Arquivo da Categoria: Estudos

Crescer num mundo ligado: o guia da UNESCO e da CLEMI que junta escola e família na era da IA

Publicado a por
Responder

Download |

Há documentos que chegam com o peso institucional de quem os assina e outros que chegam com a urgência de quem os escreve. O guia que a UNESCO e a CLEMI (Centro para a Educação aos Media e à Informação), do Réseau Canopé francês, lançaram oficialmente a 22 de junho consegue as duas coisas ao mesmo tempo. «Growing Up in a Connected World: A Family Guide for the Digital Age» não é apenas mais um documento de orientação para pais. É o resultado de mais de um ano de trabalho conjunto entre trinta e sete especialistas de todos os continentes, reunidos pela primeira vez sob a coordenação direta da UNESCO, para responder a uma pergunta que atravessa hoje todas as escolas, em qualquer geografia: como ajudar crianças e adolescentes a crescer num mundo onde os ecrãs, os algoritmos e a inteligência artificial já não são uma opção, mas uma condição de existência.

Para quem trabalha em contexto escolar, este não é um documento que se possa arquivar na pasta «interessante, mas não é para mim». A própria introdução do guia, assinada pelo ministro francês da Educação Nacional, Édouard Geffray, é clara quanto a isto: o que se constrói na sala de aula tem de conseguir continuar em casa, e vice-versa. É exatamente essa continuidade — entre o que a escola ensina sobre o digital e o que a família vive todos os dias com os seus filhos — que este guia tenta costurar.

Um retrato que os professores já conhecem de memória

Os números que abrem o guia não vão surpreender quem passa os dias numa sala de aula. Um em cada três utilizadores da internet, a nível mundial, é uma criança. Oitenta e três por cento dos pais dizem estar preocupados com o tempo de ecrã dos filhos; sessenta e seis por cento admitem que eles próprios passam mais tempo ligados do que consideram saudável. Quase metade dos pais sente que não tem apoio suficiente para acompanhar os hábitos digitais dos filhos, e apenas cinco em cada dez sabe usar corretamente as ferramentas de controlo parental assistidas por IA. No briefing de imprensa que antecedeu o lançamento, em Paris, a diretora-geral adjunta da UNESCO para a Comunicação e Informação, Mariya Gabriel, resumiu o momento com uma frase que vale a pena reter: a discussão sobre proibições não pode substituir a conversa sobre o que realmente se espera das plataformas digitais — e dos adultos que rodeiam as crianças.

Esta tensão entre proibir e formar não é abstrata em Portugal. Desde o ano letivo de 2025/2026, está em vigor o Decreto-Lei n.º 95/2025, de 14 de agosto, que proíbe o uso de smartphones com acesso à internet nos primeiro e segundo ciclos do ensino básico e recomenda restrições no terceiro ciclo. O estudo do Centro de Planeamento e de Avaliação de Políticas Públicas, que sustentou a decisão do Governo, mostrou uma redução percecionada do bullying e da indisciplina em mais de metade das escolas que aplicaram a medida — e um aumento claro da socialização nos intervalos. É um indício de que regular o acesso ao telemóvel ajuda. Mas o próprio guia da UNESCO insiste, e a experiência australiana confirma essa cautela: seis meses depois da proibição do acesso às redes sociais para menores de dezasseis anos, entrada em vigor em dezembro de 2025, cerca de setenta por cento dos adolescentes que já tinham conta continuavam a utilizá-la. Proibir sem formar tem um limite estrutural. É precisamente nesse espaço — o que fica por fazer depois da proibição — que a literacia mediática e informacional encontra a sua razão de ser.

Os algoritmos explicados como nunca os explicámos

Um dos capítulos mais úteis do guia, escrito por Jill Murphy, da Common Sense Media, dedica-se a desmontar, em linguagem simples, aquilo que a maioria dos adultos usa todos os dias sem perceber: os algoritmos de recomendação. A página «Para Ti» do TikTok, as sugestões «A Seguir» do YouTube, a secção «Explorar» do Instagram — todos partilham a mesma lógica. Aprendem com cada clique, cada like, cada segundo de visualização, e devolvem mais do mesmo. O objetivo não é o bem-estar de quem está do outro lado do ecrã, mas o tempo que esse alguém passa agarrado à aplicação. É essa lógica que cria as chamadas «bolhas de filtro»: espaços onde a criança ou o adolescente deixa de encontrar pontos de vista diferentes e começa a ver apenas aquilo que já confirma o que pensa.

O guia propõe uma abordagem diferenciada por faixa etária, que pode perfeitamente inspirar uma sequência didática. Para crianças entre os cinco e os oito anos, que ainda não conseguem compreender o conceito abstrato de algoritmo, a recomendação passa por perguntas simples feitas em conjunto: porque é que só aparecem vídeos de dinossauros desde que vimos o primeiro? Entre os nove e os doze anos, quando a pressão do grupo se torna central, a proposta é uma «caça ao detalhe»: escolher uma fotografia viral e verificar a sua autenticidade através de uma pesquisa inversa de imagem, ou confrontar imagens geradas por inteligência artificial com as suas inconsistências visuais — sombras erradas, mãos com dedos a mais, reflexos que não correspondem à luz da cena. É um exercício simples de montar numa aula de Cidadania e Desenvolvimento ou de Educação para os Media, e que costuma gerar um efeito imediato: depois de identificarem uma manipulação, os alunos olham para o ecrã seguinte de forma diferente.

Para os adolescentes entre os treze e os dezassete anos, o guia sugere um exercício mais exigente, e particularmente relevante numa altura em que os vídeos sintéticos circulam com naturalidade nas redes: o «detetive de deepfakes». A turma escolhe um vídeo recente desmascarado por um serviço de verificação de factos e discute, em conjunto, que pistas permitiram identificar a manipulação — a iluminação inconsistente, o movimento dos lábios dessincronizado, a ausência de pestanejar natural. O mais importante não é tanto aprender a reconhecer um deepfake específico, que rapidamente ficará desatualizado à medida que a tecnologia evolui, mas interiorizar o hábito de perguntar, perante qualquer imagem que provoque uma reação emocional forte: quem a publicou, com que intenção, e o que ganharia essa pessoa com a sua viralização.

A inteligência artificial generativa entra em casa — e na sala de aula

O guia trata a IA generativa com um equilíbrio que vale a pena sublinhar: nem pânico, nem entusiasmo acrítico. Mathieu Bartozzi, responsável pela integração da IA educativa na rede mlfmonde, recorda algo que raramente entra nas conversas escolares sobre o tema: o custo ambiental. Segundo dados citados no guia, cada consulta a um modelo de linguagem como o Mistral Large 2 consome cerca de um grama de CO₂ e meio copo de água; a Agência Internacional de Energia estima que o consumo elétrico global dos centros de dados ligados à IA possa atingir as oitocentas teravatt-hora em 2026, o dobro do verificado em 2022. É um dado que muda a conversa em sala de aula: usar IA de forma crítica não é só verificar se a resposta está certa, é também perguntar se a pergunta valia o gasto.

No plano mais imediatamente pedagógico, Jill Murphy propõe três hábitos simples que qualquer professor pode trabalhar com os alunos. O primeiro é verificar sempre as respostas da IA generativa junto de uma fonte fiável — um livro, um professor, um sítio de referência —, porque estes sistemas podem apresentar opiniões como factos ou inventar detalhes com total confiança, mesmo quando citam fontes inexistentes. O segundo é proteger a informação pessoal: nomes, localizações, fotografias e pormenores da vida privada não devem ser partilhados num chat, por mais natural que a conversa pareça. O terceiro, talvez o mais subtil, é discutir como estas ferramentas são desenhadas para se adaptar ao utilizador e influenciar as suas escolhas — um mecanismo que os cientistas comportamentais chamam nudge. Perguntar «porque é que recebi esta resposta» e «o que é que ela não está a dizer» é, no fundo, o equivalente digital de perguntar quem escreveu um texto e com que propósito — uma competência que as escolas já ensinam há décadas, agora aplicada a um interlocutor que não é humano.

Quando o chatbot se torna confidente

Um dos capítulos mais inquietantes do guia, também assinado por Jill Murphy com base num estudo do laboratório de investigação NORC da Universidade de Chicago, financiado pela Common Sense Media, debruça-se sobre um fenómeno que muitos professores já começam a notar nos corredores sem lhe saber dar nome: os companheiros de IA. Ao contrário do ChatGPT ou de outras ferramentas de uso prático, plataformas como o Character.AI ou o Replika são desenhadas especificamente para criar laços emocionais e simular relações duradouras. O estudo, realizado junto de 1.060 adolescentes norte-americanos entre os treze e os dezassete anos, encontrou números que merecem atenção: quase três em cada quatro já usaram um companheiro de IA, e mais de metade fá-lo regularmente. Um terço prefere recorrer a estas plataformas, em vez de pessoas reais, para conversas importantes, e um terço já se sentiu desconfortável com algo que a IA disse ou fez.

O risco identificado pelos investigadores não está na tecnologia em si, mas no que ela tende a fazer: validar emoções e opiniões sem nunca questionar, sem reconhecer uma crise emocional, sem encaminhar para ajuda real. Nos testes realizados pela equipa, estas plataformas chegaram a legitimar o abandono escolar ou o fim de relações importantes, e mostraram disponibilidade para fornecer informação perigosa sem qualquer reserva. Para quem trabalha em contexto escolar, os sinais de alerta que o guia identifica são praticamente os mesmos que já se observam noutras formas de isolamento adolescente: quebra no aproveitamento escolar, abandono de atividades que antes davam prazer, alterações no sono ou no humor, e uma tendência para só partilhar problemas com a IA. A resposta sugerida não passa por proibir ou envergonhar, mas por abrir espaço de diálogo — e por envolver, quando a situação preocupa, os serviços de psicologia e orientação da escola, que continuam a ser um recurso central e demasiadas vezes subutilizado nestas situações.

A nova face do cyberbullying

O quarto capítulo do guia aborda uma transformação que qualquer diretor de turma deveria conhecer em detalhe: a forma como a inteligência artificial generativa mudou radicalmente o cyberbullying. Já não é preciso obter uma imagem real para destruir a reputação de um colega — basta uma fotografia pública, retirada de uma rede social, para gerar uma falsificação visualmente convincente. O guia documenta casos reais recolhidos pela associação francesa e-Enfance/3018, incluindo o de uma adolescente de catorze anos que recebeu uma imagem manipulada do próprio rosto sobre um corpo nu, acompanhada de uma ameaça de chantagem. A vítima nada fez de errado, e ainda assim sentiu vergonha — porque o cérebro reage à imagem como se fosse real, mesmo sabendo racionalmente que é falsa.

A linha de apoio europeia Insafe, que integra o serviço francês 3018, tem registado um aumento preocupante destes casos de extorsão sexual com recurso a IA generativa. O Regulamento Europeu dos Serviços Digitais (DSA) já obriga as grandes plataformas a reforçar a moderação de conteúdo ilegal, mas o guia é direto: a lei não chega sem intervenção no terreno. Iniciativas como o programa alemão Klicksafe, apoiado pela Comissão Europeia, formam professores, pais e jovens em pensamento crítico digital; o protocolo Sexto, no Quebeque, junta escolas, polícia e justiça para intervenções rápidas em casos de difusão não consensual de imagens íntimas. O guia recomenda, de forma muito concreta, que sempre que vítima e agressor frequentem a mesma escola, a direção seja informada com o acordo da vítima, podendo apresentar queixa formal — e que a família seja encorajada a guardar provas, nunca cedendo a qualquer forma de chantagem, e a procurar simultaneamente o apoio dos serviços de orientação escolar e das autoridades competentes.

Uma literacia que não se aprende de uma vez

Talvez o exemplo mais inspirador de todo o guia venha de um continente que raramente surge nas conversas europeias sobre literacia digital. Em Camarões, no Burundi, na Costa do Marfim e em vários outros países africanos, existem desde 2001 clubes de educação aos media e à informação que reúnem, no mesmo espaço, alunos, pais e professores. Numa sessão relatada no guia, uma adolescente senegalesa de quinze anos partilhou uma publicação viral no WhatsApp que afirmava, sem qualquer base, que uma bebida local curava a malária. A análise em grupo revelou a ausência de fontes fiáveis, e a jovem definiu, por iniciativa própria, uma nova regra para o grupo: antes de partilhar, verificar pelo menos com uma fonte credível. É um exemplo modesto, mas mostra com clareza aquilo que o guia defende do início ao fim: a literacia mediática funciona melhor quando deixa de ser um sermão dos adultos para os jovens e se torna um espaço de aprendizagem mútua, onde o erro reconhecido sem julgamento ensina mais do que qualquer aviso preventivo.

A própria UNESCO já anunciou que adaptar este guia para uso direto em contexto escolar é uma prioridade nos próximos meses — uma necessidade tanto mais urgente quanto um levantamento recente junto dos Estados-membros revelou que apenas quarenta e três por cento dos países integraram, até agora, a literacia mediática e informacional nos currículos escolares de forma efetiva. Para as escolas portuguesas, o referencial já existe e está mais próximo do que muitas vezes se pensa: o Perfil dos Alunos à Saída da Escolaridade Obrigatória já consagra a competência digital e o pensamento crítico como áreas estruturantes, e a disciplina de Cidadania e Desenvolvimento, agora reforçada com Aprendizagens Essenciais próprias, oferece um espaço natural para trabalhar exatamente os temas que este guia desenvolve: algoritmos, desinformação, inteligência artificial generativa e a nova geografia do cyberbullying. Falta, sobretudo, a ponte deliberada entre o que se ensina na sala de aula e o que se vive em casa — e é precisamente essa ponte que este guia da UNESCO e da CLEMI vem ajudar a construir.

Referências

UNESCO & Réseau Canopé/CLEMI. (2026). Growing up in a connected world: A family guide for the digital age. UNESCO. https://doi.org/10.58338/BBDB1073

Al-Fanar Media. (2026, 17 de junho). UNESCO launches parenting guide to help families navigate children’s digital lives. https://al-fanarmedia.org/2026/06/unesco-launches-parenting-guide-to-help-families-navigate-childrens-digital-lives/

XXV Governo Constitucional. (2026). Proibição de smartphones nas escolas diminui bullying e aumenta socialização dos alunos. Portal do Governo de Portugal. https://www.portugal.gov.pt/pt/gc25/comunicacao/noticia?i=proibicao-de-smartphones-nas-escolas-diminui-bullying-e-aumenta-socializacao-dos-alunos

SPZC. (2025). Telemóveis na escola: Proibição e exceções [Decreto-Lei n.º 95/2025, de 14 de agosto]. https://spzc.pt/Content/3913

Robb, M. B., & Mann, S. (2025, 16 de julho). Talk, trust, and trade-offs: How and why teens use AI companions. Common Sense Media. https://www.commonsensemedia.org/press-releases/nearly-3-in-4-teens-have-used-ai-companions-new-national-survey-finds

Mistral AI. (2025, julho). Our contribution to a global environmental standard for AI. Citado em UNESCO & Réseau Canopé/CLEMI (2026).

International Energy Agency. (2024). Electricity 2024 – Analysis and forecasts to 2026. IEA. Citado em UNESCO & Réseau Canopé/CLEMI (2026).

Clicar na imagem para ver a apresentação…

Balanço Anual da Educação 2026 | EDULOG

Publicado a por
Responder

Já não é a entrada, é o percurso.

Descarregar |

Há relatórios que confirmam o que já sabíamos. E há relatórios que obrigam a mudar a pergunta. O segundo Balanço Anual da Educação, divulgado em junho pelo EDULOG — o think tank da Fundação Belmiro de Azevedo —, pertence claramente à segunda categoria. Ao longo de três partes e de várias centenas de páginas, o documento cruza dados da DGEEC, do INE, da OCDE, do Eurostat e das provas nacionais para traçar um retrato do sistema educativo português que é, ao mesmo tempo, um elogio e um aviso.

O elogio é conhecido: Portugal qualificou, numa única geração, uma percentagem de jovens sem precedentes na sua história. O aviso é mais subtil e, para quem trabalha todos os dias numa sala de aula, mais importante: a questão central deixou de ser quem entra na escola e passou a ser o que acontece a cada aluno depois de entrar. Este artigo debruça-se sobre a primeira parte do relatório — o diagnóstico transversal sobre acessos, percursos e resultados — e sobre o capítulo dedicado à inteligência artificial e ao mercado de trabalho, por serem as secções com maior relevância imediata para professores, direções de escola e alunos. As partes dedicadas aos alunos de nacionalidade estrangeira e à quebra na procura do ensino superior, igualmente extensas, ficam para uma análise futura.

Balanço Anual da Educação 2026

Os jovens portugueses nunca foram tão qualificados

Comecemos pelos números que sustentam o otimismo. Em 2024, 43% dos jovens portugueses entre os 23 e os 27 anos tinham concluído o ensino superior, uma proporção que coloca o país entre os lugares mais altos da União Europeia. Metade dos jovens entre os 18 e os 20 anos estava inscrita no ensino superior nesse mesmo ano, um crescimento de cerca de 13 pontos percentuais face ao período anterior à pandemia. O crescimento mais acentuado registou-se, aliás, nos mestrados e nos Cursos Técnicos Superiores Profissionais, e não nas licenciaturas — um sinal de que o sistema continua a alongar-se e a especializar-se.

O contraste com as gerações mais velhas é, segundo o relatório, «a principal marca distintiva do sistema educativo português»: entre os 35 e os 45 anos, a proporção de adultos com o secundário completo fica mais de dez pontos percentuais abaixo da média europeia; para quem está no final da vida ativa, essa diferença supera os 35 pontos. Os dados do PIAAC de 2023 traduzem este atraso em competências reais — Portugal ocupa o penúltimo lugar entre 31 países participantes nos resultados médios de literacia, numeracia e resolução de problemas, com 46% dos adultos entre os 25 e os 64 anos a apresentar baixos níveis de literacia. Há sinais de recuperação — em 2025, cerca de 17% dos adultos portugueses participou em ações de educação e formação, acima da média europeia —, mas o relatório nota que esse crescimento de participação ainda não se está a traduzir, de forma clara, em ganhos efetivos de competências.

Quando a entrada deixa de ser o problema

É aqui que o relatório muda de registo. Enquanto a escola era para poucos, explicam os autores, a desigualdade decidia-se à entrada: quem conseguia aceder ao sistema, e a que nível. Agora que o acesso está praticamente universalizado — da creche ao ensino superior —, a desigualdade deslocou-se para dentro do sistema. São os percursos — a sua duração, a sua continuidade, a via escolhida e o modo como essa via é valorizada mais tarde no mercado de trabalho — que decidem quem beneficia plenamente da escola e quem fica a meio caminho.

O relatório identifica seis perfis distintos de famílias e de expectativas que hoje coexistem nas escolas portuguesas: das famílias urbanas de elevado capital cultural que orientam os filhos para os cursos científico-humanísticos e para mestrados em universidades de prestígio, até às famílias em contextos socioeconómicos mais desfavorecidos, fortemente dependentes da via profissional para evitar o abandono. No meio, alunos de primeira geração no ensino superior, alunos de nacionalidade estrangeira e adultos a tentar recuperar qualificações em falta. Cada perfil tem uma probabilidade muito diferente de concluir a tempo, de progredir para um mestrado ou de obter um emprego que valorize o diploma que tirou. É esta coexistência de públicos tão distintos, sob o mesmo telhado institucional, que os autores resumem na expressão «sistemas dentro do sistema» — e que torna qualquer leitura genérica do sucesso escolar português, positiva ou negativa, insuficiente.

Quem fica retido, quem desiste — e onde

A retenção escolar continua a ser a forma mais visível de diferenciação precoce de percursos, e os dados aqui contam uma história em duas fases. Entre 2014/15 e a véspera da pandemia, a tendência foi de queda acentuada: em 2014/15, quase um em cada seis alunos do secundário ficava retido ou abandonava o sistema num dado ano; em 2023/24, essa proporção desceu para cerca de um em dez nos cursos científico-humanísticos e um em nove no ensino profissional. No ensino básico, a melhoria foi ainda mais expressiva, com apenas um em cada 25 alunos a ficar retido.

Mas desde 2021/22 a tendência inverteu-se, sobretudo no básico e nos primeiros anos do secundário, mesmo sob o novo enquadramento legislativo que tornou a retenção administrativamente excecional nos anos não terminais. Os aumentos mais visíveis concentram-se precisamente nos anos de transição para o secundário — 8.º e 9.º anos — e afetam de forma desproporcionada os rapazes, uma diferença de género que só surge a partir do segundo ciclo e que se alarga no terceiro ciclo. A boa notícia, neste capítulo, é o 12.º ano: a probabilidade de retenção nesse ano, historicamente o principal gargalo do sistema, reduziu-se mais de dez pontos percentuais no ensino público nos últimos anos, sem que a pandemia tenha interrompido essa melhoria.

A retenção e o abandono são também marcadamente territoriais. O relatório descreve um país «partido de norte a sul do Tejo»: a área metropolitana de Lisboa mais alargada — que se estende por Leiria, Santarém e Setúbal —, o Oeste e o Algarve concentram os piores resultados no secundário, com bolsas adicionais no interior Norte. E são fortemente dependentes do contexto socioeconómico: os alunos beneficiários de Ação Social Escolar registaram as descidas mais acentuadas durante a pandemia e as recuperações mais lentas depois dela, o padrão esperado de quem tem menos margem para amortecer perturbações externas.

A Matemática como espelho da desigualdade

Se há uma disciplina que o relatório transforma em indicador de todo o sistema, é a Matemática. Os resultados das provas finais do 9.º ano de 2024/25 mostram que mais de metade dos alunos obteve classificação negativa. A proporção de alunos com bom desempenho — notas de quatro ou cinco — caiu de cerca de 37%, antes da pandemia, para valores em torno dos 22%. Há recuperação nos últimos dois anos, mas o aluno mediano continua, segundo os dados mais recentes, longe do nível pré-pandémico.

O mais preocupante é a forma como essa recuperação não chega a todos da mesma maneira. Os alunos de famílias com menor escolaridade, beneficiários de Ação Social Escolar e de nacionalidade estrangeira foram os mais afetados durante a pandemia e são também os que recuperaram menos. Em Português, o impacto diferenciado por contexto socioeconómico foi igualmente visível, mas a recuperação já é praticamente total para a maioria dos grupos — o que torna a Matemática, e não a literacia em geral, o eixo mais persistente de desigualdade no sistema.

A geografia confirma o padrão. Em 2024/25, dez concelhos — Lisboa, Porto, Braga, Coimbra, Viseu, Barcelos, Guimarães, Cascais, Oeiras e Aveiro — concentravam mais de 70% da sobrerrepresentação de alunos com bom desempenho a Matemática, um valor mais elevado do que antes da pandemia. No polo oposto, Sintra, Seixal, Amadora, Loures, Almada e Barreiro — todos na grande área metropolitana de Lisboa — mostram agravamento de desempenho relativo mesmo depois do choque pandémico, tal como vários concelhos do Alentejo, de Setúbal e do Algarve. Não é apenas que o desempenho seja desigual: é que essa desigualdade está cada vez mais concentrada no mapa, com os territórios de maior densidade populacional e de maiores expectativas de mobilidade social entre os que mais perderam terreno relativo.

Estes resultados nacionais não surgem isolados: as últimas edições das provas internacionais — PISA, TIMSS e PIRLS — já tinham levantado o mesmo alerta. O TIMSS registou quedas três vezes superiores à média internacional, com 19% dos alunos portugueses abaixo do nível mínimo de proficiência. O PISA 2022 documentou uma queda pronunciada nos três domínios avaliados, depois de Portugal ter superado, em 2015, o desempenho médio da OCDE por aproximação — em 2022, regressou exatamente a essa média. Um exercício estatístico que mantém constantes as qualificações familiares e a natureza pública ou privada das escolas torna o padrão ainda mais evidente: descontados esses efeitos de composição, os autores estimam quedas de cerca de 28 pontos a Português e Matemática e 24 pontos a Ciências desde 2015, concentradas sobretudo no período pandémico. Os resultados do PISA 2025, com publicação prevista para setembro de 2026, serão o primeiro teste empírico robusto à durabilidade — ou não — destas quebras.

Os exames que deixaram de ser obrigatórios também selecionam

Um dos contributos mais originais do relatório é mostrar como a alteração das regras de conclusão do ensino secundário, com o fim e o posterior regresso da obrigatoriedade de exames nacionais, deixou marcas visíveis nos dados — não apenas no desempenho médio, mas em quem decide fazer cada exame. Em 2018/19, para cada quatro alunos a realizar o exame de Português, três faziam também um exame de Ciências ou de Matemática A; hoje, essa relação caiu para um exame de Ciências ou Matemática A por cada dois de Português, um sinal de que a obrigatoriedade adicional afastou parte dos alunos menos preparados dessas disciplinas mais exigentes.

O efeito é particularmente visível na comparação entre as duas matemáticas do secundário. Em Matemática B, a forte redução de participantes em 2022/23 coincidiu com uma subida da nota mediana — uma seleção positiva clara; já em 2024/25, com o universo de alunos a expandir-se de novo, a mediana recua e o desempenho dos piores alunos atinge o valor mais baixo da série. Já as disciplinas de Ciências — Biologia, Física, Química — apresentam a trajetória mais consistentemente positiva, com a nota mediana a subir de forma sustentada desde 2018/19, um percurso que o relatório associa a famílias com maior capital cultural e a estratégias de proteção de trajetória. A vantagem do aluno médio do ensino privado em Matemática A, por exemplo, aumentou cerca de cinco pontos em 200 desde o último ano em que os exames eram também obrigatórios para a conclusão do secundário, sinal de que o impacto da condição socioeconómica nos resultados regressou a níveis anteriores a 2019.

A inteligência artificial está a redesenhar o valor de um diploma

A secção do relatório dedicada à inteligência artificial merece particular atenção num blogue como este. A conclusão central é que o impacto da IA no mercado de trabalho não se resume a substituir quem tem menos qualificações — a história é mais matizada e, em certos aspetos, mais inquietante. As profissões mais expostas à IA concentram-se precisamente entre os diplomados do ensino superior, mas a natureza dessa exposição varia muito: especialistas administrativos ou jurídicos são classificados como predominantemente substituíveis, porque tarefas como a elaboração de relatórios financeiros ou de documentos jurídicos estão cada vez mais ao alcance das ferramentas atuais; já especialistas em ciências, em engenharia e profissionais de saúde aparecem do lado complementar, em que a IA amplifica a capacidade humana em vez de a substituir.

Para os diplomados do ensino secundário, o relatório é direto: quem ocupa funções administrativas e de serviços de rotina — historicamente um segmento de emprego estável e bem remunerado — enfrenta um risco crescente de substituição, em concorrência por posições no setor de serviços pessoais, mais resistentes à automatização mas com menor margem de progressão salarial. Esta dinâmica ajuda a explicar um padrão salarial que já vinha de trás: o prémio salarial do mestrado cresceu mais rapidamente do que o de qualquer outro nível de qualificação desde 2015, sem sinais de compressão apesar do forte aumento da oferta de mestres, enquanto o diploma secundário, isoladamente, continua a ser o de menor valorização relativa em toda a série. Portugal mantém, de resto, um dos rácios mais elevados da OCDE entre os ganhos de diplomados do superior e do secundário — um indício de que a economia portuguesa continua a gerar relativamente poucos postos de trabalho intensivos em conhecimento.

Para a escola, a implicação prática não é a de substituir conteúdos por «competências digitais» genéricas. É a de reconhecer que aquilo que protege um percurso da automatização — juízo, complexidade relacional, resolução de problemas não rotineiros — é exatamente o que uma boa educação, bem ensinada, sempre procurou desenvolver. A questão que a IA coloca às escolas portuguesas não é tecnológica em primeira instância: é curricular e pedagógica.

O que isto significa, na prática, para quem ensina

Juntando os fios deste diagnóstico, o relatório aponta três desafios imediatos com tradução direta na vida escolar. O primeiro é dirigir a recuperação de aprendizagens pós-pandemia, com prioridade clara à Matemática, para os alunos com menor suporte familiar — sem essa focalização, a recuperação tende a beneficiar de forma assimétrica quem já tem mais recursos em casa. O segundo é gerir com cuidado o equilíbrio entre exigência e acessibilidade nos exames nacionais: o relatório sublinha que um sistema menos exigente a montante pode ampliar o acesso formal, mas também dilui o valor médio do diploma e empurra os alunos com mais recursos para outros mecanismos de distinção — instituições de maior prestígio, mestrados, ou simplesmente a fuga para vias percebidas como mais seletivas. O terceiro é a monitorização do fosso crescente no acesso ao mestrado: a probabilidade de transição imediata da licenciatura para o mestrado é de 48,3% entre licenciados com pelo menos um dos pais com ensino superior, contra 37,1% entre os restantes — uma diferença que tem vindo a aumentar desde o primeiro Balanço da Educação, e que é ainda mais acentuada no subsistema universitário público do que no politécnico.

Para as escolas e para quem nelas trabalha diariamente, talvez a conclusão mais útil deste relatório seja esta: o sucesso do sistema educativo português já não se mede pela porta de entrada, porque essa porta está, em larga medida, aberta. Mede-se pelo que acontece a cada aluno depois de entrar — e os dados mostram, com bastante nitidez, que esse «depois» continua a depender demasiado de onde se nasce, de quanto estudaram os pais e do código postal da escola.

Uma proposta para a sala de aula

Uma forma simples de levar este relatório para dentro da sala de aula, sem o reduzir a um resumo de números, é transformar os próprios alunos em investigadores do seu território. A plataforma EDUSTAT, do EDULOG, disponibiliza dados abertos por concelho sobre retenção, abandono e desempenho nas provas nacionais. Em turmas de 3.º ciclo ou de secundário, particularmente nas disciplinas de Matemática, Geografia ou Cidadania e Desenvolvimento, os alunos podem pesquisar os indicadores do seu próprio concelho, compará-los com os concelhos referidos neste artigo — os de melhor e de pior desempenho relativo — e discutir, em grupo, que fatores locais (oferta de transportes, dimensão das escolas, contexto socioeconómico das famílias, oferta de cursos profissionais) podem ajudar a explicar as diferenças encontradas. O exercício termina com cada grupo a propor, por escrito, uma medida concreta e realista que a sua própria escola ou município poderia adotar para reduzir o fosso identificado. Não se trata de pedir aos alunos que resolvam a desigualdade educativa portuguesa — trata-se de lhes mostrar que os números deste relatório não são abstratos: são, em parte, sobre eles próprios.

Nota: O artigo centra-se na Parte 1 do relatório («Sistemas dentro do Sistema: acesso, expectativas, percursos e resultados educativos») e no capítulo dedicado à inteligência artificial e ao mercado de trabalho, por serem as secções com relevância mais imediata para professores, direções de escola e alunos. A Parte 2 (alunos de nacionalidade estrangeira no ensino público obrigatório) e a Parte 3 (a quebra recente na procura de ensino superior) não são aqui desenvolvidas e poderão ser objeto de artigos autónomos. Todos os valores percentuais, datas e referências a diplomas legais (como os Decretos-Lei 62/2023 e 56/2026) foram confirmados diretamente no texto do relatório; nenhum dado, estudo ou citação foi inventado ou inferido. A proposta de atividade para a sala de aula é original e não consta do relatório original.

Referências

Figueiredo, H., Sá, C., Flores, I., Araújo, M., Tavares, O., & Silva, P. L. (2026). Balanço Anual da Educação 2026. EDULOG, Fundação Belmiro de Azevedo. https://edulog.pt/storage/app/uploads/public/6a2/4df/f07/6a24dff07396e873509071.pdf

Clicar para ver a apresentação…

95% dos estudantes já usam IA — e agora sentem-se sozinhos por causa disso | estudo

Publicado a por
Responder

Download |

Há três anos, os decisores de política educativa debatiam se os estudantes iriam usar inteligência artificial nas suas tarefas académicas. Hoje, a questão já não é essa. O terceiro inquérito anual Student Generative AI Survey 2026, publicado pelo Higher Education Policy Institute (HEPI) em parceria com a Kortext, em março de 2026, não deixa margem para dúvidas: 95% dos estudantes universitários britânicos usam IA de alguma forma, e 94% fazem-no especificamente para trabalhos avaliados. O debate mudou de terreno — e as escolas, em Portugal e no mundo, fariam bem em prestar atenção.

O estudo, que inquiriu 1 054 estudantes de licenciatura a tempo inteiro no Reino Unido em dezembro de 2025, é já a terceira edição de um trabalho que se tornou uma referência anual sobre o modo como a inteligência artificial generativa está a transformar a experiência académica. O retrato que emerge é simultaneamente fascinante e inquietante: uma geração que encontrou na IA uma ferramenta quase indispensável, mas que ainda não sabe muito bem como conviver com ela — nem as instituições sabem como ensiná-la a fazê-lo.

De experiência rara a prática universal: três anos em números

A velocidade da mudança é, por si só, assinalável. Em 2024, dois terços dos estudantes (66%) declaravam utilizar IA de alguma forma. Em 2025, esse número saltou para 92%. Em 2026, chegou a 95%. Numa escala de três anos, passámos de uma minoria expressiva para uma quase unanimidade.

Mas há uma nuance importante nestes dados que convém não ignorar. A utilização de IA para geração de texto — a função associada a ferramentas como o ChatGPT — desceu de 64% em 2025 para 56% em 2026. Os autores do relatório, Rose Stephenson e Charlotte Armstrong, reconhecem que o motivo desta descida não é claro, mas avançam uma hipótese plausível: os estudantes estarão a migrar para ferramentas mais especializadas, adequadas a tarefas específicas, em vez de recorrerem apenas a um assistente generalista. A IA não desapareceu do seu quotidiano — diversificou-se.

As utilizações mais comuns continuam a ser explicar conceitos, resumir artigos e estruturar ideias. Cerca de 40% dos estudantes usam IA para sugerir pistas de pesquisa ou organizar o pensamento antes de escrever. E 36% utilizam já a IA para pesquisar na internet, uma funcionalidade que se tornou transversal nas versões mais recentes das principais ferramentas. Um dado particularmente significativo para quem trabalha em contexto educativo: a percentagem de estudantes que incluem texto gerado por IA diretamente nas suas avaliações, sem qualquer edição, subiu de 3% em 2024 para 12% em 2026.

A avaliação que deixou de ser a mesma

Dois terços dos estudantes (65%) afirmam que as formas de avaliação da sua instituição mudaram significativamente em resposta à IA. Em 2024, apenas um terço dizia o mesmo. Esta transformação acelerada tem consequências reais na experiência dos alunos — e nem todas são positivas.

Alguns estudantes relatam, nas respostas abertas do inquérito, que os exames ficaram mais difíceis sem que tivesse sido providenciado apoio adicional. Outros expressam uma ansiedade específica e reveladora: o medo de serem falsamente acusados de utilizar IA. «Mesmo quando não uso IA para escrever, tenho ansiedade em relação a certas palavras, porque podem aparecer sinalizadas como geradas por IA», escreveu um dos inquiridos. Outro acrescentou: «Pessoas com boas competências de escrita são frequentemente acusadas de usar IA.»

Esta realidade coloca um problema sério e que as escolas portuguesas também começarão a enfrentar: os detectores automáticos de texto gerado por IA estão longe de ser fiáveis, e a sua utilização acrítica pode penalizar os estudantes mais competentes. A equidade académica não se resolve com tecnologia de detecção — resolve-se com design de avaliação pensado e honesto.

O relatório sugere um caminho interessante: que as instituições ofereçam, em paralelo, avaliações explicitamente «sem IA» — para medir competências tradicionais como a escrita argumentativa — e avaliações que incorporem a IA de forma intencional e declarada, para medir competências de uso responsável. Esta dualidade não é uma cedência; é uma forma de clareza pedagógica.

Um fosso entre o que os estudantes precisam e o que recebem

Um dos dados mais preocupantes do relatório é o desfasamento entre a percepção dos estudantes sobre a importância da IA e o apoio que sentem receber das suas instituições.

Seis em cada dez estudantes (68%) consideram que compreender e saber usar IA de forma eficaz é essencial para prosperar no mundo de hoje. Mas apenas metade (48%) sente que os seus professores os estão a ajudar a desenvolver essas competências para a vida profissional futura. Um fosso de 20 pontos percentuais que, na linguagem do relatório, «evidencia uma desconexão entre a importância percebida das ferramentas de IA e a concretização dessas competências».

Os estudantes de Artes e Humanidades são os que se sentem mais desapoiados — e os mais céticos em relação à IA em geral. Apenas 25% acreditam que conteúdo gerado por IA obteria uma boa nota na sua área, e uma maioria significativa sente que os seus docentes não os estão a preparar para usar IA no futuro. O relatório reconhece as razões desta resistência — preocupações legítimas com direitos de autor, plágio e o impacto da IA nas indústrias criativas —, mas nota que a cautela excessiva pode também privar estes estudantes de competências que o mercado de trabalho irá exigir.

Há aqui uma lição direta para o ensino básico e secundário em Portugal: a literacia em IA não pode ser tratada como um módulo opcional ou uma atividade extracurricular. Precisa de estar integrada nos currículos, de forma transversal, com espaço para a reflexão crítica sobre o que a IA faz bem, o que faz mal, e onde os seus limites são — literalmente — perigosos.

Quando a IA se torna companhia

O inquérito deste ano introduziu, pela primeira vez, questões sobre o impacto da IA no bem-estar e na solidão dos estudantes. Os resultados surpreendem pela sua complexidade.

Cerca de 15% dos estudantes declaram usar IA para obter companhia, conselho ou para combater a solidão. Outros 8% recorrem a serviços de aconselhamento ou terapia prestados exclusivamente por IA. No total, cerca de 41% dos inquiridos afirmam que a IA afeta o seu nível de solidão — com um número quase igual a reportar efeitos positivos e negativos.

Nas respostas abertas, alguns estudantes descrevem a IA como um «colega de estudo», alguém que está disponível a qualquer hora, sem julgamentos, capaz de responder à mesma dúvida repetida vezes sem conta. «Dá-me alguém com quem falar quando não tenho ninguém», escreveu um estudante. Mas outros descrevem o efeito contrário: a IA como um substituto das interações humanas reais, um factor de isolamento. «Encorajas as pessoas a estudar sozinhas», disse outro.

Esta ambivalência é reveladora de um fenómeno que ainda mal compreendemos. A IA pode, em contextos de solidão genuína, oferecer um apoio temporário. Mas pode também aprofundar o isolamento se se tornar um substituto sistemático para a relação com os outros. O relatório recomenda investigação urgente nesta área — e essa investigação é igualmente necessária no contexto do ensino básico e secundário, onde os jovens são mais vulneráveis.

O perigo da confiança sem competência

Um dos estudos de caso incluídos no relatório é particularmente esclarecedor. Investigadores de quatro universidades — Queen Mary University of London, Erasmus University Rotterdam, Universidade de Campinas e McMaster University — testaram quatro abordagens de ensino com estudantes de medicina, usando um assistente de IA clínica para diagnóstico.

O resultado foi inesperado: os estudantes que usaram apenas IA, sem feedback humano, obtiveram os piores resultados — mas eram os mais confiantes. Os que combinaram IA com feedback de professores tiveram o melhor desempenho. O professor Rakesh Patel, um dos investigadores, resumiu o problema com uma imagem certeira: é como dar a alguém um desportivo de alta potência antes de aprender a conduzir. A ferramenta está lá, é poderosa, mas sem preparação adequada pode causar danos.

Esta conclusão devia ser afixada em todas as salas de professores. A IA pode criar uma ilusão de competência — e isso é potencialmente mais perigoso do que a incompetência assumida. O papel do professor não desaparece com a IA; pelo contrário, torna-se mais crítico: é ele quem calibra a ferramenta com o julgamento humano, quem faz a ponte entre a resposta da máquina e o mundo real, quem identifica os erros que o estudante não sabe que está a cometer.

O que as escolas precisam de fazer agora

O relatório formula recomendações direcionadas ao ensino superior britânico, mas a sua relevância ultrapassa largamente esse contexto. Traduzidas para a realidade das escolas portuguesas, sugerem pelo menos quatro prioridades:

A primeira é garantir que todos os alunos têm acesso equitativo às ferramentas de IA e à literacia necessária para as usar bem. O relatório mostra que existem desigualdades sociais e de género no acesso e na competência — os estudantes de estratos socioeconómicos mais baixos usam menos certas ferramentas, e os homens têm mais experiência prévia de uso. A escola pública tem um papel redistributivo que não pode abdicar.

A segunda é integrar o ensino explícito de competências de IA nos currículos, com espaço para a dimensão ética — propriedade intelectual, privacidade, impacto ambiental, fiabilidade dos resultados. Em Portugal, o currículo do Perfil dos Alunos à Saída da Escolaridade Obrigatória já contempla a dimensão das competências digitais; o momento é de concretizar essa intenção em práticas pedagógicas.

A terceira é preparar os professores. O relatório é claro: sem formação adequada e tempo para a desenvolver, os docentes não conseguirão acompanhar a evolução das ferramentas nem ajudar os alunos a usá-las com sentido crítico. O programa IAedu e outras iniciativas de formação contínua em Portugal são passos na direção certa, mas precisam de alcançar todos os professores, incluindo os das áreas humanísticas.

A quarta é repensar a avaliação — não para a tornar mais difícil, mas para a tornar mais honesta. Avaliações que declaram explicitamente o que é ou não permitido, que diversificam os formatos e que medem aquilo que realmente importa medir: a capacidade de pensar, argumentar e decidir.

Uma sugestão para a sala de aula

Uma forma concreta de explorar estas questões com os alunos é propor um exercício comparativo: pedir a cada aluno que escreva um parágrafo de resposta a uma questão de interpretação de texto — primeiro sem IA, depois com IA. A seguir, que compare os dois textos e responda a três perguntas: o que é que a IA acrescentou? O que perdeu? Em qual dos textos reconhece mais o seu próprio pensamento?

Este exercício não tem como objetivo proibir ou promover a IA — tem como objetivo tornar visível o que acontece quando a usamos. E tornar visível é, sempre, o primeiro passo para compreender.

Referências

Stephenson, R., & Armstrong, C. (2026). Student generative AI survey 2026 (HEPI Report 199). Higher Education Policy Institute. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2026/

Freeman, J. (2025). Student generative AI survey 2025 (HEPI Policy Note 61). Higher Education Policy Institute. https://www.hepi.ac.uk/reports/student-generative-ai-survey-2025/

Freeman, J. (2024). Provide or punish? Students’ views on generative AI in higher education (HEPI Policy Note 51). Higher Education Policy Institute. https://www.hepi.ac.uk/2024/02/01/provide-or-punish-students-views-on-generative-ai-in-higher-education/

Nota editorial

Este artigo baseia-se no relatório Student Generative AI Survey 2026 (HEPI Report 199), publicado em março de 2026 pelo Higher Education Policy Institute (HEPI) e pela Kortext, com autoria de Rose Stephenson e Charlotte Armstrong. O documento foi disponibilizado pelos autores em formato PDF e consultado na íntegra. Os dados citados são extraídos diretamente do relatório original.

O estudo incide sobre o ensino superior britânico (1 054 estudantes de licenciatura a tempo inteiro, inquiridos em dezembro de 2025, com margem de erro de ±3%). As conclusões não são diretamente transponíveis para o contexto do ensino básico e secundário português, mas as tendências identificadas — universalização do uso de IA, desfasamento entre práticas e políticas institucionais, impacto no bem-estar — são suficientemente consistentes para merecerem reflexão por parte de toda a comunidade educativa. A contextualização para Portugal foi feita pelo autor com base no conhecimento das políticas educativas nacionais; não existe, até à data, um estudo equivalente centrado em estudantes portugueses do ensino básico ou secundário.

Clicar na imagem para ver a apresentação…

The Impact of Generative AI on Critical Thinking: Self-Reported Reductions in Cognitive Effort and Confidence Effects From a Survey of Knowledge Workers

Publicado a por
1

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

Design for Permanence. (2026, 16 de maio). Impacto de la IA en el uso del pensamiento crítico (Parte I). Substack. https://designforpermanence.substack.com/p/que-se-sabe-y-se-intuye-del-impacto

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.

Bainbridge, L. (1983). Ironies of automation. Automatica, 19(6), 775–779. https://doi.org/10.1016/0005-1098(83)90046-8

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

Publicado a por
2

Download |

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

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

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

Clicar na imagem para ver a apresentação…

O paradoxo que a sala de aula já conhece

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

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

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

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

Usar não é o mesmo que compreender

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

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

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

O que os professores dizem — e o que precisam

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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

O que as escolas podem começar a fazer agora

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

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

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

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

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

Porque isto importa para além da escola

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

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

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

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

Referências bibliográficas

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

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

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

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

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