Arquivo da Categoria: Guia

Da informação ao conhecimento: cinco roteiros para pensar com a IA, não por ela | Guia prático

Publicado a por
Responder

Um guia prático para o ensino secundário propõe cinco roteiros didáticos que usam a IA como mediadora do pensamento, nunca como sua substituta. Cruzámos a proposta com o quadro DigCompEdu e com o currículo português para perceber o que pode, realmente, entrar amanhã na sala de aula.

Guia |

Há uma pergunta que qualquer professor de qualquer disciplina já ouviu, direta ou indiretamente, nos últimos dois anos: se o aluno pode pedir a resposta a uma IA em três segundos, o que resta para ensinar? Um guia prático recentemente publicado para o ensino secundário responde a essa pergunta de forma pouco habitual — não com regras de proibição, mas com uma arquitetura de atividades que transforma a própria pergunta num problema pedagógico.

O documento, intitulado «Da informação ao conhecimento», organiza-se em torno de uma tese simples de enunciar e difícil de operacionalizar: aceder a informação não equivale a construir conhecimento. Entre um e outro há um trabalho cognitivo — analisar, verificar, sintetizar, questionar — que nenhuma ferramenta faz pelo aluno, por mais fluente que seja a resposta que produz.

A pirâmide que já conhecíamos, aplicada a um problema novo

A base teórica do guia assenta na hierarquia DIKW (dados, informação, conhecimento, sabedoria), um modelo que circula há décadas na literatura da ciência da informação. Jennifer Rowley revisitou-o em 2007, num artigo académico de referência que examina como diferentes manuais tratam a passagem entre estes quatro patamares. O que o guia faz de interessante é situar a IA generativa precisamente na transição mais instável desta pirâmide: entre a informação organizada e o conhecimento interpretado. A ferramenta acelera o acesso ao primeiro patamar; o trabalho de síntese e avaliação — a subida ao segundo — continua a ser, e tem de continuar a ser, do aluno.

Esta distinção liga-se diretamente ao quadro europeu DigCompEdu, referido como enquadramento do guia. Vale a pena lembrar o que este quadro realmente é: um referencial desenvolvido pelo Centro Comum de Investigação da Comissão Europeia, cientificamente fundamentado, que descreve o que significa um educador ser digitalmente competente, organizado em vinte e duas competências distribuídas por seis áreas. O guia não pede aos professores que dominem tecnicamente a IA — pede que a integrem numa área já prevista nesse quadro europeu: a da mediação pedagógica da aprendizagem digital.

Cinco roteiros, um fio condutor comum

A proposta central do documento são cinco sequências didáticas, pensadas para caber num bloco de noventa minutos ou para se estenderem por várias semanas, consoante a disciplina e o objetivo. O que as une é uma estrutura recorrente: os alunos recolhem uma resposta da IA, mas nunca a aceitam como ponto final — verificam-na, confrontam-na com fontes primárias e só depois escrevem, com palavras próprias, aquilo que efetivamente sabem.

No primeiro roteiro, «O Detetive da Informação», a turma parte de um tema controverso e atual e pede à IA três respostas diferentes, registando numa tabela simples o que é verificável e o que não é. No segundo, «Mapa do Conhecimento Vivo», a interrogação à IA serve para gerar mais perguntas, não para as encerrar — um mapa concetual colaborativo evolui ao longo das aulas, distinguindo por cores o que veio da IA, o que foi verificado e o que ainda está em aberto. No terceiro, «Debate com Árbitro Digital», a IA assume o papel de advogado do diabo, obrigando cada aluno a testar a solidez dos seus próprios argumentos antes de os defender publicamente. No quarto, um projeto de investigação de três a quatro semanas usa a IA como assistente de pesquisa, mas exige uma secção final onde os alunos documentam explicitamente o que corrigiram nas sugestões da ferramenta. No quinto, os alunos tornam-se curadores de recursos sobre um subtema à sua escolha, descartando aquilo que não passa numa grelha de critérios definida coletivamente pela turma.

Nenhum destes roteiros pede tecnologia sofisticada. Pedem tempo de aula, uma tabela, um caderno de registo e — este é o ponto que mais interessa a quem está em sala de aula — a disponibilidade do professor para não responder de imediato quando um aluno pergunta «isto está certo?». O guia sugere devolver sempre a pergunta: «Como podemos verificar? Que fontes consultaste? O que a IA não pode saber sobre isto?»

Avaliar o processo, não apenas o produto

Um dos contributos mais úteis do documento é a proposta de instrumentos de avaliação centrados na transição cognitiva, e não apenas no resultado final. A rubrica apresentada cruza cinco indicadores — distinção entre dados, informação e conhecimento; verificação de fontes; síntese própria; uso ético da IA; metacognição — com três níveis de desempenho, do aluno que ainda confunde dados com opiniões ao que constrói argumento próprio apoiado em evidências e sabe explicar o percurso que o levou até lá.

Clicar na imagem para ver a apresentação…

Esta lógica de avaliação processual dialoga bem com o que já está previsto nos documentos curriculares portugueses. As Aprendizagens Essenciais e o Perfil dos Alunos à Saída da Escolaridade Obrigatória colocam o pensamento crítico e a autonomia entre as competências transversais a desenvolver em qualquer disciplina — o guia oferece, nesse sentido, instrumentos concretos para operacionalizar algo que, muitas vezes, permanece como princípio geral difícil de traduzir em prática de sala de aula.

O diário de aprendizagem proposto como instrumento complementar segue a mesma filosofia: não avalia a qualidade da escrita, mas a profundidade da reflexão, através de perguntas simples que o aluno responde no final de cada sessão — o que recolheu, o que conseguiu verificar, com o que discordou da IA, que conexão fez com outra disciplina.

Quando a interdisciplinaridade deixa de ser um cartaz na parede

A secção dedicada à mediação em projetos interdisciplinares merece destaque próprio, porque evita um erro comum: tratar a interdisciplinaridade como sobreposição de professores a observar o mesmo trabalho. O guia propõe antes uma tensão produtiva entre olhares disciplinares — o mesmo problema visto pela historiadora, pelo matemático e pela linguista deve produzir respostas diferentes, e é nesse atrito que o conhecimento se constrói.

Para isso, sugere questões-âncora que não têm resposta possível numa única disciplina — o exemplo dado no documento, sobre como a alteração climática transforma a língua que usamos, exige em simultâneo Ciências, Português e Filosofia — e reuniões de fronteira, em que cada professor questiona o trabalho dos alunos a partir da sua própria área, obrigando-os a traduzir o conhecimento entre linguagens disciplinares distintas. A avaliação final reflete essa lógica: sessenta por cento do peso recai sobre o diário de investigação e os registos intermédios, e apenas quarenta por cento sobre o produto final.

O enquadramento ético, sem rodeios

O guia não trata a questão ética como nota de rodapé. Estabelece com clareza que conteúdos gerados por IA não têm autor humano e não podem ser citados como fonte primária — servem apenas como ponto de partida para investigação —, que os alunos não devem partilhar dados pessoais próprios ou de terceiros em plataformas de IA, e que a transparência sobre o uso da ferramenta tem estatuto curricular: declarar quando e como se usou IA é tratado como competência a desenvolver, não como confissão de uma infração.

Este enquadramento aproxima-se do que a UNESCO já vinha a defender internacionalmente. A organização publicou, em 2023, a sua primeira orientação global sobre IA generativa em educação, um documento que explora as oportunidades, os desafios e os riscos — imediatos e de longo prazo — que a IA generativa coloca aos sistemas educativos, propondo em simultâneo passos concretos para a regulação governamental e exemplos práticos de desenho pedagógico. Entre as suas recomendações mais citadas está precisamente a definição de limites de idade para o uso autónomo destas ferramentas e a proteção da privacidade dos dados dos utilizadores mais jovens — preocupações que o guia recupera, sem as citar diretamente, na sua secção sobre RGPD no contexto educativo.

O que fica para quem vai usar isto amanhã

O valor prático deste guia não está na novidade dos conceitos — a pirâmide DIKW, a taxonomia de Bloom, os princípios de literacia digital são território já conhecido de quem acompanha estas questões. Está na tradução de tudo isso em algo que cabe num plano de aula: prompts prontos a adaptar, fases cronometradas, critérios de avaliação escritos em linguagem que qualquer professor, de qualquer disciplina, consegue aplicar sem formação técnica prévia.

A frase que fecha o documento resume bem a proposta: a transição da informação para o conhecimento não acontece por exposição, acontece por fricção cognitiva deliberada. A IA, usada assim, não substitui essa fricção — pode até aumentá-la, se o professor souber onde e quando a introduzir. Usada de outra forma, elimina-a por completo. A diferença entre as duas coisas não está na ferramenta. Está, como sempre esteve, na mediação de quem ensina.

Nota de transparência editorial: este artigo foi redigido com apoio de IA a partir de um guia prático em PDF fornecido para análise, cruzado com pesquisa própria para verificar as referências bibliográficas nele citadas (DigCompEdu, a hierarquia DIKW de Rowley e a orientação da UNESCO sobre IA generativa em educação, todas confirmadas em fontes primárias). As referências à taxonomia de Bloom revista, às Aprendizagens Essenciais e ao Perfil dos Alunos são apresentadas com nível de confiança alto, por se tratar de documentos institucionais amplamente estabelecidos, mas não foram objeto de verificação individual de URL nesta ocasião. Os cinco roteiros didáticos e os instrumentos de avaliação descritos correspondem ao conteúdo do guia original e não foram testados em contexto de sala de aula pelos autores.

Referências

Comissão Europeia, Centro Comum de Investigação. (2017). DigCompEdu: European framework for the digital competence of educators. https://joint-research-centre.ec.europa.eu/digcompedu_en

Direção-Geral da Educação. (s.d.). Aprendizagens essenciais. https://www.dge.mec.pt/aprendizagens-essenciais

Miao, F., & Holmes, W. (2023). Guidance for generative AI in education and research. UNESCO. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research

Rowley, J. (2007). The wisdom hierarchy: Representations of the DIKW hierarchy. Journal of Information Science, 33(2), 163–180. https://doi.org/10.1177/0165551506070706

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…

Pedagogia primeiro, ferramentas depois: o que o guia de Med Kharbach diz sobre IA na escola em 2026

Publicado a por
Responder

Download | Download vs .pt |

Todos os inícios de ano, Med Kharbach — investigador em tecnologia educativa e autor do conhecido blogue Educators Technology — publica uma coleção comentada de ferramentas de inteligência artificial para docentes. A edição de 2026, intitulada Top AI Tools for Teachers (também referida como AI for Teachers in 2026), mantém esse hábito e disponibiliza o documento sob licença Creative Commons Atribuição–CompartilhaIgual 4.0 (CC BY‑SA 4.0), o que permite partilhar e adaptar o conteúdo, desde que com atribuição e sob a mesma licença.

Vale a pena ler este guia não só pela lista de ferramentas, mas sobretudo pela moldura pedagógica que o sustenta — e é também por aí que convém olhá‑lo com sentido crítico, em particular a partir do contexto português e das bibliotecas escolares.

Quem escreve e a partir de que lugar

Med (Mohamed) Kharbach é doutorado em Estudos Educacionais pela Mount Saint Vincent University, no Canadá, e mantém desde 2010 o blogue Educators Technology, hoje uma das referências internacionais em tecnologia educativa. No guia, declara que continua a lecionar a tempo parcial na mesma universidade, o que, argumenta, o mantém ligado às condições reais do ensino. Assume ainda uma nota de transparência relevante: não é patrocinado pelas ferramentas listadas e a anterior colaboração com a plataforma Edcafe terminou, embora esta continue a figurar na lista por mérito pedagógico.

A tese central é explícita e estável ao longo do texto: nem resistência nem entusiasmo cego. O autor propõe “domar” (tame) a IA, trazendo‑a para a sala de aula nos termos da própria educação. Para isso, defende duas frentes: uma pedagogia da IA — um plano instrucional que dê intenção e estrutura à integração — e o desenvolvimento de literacia de IA nos alunos. Ancora estas ideias em referenciais que os docentes já conhecem: a taxonomia revista de Bloom, o modelo SAMR, o TPACK (e as suas extensões para IA) e a Depth of Knowledge de Webb. Anuncia também um livro em preparação, The BEARA Framework for Pedagogical AI Integration, coautorado com Johanathan Woodworth, pela University of Toronto Press.

Importa reter o enquadramento que o próprio autor dá ao documento: trata‑se, segundo escreve, de uma peça modesta de um puzzle maior — o acesso prático e a familiaridade com ferramentas —, não de um modelo completo de integração.

O panorama segundo Kharbach: consolidação, não revolução

Antes das listas, o guia oferece um balanço do estado da arte que merece destaque por ser deliberadamente sóbrio. O autor sustenta que o ritmo de 2025 não confirmou as previsões de uma viragem “agêntica”: o que houve foi consolidação e refinamento de capacidades existentes, e não saltos qualitativos. Defende ainda que os modelos de uso geral terão atingido (ou estarão perto de atingir) um teto na escrita criativa e expressiva, com os progressos a concentrarem‑se sobretudo no raciocínio matemático e na programação. Estas são posições do autor, datadas de janeiro de 2026, e legítimas de discutir — não factos consensuais.

Outra leitura sua: a liderança da inovação educativamente relevante terá passado a pender mais para a Google (Gemini e NotebookLM) do que para a OpenAI.

OpenAI / ChatGPT

O autor identifica como mais úteis para o ensino a geração de imagens (que considera genuinamente boa para materiais e apresentações), o Agent Mode para tarefas de síntese (por exemplo, mapear o que se discute sobre IA em comunidades de docentes) e o Study and Learn, com geração integrada de questionários. É mais reticente quanto ao Deep Research para fins académicos, por depender, na sua experiência, de fontes facilmente acessíveis e raramente alcançar a literatura seminal. Refere‑se ainda à versão então mais recente do produto, sem ver melhorias relevantes na escrita criativa.

Gemini

Aqui o autor distingue três funcionalidades: o gerador e editor de imagem Nano Banana Pro, que considera à frente do equivalente da OpenAI; as imagens interativas, em que partes da imagem revelam explicações ao toque (úteis em ciências, geografia ou anatomia); e a Guided Learning, que estrutura a interação passo a passo, com perguntas de clarificação e ajuste de dificuldade.

NotebookLM, o destaque do ano

Se há uma ferramenta que o autor coloca em evidência, é o NotebookLM, pela sua lógica de partir sempre das fontes carregadas pelo utilizador. Enumera várias novidades: geração de apresentações e de infográficos a partir dos materiais, “deep research” ancorado nas fontes (com citações rastreáveis), carregamento de fotografias (incluindo apontamentos manuscritos e páginas de manuais), estilos personalizados de vídeos‑resumo e geração de flashcards e questionários, já com suporte móvel. Para trabalho académico e para a articulação entre criação de conteúdos e avaliação formativa, é esta ancoragem nas fontes que o autor mais valoriza.

As ferramentas, por categoria

O corpo do guia organiza‑se em tabelas por tarefa docente, com uma breve descrição de cada ferramenta (sem avaliação individual aprofundada). Em síntese, e a título de exemplos representativos:

  • Apresentações: Edcafe, NotebookLM, Diffit, Canva AI, MagicSlides, SlidesAI, Google Slides e Gamma.
  • Planificação de aulas: Almanack, Diffit, Curipod, Brisk Teaching, Eduaide, MagicSchool, Edcafe, além de Claude e ChatGPT.
  • Geração de imagem: Nano Banana, gerador de imagem do ChatGPT, Midjourney, Napkin AI (diagramas e mapas de conceitos), Adobe Firefly e Ideogram (forte em tipografia).
  • Vídeo: video overviews do NotebookLM, Sora, Vidnoz, Lumen5, Invideo, Veed, Fliki, Pictory e Synthesia.
  • Investigação académica: Elicit, NotebookLM, Consensus, Julius, RDiscovery, Scite, ResearchRabbit, Connected Papers e o Google Scholar (com novas funcionalidades assistidas por IA).
  • Questionários: funcionalidades do NotebookLM, ChatGPT e Gemini, mais Wayground (ex‑Quizizz), Conker, Brisk Teaching e Kahoot! AI.
  • Texto para voz: ElevenLabs, Speechify, NaturalReader, LovoAI, Resemble AI, Murf AI e Play.ht.

Uma leitura crítica

O principal mérito do guia é a coerência pedagógica: a seleção é assumidamente subjetiva, mas filtrada por uma lente de prática de sala de aula e por mais de quinze anos de análise de tecnologia educativa. Em vez de perseguir novidades, o autor afirma escolher ferramentas que resolvem problemas reais e se mantêm úteis depois de passado o entusiasmo inicial. A insistência em começar pela intenção pedagógica, e não pela ferramenta, é o contributo mais transferível do documento.

Há, porém, limites que qualquer leitor — e sobretudo quem trabalha em contexto europeu e escolar — deve ter presentes:

  1. Datação rápida. As afirmações sobre versões, datas e desempenho reportam‑se a janeiro de 2026. Num domínio que muda em semanas, convém confirmar o estado atual de cada ferramenta antes de a recomendar.
  2. Centramento anglófono. A coleção é pensada para um contexto norte‑americano e em língua inglesa. A qualidade do suporte em português europeu, a adequação aos currículos nacionais e a usabilidade com alunos lusófonos exigem verificação caso a caso.
  3. Ausência de avaliação de privacidade e conformidade. As descrições são funcionais e não cobrem proteção de dados, idade mínima de utilização ou tratamento de dados de menores — questões incontornáveis numa escola, à luz do RGPD e do Regulamento de IA da UE (AI Act). Para bibliotecas escolares e direções, este é o eixo que mais carece de complemento.
  4. Posições do autor apresentadas como diagnóstico. Teses como o “teto” criativo dos modelos são opiniões fundamentadas, mas discutíveis, e devem ser lidas como tal.
  5. Pequenos lapsos editoriais. O texto inclui uma frase duplicada na abertura da secção de ferramentas e uma numeração de secções inconsistente (o NotebookLM e a lista de ferramentas surgem ambos com o número 3), o que não afeta o conteúdo, mas trai a rapidez de produção.

Para o público das bibliotecas escolares portuguesas, o guia funciona melhor como ponto de partida e inventário comentado do que como referência normativa. A grelha de Kharbach — pedagogia primeiro, literacia de IA, acesso estratégico a ferramentas, ancoragem em referenciais consolidados — encaixa bem na cultura profissional dos professores bibliotecários e pode ser cruzada com orientações nacionais e europeias para gerar critérios de seleção próprios, sensíveis à língua, ao currículo e à proteção de dados.

Encontrar o caminho

O autor fecha o documento com uma imagem feliz, inspirada numa chamada de artigos sobre descolonização da IA na educação: a de wayfinding, o encontrar do caminho. Não há mapa único nem rota fixa para integrar a IA; há terreno desconhecido a navegar. O docente, nessa leitura, não é utilizador passivo de ferramentas, mas navegador que decide, ajusta e responde às condições à sua volta.

É talvez a melhor síntese do próprio guia: não um destino, mas alguns marcos para orientar a viagem. E, como em qualquer navegação, vale mais a bússola — uma intenção pedagógica clara e uma sólida literacia de IA — do que a coleção de instrumentos que se leva a bordo.

Referências

Kharbach, M. (2026). Top AI tools for teachers 2026 [Guia em PDF, licença CC BY‑SA 4.0]. Educators Technology. https://www.medkharbach.com

Kharbach, M. (s.d.). About me. Med Kharbach. https://medkharbach.com/about/

Educators Technology. (s.d.). About. https://www.educatorstechnology.com/about

IA explicada sem filtros: capacidades, limites, riscos

Publicado a por
Responder
Imagem gerada pelo Perplexity

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

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

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

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

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

O que é afinal a inteligência artificial

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

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

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

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

O problema da explicação

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

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

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

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

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

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

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

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

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

Deepfakes, desinformação e o que isso significa para a literacia

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

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

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

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

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

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

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

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

Clicar na imagem para ver a apresentação…

O que fica por fazer

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

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

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

Caixa de leitura

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

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

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

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

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

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

Referências

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

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

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

Guia de literacia em IA para professores

Publicado a por
Responder

Um guia escocês para professores coloca os direitos das crianças no centro do currículo de inteligência artificial — e traz lições que vale a pena ouvir deste lado do Atlântico.

Download |

Há uma frase no prefácio do Teach AI Literacy: A Guide for Teachers que merece ser lida com calma. Ollie Bray, director estratégico da Education Scotland, compara a IA generativa à electricidade: presente, omnipresente e, muitas vezes, invisível. A analogia não é nova, mas Bray acrescenta-lhe um matiz importante — tal como aconteceu nos primeiros anos da electricidade, continua a ser essencial perceber como usá-la com responsabilidade e segurança. Não porque a tecnologia seja boa ou má em si mesma, mas porque as escolhas que fizermos agora vão moldar o que ela se torna e, mais importante, o que a educação se torna.

Foi exactamente com este espírito que Judy Robertson, professora da Universidade de Edimburgo, desenvolveu entre maio de 2024 e maio de 2025 um referencial curricular para o ensino da IA nas escolas escocesas. O documento, publicado em acesso aberto e licenciado sob CC BY-NC-SA 4.0, não é apenas mais um guia técnico. É uma proposta pedagógica com quatro pilares, pensada para professores de todas as disciplinas, e que coloca uma pergunta fundamental antes de qualquer outra: que tipo de aprendizagem queremos para as nossas crianças?

Um referencial com quatro pilares — e um coração

O modelo proposto por Robertson organiza-se em torno de quatro dimensões, representadas num diagrama triangular onde os direitos e a ética das crianças ocupam o centro:

Direitos das crianças e ética — o núcleo de tudo. A incorporação da Convenção das Nações Unidas sobre os Direitos da Criança na legislação escocesa obriga a que qualquer decisão sobre tecnologia em contexto escolar respeite o direito das crianças a serem ouvidas, à privacidade, à protecção contra a exploração e à não-discriminação.

Literacia em IA — compreender, a um nível conceptual (e não matemático), como funcionam a aprendizagem automática e a IA generativa. A ideia central é que estes sistemas são treinados com quantidades enormes de dados digitais e que o seu funcionamento se baseia em probabilidades estatísticas, não em bases de dados de factos verificados.

Pensamento crítico — uma competência que sempre ensinámos, mas que ganha urgência renovada. Se a IA generativa pode produzir texto convincente mas factualmente errado, os alunos precisam de ferramentas mentais para distinguir factos de opinião, avaliar fontes e detectar enviesamentos — venham eles de humanos ou de máquinas.

Uso responsável da IA para apoiar a aprendizagem — a dimensão mais prática, que aborda quando e como usar ferramentas de IA generativa nas diferentes fases do processo de aprendizagem, desde a pesquisa até à revisão.

O que torna este modelo interessante não é apenas a sua estrutura, mas a insistência em que nenhum dos pilares funciona isoladamente. Sem literacia em IA, o pensamento crítico fica cego — o aluno não sabe porquê o resultado pode estar errado. Sem ética, o uso responsável fica vazio de sentido.

O que dizem as crianças (e devíamos ouvir)

Uma das secções mais valiosas do guia é a que documenta a voz das próprias crianças e jovens escoceses. Vários estudos foram conduzidos nos últimos dois anos, incluindo um projecto de dois anos do Children’s Parliament com crianças do ensino básico, um estudo da Association of Directors of Education in Scotland com mais de 200 jovens e 100 professores, e um projecto artístico da Universidade de Edimburgo com alunos do secundário e de uma escola de educação especial.

As conclusões têm uma coerência notável. As crianças e os jovens valorizam o esforço que a aprendizagem exige e não querem que uma ferramenta de IA substitua esse esforço. Apreciam as relações humanas com os seus professores e consideram que a IA não os deve substituir. Querem aprender sobre IA — como funciona, quais são os riscos, qual o impacto ambiental — antes de crescerem. E pedem algo que parece óbvio mas raramente acontece: coerência. Diferentes professores com diferentes regras sobre o uso de IA geram confusão e um estigma associado à “batota” que os próprios jovens consideram injusto.

Há uma reivindicação particularmente importante para quem pensa em políticas de escola: os jovens querem que se distinga claramente entre usar IA para aprender e usar IA em avaliações. Misturar as duas coisas leva a que alguns professores proíbam qualquer utilização, privando os alunos de uma ferramenta que pode genuinamente ajudá-los a aprender.

Clicar na imagem para ver a apresentação…

Forças e fraquezas: o diabo mora nos detalhes

Robertson não é ingénua quanto às limitações actuais da IA generativa e dedica-lhes páginas generosas. Vale a pena reter os pontos mais relevantes para o contexto escolar.

Quanto às forças, uma meta-análise de 26 estudos publicada em 2025 encontrou um efeito positivo, embora pequeno, da IA generativa nos resultados de aprendizagem no ensino básico, secundário e superior. O maior impacto foi registado no ensino básico. Importa notar que todos os estudos com crianças em idade escolar utilizaram ferramentas de IA concebidas especificamente para educação — não produtos genéricos como o ChatGPT. As áreas cobertas incluíam aprendizagem de línguas, computação, matemática e física.

Quanto às fraquezas, o guia apresenta uma lista que qualquer professor deveria ter presente. As ferramentas de IA generativa não possuem bases de dados de factos verificados — prevêem a próxima palavra mais provável numa frase com base em padrões estatísticos. Um estudo de 2024 estimou que mesmo os melhores modelos só conseguem gerar parágrafos totalmente livres de alucinações cerca de 35% das vezes. A IA generativa não tem formação pedagógica: não fez um estágio, não passou anos numa sala de aula, não compreende nem monitoriza o conhecimento dos alunos. Dá respostas diferentes de cada vez que é interrogada, o que torna impossível verificar a informação como se faz com uma fonte tradicional. E, talvez o mais preocupante, não é possível distinguir de forma fiável se um texto foi escrito por um humano ou por IA — nenhuma das ferramentas de detecção analisadas num estudo de 2024 ultrapassou os 74% de precisão, e essa taxa baixa mais 22 pontos percentuais quando o texto é deliberadamente disfarçado.

Quando não usar IA generativa na escola

Esta é, talvez, a contribuição mais corajosa do guia — definir fronteiras claras. Robertson identifica cinco situações em que o uso de IA generativa deve ser evitado ou cuidadosamente supervisionado:

Na educação pré-escolar e nos primeiros anos, porque grande parte da aprendizagem acontece através do jogo e da exploração do mundo físico. No ensino de conceitos fundamentais sobre os quais os alunos vão construir o resto do seu conhecimento numa disciplina, porque mal-entendidos a este nível terão efeitos em cascata. Antes de as crianças desenvolverem as competências metacognitivas necessárias para verificar e avaliar criticamente o que a IA produz — o professor deve primeiro modelar como se avalia o resultado de uma ferramenta de IA. Nas áreas do currículo que visam ajudar o aluno a gerir emoções, desenvolver valores e relacionar-se respeitosamente com os outros. E, claro, em tudo o que envolva actividade física, desporto, música ou criação de objectos — experiências do mundo real para as quais a IA simplesmente não serve.

Esta lista não pretende ser um muro, mas um mapa. E tem um pressuposto pedagógico forte: primeiro o professor ajuda a construir a compreensão profunda; só depois a IA entra como uma ferramenta entre várias.

A IA como ferramenta para pensar — não como substituto do pensamento

O guia propõe uma metáfora útil para o papel da IA generativa no processo de aprendizagem autodirigida: trate-a como um estagiário entusiasta, trabalhador e prestável, mas que por vezes se perde. Sob supervisão crítica, a IA pode desempenhar papéis concretos — assistente de leitura (para resumir textos e esclarecer vocabulário), co-editor (para rever e melhorar a escrita), investigador júnior (para pesquisar e sintetizar informação), parceiro de debate (para praticar argumentação) ou auxiliar de revisão (para gerar questionários e organizar apontamentos).

O que muda verdadeiramente é a relação entre o aluno e a ferramenta. O guia apresenta um ciclo de aprendizagem autodirigida com IA que tem quatro fases: planear (que ferramentas usar e para quê?), trabalhar (como construir um prompt eficaz?), monitorizar (este resultado é fiável? devo aceitar esta sugestão?) e avaliar (a IA ajudou ou prejudicou o meu trabalho? quero usá-la novamente?). É um modelo que exige metacognição — e é exactamente por isso que funciona como instrumento pedagógico.

Oito princípios que valem para qualquer escola

Embora o guia tenha sido concebido para o contexto escocês, os seus princípios gerais têm alcance universal. Robertson enumera oito, dos quais destaco os que me parecem mais transferíveis para a nossa realidade:

Os professores devem ajudar os alunos a desenvolver uma compreensão profunda de cada tema antes de introduzir ferramentas de IA. As preocupações com a avaliação não devem guiar a aprendizagem — as avaliações devem centrar-se nos objectivos de aprendizagem, não no que é mensurável em condições livres de IA. Os alunos não devem ser obrigados a usar ferramentas de IA se tiverem objecções fundamentadas, como preocupações com privacidade, ambiente ou direitos de autor. As ferramentas de IA não devem ser usadas em vez do professor — isto é particularmente importante para as crianças, que valorizam as relações humanas com os seus docentes. E as escolas devem procurar disponibilizar ferramentas de IA generativa adequadas à idade que respeitem os direitos das crianças.

IA e necessidades educativas especiais: potencial com cautela

O guia dedica uma secção à IA generativa como tecnologia de apoio para alunos com necessidades educativas especiais. A investigação disponível, ainda maioritariamente em contexto universitário, sugere que estas ferramentas podem ser úteis para personalizar a aprendizagem segundo as necessidades de processamento de informação de cada aluno, poupar tempo e esforço cognitivo excessivo, e até reduzir a necessidade de extensões de prazos — libertando tempo para actividades sociais e de lazer.

No entanto, Robertson sublinha que as ferramentas de IA não devem substituir os apoios humanos e que os professores devem supervisionar de perto o seu uso por alunos particularmente vulneráveis a confusão com desinformação ou conteúdos inadequados. As escolas devem definir políticas claras para que os alunos com necessidades especiais não tenham de recear que o seu uso de IA seja considerado “batota”.

O que isto significa para nós

O guia de Robertson é um documento de trabalho — a própria autora faz questão de o dizer. Está em consulta pública e convida educadores, especialistas em IA e decisores políticos a contribuírem para uma versão actualizada. Mas, mesmo nesta primeira versão, oferece algo raro: uma visão integrada e fundamentada de como ensinar com e sobre IA, sem ceder ao entusiasmo acrítico nem ao medo paralisante.

Para as escolas portuguesas, há pelo menos três lições a reter. Primeira: qualquer estratégia de IA em educação que não comece pelos direitos das crianças está a começar pelo sítio errado. Segunda: os alunos têm opiniões informadas e construtivas sobre como a IA deve ser usada na sua educação — precisamos de lhes perguntar. Terceira: a literacia em IA não é um tema de informática; é uma competência transversal que exige o contributo de professores de todas as disciplinas, desde a matemática à educação moral.

A IA generativa, como a electricidade, já faz parte do quotidiano. A questão não é se devemos integrá-la na escola, mas como — com que princípios, que limites, que ambições. O guia escocês mostra um caminho possível. Cabe-nos decidir se queremos traçar o nosso.

Referência bibliográfica

Robertson, J. (2025). Teach AI literacy: A guide for teachers. University of Edinburgh. https://trails.scot

Recursos mencionados no guia