Considerado o título mais cortado pela censura em toda a história do cinema, “Catembe” quase não sobreviveu — e continua, seis décadas depois, a ser um dos filmes menos vistos do cinema português.
Há obras cinematográficas que resistem apesar do próprio cinema, não graças a ele. “Catembe” é uma delas: um filme que nasceu para retratar o quotidiano de uma cidade e acabou por se tornar, ele próprio, um objeto de estudo sobre repressão, memória e aquilo que resta quando um regime decide o que pode e não pode ser mostrado.
Um jovem realizador, uma cidade por filmar
Manuel Faria de Almeida nasceu em 1934 em Lourenço Marques — a atual Maputo — e foi ainda muito novo um dos fundadores do cineclube local. O apoio do Fundo do Cinema Nacional levou-o a estudar na London School of Film Technique, em Londres, onde realizou a curta-metragem de estreia “Streets of Early Sorrow” (1963), trabalho que lhe valeu convites internacionais a que acabaria por não corresponder, por ter decidido regressar a Portugal.
Foi nesse regresso que nasceu o projeto que o tornaria conhecido: um filme sobre o dia a dia de Lourenço Marques, coproduzido com António da Cunha Telles e filmado entre Lisboa e a cidade moçambicana em 1964. O título completo seria “Catembe – Sete Dias em Lourenço Marques”. A obra cruzava cinema direto — visível logo nas cenas iniciais, filmadas na Baixa lisboeta, em que Faria de Almeida pergunta a transeuntes o que sabem sobre Lourenço Marques — com sequências de ficção centradas numa jovem, a personagem que dá nome ao filme, retratando o quotidiano de um bairro popular de pescadores.
O paradoxo é que este era um filme financiado por um fundo pensado para divulgar cinematograficamente as colónias. Em vez de uma imagem cordial e pacificada, “Catembe” ofereceu um olhar mais próximo e mais humano sobre a realidade colonial — e foi exatamente esse afastamento da imagem que o regime queria projetar que o tornou incómodo.
103 cortes e um recorde amargo
A estreia estava marcada para novembro de 1965, no Cinema Império, em Lisboa. Mas antes de chegar às salas, o filme foi sujeito a exigências da censura ligada ao Ministério do Ultramar: 103 cortes, que retalharam a obra original — com cerca de 87 minutos — e a reduziram a uma fração de si mesma. Mesmo assim, a versão mutilada acabou por ser interdita pouco depois de exibida.
Seguiu-se uma tentativa de recuperar o material: uma segunda versão, puramente documental e com cerca de 45 minutos, foi remontada a partir das sequências que ainda faziam sentido depois dos cortes — as partes de ficção tinham ficado, em boa medida, incompreensíveis. Também essa versão foi proibida pela Comissão de Censura.
O resultado foi que, do material original, restou pouco mais de metade. O caso tornou-se célebre a ponto de “Catembe” ter figurado no Guinness Book of Records como o filme alvo do maior número de cortes de censura na história do cinema — um recorde que diz mais sobre o regime que o impôs do que sobre o filme em si.
Décadas por ver
Depois do 25 de Abril de 1974, “Catembe” foi exibido publicamente apenas umas poucas vezes. Faria de Almeida viria a depositar na Cinemateca Portuguesa – Museu do Cinema os materiais sobreviventes, incluindo cerca de onze minutos de cortes de censura que tinham sido preservados à parte. A cópia em 35mm que chegou até nós apresenta degradação cromática, e a sua projeção — sempre rara — mantém-se, ainda assim, um dos poucos meios de aceder a esta obra fora de contextos de investigação académica.
Mais recentemente, o filme foi digitalizado e restaurado no âmbito do projeto FILMar da Cinemateca Portuguesa, com o apoio do programa EEA Grants, permitindo reunir numa cópia digital os 45 minutos autorizados, os onze minutos de cortes preservados e o trailer original. Este trabalho de recuperação foi acompanhado pela publicação do livro Catembe: Esse Obscuro Desejo de Cinema, da investigadora Maria do Carmo Piçarra, que junta ao volume o guião fac-similado e uma cópia do filme em DVD.
Porque continua a importar
“Catembe” é hoje considerado um dos filmes incontornáveis do cinema português dos anos 1960, precisamente pela reflexão que propôs — ainda que interrompida à força — sobre a presença portuguesa em África nos anos da Guerra Colonial. É um caso raro em que a história da censura de uma obra se tornou indissociável da própria obra: preservar os cortes, hoje, é também preservar o filme.
“Catembe”, de Manuel Faria de Almeida, 1965 (via Vimeo)
Título original: Catembe – Sete Dias em Lourenço Marques
Realização: Manuel Faria de Almeida
Produção: António da Cunha Telles e Manuel Faria de Almeida
Uma nova geração de ferramentas de IA já não se limita a responder: planeia, decide e executa tarefas em vários passos, sozinha. Este artigo isola o que interessa a professores, alunos e escolas — incluindo o risco, pouco falado, de deixarmos de exercitar o próprio pensamento.
Um relatório do Laboratório de Inteligência Artificial da Faculdade de Direito da Universidade de Buenos Aires (IALAB) descreve a passagem de assistentes de IA que respondem para agentes que planeiam e agem sozinhos. Este artigo isola, desse relatório, o que interessa a uma escola: o que muda quando um aluno deixa de perguntar a uma IA e passa a delegar-lhe uma tarefa inteira — e porque é que a própria literatura técnica já admite que estes agentes falham mais do que a publicidade costuma sugerir.
A obra Gobernar la IA Agéntica*, de Juan Gustavo Corvalán, Mariana Sánchez Caparrós e Carolina Melanie Martín, publicada pelo IALAB da Universidade de Buenos Aires, foi partilhada diretamente para este blogue e é dirigida, em primeira instância, a organizações e profissionais do direito. Não fala de escolas nem de alunos. Mas descreve, com um rigor pouco comum neste tipo de literatura, uma mudança tecnológica que já está a chegar às salas de aula portuguesas pela porta do fundo — dentro dos mesmos assistentes de IA que muitos alunos já usam para os trabalhos de casa. Este artigo segue as suas ideias mais relevantes e cruza-as com os quadros de literacia de IA e os documentos curriculares já disponíveis às escolas portuguesas.*
Há uma diferença que a maior parte dos alunos — e não poucos professores — ainda não distingue com clareza: a diferença entre perguntar a uma IA e mandar uma IA fazer. Perguntar é o que já se faz há anos com o ChatGPT, o Claude ou o Gemini: escreve-se uma pergunta, a IA responde dentro daquela conversa, e cabe a quem pergunta decidir o que fazer com a resposta. Mandar fazer é outra coisa. É dar um objetivo a um sistema — «organiza estas notas num resumo e envia-o por email aos colegas do grupo de trabalho», por exemplo — e deixar que seja o próprio sistema a decidir os passos: que ficheiros abrir, que informação procurar, em que ordem agir, quando parar. É essa segunda categoria que a literatura técnica chama IA agêntica, e é dela que trata o relatório Gobernar la IA Agéntica, do IALAB (Corvalán et al., 2026).
Clicar na imagem para ver a apresentação…
De responder a agir: o que distingue um agente de um assistente
O relatório propõe uma distinção que vale a pena levar para a sala de aula, porque explica com precisão aquilo que muitos professores já sentem informalmente: nem toda a IA que os alunos usam é igual, mesmo quando parece igual por fora. Os autores distinguem dois conceitos que costumam confundir-se — agência e autonomia. A agência é a capacidade de agir sobre o mundo: consultar uma base de dados, escrever um ficheiro, enviar uma mensagem. A autonomia é o grau em que essa ação acontece sem intervenção humana direta (Corvalán et al., 2026). Um assistente como o ChatGPT, o Claude ou o Gemini, no seu uso mais comum, já tem alguma agência — pode pesquisar na internet ou escrever código —, mas mantém-se de baixa autonomia: cada ação depende de um pedido explícito, dentro da mesma conversa. Um agente de IA propriamente dito inverte essa relação: recebe um objetivo, não uma instrução passo a passo, e é ele que decide o caminho para lá chegar, corrigindo o rumo consoante o que vai descobrindo (Corvalán et al., 2026).
Para um professor, a pergunta útil já não é «este aluno usou IA?» — sozinha, essa pergunta já não distingue quase nada. A pergunta útil é: quantos passos deu essa IA sem que o aluno tivesse de aprovar cada um deles? Foi um resumo pedido e lido de imediato, ou foi uma tarefa inteira — pesquisar, organizar, escrever, formatar — entregue de uma vez e recebida já pronta?
As ferramentas que já estão dentro da mochila digital dos alunos
Esta distinção deixou de ser teórica em 2026, porque as principais plataformas de IA já oferecem, ao alcance de um clique, um modo agêntico que qualquer aluno com conta paga pode ativar. O ChatGPT introduziu, em julho de 2025, um «modo agente» que dispõe de um navegador próprio e consegue planear e executar tarefas de vários passos — desde investigar um tema até preencher um documento — pedindo ajuda ao utilizador apenas quando precisa (Corvalán et al., 2026). A Anthropic lançou, a 12 de janeiro de 2026, o Claude Cowork, uma ferramenta que já não vive dentro de uma janela de conversa: acede a pastas e ficheiros do computador do próprio utilizador, dentro dos limites que este autoriza, e mantém sessões de trabalho que continuam mesmo que o ecrã se feche (Aragon Research, 2026; InfoQ, 2026). É a diferença entre uma IA que descreve o que faria e uma IA que já o fez, à espera de aprovação — ou, nalguns casos, sem sequer esperar por ela.
Nenhuma destas ferramentas foi construída a pensar na escola. Mas os alunos não separam o que usam nos trabalhos de casa das ferramentas de produtividade que veem os adultos usar — e, mais cedo do que tarde, vão encontrar-se com um botão que promete «fazer isto por ti» em vez de «responder a isto para ti». Vale a pena que a escola chegue lá primeiro.
Um aviso que a própria indústria da IA já reconhece: os agentes falham mais do que parecem
Um dos pontos mais úteis do relatório para desmontar o mito da IA infalível não é uma opinião, é um facto incómodo que a própria literatura técnica documenta. Segundo o relatório, testes consolidados de capacidade agêntica — com nomes como GAIA, SWE-bench Verified, AgentBench e WebArena — mostram taxas de sucesso em tarefas reais que oscilam entre 30% e 70%, consoante a área, mesmo nos sistemas comerciais mais avançados (Corvalán et al., 2026). Os autores resumem a distância entre a promessa e a prática numa frase que qualquer professor de literacia digital pode usar tal e qual numa aula: «a indústria comunica os agentes como se fossem trabalhadores confiáveis; a evidência experimental sustenta uma imagem mais matizada» (Corvalán et al., 2026, tradução livre). Este artigo não reavaliou, de forma independente, os números exatos desses testes — a afirmação é do próprio relatório —, mas o padrão geral que descrevem, o de que os agentes de IA erram com frequência significativa mesmo quando parecem seguros do que fazem, está amplamente documentado noutras fontes técnicas sobre o tema.
Esta é, provavelmente, a ideia mais diretamente utilizável numa aula de literacia mediática ou de Cidadania e Desenvolvimento: uma resposta fluente e bem escrita não é o mesmo que uma resposta correta, e um agente que executa uma tarefa inteira sem qualquer interrupção não está necessariamente a executá-la bem — está apenas a executá-la sem que ninguém tenha verificado nada pelo caminho.
O risco que mais interessa à escola: o «sedentarismo cognitivo»
Do ponto de vista pedagógico, o conceito mais relevante que o relatório recupera não é técnico, é cognitivo, e já tem nome próprio em português: sedentarismo cognitivo. O termo, cunhado por Mariano Sigman e Santiago Bilinkis e desenvolvido por Juan Gustavo Corvalán — um dos autores do relatório aqui analisado — noutro livro seu, publicado também em 2026, descreve o que acontece quando uma competência é delegada de forma permanente a uma máquina: atrofia, tal como um músculo que deixa de ser exercitado (Corvalán, 2026, citado em Perfil, 2026). O relatório aplica esta ideia à IA agêntica através de quatro «paradoxas da automação», originalmente formuladas pela investigadora Lisanne Bainbridge em 1983 e agora atualizadas para o contexto dos agentes: cada competência que se delega por completo deixa de ser exercitada; quanto mais fiável parece um agente, menos sustentada tende a ser a supervisão humana sobre ele; e a própria automação pode não eliminar o esforço mental, apenas transformá-lo — da execução ativa de uma tarefa para a fiscalização passiva, e cansativa, do que outro já fez (Corvalán et al., 2026).
Para uma escola, este último ponto merece particular atenção. Um aluno que delega a um agente a totalidade de um trabalho — pesquisa, estrutura, redação — não está a poupar esforço cognitivo, está a trocar um tipo de esforço por outro: já não precisa de pensar sobre o tema, mas precisaria, para que a aprendizagem se mantivesse, de verificar com igual cuidado tudo o que o agente produziu. Na prática, é exatamente esse segundo esforço que costuma desaparecer primeiro — e é aí, mais do que na simples cópia de um texto gerado por IA, que reside o risco real para a aprendizagem.
Delegar uma tarefa não é delegar a responsabilidade
Há uma ideia jurídica no relatório que se transporta, quase sem alterações, para o regulamento interno de qualquer escola: o facto de uma tarefa ter sido executada por um agente de IA não retira a responsabilidade de quem a encomendou. Os autores insistem neste ponto a propósito das ações que um agente executa em nome de uma organização: cada ação é uma manifestação de vontade atribuível a quem ativou o agente, e a delegação operativa não equivale a delegação de responsabilidade (Corvalán et al., 2026). Trocando a linguagem jurídica pela linguagem escolar: um trabalho de casa gerado, em grande parte, por um agente de IA continua a ser um trabalho apresentado — e assinado, ainda que informalmente — pelo aluno que o entregou, com as mesmas consequências de integridade académica que já se aplicam hoje a trabalhos copiados de outras fontes.
O relatório sugere ainda um princípio de desenho útil para qualquer política escolar sobre IA: as ações irreversíveis, ou de maior peso, deveriam exigir sempre validação humana explícita — não como boa prática opcional, mas como condição do próprio desenho do sistema (Corvalán et al., 2026). Aplicado à sala de aula, isto sugere uma regra simples: quanto maior for o peso de uma tarefa na avaliação final de um aluno, menor deveria ser a margem de autonomia que se concede a um agente de IA na sua realização — e maior a exigência de que o próprio aluno consiga explicar, passo a passo, o que foi feito e porquê.
O que isto diz à escola portuguesa
Nenhuma destas ideias foi escrita a pensar no currículo português, mas o enquadramento para as aplicar já existe, e cobre praticamente todos os pontos que o relatório levanta. O domínio «gerir a IA», um dos quatro pilares do Quadro de Literacia em IA (AILit) da OCDE e da União Europeia, pede explicitamente aos alunos que compreendam como e quando delegar tarefas a sistemas de IA, e que saibam avaliar criticamente os seus resultados — exatamente a distinção entre agência e autonomia que este artigo tem vindo a seguir (OCDE/União Europeia, 2026). O quadro DigCompEdu, já adotado como referência europeia para a competência digital docente, situa a capacitação dos aprendentes e a avaliação crítica de ferramentas digitais entre as competências que os próprios professores precisam de desenvolver antes de as poderem ensinar (Redecker, 2017) — um lembrete de que esta conversa não pode ficar reservada aos alunos.
O Perfil dos Alunos à Saída da Escolaridade Obrigatória oferece um terceiro ponto de entrada, talvez o mais direto: entre as suas dez áreas de competência, inclui o raciocínio e resolução de problemas e o pensamento crítico e pensamento criativo, definidos como a capacidade de interrogar a realidade e formular juízos fundamentados, e não apenas de obter uma resposta (Direção-Geral da Educação, 2017) — uma formulação que se aplica, sem qualquer adaptação, à diferença entre um aluno que usa um agente de IA para verificar o seu próprio raciocínio e um aluno que o usa para o substituir. A componente de Cidadania e Desenvolvimento, por seu lado, já inclui a literacia mediática entre os seus domínios obrigatórios (Portugal, 2025), o espaço curricular mais óbvio para discutir, de forma sistemática, o que significa confiar — ou não confiar — no resultado de uma tarefa que um sistema executou sozinho.
Uma proposta para a sala de aula
Uma forma simples de tornar tudo isto tangível para uma turma do 3.º ciclo ou do secundário não exige qualquer ferramenta de IA agêntica — exige apenas tornar visível um processo que, de outra forma, ficaria escondido. Pode pedir-se a cada aluno que peça a um assistente de IA comum, no modo habitual de pergunta e resposta, que resolva uma pequena tarefa em várias etapas — por exemplo, resumir um texto, identificar os três argumentos mais fortes e propor um contra-argumento a cada um. Em vez de aceitar apenas o resultado final, pede-se ao aluno que peça à própria IA para mostrar o raciocínio passo a passo, e que assinale, nesse raciocínio, o momento em que teria sido razoável parar e verificar antes de continuar. O objetivo não é desconfiar da ferramenta por princípio — é treinar o hábito de procurar o momento de verificação, que é exatamente o que desaparece quando uma tarefa inteira é delegada a um agente sem qualquer interrupção.
A segunda parte da proposta dirige-se a quem coordena a política de IA de uma escola. Vale a pena que qualquer regulamento sobre o uso de IA nos trabalhos escolares distinga explicitamente entre os dois níveis que este artigo tem vindo a descrever — pedir uma resposta pontual e delegar uma tarefa inteira, sem supervisão intermédia — em vez de tratar «uso de IA» como uma categoria única. É essa distinção, mais do que qualquer proibição genérica, que vai continuar a fazer sentido à medida que os assistentes que os alunos já conhecem forem, eles próprios, ganhando cada vez mais autonomia.
Nota de transparência: este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir da leitura direta e integral do relatório «Gobernar la IA Agéntica», de Juan Gustavo Corvalán, Mariana Sánchez Caparrós e Carolina Melanie Martín (IALAB, Universidade de Buenos Aires), partilhado diretamente para este blogue.
Corvalán, J. G. (2026). Sedentarismo cognitivo: Productividad, agentes de IA y los riesgos de delegar el pensamiento. La Ley.
Corvalán, J. G., Sánchez Caparrós, M., & Martín, C. M. (2026). Gobernar la IA agéntica. IALAB, Facultad de Derecho, Universidad de Buenos Aires; AI Academy by doinGlobal. https://bit.ly/4qtyJqz
OCDE/União Europeia. (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing. https://doi.org/10.1787/65cd27d4-en
Perfil. (2026, 3 de julho). Hay cosas que no deberíamos delegarle a la inteligencia artificial, aunque las haga mejor que nosotros.https://bit.ly/4xOonUR
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu (Y. Punie, Ed.). Publications Office of the European Union. https://doi.org/10.2760/159770
A OCDE e a Comissão Europeia publicaram um guia prático que liga a literacia de IA a seis áreas curriculares, da matemática às artes. Este artigo destaca os pontos com mais interesse direto para professores e alunos portugueses — incluindo o desafio, pouco falado, das línguas menos representadas nos sistemas de IA.
A OCDE e a Comissão Europeia publicaram um guia companheiro do novo Quadro de Literacia em IA, dirigido a professores de seis áreas disciplinares distintas. Este artigo segue esse guia de perto e cruza-o com o Perfil dos Alunos, a autonomia curricular portuguesa e o desafio, muitas vezes esquecido, de ensinar IA numa língua que não é o inglês.
Há uma frase que resume o incómodo de muitos professores portugueses perante a inteligência artificial: «isto interessa-me, mas onde é que encaixo isto na minha disciplina?». É uma pergunta legítima. Um professor de Matemática não tem, à partida, formação em aprendizagem automática; um professor de Educação Visual não pediu para se tornar especialista em direitos de autor de imagens geradas por máquina; um diretor de turma de Cidadania e Desenvolvimento já tem oito domínios obrigatórios para cobrir sem lhe acrescentarem um nono. A OCDE e a Comissão Europeia parecem ter ouvido exatamente esta objeção. Publicaram, como documento companheiro à versão final do seu Quadro de Literacia em IA — apresentada a 18 de junho de 2026, em Bruxelas, no evento Collaborate for Impact do European Digital Education Hub —, um guia que não pede a nenhum professor que se torne programador. Pede-lhe, isso sim, que reconheça onde a literacia de IA já mora dentro da sua própria disciplina (Comissão Europeia, 2026).
O documento chama-se Navigating AI in Education: A Cross-Subject Guide for Teachers and Educators, tem apenas dezassete páginas e organiza-se em torno de seis áreas curriculares: Línguas e Literacia, Humanidades e Estudos Sociais, Matemática, Ciências, Artes e Disciplinas Criativas, e Informática (OCDE, 2026). Para cada uma, o guia identifica onde a literacia de IA já se cruza com o que a disciplina sempre ensinou, propõe um exemplo de sala de aula concreto e termina com um conjunto de perguntas organizadas em três momentos: observar a IA em ação, refletir sobre a relação com ela, e imaginar como poderia funcionar de forma diferente.
Um quadro que já não é rascunho
Vale a pena situar este guia no contexto mais amplo de que faz parte. Em maio de 2025, a OCDE e a Comissão Europeia, com o apoio da CodeAI (antiga Code.org) e de uma equipa internacional de especialistas de vários países europeus, tinham publicado um primeiro rascunho do Quadro de Literacia em IA (AILit) para submeter a consulta pública. Mais de duas mil pessoas contribuíram com comentários ao longo de mais de um ano de consulta, e o resultado, apresentado em junho de 2026 sob o título Empowering Learners for the Age of AI, organiza a literacia de IA em quatro domínios de competência — interagir com a IA, criar com a IA, gerir a IA e moldar a IA — que se destinam a alunos do ensino básico e secundário em qualquer sistema educativo (OCDE/União Europeia, 2026). O quadro contribui, entre outras coisas, para o domínio inovador da avaliação PISA de 2029, que passará a medir, pela primeira vez, a literacia mediática e de IA dos alunos de quinze anos à escala internacional.
A justificação que a Comissão Europeia apresenta para todo este investimento assenta num número que qualquer diretor de turma reconhecerá pela experiência direta: 68% dos adolescentes europeus já usam ferramentas de IA no seu dia a dia, muitas vezes sem que a escola lhes tenha ensinado formalmente como o fazer com discernimento (Comissão Europeia, 2026). O guia que aqui se apresenta não tenta resolver esse problema com uma disciplina nova. Tenta resolvê-lo mostrando que a matemática, a história, a escrita e a biologia já ensinam, cada uma à sua maneira, as competências de que os alunos precisam para usar a IA com juízo — só falta torná-las visíveis.
O ponto mais útil do guia para uma escola portuguesa: a IA não é neutra em português
Entre os seis capítulos disciplinares, há uma ideia transversal que interessa particularmente a uma escola que ensina em português europeu, e que o guia trata com um cuidado pouco habitual em documentos deste tipo. Os sistemas de IA, escreve o guia, não são culturalmente neutros: são construídos em determinados contextos e refletem as línguas, os valores e os pressupostos de quem os desenvolveu, o que significa que professores a trabalhar em ambientes multilingues ou fora do inglês tendem a encontrar ferramentas com desempenho desigual (OCDE, 2026). Longe de tratar isto como um defeito a esconder, o guia propõe transformá-lo em matéria de ensino: pede aos alunos que testem uma ferramenta de tradução ou de escrita em português — ou num dialeto regional — e que avaliem a qualidade e a nuance do resultado, discutindo depois por que razão o desempenho da IA varia consoante a língua, e o que isso revela sobre que conhecimento está, de facto, no centro do desenvolvimento destes sistemas.
Esta é, provavelmente, a atividade de todo o documento com aplicação mais imediata e mais honesta numa sala de aula portuguesa. Qualquer professor de Português ou de Línguas Estrangeiras pode pedir a um assistente de IA um resumo, uma tradução ou um texto criativo em português europeu e comparar o resultado com o que a mesma ferramenta produziria em inglês — a diferença de fluência, de vocabulário e, por vezes, de correção ortográfica costuma ser evidente, e transforma-se, nas palavras do próprio guia, numa lição sobre equidade digital tão válida como qualquer lição sobre viés algorítmico feita a partir de exemplos ingleses ou norte-americanos (OCDE, 2026).
Da escrita à história: onde a literacia de IA já mora em cada disciplina
O capítulo dedicado às Línguas e à Literacia propõe um exercício que qualquer professor de Português já pratica, sem lhe chamar assim: pedir aos alunos que escrevam um pequeno texto pessoal, peçam depois a uma ferramenta de IA para escrever uma versão do mesmo tema, e comparem o que cada versão captou, o que perdeu, e onde reside exatamente a diferença entre a sua voz e a da máquina (OCDE, 2026). O mesmo capítulo aborda um problema que qualquer professor já enfrentou informalmente — o uso de IA para gerar resumos de leitura — e propõe transformá-lo em exercício deliberado: os alunos leem um texto complexo sozinhos, pedem depois um resumo gerado por IA, e avaliam, frase a frase, o que o resumo captou bem e o que distorceu ou simplificou em excesso.
Em Humanidades e Estudos Sociais, o exemplo mais forte do guia pede aos alunos que comparem um relato histórico gerado por IA com fontes primárias e secundárias sobre o mesmo acontecimento, identificando imprecisões, perspetivas ausentes e sinais de viés — um exercício que qualquer professor de História A reconhecerá como uma extensão direta do trabalho de crítica de fontes que já faz com documentos em papel (OCDE, 2026). O capítulo estende esta lógica à literacia mediática, pedindo aos alunos que examinem como plataformas com curadoria algorítmica mostram conteúdo diferente a pessoas diferentes — um tema que qualquer diretor de turma pode ligar diretamente ao domínio da educação para os media, já presente na Estratégia Nacional de Educação para a Cidadania.
Em Matemática, o guia sugere algo simples e eficaz: pedir aos alunos que recolham dados reais da própria turma — horas de sono e desempenho num teste, por exemplo —, calculem média, mediana e amplitude, e discutam depois o que aconteceria a um modelo de IA treinado com esses mesmos dados se a amostra recolhida fosse diferente ou se certos grupos de alunos estivessem sub-representados (OCDE, 2026). É um exercício que liga estatística descritiva, já presente nas Aprendizagens Essenciais de Matemática de vários anos de escolaridade, a uma questão de justiça algorítmica que, de outra forma, pareceria abstrata demais para uma aula do 3.º ciclo.
Talvez o exemplo mais relevante para a Educação para o Desenvolvimento Sustentável, outro domínio obrigatório da Cidadania e Desenvolvimento, esteja escondido no capítulo de Ciências: o guia propõe que os alunos investiguem o consumo energético do treino de um modelo de IA de grande dimensão e o comparem com atividades familiares — alimentar uma casa durante um ano, ou conduzir um carro de uma ponta a outra de um país —, produzindo depois um resumo informativo para um público geral sobre o que essa comparação implica para as decisões de quando e como desenvolver e usar sistemas de IA (OCDE, 2026). É um dos poucos pontos do guia que liga diretamente a literacia de IA à literacia ambiental, dois temas que a escola portuguesa costuma tratar em disciplinas separadas.
Em Artes e Disciplinas Criativas, o guia enfrenta de frente uma pergunta que a Educação Visual ou a Educação Musical portuguesas raramente formalizam: quando uma ferramenta de IA produz uma imagem ou uma melodia a partir de padrões aprendidos com milhões de obras humanas, muitas vezes sem crédito nem compensação aos artistas originais, quem deve ser reconhecido como autor, e o que deveria o direito de autor proteger? (OCDE, 2026). O exercício proposto é simples de aplicar: mostrar aos alunos exemplos de obra inteiramente humana, obra gerada por IA e obra co-criada por ambos, e pedir-lhes que decidam, caso a caso, quais as escolhas que só um humano fez.
Por fim, o capítulo de Informática — a disciplina onde a literacia de IA tem, à partida, o lugar mais óbvio — insiste que mesmo aí o objetivo não é ensinar programação avançada, mas pensamento computacional: traçar um algoritmo simples de classificação, como identificar correio indesejado por palavras-chave, e compará-lo com uma descrição de como um classificador de aprendizagem automática resolveria a mesma tarefa, discutindo onde está a decisão explícita do programador e onde está a aprendizagem a partir de dados (OCDE, 2026).
Os dois avisos que o guia faz aos próprios professores
É fácil ler um documento destes como uma lista de atividades e ignorar a parte mais honesta, que é a secção dedicada aos obstáculos reais à sua aplicação. O primeiro obstáculo que o guia nomeia, sem rodeios, é a confiança dos próprios professores: muitos educadores nunca tiveram oportunidade de desenvolver a sua própria literacia de IA e sentem-se inseguros perante um tema que percecionam como altamente técnico, e o documento insiste que essa insegurança se resolve com formação contínua, incremental e experimentada em ambientes de baixo risco — não com um curso intensivo único (OCDE, 2026). É uma observação que qualquer coordenador de formação de professores em Portugal reconhecerá, e que aponta diretamente para o quadro DigCompEdu, já adotado como referência europeia para a competência digital docente, como instrumento complementar a este guia (Redecker, 2017).
O segundo obstáculo é a equidade: o acesso a ferramentas de IA varia significativamente entre escolas, regiões e países, e o guia sublinha que muitos dos exemplos que propõe podem ser adaptados a contextos com pouca tecnologia — através de experiências de pensamento e estudos de caso em vez de ferramentas de IA ao vivo —, insistindo que a literacia de IA deve ser tratada como um direito de todos os alunos, não como um privilégio de quem tem melhores recursos (OCDE, 2026). Numa rede escolar portuguesa onde o acesso a equipamento e a ligação de qualidade continua desigual entre escolas do litoral e do interior, este é um aviso que vale a pena levar a sério antes de qualquer entusiasmo tecnológico.
O que isto diz à escola portuguesa
Nenhuma destas propostas foi escrita a pensar no currículo português, mas o enquadramento para as aplicar já existe, e em alguns pontos está mais avançado do que o próprio guia parece supor. O Perfil dos Alunos à Saída da Escolaridade Obrigatória inclui, entre as dez áreas de competência a desenvolver ao longo de toda a escolaridade, o raciocínio e resolução de problemas, o pensamento crítico e pensamento criativo, e a informação e comunicação — três áreas que cobrem, praticamente ponto por ponto, aquilo que o guia da OCDE e da Comissão Europeia propõe disciplina a disciplina (Direção-Geral da Educação, 2017). A margem de autonomia curricular de 25% que o Decreto-Lei n.º 55/2018 já concede às escolas portuguesas oferece, por seu lado, exatamente o espaço formal de que o guia sente falta quando lamenta que a literacia de IA ainda não tenha um lugar claramente definido em muitos currículos nacionais (Portugal, 2018; OCDE, 2026).
A componente de Cidadania e Desenvolvimento acrescenta um segundo ponto de entrada direto. A Estratégia Nacional de Educação para a Cidadania, atualizada em agosto de 2025, organiza-se em domínios que incluem a literacia mediática, a educação financeira e a educação para o desenvolvimento sustentável (Portugal, 2025) — precisamente os três eixos onde este artigo encontrou as ligações mais fortes ao guia, entre a curadoria algorítmica de conteúdo, o viés estatístico dos dados de treino e o custo energético dos modelos de IA. É difícil encontrar, noutro documento curricular português, um espaço mais adequado para transformar estes exemplos em prática letiva regular, sem depender da boa vontade isolada de um único professor.
Uma proposta para a sala de aula
Uma forma simples de introduzir esta reflexão numa turma portuguesa, sem exigir qualquer material que a escola não tenha já, começa precisamente pelo exercício sobre língua descrito mais acima. Pode pedir-se a cada aluno que peça a um assistente de IA um pequeno texto sobre um tema à sua escolha, primeiro em português europeu, depois em inglês, e que registe, por escrito, três diferenças concretas entre os dois resultados — na fluência, no vocabulário ou na naturalidade da frase. Segue-se uma discussão em grande grupo sobre porque razão essa diferença existe, ligando-a ao facto, discutido explicitamente pelo guia, de que os sistemas de IA aprendem sobretudo a partir do material disponível em maior quantidade na internet, o que tende a favorecer línguas com mais presença digital. O objetivo não é desconfiar da ferramenta por princípio, é ensinar os alunos a reconhecer que a qualidade de uma resposta de IA depende de fatores que eles próprios podem aprender a identificar — uma competência de literacia digital tão relevante para a disciplina de Português como para a de Inglês.
A segunda parte da proposta dirige-se a professores de qualquer disciplina que queiram experimentar, sem grande preparação prévia, um dos exemplos deste guia. Sugere-se que cada docente escolha uma unidade de ensino que já lecione e identifique, com honestidade, um único momento em que os alunos possam comparar uma produção sua com uma produção de IA sobre o mesmo tema — um resumo, uma hipótese, uma imagem, uma solução matemática — e que dedique quinze minutos de uma aula a essa comparação, em vez de tentar redesenhar a unidade inteira. O próprio guia sublinha que a literacia de IA não se instala de uma vez, instala-se através de prática repetida e adaptação progressiva — e um único exercício bem conduzido vale mais do que um módulo inteiro nunca chegado a aplicar.
Nota de transparência: este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir da leitura direta e integral do documento «Navigating AI in Education: A Cross-Subject Guide for Teachers and Educators» (OCDE, 2026), partilhado diretamente para este blogue, e da verificação cruzada, junto de fontes oficiais independentes, do contexto de publicação do Quadro de Literacia em IA (OCDE/União Europeia, 2026), incluindo a data e o local do seu lançamento final, o número de contribuições recebidas em consulta pública e os dados citados pela Comissão Europeia sobre o uso de IA por adolescentes.
Referências
Comissão Europeia. (2026, 18 de junho). New AI Literacy Framework helps schools prepare learners for the age of artificial intelligence. European Education Area. https://education.ec.europa.eu/node/3537
OCDE. (2026). Navigating AI in education: A cross-subject guide for teachers and educators. OECD Publishing. https://ailiteracyframework.org
OCDE/União Europeia. (2026). Empowering learners for the age of AI: An AI literacy framework for primary and secondary education. OECD Publishing, Paris. https://doi.org/10.1787/65cd27d4-en
Portugal. (2018). Decreto-Lei n.º 55/2018, de 6 de julho. Diário da República, 1.ª série, n.º 129.
Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu (Y. Punie, Ed.). Publications Office of the European Union. https://doi.org/10.2760/159770
Uma professora norte-americana guarda, há 25 anos, os questionários que os alunos preenchem no primeiro dia de aulas — e devolve-os, sem aviso, no último. Este artigo segue a proposta e cruza-a com o Perfil dos Alunos, a autonomia curricular portuguesa e o papel da direção de turma.
Uma professora norte-americana com 25 anos de sala de aula guarda, todos os anos, os questionários de «conhecer-nos melhor» que os alunos preenchem no primeiro dia de aulas — e não volta a falar deles até ao último dia de aulas, quando os lê em voz alta, sem nunca dizer de quem é cada resposta. O resultado é uma das poucas atividades de fecho de ano que os próprios alunos pedem para repetir. Este artigo segue a proposta, tal como descrita pela sua autora, e cruza-a com o Perfil dos Alunos, a componente de Cidadania e Desenvolvimento e a margem de autonomia curricular já disponível às escolas portuguesas.
Qualquer professor de 2.º ou 3.º ciclo, ou do secundário, conhece bem o problema dos últimos dias de aulas antes das avaliações finais. São dias tarde demais para lecionar conteúdo novo e cedo demais para a lógica de exame já ter tomado conta da turma. Sobram as fichas de revisão, que os alunos já não aguentam repetir em todas as disciplinas, e sobra o filme visto ano após ano, que deixou de surpreender ninguém. Crystal Frommert, professora norte-americana de 2.º e 3.º ciclo com um quarto de século de carreira, escreve na Edutopia que encontrou, para este problema, uma resposta que lhe custa quase nenhuma preparação e que os seus alunos recordam muito depois de saírem da sua sala (Frommert, 2026). A ideia não nasce no último dia. Nasce no primeiro.
Um questionário guardado numa gaveta
Como fazem tantos professores no arranque do ano, Frommert (2026) começa as aulas com um pequeno questionário de «conhecer-nos melhor», preenchido a papel e caneta — um pormenor que, como se verá, acaba por ser decisivo. As perguntas são as típicas de início de ano letivo: onde é que se imaginam daqui a uns anos, qual é o filme preferido, o que é que mais esperam deste ano que agora começa. Junta-se ainda uma pergunta dirigida à própria professora — o que gostariam de saber sobre ela como docente —, à qual Frommert responde individualmente nos primeiros dias, seja sobre o seu estilo de avaliar, seja sobre qualquer outra curiosidade que lhe seja colocada. As respostas servem, desde logo, um propósito imediato: ajudam-na a personalizar o ensino, encontrando pontos de contacto com cada aluno — um problema de matemática construído à volta do desporto que um aluno pratica, uma referência ao país para onde outro vai mudar-se em breve. Depois da primeira semana, porém, os questionários desaparecem de vista. Ninguém volta a falar neles. Os próprios alunos, garante a professora, esquecem-se por completo de que alguma vez os preencheram.
O dia em que os questionários regressam
É essa amnésia coletiva que torna o último dia de aulas eficaz. Frommert (2026) traz então de volta a pilha de questionários, avisando primeiro a turma, com humor, de que não vai ler nada embaraçoso nem privado — só respostas inofensivas, como o filme preferido ou a profissão sonhada. Lê depois, ao acaso, uma ou duas respostas de cada aluno, sem identificar autores, e a turma diverte-se a tentar adivinhar de quem se trata. Alguém escreveu que, se fosse uma fruta, seria um morango, «porque às vezes sou doce, às vezes sou azedo»; a turma aponta um nome, e o próprio aluno confirma, entre risos gerais. O efeito, descreve a autora, é uma nostalgia partilhada e genuína: os alunos riem-se de como eram diferentes há dez meses, descobrem que gostavam de um filme de que já se envergonham, e reconhecem-se uns aos outros de uma forma que só a distância no tempo permite. Frommert (2026) sublinha que o valor da atividade não está apenas no riso — está também em cada aluno ter, por breves minutos, o seu momento no centro das atenções da turma, e em toda a turma perceber, em conjunto, o quanto aprenderam uns sobre os outros ao longo do ano.
Uma alternativa mais silenciosa: cartas ao eu de junho
Para professores que prefiram um registo mais introspetivo, Frommert (2026) descreve uma segunda versão do mesmo exercício, pensada para produzir reflexão individual em vez de humor coletivo. Em vez de um questionário, os alunos escrevem, no primeiro dia de aulas, uma carta ao seu «eu de junho» — a versão de si próprios que existirá no fim do ano letivo. Os professores podem sugerir perguntas orientadoras, como em que áreas gostariam de crescer ao longo do ano ou de que forma pretendem abordar este ano de maneira diferente do anterior. Tal como os questionários, as cartas são lidas pela professora e guardadas sem qualquer referência posterior, até serem devolvidas, em silêncio, no último dia de aulas, para que cada aluno as leia sozinho e reflita sobre o que o seu próprio percurso escreveu antes de o ano começar. Frommert (2026) descreve ainda uma aplicação particular desta versão numa escola em que trabalhou anteriormente: todos os alunos do último ano do 3.º ciclo escreviam a carta no início do ano, e recebiam-na de volta imediatamente antes da cerimónia de transição para o ensino secundário — um momento que a autora descreve como especialmente carregado de significado para quem está prestes a mudar de ciclo.
Porque funciona: fechar o círculo
A explicação que Frommert (2026) avança para o sucesso desta atividade recorre a uma analogia do mundo da comédia: o «callback», a piada ou situação da abertura de um espetáculo que regressa no final, provocando mais riso precisamente por reativar uma memória partilhada. Fechar o ano letivo devolvendo aos alunos as suas próprias palavras do primeiro dia produz um efeito semelhante — uma sensação de fecho satisfatório, em que o final regressa conscientemente ao princípio. Os alunos recordam a insegurança de responder, no primeiro dia, a uma pergunta sobre a música preferida, e essa memória evidencia, por contraste, o quanto cresceram ao longo do ano — não apenas nos gostos, mas na confiança com que hoje se apresentam à turma. A autora liga este efeito a algo que qualquer adulto reconhece na própria vida profissional e pessoal: a capacidade de olhar para trás como ferramenta para decidir melhor o que vem a seguir. Pré-adolescentes e adolescentes precisam de praticar essa mesma capacidade de autorreflexão, e tanto o questionário como a carta a oferecem, cada um à sua maneira.
O que isto diz à escola portuguesa
Nenhuma destas propostas foi pensada a partir do currículo português, mas o enquadramento para as aplicar já existe, e está mais próximo do quotidiano de uma escola portuguesa do que a origem norte-americana do artigo poderia sugerir. O Perfil dos Alunos à Saída da Escolaridade Obrigatória inclui, entre as suas dez áreas de competência a desenvolver ao longo de toda a escolaridade, o relacionamento interpessoal — que implica ouvir, interagir e reconhecer diferentes pontos de vista dentro da turma — e o desenvolvimento pessoal e autonomia, que a Direção-Geral da Educação (2017) define como a capacidade de o aluno integrar pensamento, emoção e comportamento, construindo confiança em si próprio através, precisamente, de exercícios de autorregulação e reflexão sobre o próprio percurso. É difícil encontrar uma atividade mais diretamente alinhada com esta segunda área do que devolver a um aluno, meses depois, as palavras que ele próprio escreveu sobre si.
A Estratégia Nacional de Educação para a Cidadania, atualizada em agosto de 2025, reforça este enquadramento ao incluir a saúde — nela integrando explicitamente a saúde mental e o bem-estar dos jovens — entre as oito dimensões obrigatórias da componente de Cidadania e Desenvolvimento (Portugal, 2025). Um exercício de fecho de ano centrado em reconhecimento mútuo e em reflexão sobre o próprio crescimento cabe com naturalidade nesse espaço curricular, sobretudo nas turmas em que essa componente é dinamizada pelo diretor de turma, a figura mais bem colocada para guardar, ao longo de um ano letivo inteiro, um envelope de respostas que ninguém mais vai lembrar-se de reclamar. A margem de autonomia curricular de 25% que o Decreto-Lei n.º 55/2018 já concede às escolas portuguesas (Portugal, 2018) oferece, por seu lado, o espaço formal onde encaixar esta atividade nos últimos dias do 3.º período, exatamente o momento em que, também nas escolas portuguesas, sobram horas de aula sem lugar óbvio entre o fim da matéria e o início dos exames ou das provas finais.
Há ainda uma aplicação particularmente direta ao calendário português: os momentos de transição de ciclo, como a passagem do 6.º para o 7.º ano ou do 9.º para o 10.º, em que muitas escolas já organizam pequenas cerimónias ou sessões de despedida de turma. A versão da carta ao eu de junho, tal como Frommert (2026) a aplicou à transição para o secundário, adapta-se sem qualquer esforço a estes momentos portugueses — e oferece-lhes um conteúdo mais substancial do que o habitual discurso de circunstância.
Clicar na imagem para ver a apresentação…
Uma proposta para a sala de aula
Uma forma simples de introduzir esta atividade numa turma portuguesa não exige qualquer material que a escola não tenha já. No primeiro dia de aulas, ou na primeira sessão de Cidadania e Desenvolvimento, pode pedir-se a cada aluno que preencha, a papel e caneta, um pequeno questionário com perguntas simples — o que espera deste ano letivo, o que gostaria de fazer daqui a alguns anos, qual é a música ou o filme do momento — e uma pergunta final dirigida ao próprio professor, à qual valerá a pena responder nos dias seguintes, para que a turma sinta que a troca é, de facto, mútua. Os questionários guardam-se numa capa ou numa gaveta, sem qualquer referência posterior — e aqui está o único risco real da atividade: é fácil esquecê-los durante os meses seguintes, pelo que vale a pena assinalar já no calendário do professor o dia em que devem regressar. Nos últimos dias de aulas do 3.º período, o professor lê então, ao acaso e sem identificar autores, uma ou duas respostas de cada aluno, deixando a turma divertir-se a adivinhar quem escreveu o quê — sempre com o cuidado de excluir, à partida, qualquer resposta que possa constranger alguém.
A versão da carta ao eu de junho aplica-se particularmente bem a turmas de final de ciclo. Pede-se aos alunos que escrevam, logo no início do ano, uma carta curta a si próprios, respondendo a duas ou três perguntas orientadoras — em que áreas querem crescer este ano, o que gostariam de fazer de forma diferente do ano anterior —, e essa carta é devolvida, em silêncio e para leitura individual, no último dia de aulas ou, nas turmas de 6.º ou de 9.º ano, imediatamente antes da despedida de turma. Vale a pena reservar, depois da leitura, alguns minutos para uma conversa em grande grupo, perguntando aos alunos o que os surpreendeu na sua própria carta e como responderiam hoje ao seu eu de setembro. Nenhuma das duas versões exige avaliação, classificação ou registo formal — o valor da atividade está precisamente em ser, para os alunos, um dos poucos momentos do ano letivo que não conta para nota nenhuma.
Nota de transparência: este artigo foi redigido com apoio de inteligência artificial a partir da leitura direta e integral do artigo de Crystal Frommert, publicado a 12 de agosto de 2026 na Edutopia, e da verificação cruzada das referências curriculares portuguesas citadas junto das respetivas fontes oficiais (Direção-Geral da Educação, Diário da República).
Um professor de bioengenharia da UCLA pergunta-se, num texto de opinião, se a universidade ainda faz sentido quando a IA já explica quase tudo. Este artigo cruza a sua tese com o primeiro diagnóstico nacional sobre IA no ensino superior português e com o modelo de mentoria que já existe, entre nós, na formação de professores.
Dino Di Carlo, professor catedrático e presidente do Departamento de Bioengenharia da Universidade da Califórnia em Los Angeles (UCLA), pergunta-se, num texto de opinião partilhado diretamente com este blogue, se a universidade ainda tem função quando a inteligência artificial já consegue explicar praticamente tudo, a qualquer nível e a qualquer hora. Este artigo acompanha o seu raciocínio e cruza-o com o primeiro diagnóstico nacional sobre IA no ensino superior português, publicado em abril de 2026, e com o modelo de mentoria que já existe, entre nós, na formação inicial de professores.
Há uma pergunta que anda a percorrer salas de reuniões de reitoria e conversas de família com a mesma insistência: para quê pagar quatro anos de propinas e alojamento se um assistente de IA explica tudo, a qualquer hora, ao ritmo de cada um? É essa a pergunta que Dino Di Carlo decidiu enfrentar de frente, num ensaio publicado esta semana e partilhado diretamente com os autores deste blogue. Di Carlo não é um crítico de fora: dirige um departamento universitário, cofundou seis empresas de biotecnologia nascidas do seu laboratório e passou a vida adulta dentro de campi. Começa por admitir esse viés — beneficiou enormemente da universidade, vive dela — e é exatamente por isso que insiste em não partir do princípio de que ela é necessária, mas em perguntar, com genuína abertura, o que é que as universidades sempre fizeram, e se as condições que justificavam essa função já mudaram o suficiente para a tornarem dispensável.
A resposta a que chega é desconfortável para quem trabalha em ensino superior: uma das funções mais visíveis da universidade, a transmissão de conteúdo, está mesmo a mudar de forma profunda. Mas essa mudança, argumenta, pode estar a revelar que o valor mais fundo da instituição sempre esteve noutro lado.
Quando o conteúdo deixa de ser escasso
Durante a maior parte da história, aprender qualquer coisa avançada dependia de ter acesso físico a quem já sabia — a um professor, um laboratório, uma biblioteca bem apetrechada. As universidades existiram, em larga medida, para concentrar esse acesso escasso. Di Carlo (2026) nota que essa escassez está a desaparecer a um ritmo notável: já não é preciso vasculhar manuais estáticos à procura de uma explicação, basta perguntar, e a explicação chega ajustada ao nível de quem pergunta. Se a primeira resposta não ficar clara, pede-se outra. Pede-se uma analogia, a dedução matemática, o porquê de um pressuposto, um contraexemplo, a ligação a algo que já se sabe.
É esta possibilidade — combinar as melhores explicações, simulações e exemplos produzidos em qualquer parte do mundo e adaptá-los a cada pessoa — que leva Di Carlo (2026) a questionar um pressuposto antigo do ensino superior: o de que cada professor precisa de preparar e entregar, isoladamente, um corpo extenso de conteúdo praticamente igual ao que milhares de outros colegas, noutras instituições, também estão a preparar. Isso fazia sentido quando a aula era o principal veículo de distribuição de saber especializado. Faz cada vez menos sentido quando esse saber pode ser gerado ou recuperado em segundos.
Do que ensinar para o que interrogar
Isto não torna o professor menos importante — pode, na verdade, torná-lo mais importante, só que de outra forma. Quando o conteúdo se torna abundante, o recurso escasso muda de sítio. A pergunta deixa de ser «onde encontro esta explicação» e passa a ser outra, bem mais difícil de responder com uma pesquisa: em que devo pensar, que perguntas importam, que pressupostos merecem ser desafiados, que provas me fariam mudar de ideia, que problema vale seis meses da minha vida. São perguntas que nenhum motor de busca, por mais sofisticado, resolve sozinho.
Di Carlo (2026) imagina o professor a deslocar-se de emissor de conteúdo para mentor, crítico e curador de perguntas difíceis — e vê nisso uma consequência com potencial: se o corpo docente deixar de gastar tanto tempo a preparar e repetir aulas sobre conteúdo já estabelecido, esse tempo pode voltar-se para aquilo que é mais difícil de escalar e, provavelmente, mais valioso — reuniões individuais com estudantes, orientação de projetos, discussão em grupo pequeno, supervisão de investigação. Num curso assim desenhado, o conteúdo deixa de ser o fim e passa a estar ao serviço da pergunta: aprende-se o essencial de forma autónoma e guiada pela IA, e reserva-se o tempo de sala de aula para o que não tem resposta óbvia — porque acreditamos nisto, que experiência distinguiria estas duas explicações rivais, o que aconteceria se este pressuposto estivesse errado.
Talvez a sala de aula nunca tenha sido o mais importante
Quanto mais Di Carlo (2026) pensa nisto, mais suspeita que o argumento mais forte a favor da universidade tem pouco que ver com aulas. Tem que ver com o ambiente. Uma boa universidade coloca um jovem dentro de um ecossistema invulgarmente denso de gente a construir conhecimento e competências — investigadores, artistas, engenheiros, empreendedores, e outros jovens no momento mais formativo das suas vidas, a descobrir do que gostam e do que são capazes. Muito do que aí acontece resiste a qualquer plano curricular: alguém diz que o argumento de um estudante ainda não é suficientemente bom, um professor sugere que se junte a um laboratório, um colega apresenta-lhe uma área de que nunca tinha ouvido falar, um seminário que mal se compreende deixa uma ideia que fica anos depois. Di Carlo dá nome a este fenómeno — «serendipidade estruturada» — para o distinguir do puro acaso: a universidade não junta pessoas ao calhas, junta pessoas com interesses parcialmente sobrepostos, capacidades e experiência diferentes, e dá-lhes anos de oportunidades repetidas para se cruzarem.
O autor recorre a uma analogia recente para sustentar o argumento: durante a pandemia, os congressos científicos passaram a ser online, e em muitos aspetos ficaram objetivamente mais eficientes — sem viagens, com gravações reutilizáveis, mais acessíveis a quem não tinha meios para se deslocar. Mesmo assim, assim que voltou a ser possível encontrar-se pessoalmente, as pessoas regressaram em massa. A explicação de Di Carlo (2026) é simples: aceder às comunicações não era o mesmo que participar no congresso. Grande parte do valor sempre esteve nos interstícios — a pergunta feita depois da apresentação, a conversa imprevista junto a um poster, o colega que diz «tens de conhecer esta pessoa». A tecnologia reproduziu bem a transferência de informação; teve muito mais dificuldade em reproduzir o ecossistema intelectual.
O que a indústria mostra — e onde para
A ideia de que só a universidade consegue criar este tipo de ambiente não resiste, porém, a um exame cuidado. A Bell Labs reuniu, no seu tempo, uma concentração extraordinária de cientistas e produziu avanços fundamentais em comunicações, computação e materiais; hoje, organizações como a DeepMind concentram investigadores de topo à volta de problemas de enorme ambição. Di Carlo (2026) usa estes exemplos para admitir, sem rodeios, que a universidade não tem o monopólio destes ecossistemas — e que, nalguns casos, a indústria consegue construir ambientes melhores.
Mas há uma fragilidade que estes exemplos também revelam: um ambiente de investigação industrial de excelência tende a ser frágil precisamente porque a instituição que o sustenta existe, no fundo, para outra coisa. A Bell Labs floresceu sob condições económicas invulgares, que permitiam horizontes de investigação muito longos; quando essas condições mudaram, o ambiente de investigação mudou também. As organizações de investigação de hoje continuam sujeitas a estratégia empresarial, pressão competitiva e retorno de capital — a sua continuidade é, por isso, contingente, e um ecossistema intelectual construído ao longo de anos pode ser desmontado com rapidez. As universidades não estão imunes a pressões financeiras ou políticas, mas têm, nas palavras de Di Carlo, um mandato distinto: preservar, transmitir, questionar e ampliar conhecimento ao longo de gerações. Talvez seja precisamente essa persistência — mais do que qualquer aula — a função social mais difícil de substituir.
Clicar na imagem para ver a apresentação…
Um aviso, não uma garantia
Este raciocínio não deveria, sublinha Di Carlo (2026), servir de conforto às universidades. Não basta dizer que a instituição existe há séculos para justificar que continue a existir, nem presumir que juntar milhares de jovens no mesmo campus produz, por si só, um ecossistema intelectual com significado. Um estudante pode passar quatro anos a assistir a aulas de grande dimensão, a cumprir trabalhos formulaicos, com pouquíssimo contacto real com o corpo docente, e sair sem ter vivido nada do que este ensaio descreve. Nesse cenário, alternativas como um estágio profissional, uma escola de ofícios ou uma empresa bem gerida podem oferecer bem mais orientação e responsabilidade real do que um curso superior mal desenhado.
A pergunta que Di Carlo (2026) deixa às universidades é, por isso, incómoda: se a distribuição de informação deixou de ser a sua vantagem comparativa, o que é que estão realmente a oferecer? A resposta que propõe aponta para um redesenho substancial — menos aulas repetidas de conteúdo estático, mais trabalho em pequenos grupos, mais participação em investigação real, mais interseção entre licenciatura, mestrado, doutoramento e o mundo fora do campus. E aponta ainda para uma inversão do argumento mais comum sobre IA e ensino: em vez de obrigar os professores a fazer mais — redesenhar cada avaliação, policiar cada entrega, produzir mais testes —, a IA pode libertar tempo humano precisamente para as tarefas que só humanos conseguem fazer bem: mentoria, orientação, discussão de ideias na fronteira do que se sabe.
O que isto diz ao ensino superior português
Nenhuma destas teses foi escrita a pensar em Portugal, mas o país já tem, entretanto, o seu próprio retrato do problema — e é um retrato que confirma, com números, exatamente a tensão que Di Carlo descreve. Em abril de 2026, o Conselho Nacional para a Inovação Pedagógica no Ensino Superior (CNIPES) publicou o primeiro diagnóstico nacional sobre o uso institucional de IA nas universidades e politécnicos portugueses, com base num inquérito a 68 instituições. Os números mostram um sistema claramente em movimento no que toca a conteúdo e ensino: 52,9% das instituições reportam já usar IA no ensino, contra 42,6% na investigação e apenas 26,5% na gestão (Zagalo et al., 2026). Ou seja, tal como Di Carlo (2026) descreve, a IA está a entrar primeiro onde se distribui conteúdo — precisamente a função que ele considera mais automatizável — e mais devagar onde se decide estratégia institucional, ou seja, onde se decidiria como reorganizar a própria universidade em torno disso.
O dado mais revelador do diagnóstico português, porém, não é a adoção — é a governação. Apenas 14,7% das instituições têm políticas de IA já em prática; 42,6% estão a elaborá-las e outras 42,6% não têm ainda qualquer enquadramento formal (Zagalo et al., 2026). Os autores do relatório resumem a situação numa frase que podia ter saído do próprio ensaio de Di Carlo: o sistema português está a avançar mais depressa do que a governação que o deveria enquadrar. O relatório propõe um modelo de três pilares para organizar a resposta — «saber sobre IA», «fazer com IA» e «ser sem IA» —, sendo este último, o da autorregulação e do discernimento sobre quando não delegar numa máquina, o que mais se aproxima da pergunta de fundo que Di Carlo coloca: não o que a IA consegue fazer por nós, mas o que continua a exigir presença humana (Zagalo & Couvaneiro, 2025, citados em Zagalo et al., 2026).
Há ainda um ponto em que o sistema português já dispõe, sem o ter desenhado para isso, de algo parecido com a resposta que Di Carlo propõe. A formação inicial de professores organiza-se, desde o Decreto-Lei n.º 79/2014, de 14 de maio, em dois ciclos de estudos a nível de mestrado, e o segundo culmina obrigatoriamente numa prática supervisionada — um período longo de acompanhamento individual, em contexto real, por um professor cooperante e por um orientador de instituição de ensino superior (Portugal, 2014). Não é uma aula, é mentoria: alguém mais experiente a acompanhar, semana após semana, alguém a aprender a decidir em situações que nenhum manual cobre por completo. É, em pequena escala e restrita a um curso, exatamente o tipo de estrutura que Di Carlo (2026) gostaria de ver generalizada — e vale a pena perguntar, à luz do seu ensaio, se outros cursos superiores portugueses não teriam a ganhar com formas equivalentes de acompanhamento próximo, em vez de dependerem quase inteiramente da aula magistral para transmitir aquilo que a IA já consegue explicar sozinha.
Uma proposta para orientar decisões e redesenhar aulas
Uma forma simples de levar este debate a um grupo de finalistas do secundário não passa por lhes dizer se devem, ou não, ir para a universidade — essa decisão é deles —, passa por lhes emprestar as perguntas que o próprio Di Carlo deixa a quem está nessa idade. Numa sessão de orientação vocacional, pode pedir-se a cada aluno que escreva, em poucas linhas, o que espera obter da universidade que não conseguiria obter de outra forma — e que investigue, sobre um curso ou instituição concretos que estejam a considerar, não apenas o plano de estudos, mas um exemplo real de mentoria, investigação de estudantes ou atividade interdisciplinar que a instituição ofereça fora da sala de aula. A discussão que costuma seguir-se ajuda os alunos a perceberem que escolher uma universidade não é escolher um catálogo de disciplinas, é escolher a comunidade e o acompanhamento que vão encontrar dentro dela — e que essa pergunta vale tanto quanto a nota de candidatura.
A segunda parte da proposta dirige-se a quem já ensina no ensino superior, nomeadamente a quem forma futuros professores em escolas superiores de educação e universidades. Propõe-se que cada docente escolha uma unidade curricular que ensina e identifique, com honestidade, que parte do conteúdo que atualmente expõe em aula poderia ser aprendida de forma autónoma, com apoio de IA, fora do tempo letivo — e que desenhe, para o tempo assim libertado, uma atividade que dependa de julgamento humano e não seja substituível por uma explicação gerada automaticamente: um debate com posições atribuídas, uma defesa oral de um trabalho, a orientação individual de um projeto. O objetivo não é reduzir horas de contacto, é mudar o que se faz com elas — de transmitir aquilo que a IA já sabe explicar, para acompanhar aquilo que só um professor consegue.
Este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir da leitura direta e integral do texto de opinião de Dino Di Carlo, partilhado diretamente com os autores deste blogue, e da verificação cruzada de todas as afirmações factuais junto de fontes independentes: a página oficial da UCLA sobre o autor, o relatório do CNIPES sobre IA no ensino superior português, publicado pelo Instituto para o Ensino Superior, e o texto do Decreto-Lei n.º 79/2014 e das suas alterações.
Referências
Di Carlo, D. (2026, 10 de agosto). If AI can teach us anything, what are universities for? [texto partilhado diretamente pelos autores deste blogue; plataforma de publicação original não confirmada de forma independente].
Portugal. (2014). Decreto-Lei n.º 79/2014, de 14 de maio. Diário da República, 1.ª série, n.º 92.
Zagalo, N., Silva, F., & Faryal, S. (2026, abril). Inteligência artificial no ensino superior em Portugal: Diagnóstico nacional para governação institucional. CNIPES — Conselho Nacional para a Inovação Pedagógica no Ensino Superior, Instituto para o Ensino Superior, I.P. https://doi.org/10.5281/zenodo.19555760
Zagalo, N., & Couvaneiro, J. (2025). Inteligência artificial na educação: Três pilares para uma integração consciente e transformadora. Revista Educação e Matemática, (177). https://em.apm.pt/index.php/em/article/view/3066
