para um trabalho. Em Cidadania, podem discutir o impacto dos algoritmos na formação de opinião pública e na participação democrática. Em Línguas Estrangeiras, podem comparar as traduções produzidas por sistemas de inteligência artificial com traduções humanas, desenvolvendo simultaneamente competência linguística e pensamento crítico sobre as limitações desses sistemas.

Esta abordagem transversal não exige que todos os professores se tornem especialistas em tecnologia. Exige, isso sim, que cada professor identifique os momentos em que a sua disciplina toca naturalmente nas questões da literacia digital — e as aproveite. É um convite à integração, não à substituição.

O que se passa noutros países — e o que Portugal pode aprender

O relatório dedica uma secção considerável a estudos de caso internacionais, e os exemplos que apresenta são instrutivos para quem pensa políticas educativas — em Portugal ou em qualquer outro país.

A Finlândia, que tem historicamente um dos sistemas de ensino com maior nível de literacia digital, começou a trabalhar estas competências desde a educação pré-escolar. Os exames nacionais são inteiramente digitais desde 2019. O país mantém uma biblioteca nacional de recursos educativos abertos, acessível gratuitamente a todos os professores e alunos. A chave do modelo finlandês não está apenas na tecnologia disponível — está na filosofia que a enquadra: o conceito de Bildung digital, que entende a literacia digital não como um conjunto de ferramentas, mas como um caminho de desenvolvimento pessoal e cívico.

A Irlanda, mais próxima do contexto lusófono em dimensão e em muitos traços do sistema de ensino, integrou a literacia digital como um pilar do currículo ao mesmo nível da leitura e da numeracia. A sua estratégia digital para as escolas, que vai até 2027, assenta numa abordagem que coloca a pedagogia antes da tecnologia: a tecnologia entra na sala de aula para enriquecer a aprendizagem, não para substituir o que já funciona. O país mantém ainda uma base de dados colaborativa de recursos multimédia — o Scoilnet — que qualquer professor pode consultar e utilizar livremente.

A Austrália optou por um modelo misto: tem uma disciplina central de Tecnologias Digitais, mas as competências digitais são integradas em todas as outras áreas do currículo. É um modelo que reconhece a especificidade técnica sem a confinar a um gueto disciplinar.

Portugal não parte do zero. O Plano de Ação para a Literacia Mediática e a revisão do currículo nacional iniciada nos últimos anos criaram condições para uma integração mais consistente da literacia digital no dia a dia das escolas. Mas os dados que o relatório da AQA apresenta para o contexto britânico encontram eco suficiente nas observações de muitos profissionais de educação portugueses para que valha a pena usá-los como espelho. As perguntas que o estudo coloca são universais: os nossos alunos sabem distinguir uma notícia verdadeira de uma falsa? Sabem o que acontece aos seus dados quando instalam uma aplicação? Sabem trabalhar com as ferramentas digitais que o mercado de trabalho e o ensino superior irão pedir?

O que as escolas podem começar a fazer agora

O relatório da AQA não é apenas um diagnóstico — é também um convite à ação. Para as escolas portuguesas, mesmo antes de qualquer reforma curricular de grande escala, há caminhos concretos que podem ser percorridos.

O primeiro é o mais imediato: criar espaço para que professores de diferentes disciplinas conversem entre si sobre onde a literacia digital já aparece naturalmente no que ensinam — e como podem torná-la mais explícita. Uma sessão de grupo de trabalho bem facilitada pode revelar oportunidades que ninguém tinha identificado formalmente.

O segundo é trabalhar com os alunos a partir dos seus próprios hábitos digitais, sem os julgar. Perguntar-lhes como escolhem as fontes que usam para um trabalho, o que fazem quando encontram algo que parece suspeito, como gerem a sua privacidade online — estas conversas têm um valor pedagógico imenso e partem de onde os alunos realmente estão.

O terceiro é levar a desinformação para dentro da sala de aula de forma estruturada. Há hoje recursos de qualidade — nacionais e internacionais — que ensinam alunos de diferentes faixas etárias a verificar factos, a identificar manipulações visuais, a ler além do título. Usá-los não requer que o professor seja um especialista em jornalismo ou em ciência de dados.

O quarto, e talvez o mais difícil, é reconhecer honestamente que os próprios professores precisam de atualização contínua nesta área — e reivindicar essa formação de forma organizada, não como um favor, mas como uma condição profissional legítima.

Porque isto importa para além da escola

Há um dado no relatório que é difícil de deixar passar sem comentário. A Casa dos Lordes britânica, numa comissão parlamentar dedicada aos meios de comunicação e ao ambiente digital, alertou para uma potencial ameaça à democracia caso a literacia mediática não seja melhorada de forma sistémica. A Fundação Nuffield, por sua vez, encontrou uma relação positiva sólida entre a literacia noticiosa e o envolvimento cívico em crianças e jovens: quem sabe ler criticamente as notícias tende a participar mais ativamente na vida democrática.

Isto significa que quando uma escola trabalha literacia digital — quando ensina um aluno a verificar uma fonte, a identificar um deepfake, a perceber como os algoritmos moldam o que vê — não está apenas a prepará-lo para o mercado de trabalho. Está a prepará-lo para ser cidadão. Está a contribuir para que a democracia tenha mais hipóteses de funcionar.

Num momento em que a desinformação circula a uma velocidade sem precedentes e em que a inteligência artificial generativa torna cada vez mais difícil distinguir o real do fabricado, esta dimensão cívica da literacia digital não é um ornamento — é uma necessidade. E a escola é o único espaço verdadeiramente universal onde esta formação pode acontecer de forma equitativa, para todos, independentemente do que se passa em casa.

Os nossos alunos merecem mais do que aprender a carregar em botões. Merecem aprender a pensar sobre o mundo digital que habitam. Isso é, no fundo, o que um bom professor sempre fez — apenas com novos instrumentos.

Referências bibliográficas

Steedman Thake, A. (2026). “Digitally native or digitally naïve?” Rethinking digital literacy in schools. AQA. https://www.aqa.org.uk

Coldwell-Neilson, J. (2020). Unlocking the code to digital literacy – Final Report 2020. Australian Department of Education, Skills and Employment. https://ltr.edu.au/resources/FS16-0269_Coldwell-Neilson_Report_2020.pdf

Ng, W. (2012). Can we teach digital natives digital literacy? Computers & Education, 59(3), 1065–1078. https://doi.org/10.1016/j.compedu.2012.04.016

Royal Society. (2025). System upgrade required. The Royal Society.

House of Commons Library. (2024, abril). Digital skills statistics. UK Parliament.