Há relatórios que se leem para confirmar aquilo que já se suspeitava. O 2026 EDUCAUSE Horizon Report — Teaching and Learning Edition é desses, mas com uma diferença incómoda: o que confirma não é uma tendência tecnológica isolada, é uma erosão silenciosa daquilo que sustenta a relação educativa. A confiança. Entre quem ensina e quem aprende, e entre ambos e a informação que circula à volta deles.
O documento foi pensado para o ensino superior — universidades e colégios norte-americanos, sobretudo — e convém dizê-lo de início, para não forçar leituras. Mas quem trabalha numa escola reconhecerá, em quase todas as páginas, dilemas que já entraram pelas suas salas de aula. E o relatório, este ano, faz algo de novo: além das tendências consolidadas, passa a incluir sinais de mudança, indícios ainda incipientes, alguns deles vindos diretamente do mundo K–12, que valem a pena observar precisamente por ainda não terem nome certo.
Quando a confiança deixa de ter pistas visíveis
A tendência social que mais deve fazer parar um professor é também a mais discreta. Os autores observam que a IA está a alterar a forma como decidimos no que confiar, ao enfraquecer os sinais tradicionais de credibilidade: saber quem escreveu um texto, de onde veio a informação e se foi construída por etapas visíveis — rascunhar, citar, verificar fontes ao longo do tempo. A inteligência artificial produz hoje resultados seguros de si, bem estruturados e visualmente convincentes, sem revelar necessariamente autoria, origem ou raciocínio. O leitor fica sem as pistas que costumava usar para julgar a fiabilidade de relance.
Para a escola, isto não é uma abstração filosófica. É a constatação de que a literacia da informação deixou de ser um módulo opcional para se tornar uma competência de sobrevivência intelectual. O relatório é claro quanto ao caminho: importa ajudar os alunos a focarem-se nas competências que estão por baixo de qualquer ferramenta — avaliar afirmações, verificar evidências, explicar o seu raciocínio e confirmar a informação. Não é contra a máquina que se ensina; é por baixo dela.
A relação que se desgasta sem ninguém querer
O segundo aviso é mais humano. À medida que os alunos recorrem cada vez mais à IA para explicações, rascunhos e apoio nos trabalhos, alguns começam a sentir-se mais à vontade a pedir ajuda a um sistema do que a um professor. O relatório descreve um efeito de arrastamento que qualquer educador entende: se a IA se torna a forma principal de apoio, as interações informais e os momentos de proximidade podem diminuir, e com eles as oportunidades de mentoria e de construção de relação.
A isto soma-se uma suspeita mútua que se vai instalando. Há professores que aumentam a vigilância para proteger a equidade; há alunos que se sentem presumidos culpados, sobretudo quando o resultado de um detetor é tratado como prova. O documento sublinha um ponto que merece ser repetido em todas as salas de professores: tanto as pessoas como os detetores falham, muitas vezes, em identificar de forma fiável conteúdo escrito por IA — e esse problema só tende a agravar-se. A consequência prática é desconfortável mas honesta: a deteção não pode ser a muleta da integridade académica.
Avaliar o processo, não apenas o produto
É aqui que o relatório se torna mais útil para quem dá aulas. Com o uso de IA a tornar-se rotineiro, as avaliações tradicionais estão a ser questionadas quanto à sua capacidade de medir aprendizagem real. A resposta que os autores documentam não é tecnológica — é pedagógica. Trata-se de redesenhar as avaliações para valorizar demonstrações mais autênticas de aprendizagem: o processo, o raciocínio, a colaboração, a explicação oral e a avaliação crítica daquilo que a própria IA produz.
Curiosamente, o caminho não passa só por mais tecnologia. O relatório regista que alguns docentes regressam a formatos mais antigos — provas em papel, exames presenciais — enquanto outros redesenham os trabalhos para pedir reflexão e justificação. Um dos exemplos descritos, da Grand Canyon University, abandona a lógica de provar que houve uso indevido de IA e adota uma abordagem de verificação: o professor confirma o domínio do aluno através do seu juízo profissional e de pequenas verificações de aprendizagem estruturadas. A pergunta deixa de ser «foi feito por IA?» e passa a ser «este aluno consegue explicar, aplicar e defender o que entregou?».
Apoio para todos, mas não a duas velocidades
O relatório olha também para os assistentes e tutores de IA com um otimismo cauteloso. Tornam o apoio mais acessível e mais proativo, antecipando a ajuda em vez de esperar que o aluno a peça quando o problema já cresceu. Mas levanta um risco de equidade que as escolas conhecem bem por outras vias: se alguns alunos interagem sobretudo com apoio automatizado e outros recebem apoio humano, as experiências podem tornar-se desiguais. A recomendação é manter regras claras sobre o que as ferramentas fazem e não fazem, sobre como os dados são usados, e sobre quando e como se passa o apoio da máquina para uma pessoa — sobretudo em situações sensíveis ou de maior risco.
O custo que não aparece no ecrã
Há ainda uma dimensão que raramente entra na conversa escolar: a ambiental. O relatório nota que cresce a atenção ao rasto ecológico da IA — mais procura significa mais infraestrutura, mais eletricidade e mais necessidade de arrefecimento de centros de dados. A leitura pedagógica é elegante: a literacia de IA deve incentivar o uso intencional, em vez de recorrer à máquina para qualquer tarefa por defeito. Ensinar quando não usar a ferramenta é, também, uma competência.
Sinais que sobem desde a escola
Entre os sinais de mudança, vários nascem fora do ensino superior e dizem-nos respeito diretamente. O relatório refere a decisão do governo australiano de impedir os menores de 16 anos de criarem contas em muitas plataformas de redes sociais, e discute o que isso pode significar para gerações que chegam ao ensino com hábitos digitais diferentes. Menciona, com prudência crítica, sistemas que prometem monitorizar emoções de alunos em tempo real em escolas K–12 — e adverte para o risco de minarem precisamente a relação humana que dizem querer apoiar. E descreve modelos de «escola de duas horas», assentes em aprendizagem personalizada por IA, que obrigam a perguntar o que se perde quando se prioriza a eficiência sobre o desenvolvimento socioemocional.
A estes contrapõe-se um dos sinais mais luminosos do documento, vindo de uma pequena instituição: um programa que coloca a curiosidade — e não a fluência técnica ou a engenharia de prompts — como a competência fundamental a cultivar. Os autores resumem-no na ideia de «conhecimento próprio»: aquilo que um aluno consegue explicar, aplicar e defender porque o conquistou através de curiosidade genuína, e não porque o obteve de uma máquina.
Uma sugestão para levar para a sala
Se houvesse que destilar tudo isto numa prática concreta, seria esta. Em vez de proibir ou de fingir que a IA não existe, peça aos alunos que façam uma pergunta a um sistema de IA, registem a resposta e depois interroguem-na por escrito: o que aqui é verificável? Que afirmação não consigo confirmar? Onde está a fonte? O que mudaria se estivesse errada? A entrega avaliada não é a resposta da máquina — é a análise crítica que o aluno faz dela. Treina-se, de uma só vez, literacia da informação, raciocínio e uso intencional da ferramenta. E, sobretudo, devolve-se ao aluno o papel de quem julga, em vez de quem copia.
O Horizon Report 2026 não promete um futuro único. Faz algo mais honesto: mostra um setor sob pressão real, mas aberto à transformação, e devolve a decisão a quem está no terreno. Para a escola, a mensagem central atravessa quase todas as páginas. A IA pode acelerar, sugerir, redigir e apoiar. O que não substitui — a mentoria, o juízo, a relação, a confiança — é exatamente aquilo que define o trabalho do professor. Protegê-lo deixou de ser nostalgia. Tornou-se estratégia.
Quando um país com um milhão e trezentos mil habitantes decide integrar a inteligência artificial em todas as escolas, não está apenas a fazer uma aposta tecnológica. Está a redefinir o que significa preparar uma geração para o futuro.
Havia qualquer coisa de simbólico na data escolhida. Foi no Dia da Independência da Estónia, em fevereiro de 2025, que o Presidente Alar Karis anunciou o programa AI Leap 2025 — em estoniano, TI-Hüpe 2025. Um salto. A palavra é deliberada e carregada de história. Há quase trinta anos, um outro programa chamado Tiger Leap tinha colocado computadores e internet em todas as escolas do país, num tempo em que isso não era óbvio nem barato. Desse investimento nasceu a Estónia digital que hoje o mundo conhece: o país que vota por telemóvel, que assina contratos com identidade digital, que figura consistentemente no topo dos rankings europeus de literacia digital e competências do século XXI.
O AI Leap é a segunda aposta da mesma natureza. Desta vez, o alvo é a inteligência artificial — e a ambição é proporcional ao desafio.
Da tigre ao algoritmo: uma herança que pesou bem
Perceber o que a Estónia está a fazer exige conhecer o que já fez. O programa Tiger Leap, lançado em 1996, não foi apenas uma distribuição de equipamentos. Foi uma decisão política de longo prazo, ancorada na convicção de que a literacia digital era tão fundamental quanto saber ler e escrever. Dois anos depois, as escolas estónias estavam ligadas à internet. Uma década depois, o país subia nos rankings PISA. Hoje, a Estónia é o único país europeu que se encontra consistentemente entre os cinco melhores do mundo nas provas de leitura, matemática e ciências, num feito notável para um território tão pequeno.
Linnar Viik, cofundador do novo programa e um dos arquitetos originais do Tiger Leap, recusa que a história seja de sorte ou de circunstância. A lógica é simples e exigente: «No futuro, a vantagem não será de quem mais usa a inteligência artificial, mas de quem a usa com mais inteligência.» É uma frase que merece ser lida duas vezes por qualquer professor ou diretor de escola — porque muda o problema. Não se trata de saber se os alunos vão usar IA. Já usam. Trata-se de saber se as escolas vão ser o lugar onde aprendem a fazê-lo bem.
O que é, concretamente, o AI Leap 2025
O programa arrancou em setembro de 2025 com 20 000 alunos do décimo e décimo primeiro anos e os seus 3 000 professores, tendo acesso gratuito às principais aplicações de inteligência artificial disponíveis no mercado. A parceria pública e privada que sustenta a iniciativa envolveu, desde o início, a OpenAI e a Anthropic — as duas empresas que atualmente lideram o desenvolvimento de modelos de linguagem de grande escala. A OpenAI disponibilizou o ChatGPT Edu, uma versão da ferramenta desenvolvida especificamente para contextos educativos, numa parceria que representa a primeira implementação governamental à escala nacional desta solução. O investimento previsto situa-se nos 15 milhões de euros anuais, financiados conjuntamente pelo Estado e pelo setor privado, através de uma fundação criada para o efeito.
A expansão está programada para 2026, quando o programa alargará a sua cobertura às escolas profissionais, acrescentando mais 38 000 alunos e 2 000 professores ao universo abrangido. O objetivo declarado é claro: que nenhum jovem estoniano conclua a escolaridade obrigatória sem ter desenvolvido competências sólidas e críticas no uso de ferramentas de inteligência artificial.
Há, porém, dois detalhes que separam este programa de uma simples distribuição de licenças tecnológicas. O primeiro é a sequência: a formação dos professores precede o acesso dos alunos. Kristina Kallas, ministra da Educação e Investigação, foi direta a este respeito: «Para que a IA apoie não só a aprendizagem, mas também o crescimento económico do país, investiremos fortemente na formação de professores no âmbito do AI Leap. Professores bem preparados poderão implementar as capacidades da IA de forma inteligente nas escolas.» Não é retórica. É uma sequência deliberada: primeiro capacitar quem ensina, depois colocar a tecnologia nas mãos de quem aprende. Para quem está habituado a ver as escolas a correr atrás da tecnologia que os alunos já trazem no bolso, esta inversão é, por si só, notável.
O segundo detalhe é ainda mais revelador — e diz respeito àquilo que a IA foi desenhada para fazer.
Um tutor que pergunta em vez de responder
A maioria das ferramentas de inteligência artificial que os jovens usam no quotidiano foi concebida para satisfazer. Dão respostas rápidas, lisas, confiantes. São otimizadas para agradar. A Estónia decidiu fazer algo diferente.
As ferramentas disponibilizadas no âmbito do AI Leap não são os produtos de consumo que os alunos encontram fora da escola. São versões personalizadas, desenvolvidas em parceria com a OpenAI e a Anthropic especificamente para contextos educativos, e foram deliberadamente concebidas para funcionar como tutores de inspiração socrática. Em vez de fornecer respostas, guiam os alunos através de perguntas. Em vez de resolver, desafiam a pensar. A ideia, explicada por um responsável estoniano da área da educação, é tão simples quanto exigente: não faz sentido competir com as ferramentas que os alunos já usam em casa para encontrar atalhos. O objetivo principal é modelar o que é o bom pensamento — e fazê-lo de dentro do próprio instrumento tecnológico.
Esta distinção importa muito mais do que parece à primeira vista. Há uma diferença fundamental entre uma IA que completa o raciocínio do aluno e uma IA que o obriga a continuar. A primeira pode substituir o esforço cognitivo; a segunda exige-o. O que a Estónia está a propor é que a tecnologia seja um interlocutor que eleva a exigência, não um atalho que a dispensa. É uma escolha pedagógica antes de ser uma escolha tecnológica — e é precisamente esse enquadramento que distingue o AI Leap de tantos outros programas que se limitam a distribuir acessos e ficam à espera de resultados.
Para os professores, esta abordagem tem uma implicação prática direta: antes de introduzir qualquer ferramenta de IA numa sala de aula, vale a pena perguntar para quê ela foi otimizada. Para dar respostas ou para suscitar perguntas? Para simplificar ou para aprofundar? A Estónia formulou essas perguntas antes de assinar qualquer parceria. Essa exigência colocada aos fornecedores é, em si mesma, uma lição de política educativa.
O que isto significa para professores e alunos
A pergunta que mais importa aos leitores deste blogue não é «o que fez a Estónia?», mas «o que devemos reter disto para as nossas escolas?». Há três ideias que vale a pena destacar.
A primeira é que proibir não é uma estratégia — e banir não é sequer a pergunta certa. O que a Estónia fez foi deslocar o debate: enquanto a maior parte do mundo ainda discute se deve permitir ou proibir o ChatGPT nas escolas, os estónios decidiram que essa questão já estava ultrapassada. A IA pertence à escola. A partir daí, a conversa muda inteiramente: que tipo de IA? Com que pedagogia? Orientada para quê? Esta clareza — aparentemente simples, na prática muito difícil de alcançar — foi o que desbloqueou todo o resto. Não é um argumento a favor da rendição à tecnologia; é um argumento a favor de a escola liderar a sua integração em vez de ser arrastada por ela. Um professor que conhece as ferramentas está em posição muito melhor para orientar o aluno do que um que as desconhece ou recusa.
A segunda ideia é que a formação docente é o verdadeiro investimento. Nenhuma ferramenta tecnológica transforma uma sala de aula por si mesma. O que transforma é a forma como os professores a integram, os problemas que propõem, as perguntas que fazem, a capacidade de distinguir um uso superficial de um uso genuinamente criativo ou analítico. O AI Leap reconhece isto ao estruturar a formação antes do acesso. Para as nossas escolas, este é talvez o aspeto mais transferível: não há atalhos para a competência docente, e qualquer estratégia de integração da IA que ignore esta dimensão está construída sobre areia.
A terceira ideia tem a ver com equidade. Um dos argumentos mais poderosos do programa estoniano é o do acesso igual. Leah Belsky, vice-presidente de Educação da OpenAI, sublinhou que «milhões de alunos em todo o mundo já usam o ChatGPT para enriquecer a sua aprendizagem». O que o AI Leap faz é garantir que esse acesso não é apenas para quem tem meios para pagar uma subscrição ou para quem nasceu numa família com maior literacia digital. É para todos. Esta dimensão de justiça educativa é fundamental numa conversa que, por vezes, se fica pelas dimensões técnicas e esquece as sociais.
Portugal: a caminho, mas ainda a meio do passo
Seria redutor olhar para a Estónia apenas como um espelho de superioridade alheia. O que acontece ali é inspirador precisamente porque mostra o que é possível quando existe visão política, continuidade de investimento e capacidade de organizar parcerias entre o Estado e o setor privado. Não existe um molde único exportável — os contextos são diferentes, as dimensões são diferentes, as culturas educativas são diferentes.
Em Portugal, o movimento existe, mas está ainda a tomar forma. Em setembro de 2025, o Ministério da Educação, Ciência e Inovação criou um grupo de trabalho com a missão de definir a «Estratégia Digital e de IA na Educação». O calendário previsto é ambicioso: diagnóstico até novembro de 2025, objetivos estratégicos e metas para 2030 até março de 2026, e um modelo de governança e plano de implementação até maio de 2026. Em dezembro de 2025, o Conselho de Ministros aprovou a Agenda Nacional de Inteligência Artificial (ANIA) e a Estratégia Digital Nacional, com um investimento total previsto de mil milhões de euros nas áreas do digital e da IA. O ministro Gonçalo Matias foi claro ao afirmar ser «inadmissível que crianças se formem em Portugal sem ter qualquer contacto com a inteligência artificial».
As intenções são boas. O desafio, como sempre, está na execução — e na velocidade.
A pergunta que fica para as escolas
No final deste percurso estoniano há uma lição que transcende as fronteiras e os orçamentos: as escolas que esperam que o debate se resolva antes de agir estão a perder tempo que os alunos não têm de volta. O AI Leap não nasceu de uma certeza absoluta sobre o que a inteligência artificial vai fazer ao futuro do trabalho, da criatividade ou da aprendizagem. Nasceu da convicção de que ficar parado é a única posição verdadeiramente perigosa.
Professores de todo o mundo estão já a descobrir, por tentativa e erro, como usar estas ferramentas de forma honesta, crítica e pedagogicamente relevante. Estão a construir atividades que pedem aos alunos para interrogar as respostas da IA, para identificar os seus limites, para usá-la como ponto de partida e não como destino. É trabalho exigente, imperfeito e necessário.
A Estónia não inventou esse trabalho. Mas teve a coragem de o tornar política de Estado.
Para saber mais e explorar na sua escola
Para professores que queiram começar a explorar estas ferramentas com intencionalidade pedagógica, o sítio oficial do programa estoniano (aileap.ee) disponibiliza materiais e contexto. A OpenAI mantém uma secção dedicada a contextos educativos em openai.com/education, onde é possível aceder a guias de utilização do ChatGPT Edu. Em Portugal, o acompanhamento da Agenda Nacional de Inteligência Artificial e da Estratégia Digital Nacional pode ser feito através do portal digital.gov.pt.
Uma atividade simples para começar: propor a uma turma que use uma ferramenta de IA para responder a uma pergunta do programa, e depois dedicar uma aula a analisar coletivamente o que a ferramenta acertou, o que simplificou em excesso e o que ficou por dizer. É uma forma prática de desenvolver pensamento crítico e literacia sobre IA ao mesmo tempo.
Para líderes escolares e responsáveis de política educativa que queiram conhecer o programa de perto, a Estónia organizou uma visita de estudo internacional em Tallinn, nos dias 28 e 29 de maio de 2026, aberta a participantes de todo o mundo. É uma oportunidade rara de ver o modelo em funcionamento — não em apresentações de diapositivos, mas dentro das escolas onde está a acontecer.
Referências
Karis, A. (2025, fevereiro). AI Leap 2025 — TI-Hüpe 2025. Declaração do Presidente da República da Estónia. https://aileap.ee/et
O impacto da IA generativa no pensamento crítico: reduções autodeclaradas no esforço cognitivo e efeitos na confiança a partir de uma pesquisa com trabalhadores do conhecimento
Há uma pergunta que muitos professores têm feito em voz baixa, nos corredores das escolas, nos grupos de WhatsApp das turmas, nas reuniões de conselho de turma: os alunos que usam inteligência artificial para fazer os trabalhos estão a aprender menos a pensar? É uma pergunta legítima, desconfortável e, até há pouco tempo, sem resposta empírica sólida. Em abril de 2025, um grupo de investigadores da Microsoft Research e da Carnegie Mellon University publicou um estudo que começa — com todas as cautelas científicas que se impõem — a responder-lhe. E o que diz não é tranquilizador.
O estudo e o que mediu
O artigo científico intitulado The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers foi apresentado na conferência CHI 2025, em Yokohama. Os investigadores inquiriram 319 trabalhadores do conhecimento — profissionais que usam IA generativa no seu dia a dia — e recolheram 936 exemplos reais de tarefas realizadas com o auxílio dessas ferramentas. O objetivo era perceber duas coisas: quando é que as pessoas mobilizam o pensamento crítico ao usar IA, e de que forma a IA afeta o esforço que dedicam a esse processo.
Para medir o pensamento crítico, os investigadores recorreram à taxonomia de Bloom — um referencial que os professores portugueses conhecem bem, porque está na base de muitos dos instrumentos de avaliação e de planificação que usam diariamente. Bloom descreve seis níveis de atividade cognitiva: recordar, compreender, aplicar, analisar, sintetizar e avaliar. O estudo perguntou aos participantes quanto esforço percebido lhes exigiu cada um desses níveis quando trabalharam com IA.
É importante sublinhar a palavra percebido. O estudo não mediu a atividade cerebral real dos participantes; mediu aquilo que eles reportaram sentir. Esta distinção importa, como veremos.
A taxonomia de Bloom e a ironia de uma ferramenta familiar
Há aqui uma ironia que vale a pena não deixar passar. A taxonomia de Bloom foi criada para ajudar os professores a desenhar experiências de aprendizagem que desenvolvam o pensamento de ordem superior — análise, síntese, avaliação. Agora está a ser usada para tentar perceber se a IA está a corroer exactamente essas capacidades. O instrumento do educador torna-se o instrumento do diagnóstico.
A escolha de Bloom por parte dos investigadores não é isenta de crítica. Outros quadros teóricos — como o modelo de Facione, construído a partir do consenso de 46 especialistas convocados pela American Philosophical Association, ou o modelo de Paul-Elder, mais recente e multidimensional — incluem explicitamente a autorregulação e a metacognição como dimensões centrais do pensamento crítico. Ou seja, a capacidade de um indivíduo de observar os seus próprios processos de raciocínio e de os corrigir em tempo real. Esta dimensão, provavelmente a mais vulnerável quando se delega tarefas cognitivas a uma máquina, não está contemplada em Bloom. Os próprios autores reconhecem esta limitação, justificando a escolha pela sua simplicidade como instrumento de inquérito. É legítimo. Mas tem um custo conceptual que convém não ignorar.
Para um professor que trabalha com a taxonomia de Bloom em sala de aula, a mensagem prática é esta: se os níveis superiores de Bloom são os que a IA mais facilmente simula — análise, síntese, avaliação de conteúdo factual —, então o risco não está em que os alunos não consigam dizer as palavras certas. O risco está em que não tenham praticado o processo que as gera.
O músculo que não se usa
Os dados quantitativos do estudo são para ler devagar. Quando os participantes usaram IA para uma tarefa, a maioria declarou ter sentido gastar menos esforço em quase todas as dimensões cognitivas medidas: 79% percebeu menos esforço na compreensão, 72% na análise, 76% na síntese e 55% até na avaliação crítica.
O que significa isto na prática? Os investigadores convocam um princípio que Lisanne Bainbridge descreveu nos anos 80, a propósito da automação industrial, e que continua a ser citado pela comunidade científica: quando uma máquina assume as tarefas de rotina, as pessoas perdem as oportunidades de praticar o seu julgamento. Não perdem a capacidade de forma imediata — como um músculo que ainda existe mas vai perdendo força funcional. O risco não é agudo; é crónico. E aparece exactamente quando mais se precisa da habilidade.
Transposto para a sala de aula, o argumento é claro: se um aluno usar sempre IA para estruturar um argumento, para sintetizar um texto ou para avaliar a pertinência de uma fonte, não está a exercitar as redes neuronais que fazem esse trabalho. Pode continuar a parecer que pensa — afinal, a resposta que entrega está correcta —, mas a capacidade de o fazer de forma autónoma, sob pressão, em contexto de exame ou de decisão real, pode estar a deteriorar-se sem que ninguém, nem o próprio aluno, dê por isso.
O estudo acrescenta uma nota que é pertinente para quem constrói situações de avaliação: a percepção de menor esforço não é necessariamente um indicador fiável do trabalho cognitivo real. A investigação sobre aquilo que se chama fluency illusion — a ilusão de fluidez — mostra que, quando um processo se sente fácil, as pessoas tendem a assumir que compreenderam melhor. Mas a sensação de facilidade é, frequentemente, o sinal contrário: aquilo que se processa com mais fluidez aprende-se pior. O esforço, a fricção, o momento em que não se sabe e se tem de construir a resposta — é aí que a aprendizagem acontece. A IA, ao remover essa fricção, remove também parte da aprendizagem.
Três razões para pensar criticamente — e o que cada uma nos diz
O estudo identificou os motivadores que levam as pessoas a mobilizar pensamento crítico ao usar IA. São três, e a sua leitura, da perspectiva educativa, é reveladora.
O primeiro motivador é o medo das consequências negativas. Cento e dezasseis participantes ativavam o pensamento crítico por razões defensivas: o receio de entregar informação desatualizada, de cometer erros técnicos, de ter consequências profissionais ou de criar tensões no contexto relacional do trabalho. Este motivador funciona porque opera sobre o medo concreto. Mas tem uma limitação decisiva: só funciona se a pessoa souber o que pode correr mal. Quem não tem experiência suficiente para antecipar os riscos não teme — e, portanto, não verifica. Os alunos mais jovens, com menos quadro de referência para reconhecer um erro num output de IA, são exactamente os que menos beneficiam deste motivador.
O estudo adverte ainda que, se o pensamento crítico só é exercido em situações de alto risco, a capacidade vai deteriorando-se nas situações mais comuns. Como em qualquer treino: quem só pratica quando há urgência não estará preparado quando a urgência chegar.
O segundo motivador é a qualidade do trabalho. Setenta e quatro participantes criticavam e editavam o output da IA porque consideravam que este ficava aquém dos seus próprios padrões: genérico a mais, com pouco contexto, demasiado parecido com tudo o resto. Este motivador é interessante porque depende de uma condição prévia: ter um padrão de qualidade próprio, construído pela experiência e pelo conhecimento do domínio. Quem conhece bem o tema reconhece que a IA deu uma resposta plana. Quem não conhece pode nem dar conta disso.
Dito de outra forma: a aspiração à qualidade protege mais quem já tem critério do que quem o está a construir. Para os alunos que ainda estão a aprender — que são, por definição, todos os alunos —, este motivador é fraco. A implicação pedagógica é direta: o professor precisa de criar situações em que os alunos desenvolvam e interiorizem padrões de qualidade antes de poderem avaliar criticamente o que a IA produz.
O terceiro motivador é o desenvolvimento de competências. Apenas 13 participantes usavam a IA como ferramenta de aprendizagem — para perceber como funciona algo, para melhorar a sua própria capacidade e reduzir a dependência futura. O número é pequeno. Mas é o mais importante dos três.
O motivador mais raro — e o mais importante para a escola
Estes 13 participantes tratavam a IA de forma diferente dos restantes. Não se limitavam a usar o output; estudavam-no. Liam as sugestões, decompunham os argumentos, perguntavam a si próprios porque é que a IA tinha proposto aquilo e não outra coisa. O output não era o produto final — era material de trabalho para construir competência própria.
Um dos participantes, ao usar IA para melhorar rascunhos de emails profissionais, decidiu ler e analisar todas as correcções sugeridas para melhorar o seu estilo de escrita. O resultado, segundo o próprio, foi que os emails seguintes precisaram de muito menos revisão. A IA foi usada como espelho cognitivo: o que ela devolve serve para aprender, não para substituir o pensamento.
Este motivador é o único que cria aquilo que se pode chamar um ciclo virtuoso: cada interação com a IA fortalece quem a usa, em vez de criar dependência. É também, curiosamente, o que descreve com maior precisão o que a escola deve fazer. O problema é que é raríssimo — em contexto laboral e, muito provavelmente, em contexto escolar também.
Porquê? O estudo sugere uma resposta simples: os sistemas em que as pessoas operam não recompensam esta abordagem. Nas empresas, o que se mede é a velocidade de entrega, não a profundidade do processo. Nas escolas, o que se mede com mais frequência é o produto — o trabalho entregue, a resposta dada —, não o caminho percorrido para lá chegar. Enquanto a avaliação se centrar no produto e não no processo, os alunos aprenderão, racionalmente, a optimizar o produto — com IA ou sem ela.
O que pode fazer um professor
As implicações deste estudo para a prática letiva não são receitas prontas, mas são pistas concretas.
A primeira tem a ver com tornar o risco visível. Se os alunos não sabem que a IA erra — que fabrica referências, que simplifica contextos, que apaga a nuance —, não têm razão para verificar. Ensiná-los a reconhecer os erros típicos dos modelos de linguagem, em contexto de baixo risco e com tempo para reflectir, é uma forma de construir consciência crítica antes de ser necessária.
A segunda tem a ver com a construção de padrão de qualidade. Antes de pedir a um aluno que avalie criticamente um texto gerado por IA, é necessário que ele tenha uma referência do que é um bom texto. Isso constrói-se pela leitura, pela análise de exemplos, pela discussão em aula. Não é possível criticar aquilo que não se conhece suficientemente bem para reconhecer como insuficiente.
A terceira — e talvez a mais difícil — tem a ver com redesenhar o que se avalia. Se o objetivo é que os alunos desenvolvam pensamento crítico genuíno e não dependência de IA, a avaliação tem de contemplar o processo, não apenas o produto. Isso pode significar pedir aos alunos que expliquem as suas escolhas, que mostrem os rascunhos anteriores ao output final, que identifiquem e justifiquem as alterações que fizeram. Em suma, que deixem rastos do pensamento — porque é no rasto que a aprendizagem é legível.
Por fim, há uma dimensão que o estudo não nomeia explicitamente mas que percorre toda a análise: a identidade. As pessoas que mais resistem à delegação acrítica em IA são aquelas que têm um sentido profissional forte do que são. O médico que verifica porque “é isso que um bom médico faz”. O jornalista que contraria o output porque “não posso assinar algo que não pensei”. Cultivar nos alunos uma identidade de pensadores — de pessoas para quem o rigor é um valor e não um fardo — é, porventura, o trabalho mais longo e mais importante que a escola pode fazer.
Caixa de actividades — Para experimentar na aula
As sugestões que se seguem decorrem directamente das conclusões do estudo. Estão organizadas pelos três motivadores identificados pelos investigadores e podem ser adaptadas a diferentes anos de escolaridade e disciplinas.
Motivador 1 — Reconhecer o erro antes que ele custe caro
O detector de falhas — Apresenta aos alunos um texto ou uma resposta gerada por IA sobre um tema que a turma já estudou. O texto deve conter entre dois e quatro erros factuais, imprecisões ou simplificações excessivas, que o professor introduz propositadamente ou que surgem naturalmente no output. Pede aos alunos que o leiam com um propósito claro: encontrar o que não está certo, e justificar com fontes. O objectivo não é desconfiar da IA de forma cega, mas perceber que verificar é uma responsabilidade do leitor, não da máquina.
Variante para anos mais avançados: em vez de um texto factual, usa um argumento ou uma análise. A questão desloca-se do erro factual para o raciocínio: a IA tirou uma conclusão válida a partir das premissas que lhe foram dadas?
Motivador 2 — Construir critério antes de avaliar
Antes e depois — Antes de qualquer contacto com IA, pede aos alunos que escrevam, individualmente, a sua própria resposta a uma questão ou a sua própria síntese de um tema. Só depois lhes mostras o que a IA produz sobre o mesmo assunto. A tarefa seguinte é comparar: o que a IA incluiu que eles não incluíram? O que eles incluíram que a IA não incluiu? O que é que a IA simplificou? Onde é que o texto da IA soa genérico?
Esta sequência inverte a lógica habitual — o aluno não parte do output da IA, parte do seu próprio conhecimento. Só então usa a IA como espelho, não como muleta.
O júri de qualidade — Em pequenos grupos, os alunos definem, antes de ver qualquer output de IA, os critérios de um bom texto sobre o tema em estudo: o que é que um texto bom deve conter, que perguntas deve responder, que tom deve ter. Só depois geram um output com IA e o avaliam à luz dos critérios que eles próprios estabeleceram. O padrão de qualidade é construído de dentro para fora, não imposto.
Motivador 3 — Usar a IA para aprender, não para substituir
O porquê da correcção — Quando um aluno usa IA para melhorar um texto que escreveu, pede-lhe que não aceite as sugestões de forma automática. Em vez disso, para cada alteração significativa que a IA propõe, o aluno deve responder por escrito: percebo porque é que esta versão é melhor? Concordo com ela? O que é que aprendi com esta correcção? Este registo escrito é, em si mesmo, o processo de aprendizagem.
O diálogo com a máquina — Em vez de pedir uma resposta completa à IA, os alunos formulam uma pergunta sobre um tema, recebem uma resposta, e têm de formular a pergunta seguinte com base no que leram. O objectivo é manter o aluno como condutor da conversa, a construir conhecimento em cadeia, em vez de receptor passivo de um output final. No final, resume por palavras suas o que aprendeu — sem consultar o chat.
Sugestão transversal — O rasto do pensamento
Em qualquer actividade que envolva IA, pede aos alunos que guardem os passos: o prompt que escreveram, o output que receberam, o que alteraram e porquê. Este portefólio de processo torna visível o que normalmente é invisível — o caminho — e dá ao professor informação real sobre onde está o pensamento do aluno. É também a base para uma conversa genuína sobre o uso que cada um faz da tecnologia.
Para terminar
Este estudo não diz que a IA é nociva. Diz que o modo como nos relacionamos com ela pode ser mais ou menos favorável ao desenvolvimento do pensamento. A diferença não está na ferramenta — está em quem a usa e com que intenção.
Para os professores, a questão prática não é “devo proibir a IA na minha sala de aula?”. É uma pergunta mais exigente: “estou a criar condições para que os meus alunos usem a IA de forma que os torne mais capazes — ou estou, sem querer, a criar condições para que se tornem mais dependentes?”
A resposta não está no software. Está na pedagogia.
Referências bibliográficas
Lee, H.-P., Sarkar, A., Tankelevitch, L., Drosos, I., Rintel, S., Banks, R., & Wilson, N. (2025). The impact of generative AI on critical thinking: Self-reported reductions in cognitive effort and confidence effects from a survey of knowledge workers. Proceedings of the CHI Conference on Human Factors in Computing Systems (CHI ’25), Yokohama, Japan. https://doi.org/10.1145/3706598.3713778
Bloom, B. S. (Ed.). (1956). Taxonomy of educational objectives: The classification of educational goals. Handbook I: Cognitive domain. Longmans, Green.
Facione, P. A. (1990). Critical thinking: A statement of expert consensus for purposes of educational assessment and instruction (Research findings and recommendations). American Philosophical Association. https://files.eric.ed.gov/fulltext/ED315423.pdf
Paul, R., & Elder, L. (2020). The miniature guide to critical thinking: Concepts and tools (8.ª ed.). Foundation for Critical Thinking.
Dwyer, C. P. (2017). Critical thinking: Conceptual perspectives and practical guidelines. Cambridge University Press.
Há números que chegam devagar e surpreendem na mesma.
Durante semanas, o contador foi subindo — uma visita aqui, outra ali, a um ritmo que já não nos espanta porque é o ritmo do quotidiano. E então, num daqueles momentos em que ninguém estava a prestar atenção, o marcador passou de 499 999 para 500 000. Meio milhão de visitas. Não é um número redondo por acaso — é um número que pede pausa. Pede que se levante a cabeça do teclado e se olhe para trás, com o cuidado que o percurso merece.
Este artigo é esse olhar. E é, antes de tudo, um agradecimento — a cada pessoa que passou por aqui, leu uma linha, partilhou um recurso, deixou um comentário ou simplesmente ficou em silêncio com um texto aberto no ecrã.
O princípio: abril de 2007
O TIC, Educação e WEB nasceu a 23 de abril de 2007. A data não foi escolhida com simbolismo — foi o dia em que o blogue ficou pronto para ser visto. Portugal vivia então um momento de entusiasmo digital que hoje parece pertencer a outra era: os primeiros netbooks chegavam às escolas, o Plano Tecnológico da Educação estava a ser desenhado, e a expressão “Web 2.0” era ainda uma novidade que se explicava com algum cuidado às salas de formação de professores.
Nesse contexto, a ideia de criar um espaço online dedicado à tecnologia na educação não era assim tão óbvia. Havia blogues de professores — muitos, animados e generosos. Mas faltava um lugar que tentasse sistematizar, selecionar e contextualizar o que ia surgindo: as ferramentas, os estudos, as tendências, as perguntas sem resposta imediata. Esse foi, desde o início, o propósito deste espaço: não noticiar o que existia, mas pensar o que significava para quem ensinava e para quem aprendia.
O primeiro artigo foi tímido, como são quase todos os primeiros artigos. Não há razão para isso envergonhar ninguém — começa-se sempre do início.
Os anos da afirmação: 2008–2012
Os anos seguintes foram os de maior efervescência da blogosfera educativa portuguesa. Havia uma rede viva de professores que escreviam, comentavam e se citavam uns aos outros com uma energia que as redes sociais ainda não tinham canalizado para outro lado. O TIC, Educação e WEB cresceu nesse ecossistema, e com ele aprendeu.
Foram os anos em que se escreveu muito sobre quadros interativos, sobre plataformas de gestão de aprendizagem, sobre o nascimento do YouTube como ferramenta pedagógica, sobre os primeiros passos tímidos do vídeo nas aulas. Foram também os anos em que a questão dos direitos de autor na era digital começou a ser levada a sério — não como problema jurídico abstrato, mas como dilema quotidiano de quem preparava materiais para a sala de aula.
O blogue foi-se tornando um lugar de curadoria, antes mesmo de a palavra “curadoria digital” fazer parte do vocabulário comum. Selecionar, contextualizar, partilhar — esse trinómio foi-se instalando como método, mesmo que ninguém lhe chamasse ainda por esse nome.
A transição e a maturidade: 2013–2018
A meio da segunda década, o panorama mudou. A blogosfera foi perdendo centralidade à medida que o Facebook e o Twitter absorveram a energia das conversas. Muitos blogues fecharam. Outros ficaram adormecidos. Houve um momento — talvez por volta de 2013 ou 2014 — em que se pôde perguntar, com toda a seriedade, se fazia sentido continuar.
Fez. E a resposta a essa pergunta não foi retórica — foi editorial. O blogue ganhou mais foco: menos quantidade, mais profundidade. Os artigos tornaram-se mais longos, mais fundamentados, mais atentos à investigação académica. A ideia de que um professor merece ser tratado como leitor adulto — com capacidade e vontade de acompanhar raciocínios complexos — foi-se tornando um princípio orientador.
Foi também neste período que a questão das literacias digitais ganhou força, com a chegada dos primeiros relatórios europeus sobre competências digitais e com uma consciência crescente de que saber usar tecnologia era uma coisa, e saber pensar com tecnologia era outra completamente diferente. O blogue fez desta distinção uma das suas linhas editoriais mais persistentes.
Os anos da aceleração: 2019–2022
A pandemia de 2020 não criou a urgência da tecnologia na educação — revelou-a. De um dia para o outro, o que era opcional tornou-se obrigatório; o que era experimental tornou-se rotina; o que era marginal tornou-se central. Foram meses de desorientação coletiva — e também de uma atenção renovada a tudo o que dizia respeito ao ensino à distância, às plataformas de videoconferência, à avaliação remota e ao bem-estar dos alunos que desapareceram da vista mas não da responsabilidade dos professores.
O TIC, Educação e WEB acompanhou esses meses com uma intensidade que não se repetiria de imediato. O tráfego cresceu. Vieram leitores novos, muitos deles professores que nunca tinham procurado este tipo de conteúdo e que, subitamente, precisavam de orientação. Foi um período de grande responsabilidade — e de grande aprendizagem partilhada.
Quando as escolas reabriram, ficou claro que nada voltaria exatamente ao que era. A pandemia tinha funcionado como acelerador — de transformações que já estavam em curso, mas que aguardavam condições para se imporem.
A era da inteligência artificial: 2023–2026
Os últimos três anos foram, sem dúvida, os mais exigentes da história deste blogue — não do ponto de vista da gestão, mas do ponto de vista intelectual. A inteligência artificial generativa entrou nas escolas sem pedir licença e sem manual de instruções. Os professores foram confrontados, de repente, com uma tecnologia que os seus alunos adotavam com entusiasmo e sem critério, e para a qual o sistema educativo não tinha ainda respostas formadas.
O blogue tentou, neste período, ser um espaço de pensamento honesto sobre o tema — nem celebratório nem alarmista. Publicaram-se artigos sobre os riscos cognitivos do uso acrítico da IA, sobre quadros de literacia como o SEE Framework, sobre atividades concretas de pensamento crítico, sobre curadoria digital como resposta à infoxicação. A ideia central manteve-se: a tecnologia não é neutra, e o papel do professor é precisamente o de mediar essa não-neutralidade com inteligência pedagógica.
Foi também neste período que surgiu o eBook Curadoria Digital em Educação: Para uma Aprendizagem Significativa — e, mais recentemente, a sua versão em inglês, Digital Curation in Education: When Curating Is Teaching —, obras que sistematizam muito do que se foi pensando ao longo destes quase dois decénios.
O que ficou
Quase dezenove anos de publicação regular deixam um sedimento que é difícil de quantificar. Ficaram os artigos — mais de mil, distribuídos por categorias que foram crescendo à medida que os temas foram surgindo. Ficaram os recursos partilhados — guias, eBooks, apresentações, ferramentas, aplicações desenvolvidas especificamente para o contexto escolar português. Ficaram os comentários de professores que escreveram para dizer que um artigo lhes tinha dado uma ideia para a aula do dia seguinte. Ficaram as partilhas silenciosas — as que nunca se vêm, mas que chegam à caixa de correio de alguém que precisava exatamente daquilo.
E ficaram, é claro, os 500 000. Cada visita é uma pessoa — alguém que chegou por uma pesquisa, por uma partilha, por recomendação de um colega, por acaso ou por necessidade. Não é uma estatística. É uma sala enorme, espalhada por todos os continentes, reunida à volta de um tema que não perde urgência: como é que a tecnologia pode servir, de verdade, a educação.
Para onde vamos
O futuro deste blogue é a continuação da mesma pergunta, feita com os instrumentos que o tempo for disponibilizando.
A inteligência artificial vai continuar a transformar a escola — mais depressa do que qualquer currículo consegue acompanhar, mais fundo do que qualquer diretiva ministerial consegue prever. A desinformação vai continuar a ser um dos maiores problemas do ecossistema informacional em que os alunos crescem. As competências digitais vão continuar a ser desiguais, distribuídas de forma injusta, reproduzindo assimetrias que a escola pode atenuar ou aprofundar, consoante as escolhas que fizer.
Há, portanto, muito por dizer. E há, sobretudo, muita razão para continuar a dizer com cuidado — baseando cada artigo em fontes verificáveis, traduzindo investigação académica para a linguagem dos professores, construindo pontes entre o que se sabe e o que se faz.
É esse o compromisso que se renova aqui, com 500 000 visitas como testemunha.
A cada professor que encontrou aqui uma ideia para a aula. A cada estudante que usou um recurso para um trabalho. A cada diretor que partilhou um artigo com a sua equipa. A cada leitor anónimo que chegou por acaso e ficou por curiosidade.
Obrigado.
O percurso continua — e continua porque vocês estão aqui.
Há qualquer coisa de revelador na ideia de que são os alunos, e não as escolas, a impulsionar a entrada da inteligência artificial nas salas de aula. Não é uma hipótese teórica — é o que os dados mostram. Em Espanha, país que serve de espelho próximo para quem trabalha em educação em Portugal, 75% dos jovens entre os 16 e os 24 anos utilizam agentes de inteligência artificial regularmente. Entre os estudantes desta faixa etária, a percentagem chega aos 59%, largamente acima da média europeia de 39%. E se olharmos para os alunos do ensino secundário, 35% já recorrem à IA nas suas tarefas escolares — comparando com 14% em França e 25% em Itália. São números que não permitem contemporizações.
Em Portugal, o panorama caminha em sentido semelhante. O governo aprovou, em dezembro de 2025, a Agenda Nacional para a Inteligência Artificial e a Estratégia Digital Nacional, com um investimento direto de cerca de 350 milhões de euros no plano de ação para 2025-2026. O ministro da Educação, Fernando Alexandre, foi direto na mensagem: a IA não pode ser ignorada e as escolas têm de se adaptar, através da formação de professores e da alteração dos métodos de ensino. No ensino superior, a FCT e a FCCN lançaram, em maio de 2025, a plataforma IAedu, que democratiza o acesso a modelos de linguagem de grande dimensão com autenticação institucional. É um passo importante — mas a questão mais urgente não é tecnológica. É pedagógica.
A brecha que divide o corpo docente
Se entre os alunos o entusiasmo é evidente, o mesmo não pode dizer-se dos professores. Em Espanha, os dados desenham uma fratura nítida: 60% dos docentes com menos de 30 anos utilizam inteligência artificial no seu trabalho, mas esse valor cai para 27% entre os que têm mais de 30. Os professores que não a utilizam invocam, sobretudo, a falta de formação e a convicção de que a ferramenta não é útil para o seu trabalho. Não se trata, na maioria dos casos, de resistência ideológica — trata-se de desorientação formativa, agravada por uma sobrecarga profissional que deixa pouco espaço para aprender algo novo.
Este desfasamento coloca um paradoxo desconfortável: os alunos chegam à aula com ferramentas que os seus professores não dominam, e muitas vezes sem saber como usá-las com critério pedagógico. A inteligência artificial entra pela janela quando deveria entrar pela porta — com enquadramento, com propósito e com uma intenção educativa clara. A introdução sistemática da IA no ensino, hoje conduzida em grande medida pelos próprios estudantes, exige o acompanhamento de uma nova pedagogia e a formação do pessoal docente, tanto na formação inicial como na formação contínua. E exige também condições de trabalho que tornem essa adaptação possível sem somar mais peso a quem já carrega demasiado.
É precisamente este ponto que a UGT espanhola sublinha num documento recente: não basta formar professores se as condições estruturais não mudarem. Aumentar o pessoal para evitar a sobrecarga laboral não é um pedido de conforto — é um requisito para que qualquer transformação pedagógica real aconteça. Em Portugal, iniciativas como a Academia Professores do Futuro, lançada em novembro de 2025, procuram dar uma resposta, levando formação acreditada e ferramentas de IA a docentes de todo o país, incluindo os que vivem longe dos grandes centros. O caminho está a ser trilhado. Mas a velocidade dos recursos ainda não acompanha a urgência do momento.
Nem tudo é igual: a pedagogia tem de variar com a idade
Um dos equívocos mais comuns no debate sobre inteligência artificial e educação é tratar todos os ciclos de ensino como se fossem um bloco homogéneo. Não são. A pedagogia adequada a cada fase da vida escolar é profundamente diferente — e ignorar isso é um erro com consequências.
No ensino superior, é razoável confiar na autonomia dos estudantes e apostar em formas de avaliação que superem o exame tradicional como instrumento único de aferição. Apresentações orais, projetos de longa duração, portefólios, discussões em profundidade, trabalhos que exijam síntese crítica e tomada de posição pessoal: são estas as formas de avaliação que a IA ainda não consegue substituir, e que desenvolvem nos estudantes competências genuínas e duradouras. O exame clássico, neste contexto, começa a revelar-se não apenas desatualizado, mas honestamente insuficiente.
O mesmo raciocínio não se aplica ao ensino básico — e muito menos ao 1.º ciclo. A educação das crianças mais novas deve ser fundamentalmente analógica, ancorada na experiência física, relacional e sensorial do mundo. As crianças aprendem a ser pessoas antes de aprenderem conteúdos: aprendem a ouvir, a esperar, a partilhar, a gerir o erro, a sentir o peso de um livro, a olhar nos olhos de quem as ensina. Os seus cérebros ainda estão em plena formação, e confiar a agentes de inteligência artificial o seu desenvolvimento básico seria, como escreve o articulista da La Vanguardia, amputar uma parte essencial da experiência humana — o aprendizado da vida na sua maravilhosa multidimensionalidade.
Não se trata de hostilidade à tecnologia nem de saudosismo pedagógico. Trata-se de reconhecer que há dimensões do crescimento que nenhum algoritmo consegue proporcionar: a presença de um adulto que se importa, o conflito que se resolve no recreio, a história contada em voz alta numa tarde de inverno, o prazer físico de aprender a escrever à mão, o momento em que uma criança percebe que conseguiu. A inteligência artificial pode ser um instrumento poderoso quando o ser humano já tem ferramentas cognitivas e relacionais para a utilizar com discernimento. Antes disso, é demasiado cedo.
O que a escola precisa agora
A pergunta que se impõe não é se a IA deve entrar na escola — ela já lá está, nos bolsos dos alunos, nos telemóveis e nos computadores portáteis. A pergunta é como é que a escola responde a isso com inteligência pedagógica, e não apenas com entusiasmo tecnológico ou com proibições que não resistem ao primeiro clique fora da sala de aula.
Responder bem exige várias coisas em simultâneo. Professores formados — não apenas em ferramentas, mas em literacia crítica sobre o que a inteligência artificial faz e não faz, sobre os seus enviesamentos, as suas limitações e os seus riscos. Tempo e espaço profissional para que essa formação aconteça sem se somar ao trabalho já existente. Uma avaliação escolar que evolua, tornando-se mais rica, mais diversificada e mais difícil de delegar a uma máquina. E uma convicção firme: nas idades mais novas, a escola tem de ser, antes de tudo, um espaço humano.
A inteligência artificial, usada com sabedoria e com enquadramento pedagógico, pode ser uma aliada extraordinária do ensino. Mas a chave — como sempre em educação — está nos professores.
Sugestão de atividade (2.º e 3.º ciclos e ensino secundário)
Proponha aos alunos uma tarefa dupla: resolver o mesmo problema — uma análise de texto, um resumo histórico, a explicação de um fenómeno científico — primeiro sem IA e depois com IA. A seguir, peça-lhes que comparem os dois resultados e respondam: o que mudou? O que se perdeu? O que foi surpreendente? Esta atividade, simples e adaptável a qualquer disciplina, desenvolve pensamento crítico, metacognição e literacia sobre a própria ferramenta.
