Arquivo da Categoria: aprendizagem

Como criar um tutor de IA para qualquer disciplina (e porque isso não substitui o professor)

Publicado a por
Responder

Download .docx | Download .pdf |

“Não preciso de perceber como funciona o motor do carro para o conduzir bem.”
Esta frase resume, com elegância, o essencial deste tema.

A inteligência artificial chegou às salas de aula — não como uma ameaça, mas como uma ferramenta pedagógica concreta, acessível e, quando bem usada, surpreendentemente eficaz. Neste artigo, exploro como qualquer professor pode criar um tutor de IA personalizado para a aula de Português (ou qualquer outra disciplina), sem saber programar, sem formação técnica e com menos de uma hora de trabalho.

O ponto de partida: um problema familiar

Imagina uma professora com 22 anos de carreira. Ensina Português no 7.º ano. Dos 26 alunos da sua turma, pelo menos dez continuam a confundir complemento direto com complemento indireto — apesar de já ter explicado de cinco maneiras diferentes, com fichas, jogos e dramatizações. Funciona na aula. Na semana seguinte, é como se nunca tivesse acontecido.

Este cenário é comum a muitos professores. A solução que ela encontrou não foi criar mais uma ficha. Foi criar um tutor.

O que é um tutor de IA?

Um tutor de inteligência artificial é um assistente digital que simula um professor particular. Faz perguntas, explica conceitos, corrige erros, adapta o nível ao aluno e não avança enquanto não há compreensão real.

A diferença fundamental em relação ao Google ou ao YouTube é que o tutor dialoga — responde àquele aluno específico, naquele momento, sobre aquela dúvida concreta. Não serve conteúdo genérico. É conversação pedagógica em tempo real.

Para isso acontecer, o professor precisa de fornecer ao sistema de IA um conjunto de instruções precisas. A esse conjunto chama-se prompt. É aí que reside o verdadeiro trabalho — e o verdadeiro poder — do professor.

As ferramentas: gratuitas e acessíveis

Para este propósito, qualquer um dos seguintes assistentes funciona:

  • Claude (claude.ai) — desenvolvido pela Anthropic
  • ChatGPT (chatgpt.com) — desenvolvido pela OpenAI
  • Gemini (gemini.google.com) — desenvolvido pela Google

Todas têm versão gratuita. O processo é idêntico nas três plataformas: abrir o browser, criar conta e começar uma conversa. Tão simples como escrever um email.

O modelo dos 10 passos: a espinha dorsal pedagógica

O tutor não é um chatbot aleatório — é estruturado a partir de um modelo pedagógico sólido, com dez princípios que reconhecemos facilmente: Vygotsky (zona de desenvolvimento proximal), Bloom (taxonomia e o famoso efeito 2-sigma), tutoria cognitiva e aprendizagem ativa.

PassoO que faz
1. Diagnóstico inicialAvalia o ponto de partida do aluno
2. ClarificaçãoDefine o tema e divide-o em subcompetências
3. Roteiro estruturadoApresenta o plano da sessão
4. MicroblocosEnsina um conceito de cada vez, com exemplos
5. Prática ativaPropõe exercícios progressivos (recall → identificação → produção)
6. Feedback e correçãoCorrige com precisão e encorajamento
7. RecursosSugere materiais ajustados ao nível
8. Revisão espaçadaRevisita conteúdos anteriores de forma inesperada
9. Projeto finalAplica tudo num caso real integrador
10. Dificuldade progressivaAumenta gradualmente o nível

O que é genuinamente novo não é o modelo — é a possibilidade de o implementar, de forma individualizada, com dezenas de alunos em simultâneo, sem custo adicional.

Como se cria o prompt: a tradução pedagógica

O processo é mais simples do que parece. O professor escreve, em linguagem corrente, o que quer que o tutor faça — como se estivesse a dar instruções a um colega. Depois, pede à própria IA que transforme esse rascunho num prompt estruturado:

“Quero criar um tutor de gramática do português para alunos do 7.º ano, com 12 anos. O tutor deve seguir estes 10 passos: [descreve os 10 passos]. Escreve o prompt completo que eu devo usar.”

O resultado é um texto detalhado que pode ser reutilizado em qualquer sessão, com qualquer aluno, sem necessidade de ajustes constantes.

Na prática: o que aconteceu na sala de aula

A professora chegou à aula com o prompt guardado num documento. Tinha 45 minutos e 26 alunos com tablets partilhados. A aula dividiu-se em três momentos:

  1. 10 min — Apresentação coletiva: projetou o ecrã, colou o prompt e deixou os alunos verem o tutor a funcionar em tempo real — incluindo a correção de um erro intencional da própria professora. “Professora, posso eu tentar?” — foi o primeiro comentário da turma.
  2. 25 min — Trabalho autónomo em pares: cada par com um tablet e o prompt em papel. Os alunos estavam concentrados. Havia conversa — mas era sobre gramática.
  3. 10 min — Síntese coletiva: três pares partilharam uma aprendizagem e uma dúvida. Os pontos de confusão tornaram-se o ponto de partida da aula seguinte.

O que correu menos bem (honestidade importa)

  • Dois alunos responderam “não sei” a tudo até o tutor ceder. Solução: na aula seguinte, a professora pediu-lhes que explicassem em voz alta o que o tutor tinha dito. Quem copiou sem pensar não consegue explicar.
  • Um tablet ficou sem bateria. Solução: ficha de papel de reserva.

O papel do professor não desaparece — transforma-se

Este é o ponto mais importante.

O tutor de IA não substitui o professor. Liberta-o para as interações que só o professor pode ter.

Enquanto os alunos trabalhavam com o tutor, a professora fez algo que raramente consegue em aula expositiva: sentou-se ao lado de um aluno com dislexia e trabalhou com ele durante dez minutos sem interrupções. Depois fez o mesmo com um aluno que tinha estado ausente por doença.

A divisão de trabalho ficou clara: o tutor garante a prática; o professor garante a relação, o sentido e a equidade.

A IA não consegue notar que o Manuel hoje não está bem. Não consegue perceber que a Sofia percebeu a matéria mas está com medo de errar. Não consegue criar o momento de silêncio certo antes de uma descoberta. Não consegue celebrar o progresso com o peso que só um adulto de referência pode dar.

Essas coisas são tuas. Continuam a ser tuas.

Um mês depois: o que mudou

Após quatro sessões com o tutor (duas em aula, duas como estudo autónomo em casa):

  • Os alunos que usaram o tutor antes do teste tiveram, em média, resultados mais altos nas questões de gramática.
  • Dois alunos que raramente participavam tornaram-se mais confiantes — o tutor deu-lhes um espaço de erro sem audiência.
  • A professora passou a ter dados concretos sobre os erros mais comuns da turma.

Não é uma solução mágica. É uma ferramenta — como o manual, como a ficha, como o quadro interativo. A diferença é que esta ferramenta aprende com o aluno em tempo real e nunca perde a paciência.

Para começar já

Partilha este artigo com um colega que ainda não experimentou a IA em sala de aula. Não para o convencer — para lhe tirar o medo.

💬 Já experimentaste criar um tutor de IA para os teus alunos? Partilha a tua experiência nos comentários.

Tutores de IA personalizados: como a aprendizagem por reforço pode transformar a educação | estudo

Publicado a por
Responder
Imagem gerada pelo Claude Sonnet 4.6 Thinking

Download |

A inteligência artificial generativa (GenIA) está a redefinir o que significa ter acesso a um tutor. Um estudo recente da Universidade da Pensilvânia demonstrou que um sistema que combina chatbot com um algoritmo de aprendizagem por reforço conseguiu melhorar significativamente os resultados dos alunos — sem aumentar o trabalho dos professores.

Clicar na imagem para ver a apresentação…

O problema com os tutores de chatbot

A maior parte das plataformas de tutoria baseadas em GenIA funciona de forma reativa: o aluno faz uma pergunta e o chatbot responde. Embora este modelo tenha valor, a investigação mostra que aprender exige muito mais do que conversas. Os alunos precisam de se confrontar com problemas desafiantes, adequados ao seu nível de conhecimento atual — o que a literatura designa de produtive struggle (luta produtiva), zona de desenvolvimento proximal ou aprendizagem por domínio.

O grande obstáculo dos sistemas existentes era a falta de informação rica sobre o que o aluno realmente sabe. Algoritmos como o Bayesian knowledge tracing apenas usavam sinais binários (certo ou errado), o que é uma aproximação muito grosseira do estado real do conhecimento.

A solução: integrar o chatbot com sequenciação adaptativa

Os investigadores desenvolveram um sistema com três componentes principais:

  • Banco de problemas gerado por IA: um modelo de linguagem (GPT-4o) gerava problemas de programação em Python com base nos materiais de aula, validados automaticamente e revistos por assistentes humanos.
  • Chatbot tutor incorporado: o tutor estava disponível 24h/7 dias para responder a dúvidas, dar pistas e interpretar mensagens de erro, mas era instruído para não fornecer respostas diretas sem que o aluno demonstrasse esforço.
  • Algoritmo de sequenciação personalizada: um sistema de aprendizagem por reforço (baseado num processo de decisão de Markov parcialmente observável — POMDP) selecionava o próximo problema com base numa estimativa contínua do nível de domínio do aluno.

A grande inovação estava na forma como o algoritmo estimava o conhecimento do aluno. Em vez de apenas verificar se a resposta estava certa ou errada, o sistema usava o LLM para analisar as interações do aluno com o chatbot e as edições ao código — distinguindo, por exemplo, alterações meramente cosméticas (formatação) de alterações funcionais que revelam raciocínio.

O estudo: 770 alunos em Taipé

Em parceria com o Governo da Cidade de Taipé e o Instituto Americano em Taiwan, os investigadores implementaram a plataforma num curso de cinco meses para ensinar Python a alunos do secundário em dez escolas. Os 770 participantes foram aleatoriamente divididos em dois grupos:

  1. Grupo de controlo: sequência fixa de problemas, do mais fácil para o mais difícil.
  2. Grupo de tratamento: sequência adaptativa determinada pelo algoritmo de aprendizagem por reforço.

Ambos os grupos tiveram acesso ao mesmo chatbot tutor e aos mesmos materiais — a única diferença foi a ordem e seleção dos problemas de prática.

Resultados: equivalente a 6 a 9 meses de escolaridade

Os resultados foram claros: o grupo com sequenciação personalizada obteve uma pontuação 0,15 desvios-padrão superior no exame final presencial — sem recurso a dispositivos digitais. Segundo algumas estimativas da literatura, este ganho é equivalente a seis a nove meses de escolaridade adicional.

Importa destacar que estes ganhos não vieram de:

  • Resolver mais problemas (o número de problemas completados foi idêntico nos dois grupos).
  • Receber problemas sistematicamente mais difíceis (a dificuldade extra, por si só, não explica a melhoria).

A análise de mediação revelou que os ganhos foram quase inteiramente explicados pelo aumento do envolvimento — medido pelo tempo na plataforma e pelo número de tentativas. Por outras palavras, a sequenciação personalizada manteve os alunos motivados e persistentes ao longo dos cinco meses, superando o chamado efeito de novidade que rapidamente desvanece noutras plataformas digitais.

Quem beneficiou mais?

Os resultados foram especialmente significativos para dois grupos:

  • Alunos iniciantes (sem experiência prévia em Python): ganho de 0,215 desvios-padrão, em comparação com um efeito negligenciável para alunos com conhecimento prévio.
  • Escolas de nível académico mais baixo: ganho de 0,173 desvios-padrão, superior ao observado nas escolas mais seletivas.

Estes dados sugerem que a tutoria personalizada por IA pode ter um papel relevante na redução das desigualdades educativas, beneficiando mais quem habitualmente fica para trás com métodos tradicionais.

O que isto significa para a educação

Este estudo oferece várias lições para educadores, bibliotecários e profissionais de tecnologia educativa:

  • Personalizar a sequência, não apenas o conteúdo: adaptar a ordem e a dificuldade dos exercícios é tão ou mais importante do que personalizar as explicações do chatbot.
  • As interações do aluno com a IA são dados valiosos: o que o aluno escreve no chat e como edita o seu código revelam o seu estado de aprendizagem com muito mais precisão do que um simples certo/errado.
  • A IA deve guiar proativamente, não apenas responder: o paradigma reativo dos chatbots é insuficiente; o impacto real vem de sistemas que antecipam e dirigem o processo de aprendizagem.
  • A carga do professor não aumentou: todos os ganhos foram obtidos sem exigir mais tempo ou esforço dos docentes, o que torna este modelo escalável.

Referência do estudo: Chung, A. T.-H., Zhang, B., Kung, L.-C., Bastani, H., & Bastani, O. (2025). Effective personalized AI tutors via LLM-guided reinforcement learning. Universidade da Pensilvânia / Universidade Nacional de Taiwan.

Aprender a escrever não é só copiar letras: o que a investigação nos diz (e como pode mudar a nossa prática)

Publicado a por
1

Download |

Há uma cena que muitos de nós, professores e educadores, já vivemos: uma criança de cinco anos agarra num lápis, concentra-se durante longos segundos e escreve uma sequência de letras que só ela sabe decifrar. Para quem está de fora, parece um rabisco. Para quem conhece a investigação sobre a aprendizagem da escrita, aquele momento é ouro.

Foi com esse pensamento que li, de uma assentada, a brochura Aprender a Escrever, da autoria de Ana Cristina Silva e publicada em 2024 pela Direção-Geral da Educação. É um documento técnico, sim — mas é também um daqueles textos que nos fazem parar e repensar aquilo que julgávamos saber. Recomendo-o a qualquer educador do pré-escolar ou professor do 1.º ciclo. E, atrevo-me a dizer, também a quem trabalha em bibliotecas escolares e acompanha projetos de literacia desde cedo.

O problema com o modelo transmissivo

A autora começa pela raiz do problema. Em muitas escolas, o ensino da escrita ainda segue um modelo transmissivo simples: o professor expõe, o aluno exercita, os conhecimentos são testados. Este modelo parte do princípio de que o conhecimento flui do exterior para o aluno — e que basta apresentar bem a matéria para que ela seja assimilada.

O que a investigação mostra é diferente. A aprendizagem da escrita exige uma análise tripartida: conhecer as características do objeto (a linguagem escrita), compreender como o aprendiz se vai apropriando desse objeto, e delinear intervenções didáticas que potenciem essa aprendizagem. Quando estas três dimensões não são articuladas, os alunos avançam, mas com lacunas — muitas vezes silenciosas.

Clicar na imagem para ver a apresentação…

As escritas inventadas: muito mais do que “errar”

Um dos capítulos que mais me marcou foi o das escritas inventadas — essas tentativas precoces das crianças para representar a linguagem oral antes do ensino formal. Durante muito tempo, olhámos para elas como erros a corrigir. A investigação mostra que são, na verdade, o motor da aprendizagem.

Emilia Ferreiro foi uma das primeiras a sistematizar esta ideia: as crianças não copiam a escrita, experimentam-na. Passam por níveis progressivos — das escritas pré-silábicas, onde a dimensão do referente ainda guia a escrita (o elefante tem muitas letras porque é grande…), até às escritas alfabéticas, onde cada som tem já a sua representação.

O mais surpreendente? A qualidade das escritas inventadas na educação pré-escolar é um dos melhores preditores do sucesso na aprendizagem da leitura no final do 1.º ano de escolaridade. Ou seja, o que acontece na sala dos 4 e 5 anos tem consequências que chegam ao 1.º ciclo — e provavelmente além.

O papel do educador aqui não é corrigir, mas mediar. Questionar: “Porque é que escolheste essa letra?” Comparar escritas entre crianças. Criar momentos de escrita colaborativa em pequeno grupo onde as crianças discutem, justificam e chegam a consensos. É um papel ativo, exigente — e profundamente pedagógico.

A ortografia não se aprende por magia (nem por repetição cega)

O segundo capítulo debruça-se sobre a ortografia — um tema que, na prática letiva, continua a gerar muito debate. Quantas vezes ouvimos que os alunos “sabem a regra mas continuam a errar”? A brochura ajuda a perceber porquê.

O sistema ortográfico do português não é transparente: o mesmo som pode ser representado por grafemas diferentes, e o mesmo grafema pode corresponder a sons diferentes. Dados do IAVE de 2018 mostram que 44% dos alunos do 2.º ano dão entre 6 a 15 erros num ditado de 50 palavras. Não é falta de esforço — é falta de uma abordagem pedagógica diferenciada.

A autora propõe algo que me parece fundamental: olhar para os erros como informação. Não todos os erros são iguais. Há erros fonológicos (confusão entre sons parecidos, como /p/ e /b/), erros ortográficos (desconhecimento de regras contextuais posicionais) e erros morfológicos (confusão de sufixos, flexões verbais). Cada tipo de erro pede estratégias diferentes — jogos de consciência fonológica para uns, reflexão sobre regras para outros, análise de famílias de palavras para outros ainda.

A proposta é sempre a mesma: promover a reflexão metalinguística. Não “decora esta regra”, mas “analisa estas palavras e descobre o padrão”. A capacidade de explicitar uma regra ortográfica está diretamente associada a um melhor desempenho ortográfico. Faz sentido.

Escrever textos: o desafio maior

O terceiro capítulo é, provavelmente, o mais desafiante — e o mais próximo da realidade das nossas salas de aula. Aprender a escrever textos é muito mais do que aprender ortografia. Implica gerar ideias, organizar informação, construir frases com coesão e coerência, gerir o planeamento e a revisão — tudo ao mesmo tempo.

Há uma comparação da brochura que ficou comigo: o esforço mental exigido na escrita académica por estudantes universitários é equivalente ao de jogadores de xadrez experientes a selecionar jogadas. Agora imaginem pedir isso a uma criança de 7 anos que ainda está a aprender a segurar no lápis.

Por isso, a autora defende que as estratégias de planificação devem ser ensinadas cedo — e não só quando os alunos já dominam a ortografia. Ensinar a planear antes de escrever ajuda a separar os processos cognitivos, reduzindo a sobrecarga. Um simples brainstorming de ideias, uma grelha narrativa com os elementos da história, uma discussão em grupo sobre o que faz um “bom texto” — estas estratégias têm efeitos comprovados na qualidade das composições.

A escrita colaborativa merece destaque especial. Quando os alunos escrevem juntos, discutem, confrontam perspetivas, propõem alternativas — estão a desenvolver competências metacognitivas que a escrita individual dificilmente consegue promover sozinha. A chave está no suporte estruturado: sem guiões ou orientações claras, a colaboração pode ficar superficial.

O que fica

Sai desta leitura com a convicção renovada de que ensinar a escrever é uma das tarefas mais complexas — e mais apaixonantes — da educação. Não há atalhos. Mas há caminhos bem iluminados pela investigação.

Esta brochura é um desses caminhos. Gratuita, acessível, fundamentada em estudos empíricos e recheada de sugestões práticas — desde atividades para o pré-escolar até sequências didáticas para o 4.º ano. Um recurso que merece lugar nas prateleiras (digitais ou físicas) de qualquer escola, biblioteca ou sala de formação de professores.

Porque no fim, escrever é uma forma de pensar. E ensinar a escrever é ensinar a pensar melhor.

Ana Cristina Silva (2024). Aprender a Escrever: Desenvolver competências de escrita: educação pré-escolar e 1.º ciclo do ensino básico. DGE / Ministério da Educação, Ciência e Inovação. ISBN 978-972-742-575-4.

Tecnologias educativas no Ensino Superior: o que a investigação nos diz (e o que nos desafia)

Publicado a por
Responder

Download |

Há uma promessa que paira sobre a educação há décadas: as tecnologias irão transformar o ensino e a aprendizagem. No entanto, a realidade observada nas instituições de ensino superior continua a ser «pouco inspiradora», como reconhece a coordenadora da obra Tecnologias Educativas no Ensino Superior, Joana Viana, investigadora do UIDEF — Instituto de Educação da Universidade de Lisboa.

Este livro, recentemente publicado na coleção UIDEF, reúne oito estudos que olham, com rigor e sentido crítico, para o estado atual das tecnologias educativas no ensino superior em Portugal e no contexto lusófono. Cada capítulo aborda um problema ou uma prática concreta, partindo sempre de uma ancoragem teórica sólida. É uma leitura essencial para quem trabalha ou investiga na área da educação com tecnologias.

O problema de fundo: tecnologia sem pedagogia

Uma das ideias centrais do livro é que a integração de tecnologias no ensino superior só produz impacto real quando está alinhada com uma abordagem pedagógica e curricular centrada no estudante. A chamada plataformização da educação tem reforçado uma lógica instrumentalista e comportamentalista, colocando mais ênfase no conhecimento como produto do que nos processos de construção desse conhecimento.

A investigação mostra também que os principais desafios identificados durante o ensino remoto de emergência na pandemia não foram tecnológicos — foram pedagógicos e curriculares. Isto significa que a questão não é «que ferramenta usar», mas sim «para que fim pedagógico, com que intencionalidade e em que contexto».

25 Anos de investigação em Portugal

No capítulo de abertura, Joana Viana apresenta um estudo descritivo e interpretativo sobre as teses de doutoramento produzidas em Portugal sobre tecnologias educativas no ensino superior, entre 1995 e 2024. De um total de 2525 teses no domínio da Educação registadas no arquivo RENATES, apenas 44 incidem sobre tecnologias educativas no ensino superior — o que representa 1,7% da produção total.

A cronologia dos temas acompanha a evolução tecnológica: dos primeiros estudos sobre e-learning e ensino a distância, passando pelo blended-learning, pelo mobile-learning, pela gamificação e pelos recursos educativos abertos, até aos trabalhos mais recentes sobre realidade aumentada e competências digitais. O grande salto quantitativo deu-se na última década, com 75% das teses publicadas após 2010.

Entre os principais problemas identificados na investigação nacional destaca-se a ausência frequente de fundamentação teórica explícita, com o digital a funcionar muitas vezes apenas como contexto de estudo, em vez de ser o objeto central de análise.

Clicar na imagem para ver a apresentação…

Tecnologia, poder e neoliberalismo

Carine Bueira Loureiro traz uma perspetiva crítica incontornável: através de uma análise discursiva foucaultiana de 24 teses e dissertações brasileiras, evidencia como as políticas de formação de professores — como a Base Nacional Comum Curricular (BNCC) — operam sob uma racionalidade neoliberal que reduz as tecnologias a «instrumentos utilitaristas».

As tecnologias são apresentadas, neste quadro, como soluções simples para problemas complexos, reforçando uma lógica de competências que negligencia as dimensões pedagógicas, éticas e políticas mais amplas. Esta análise ressoa muito para além do Brasil: é um espelho em que o sistema educativo português também se pode rever.

Literacia em Inteligência Artificial: muito mais do que saber usar

O capítulo de Hélder Touxas é, porventura, um dos mais actuais e prementes do livro. Baseado numa revisão sistemática de 64 artigos científicos (protocolo PRISMA), clarifica o que se entende — e o que se deve entender — por Literacia em Inteligência Artificial (Literacia em IA).

A definição mais consensual na literatura, proposta por Long e Magerko (2020), define-a como um conjunto de competências que permite aos indivíduos avaliar criticamente as tecnologias de IA, comunicar e colaborar com a IA, e utilizá-la como ferramenta em diferentes contextos — em casa, no trabalho, online. Esta definição sublinha que a Literacia em IA não exige necessariamente competências avançadas de programação, mas sim uma compreensão prática e crítica das suas implicações sociais e éticas.

Entre as dimensões fundamentais do construto, o estudo destaca:

  • Compreender os fundamentos e funcionamento da IA
  • Usar e aplicar ferramentas de IA em contextos reais
  • Avaliar criticamente os resultados e os vieses algorítmicos
  • Refletir sobre as implicações éticas e sociais da IA

O capítulo alerta ainda para a necessidade urgente de integrar a Literacia em IA nos currículos do ensino superior — não como uma área técnica restrita às STEM, mas como uma competência transversal a todos os domínios profissionais.

Educação online em Portugal: um mapa atualizado

Raquel Sofia e Joana Viana mapearam, a partir dos sítios web de todas as instituições de ensino superior portuguesas (dados de 2025), a oferta formativa online em Portugal. Os resultados revelam que cerca de metade das 83 instituições existentes disponibiliza cursos online não conferentes de grau, e que o mestrado é o ciclo de estudos com mais oferta online.

A área de Ciências Sociais e Humanas é a que apresenta maior número de cursos online, especialmente no setor politécnico e privado. O estudo constata ainda que 13 instituições — sobretudo do setor público — já criaram equipas de apoio à produção de conteúdos educativos online, com profissionais de educação com funções de instructional design ou learning design. Este é um sinal de maturidade institucional, mas também um desafio que exige investimento continuado no desenvolvimento profissional docente.

O digital na formação de professores de línguas

Sandra Fradão analisa a integração de tecnologias nos programas nacionais de formação inicial de professores de Línguas Estrangeiras. Os resultados são reveladores: apesar de haver sinais de progresso, a integração das tecnologias na formação docente permanece marcada por uma lógica predominantemente instrumental, à semelhança do que se verifica em outros contextos analisados no livro.

Preparar professores para um uso pedagógico crítico e inovador das tecnologias — e não apenas técnico — continua a ser um desafio central na formação docente em Portugal.

Combater a desinformação em contexto educativo

O capítulo de Vanessa Veríssimo, resultante de investigação de mestrado, analisa as iniciativas de literacia digital para adultos em Portugal orientadas para o combate à desinformação. Instituições como o Centro Nacional de Cibersegurança (CNCS), a BAD (Associação Portuguesa de Bibliotecários, Arquivistas e Documentalistas) e projetos como o Iberifier desenvolvem formações com foco na verificação de factos e na promoção do pensamento crítico.

Contudo, o estudo identifica fragilidades importantes: a distribuição geográfica desigual das iniciativas, os desafios de acessibilidade para populações com menores competências digitais, e a necessidade de abordagens mais reflexivas que transcendam a mera utilização de ferramentas de fact-checking.

Podcasts como estratégia pedagógica

Joana Carvalho-Marques traz um exemplo concreto de inovação pedagógica: o uso de podcasts no ensino do Português como Língua Estrangeira, numa unidade curricular de Conversação frequentada por estudantes chineses da licenciatura em Tradução e Interpretação.

A estratégia combina a criação de podcasts com o portefólio de aprendizagem como instrumento de avaliação, promovendo o envolvimento ativo dos estudantes na construção do conhecimento e no desenvolvimento de competências comunicativas. É um exemplo de como a tecnologia, quando usada com intencionalidade pedagógica clara, transforma a experiência de aprendizagem.

Digital Storytelling: aprender contando histórias

No último capítulo, Olga Valentim e Sílvia Roda analisam a implementação do Digital Storytelling (DS) em dois contextos distintos: numa licenciatura em Enfermagem e em cursos de Ensino e Animação Sociocultural.

Os resultados demonstram que o DS, ancorado em princípios construtivistas, experienciais e humanistas, contribui significativamente para:

  • O desenvolvimento de competências de literacia digital e multimodal
  • O autoconhecimento e a reflexividade dos estudantes
  • O desenvolvimento de competências interpessoais, comunicacionais e criativas
  • Uma maior ligação identitária ao percurso formativo

Os testemunhos dos estudantes revelam uma experiência formativa descrita como transformadora — uma prova de que a tecnologia, ao serviço de uma pedagogia centrada na pessoa, pode ser profundamente humanizadora.

Uma obra para não perder

Tecnologias Educativas no Ensino Superior, coordenada por Joana Viana e produzida no Instituto de Educação da Universidade de Lisboa, é muito mais do que um relatório de investigação. É um convite à reflexão crítica sobre o que fazemos com as tecnologias na educação — e, sobretudo, sobre o porquê e o para quê.

Professores do ensino superior, formadores, investigadores, bibliotecários e responsáveis por políticas educativas encontrarão nesta obra dados, perspetivas e argumentos que desafiam os lugares-comuns sobre inovação tecnológica na educação. Porque, como ficou claro ao longo de todos os capítulos, a tecnologia não transforma a educação por si só — são as pessoas, as pedagogias e as intenções que fazem a diferença.

Este artigo foi elaborado a partir da obra Tecnologias Educativas no Ensino Superior, coordenada por Joana Viana, com autoria de Carine Bueira Loureiro, Hélder Touxas, Joana Carvalho-Marques, Joana Viana, Olga Valentim, Raquel Sofia, Sandra Fradão, Sílvia Roda e Vanessa Veríssimo. Publicação UIDEF — Instituto de Educação, Universidade de Lisboa.

Como saber se um aluno realmente aprendeu — mesmo usando Inteligência Artificial

Publicado a por
Responder
Gerado com Claude Sonnet 4.6 Thinking

A inteligência artificial não inventou o problema da avaliação escolar — apenas o tornou impossível de ignorar. Durante décadas, avaliámos os alunos pedindo-lhes que reproduzissem conteúdos: escreveram resumos, copiaram definições, elaboraram textos segundo fórmulas. A IA veio mostrar, de forma inequívoca, que este modelo estava construído sobre areia. Se uma máquina consegue fazer o mesmo que pedimos aos nossos alunos — e faz bem, em segundos —, talvez o problema não seja a IA. Talvez seja a pergunta que estamos a fazer.

​

O problema não é a IA. É a avaliação.

O uso da inteligência artificial pelos estudantes tornou ainda mais evidente a fragilidade de uma avaliação centrada na reprodução de conteúdos. Um aluno que entrega um trabalho “perfeito” gerado por IA não aprendeu mais do que aquele que decorou uma matéria para um teste e a esqueceu no dia seguinte. Em ambos os casos, o produto existe — mas a aprendizagem pode não ter acontecido.​

O verdadeiro desafio para os professores não é descobrir se o aluno usou IA, mas perceber se o aluno aprendeu. Estas são duas perguntas completamente diferentes, e confundi-las tem custado caro à educação.

​

Do Produto ao Processo

A mudança mais urgente é deslocar o foco do produto final para o processo de aprendizagem. Quando avaliamos apenas a tarefa entregue, estamos a medir o resultado — que pode ter sido gerado por qualquer ferramenta. Quando avaliamos o processo, estamos a medir o pensamento.​

Algumas estratégias concretas para colocar isto em prática:

  • Pedir rascunhos e versões intermédias — o historial de edição de um documento revela muito mais do que a versão final​
  • Propor momentos de reflexão — “O que aprendeste ao fazer este trabalho?” ou “O que mudarias agora?” são perguntas que a IA não pode responder por ninguém
  • Usar o questionamento oral — uma conversa breve sobre o trabalho entregue é o filtro mais eficaz para perceber se houve compreensão real​
  • Comparar com produções anteriores — a evolução (ou ausência dela) da voz e do estilo de cada aluno diz muito​

Avaliar com IA — Em vez de avaliar contra ela

Uma das abordagens mais promissoras não é proibir a IA, mas integrá-la na própria avaliação de forma intencional. Por exemplo:​

  • Pedir ao aluno que analise criticamente um texto gerado por IA sobre um tema estudado — identificando erros, lacunas ou imprecisões
  • Propor que o aluno parta de uma resposta de IA e a melhore, justificando as suas escolhas
  • Usar a IA como “adversário” num debate em que o aluno tem de defender a sua posição com argumentos próprios

Nestas tarefas, a IA torna-se um andaime — e não uma muleta. O aluno que não aprendeu não conseguirá avaliar, corrigir ou superar aquilo que a máquina produziu.​

O que conta como evidência de aprendizagem?

Precisamos de alargar o conceito de “evidência de aprendizagem” para além do texto escrito. A aprendizagem manifesta-se de múltiplas formas:​

Evidência tradicionalEvidência mais robusta com IA
Texto escrito em casaProdução oral em contexto de aula
Resumo do temaAnálise crítica de um texto gerado por IA
Resposta a perguntas fechadasResolução de problema novo com transferência de conhecimento
Nota de testePortfólio de processo com reflexão

O objetivo não é tornar a avaliação mais difícil — é torná-la mais autêntica.​

O contexto português: Entre a abertura e o desafio

Portugal não está alheio a este debate. O Ministro da Educação, Fernando Alexandre, foi claro: “seria um erro não usar inteligência artificial nas escolas”, defendendo a IA como amplificadora de capacidades e não como substituta do professor. O Governo tem em curso uma estratégia de digitalização que prevê, para 2026, a disponibilização de tutores de IA personalizados para cada aluno — ferramentas que identificam falhas de aprendizagem e adaptam o percurso a cada estudante.

A Direção-Geral da Educação (DGE) tem acompanhado esta evolução com orientações específicas. A então subdiretora-geral Maria João Horta sublinhou que o uso da IA na educação “implica sobretudo rigor e responsabilidade”, apelando à “flexibilização dos espaços de aprendizagem, à promoção de metodologias ativas e à personalização dos percursos”. Através da plataforma NAU, a DGE disponibiliza o curso MOOC “A Inteligência Artificial vai Transformar a Escola”, dirigido a professores e líderes escolares, com enfoque renovado nas dimensões éticas e humanas da IA em contexto educativo.

Este enquadramento institucional é um sinal positivo — mas a transformação real acontece na sala de aula, nas decisões quotidianas de cada professor sobre o que avaliar e como. A questão não é se Portugal vai integrar a IA no ensino. É se os professores portugueses serão apoiados, com tempo e formação adequados, para redesenhar uma avaliação que a IA não consiga fazer por ninguém.

Uma mudança de cultura, não apenas de método

Esta transição não é meramente técnica. Exige uma mudança cultural na forma como professores, alunos e famílias entendem o que é aprender e para que serve a escola. Um aluno que usa IA para “resolver” uma tarefa perde a oportunidade de desenvolver o pensamento, a argumentação, a criatividade — aquilo que, ironicamente, a IA ainda não consegue substituir.

A avaliação na era da IA deve ser, acima de tudo, uma conversa. Uma conversa entre professor e aluno sobre o que foi pensado, o que foi aprendido, e o que ainda falta compreender. E essa conversa — genuína, humana, contextualizada — é precisamente o que nenhuma inteligência artificial pode simular.

Artigo inspirado em “¿Cómo saber si un estudiante ha aprendido, aunque use inteligencia artificial?“, publicado em The Conversation.