Arquivo da Categoria: Inteligência artificial

Glossário básico de inteligência artificial jurídica

Publicado a por
Responder

Quarenta e seis juristas espanhóis reuniram num só volume as palavras com que hoje se fala de inteligência artificial. O livro foi escrito para advogados, juízes e professores de Direito, mas há nele um conjunto de entradas — alfabetização em IA, ultrassuplantação, viés de automação, reserva de humanidade — que respondem, com precisão jurídica, a perguntas que qualquer conselho pedagógico português já teve de fazer sem saber bem que palavras usar.

Download |

Há uma dificuldade que aparece sempre que uma escola tenta escrever, a sério, um documento sobre inteligência artificial. Não é a dificuldade de decidir o que se autoriza e o que se proíbe: essa vem depois, e é política. A primeira dificuldade é anterior e é linguística. Quando se escreve «não é permitido usar IA para gerar imagens de colegas», está-se a proibir o quê, exatamente? Quando se recomenda «supervisão humana», está-se a exigir o quê a quem? E quando se diz que os alunos devem ter «literacia em IA», está-se a nomear uma aspiração vaga ou uma competência definida em algum lado?

O Glosario básico de inteligencia artificial jurídica, publicado este mês pela editora espanhola Laborum, nasce exatamente deste problema — só que aplicado aos tribunais em vez das escolas. No prólogo, os seus diretores explicam que a confusão entre a linguagem dos tecnólogos e a dos juristas não é um incómodo académico: tecnólogos e juristas falam da mesma realidade com palavras diferentes, ou usam as mesmas palavras atribuindo-lhes significados distintos, e dessa confusão nascem equívocos com consequências práticas na regulação, na contratação e na resolução de conflitos. A frase que resume a obra vale, tal e qual, para uma sala de professores: nomear bem é a primeira condição para regular bem.

O que é o livro, e quem o escreveu

São 302 páginas dirigidas por Fernando H. Llano Alonso, da Universidade de Sevilha, e por José Ignacio Solar Cayón, da Universidade de Cantábria, com contributos assinados por quarenta e seis autores. A lista mistura catedráticos de Filosofia do Direito, especialistas em proteção de dados, engenheiros informáticos, um eurodeputado e investigadores italianos e latino-americanos. A obra foi patrocinada pela Faculdade de Direito da Universidade de Sevilha, insere-se em dois projetos de investigação financiados pelo Estado espanhol e pelo FEDER, e apresenta-se, até onde os seus diretores sabem, como o primeiro trabalho desta especialidade na doutrina jurídica espanhola.

A organização é a parte que mais interessa a quem não é jurista. A primeira parte é puramente técnica e explica o que são algoritmos, aprendizagem automática, redes neuronais, dados de treino, modelos fundacionais, tokens, janela de contexto, temperatura, alucinação. A segunda parte trata da ética e do direito da IA: princípios, enviesamentos, transparência algorítmica, e depois o vocabulário fixado pelo Regulamento europeu. A terceira parte é a mais especializada — informática jurídica, tribunais em linha, polícia preditiva, novos perfis profissionais — e é também aquela que um professor pode saltar sem perder nada.

As entradas são curtas, assinadas individualmente e escritas para serem consultadas, não lidas de seguida. É essa a virtude do género, como o prólogo assinala: um glossário responde a uma dúvida que surge a meio de um raciocínio, sem exigir a leitura contínua que um manual impõe. Para quem prepara uma sessão de formação, uma aula de Cidadania e Desenvolvimento ou um regulamento interno, essa arquitetura é exatamente a certa.

«Alfabetização em matéria de IA» deixou de ser uma metáfora

A entrada mais diretamente útil à escola é a que Ibán García del Blanco assina sobre alfabetização digital, e o seu interesse está no percurso que traça. O autor parte da definição da UNESCO, que já há muito deixou de reduzir a alfabetização a ler, escrever e contar, para a entender como a capacidade de identificar, compreender, interpretar, criar e comunicar num mundo saturado de informação — e que acrescenta explicitamente a resiliência face à desinformação, ao discurso de ódio e ao extremismo violento como objetivo da alfabetização mediática e digital. Até aqui, terreno conhecido de qualquer biblioteca escolar.

O que o autor faz a seguir é que muda o estatuto da conversa: mostra que o conceito passou de recomendação a norma. O Regulamento (UE) 2024/1689 define, no seu artigo 3.º, «alfabetização em matéria de IA» como o conjunto de capacidades, conhecimentos e compreensão que permitem a quem fornece, implanta ou é afetado por estes sistemas usá-los de forma informada e tomar consciência das oportunidades, dos riscos e dos danos que podem causar. E o artigo 4.º transforma isso numa obrigação dirigida a quem utiliza sistemas de IA no exercício da sua atividade.

García del Blanco nota, com alguma ironia, que a tradução espanhola optou por «alfabetización» quando o espírito do original inglês estaria mais próximo de «ilustração» — e faz um desvio por Kant para o demonstrar. O reparo não é pedante. A alfabetização, no sentido antigo, é uma competência que se adquire e se dá por adquirida; a ilustração, no sentido kantiano do sapere aude, é uma disposição que exige coragem e que nunca está terminada. Quando uma escola escreve no seu projeto educativo que vai promover a literacia em IA, vale a pena saber qual das duas coisas está a prometer.

Há um pormenor sobre o estado atual desta obrigação que convém registar com honestidade. O próprio glossário assinala que o dever do artigo 4.º foi suavizado no processo do chamado pacote Digital Omnibus, apresentado pela Comissão Europeia em novembro de 2025. À data em que escrevo, o texto acordado transforma o dever de «garantir um nível suficiente» de alfabetização num dever de a apoiar e promover; a versão original mantém-se em vigor até à publicação no Jornal Oficial. Para uma escola, a alteração é quase irrelevante do ponto de vista prático — nenhum agrupamento é fornecedor de sistemas de IA na aceção do Regulamento —, mas é muito relevante do ponto de vista simbólico: a União Europeia legislou sobre literacia em IA e depois recuou na exigência, e essa hesitação diz alguma coisa sobre quem fica, afinal, encarregado do trabalho.

Ultrassuplantação: a palavra que a lei escolheu para «deepfake»

A entrada de Jesús Daniel Ayllón García sobre ultrassuplantação resolve um problema terminológico que qualquer professor de literacia mediática já sentiu. Chamamos-lhes deepfakes, palavra que junta deep learning a fake e que a doutrina jurídica inicial traduzia por «falsidades profundas» ou «vídeos hiper-realistas». Mas o Regulamento europeu, no seu artigo 3.º, fixou um termo próprio — «ultrassuplantação» — e uma definição operativa: conteúdo de imagem, áudio ou vídeo gerado ou manipulado por IA que se assemelha a pessoas, objetos, lugares ou acontecimentos reais e que pode induzir alguém a pensar erradamente que são autênticos.

A definição é melhor do que a nossa conversa habitual sobre o tema por uma razão precisa: não se apoia na tecnologia usada, apoia-se no efeito produzido sobre quem vê. Não interessa se foi feito com redes generativas antagónicas, com um modelo de difusão ou com a aplicação que sair para o mês. Interessa que se assemelhe ao real e que possa enganar. É uma definição que sobrevive à mudança das ferramentas — e é, por isso, a que se deve ensinar a uma turma, em vez de descrever o funcionamento de um sistema que estará desatualizado antes do final do ano letivo.

Há ainda uma nota curiosa que vale como pequena aula sobre como se faz a lei. Durante a tramitação do Regulamento, o legislador europeu ia empregar o termo «ultrafalsificação»; a revisão final trocou-o por «ultrassuplantação», por razões de tradução. Ambos continuam a circular em textos doutrinais e em legislação nacional ainda em elaboração, designando a mesma realidade. Mostrar a uma turma que uma palavra da lei foi escolhida, discutida e substituída é uma forma eficaz de desmontar a ideia de que os termos jurídicos caem do céu.

Viés de automação: o conceito que faltava aos planos de formação

Se houvesse uma única entrada deste glossário a levar para uma sessão de formação de professores, seria a que Diana Carolina Wisner Glusko assina sobre viés de automação. Define-o como a tendência psicológica que leva o operador humano a depositar uma confiança excessiva e injustificada nas sugestões e decisões de um sistema automatizado, ao ponto de favorecer a resposta da máquina mesmo quando dispõe de informação contraditória vinda dos seus próprios sentidos, dos seus conhecimentos anteriores ou de evidência externa.

A autora explica-o por três mecanismos, e os três são reconhecíveis em qualquer sala de professores. O primeiro é a economia cognitiva: delegar a decisão reduz a carga mental, e o cérebro escolhe o caminho de menor esforço. O segundo é a crença enraizada de que os sistemas tecnológicos são intrinsecamente mais exatos e mais livres de preconceito do que o juízo humano. O terceiro é o efeito da apresentação: gráficos, alertas visuais e interfaces de aspeto profissional conferem ao sistema uma hierarquia simbólica perante a qual se tende a ceder, de forma análoga à obediência hierárquica no trabalho.

A parte jurídica é a que dá peso ao conceito. O Regulamento europeu obriga quem fornece sistemas de alto risco a desenhá-los de modo que as pessoas encarregadas da supervisão estejam plenamente conscientes da tendência para confiar automaticamente ou em excesso nos resultados — sobretudo em sistemas que fornecem informação ou recomendações para que uma pessoa decida — e a contrariá-la. E exige que a supervisão seja atribuída a quem tenha competência, formação e autoridade para exercer controlo real.

Traduzido para uma escola, isto diz duas coisas. A primeira é que a supervisão humana não é uma assinatura no fim do processo: é uma capacidade técnica e cognitiva para questionar a saída da máquina, e essa capacidade treina-se. A segunda é que a expressão «o professor decide sempre», que se tornou o lema confortável de todos os documentos sobre IA na educação, é falsa se o professor não tiver conhecimento suficiente para discordar. Um professor que aceita a correção sugerida por um sistema porque «ele deve saber» não está a supervisionar coisa nenhuma — e o Regulamento europeu, que dificilmente se pensaria como leitura pedagógica, nomeia esse fenómeno melhor do que a maioria dos guias de boas práticas.

Reserva de humanidade

A entrada de Juli Ponce Solé sobre reserva de humanidade é a mais exigente do livro e, provavelmente, a mais fértil para uma aula de Filosofia ou de Cidadania. O conceito nasceu em 2019 na doutrina espanhola e postula que, em certos domínios, a decisão final deve caber necessária e exclusivamente a um ser humano: a automatização pode assistir, nunca substituir. O autor compara-o à reserva de determinadas funções públicas a funcionários de carreira — há decisões que se confiam a alguém precisamente por causa das garantias que essa condição oferece.

Os três fundamentos que apresenta são o que torna o conceito interessante fora do direito. O primeiro é a ausência de empatia: as máquinas não compreendem o sofrimento nem a vulnerabilidade, e podem imitar emoções sem as sentir. O segundo é a incapacidade de raciocínio abdutivo: um sistema opera por dedução ou por indução, mas não formula a conjetura criativa que Charles S. Peirce descreveu no século XIX e que permite a um humano integrar o senso comum e a experiência do mundo perante uma situação inédita. O terceiro é a ausência de compromisso moral — e é o mais incisivo, porque a reserva de humanidade serve, diz o autor, para evitar que quem decide se escude atrás de uma decisão maquinal para se desresponsabilizar.

Este terceiro argumento devia ser lido por quem, numa escola, alguma vez pensou em automatizar seja o que for que classifique alunos. A questão não é se o sistema acerta mais ou menos vezes do que o professor; é que uma classificação é um ato pelo qual alguém responde perante um aluno e uma família, e a responsabilidade não é delegável para um objeto que não pode ser chamado a explicar-se. O Regulamento Geral sobre a Proteção de Dados já consagra, no seu artigo 22.º, um direito geral a não ser objeto de decisões baseadas unicamente em tratamento automatizado com efeitos jurídicos ou significativos. A avaliação escolar cabe, sem esforço nenhum de imaginação, nessa descrição.

O que o livro não é

Convém dizer com clareza o que este glossário não faz, para que ninguém o descarregue à espera de outra coisa. Não é um livro sobre educação: as escolas aparecem uma ou outra vez, de passagem, e nunca como objeto. Está integralmente em castelhano, o que para a maioria dos leitores portugueses não é obstáculo, mas para uma utilização direta com alunos exige tradução e adaptação. Ancora-se no ordenamento jurídico espanhol sempre que sai do direito europeu — cita a Constituição espanhola, o estatuto do funcionalismo público espanhol, decisões de tribunais espanhóis —, e essas partes não se transpõem sem cuidado. E é, por natureza, um objeto perecível: um glossário de um domínio que muda de vocabulário todos os anos tem prazo de validade, coisa que os próprios diretores admitem no prólogo ao recusarem a ambição da exaustividade.

Sobre o acesso, sou obrigado a uma reserva. A obra tem ISBN digital e ISBN em papel próprios e é distribuída sob uma licença Creative Commons de atribuição, uso não comercial e sem obras derivadas, o que permite distribuir e copiar o material desde que se cite a origem. Não me foi possível confirmar, à data de publicação deste artigo, a existência de uma página de descarga aberta no sítio da editora, presumivelmente por a edição ser muito recente. Quem o quiser deve procurá-lo no catálogo da Laborum.

Uma proposta para a sala de aula

A forma mais direta de aproveitar este livro numa turma não passa por dar as definições aos alunos — passa por lhes pedir que as escrevam primeiro. Numa primeira fase, cada grupo recebe três ou quatro termos que já usa sem pensar: deepfake, algoritmo, alucinação, dados pessoais, supervisão humana. Escreve, em duas linhas e sem consultar nada, o que julga que cada um significa. As definições ficam à vista, escritas no quadro ou num documento partilhado, e são todas diferentes entre si — o que é, em si mesmo, o resultado do exercício.

Numa segunda fase, comparam-se essas definições espontâneas com as do glossário e com as do Regulamento europeu, e a pergunta muda. Já não é «quem acertou», é «o que é que a definição jurídica acrescenta à minha». No caso da ultrassuplantação, a resposta costuma aparecer sozinha: a definição legal não descreve a tecnologia, descreve o efeito sobre quem vê — e é essa escolha que a torna aplicável a ferramentas que ainda não existem. É um exercício de precisão terminológica que serve a Português tanto como serve a Cidadania e Desenvolvimento, e que treina uma competência que o Perfil dos Alunos nomeia sem grande alarido: a de usar as palavras certas para pensar melhor.

Uma terceira sessão, para o secundário, pode partir da reserva de humanidade e correr o risco de a levar a sério. Pede-se à turma que produza uma lista de decisões que a afetam diretamente na escola — a classificação de um teste, a distribuição por turmas, a atribuição de um apoio, a marcação de uma falta disciplinar — e que a divida em duas colunas: as que aceitariam ver decididas por um sistema automático e as que exigem uma pessoa. Depois, a parte difícil: justificar cada colocação sem recorrer ao argumento de que a máquina se engana. Se um sistema errasse menos do que o professor, continuaria a haver razão para exigir um humano? Os três fundamentos de Ponce Solé — empatia, abdução, compromisso moral — dão à discussão um vocabulário que ela raramente tem, e a conversa costuma acabar num sítio inesperado: os alunos descobrem que aquilo que exigem de um sistema de IA é exatamente aquilo que exigem de um professor.

No fundo, o que este glossário oferece a quem trabalha em educação não é informação nova sobre inteligência artificial — é vocabulário verificado para uma conversa que já está a acontecer nas escolas em linguagem aproximada. Discutir se um trabalho foi «feito pela IA», se um vídeo é «falso», se um sistema é «justo», sem que nenhuma dessas palavras tenha um significado combinado, produz reuniões longas e regulamentos inúteis. As palavras, escrevem os diretores no prólogo a propósito do direito, nunca são inocentes. Na escola também não.

***

Este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir da leitura direta do ficheiro PDF do Glosario básico de inteligencia artificial jurídica (prólogo e entradas «Alfabetización digital», «Ultrasuplantación», «Sesgo de automatización» e «Reserva de humanidad»).

Para saber mais

O que uma revisão sistemática diz sobre formar professores para a IA

Publicado a por
Responder

Download | Download_2 |

Uma revisão sistemática publicada na revista Frontiers in Education conclui que o maior obstáculo à formação de professores em inteligência artificial não é técnico, é motivacional — e que a maioria dos programas de formação continua a ser desenhada como se fosse o contrário. É um estudo pequeno, com limitações que vale a pena nomear, mas com três ou quatro conclusões que qualquer plano de formação de um agrupamento português deveria ter em conta antes de setembro.

Há uma cena que se repete em quase todas as escolas do país no início de cada ano letivo: alguém propõe uma ação de formação sobre inteligência artificial, a sala enche-se de professores com graus de entusiasmo muito diferentes, e três meses depois a prática letiva da maioria continua exatamente igual. Não é falta de qualidade do formador nem, na maior parte dos casos, falta de interesse dos formandos. É outra coisa — e é precisamente essa outra coisa que uma revisão sistemática publicada em outubro de 2024 na revista Frontiers in Education tentou identificar, ao perguntar não o que falta aos professores, mas que dificuldades encontram quem os forma.

Uma revisão pequena sobre um problema grande

O estudo é assinado por Yousef Aljemely, do College of Education da Universidade Majmaah, na Arábia Saudita, e segue o protocolo PRISMA, hoje a referência para revisões sistemáticas em ciências sociais e educação. A pesquisa, feita manualmente em julho de 2024 sobre sete bases de dados e nove editoras científicas, partiu de 816 registos e reteve, após a aplicação de critérios de inclusão e exclusão, um conjunto final de dez estudos publicados entre 2019 e 2024 — investigações realizadas na China, na Alemanha, na Turquia, em Espanha, em Omã, na República da Iacútia e num consórcio búlgaro-italiano-grego, a que se juntam três trabalhos de natureza teórica, sem país de referência.

Convém dizer desde já aquilo que o próprio autor reconhece: dez estudos são poucos, todos em língua inglesa, e a esmagadora maioria refere-se ao ensino superior. Nenhuma das conclusões desta revisão pode ser lida como evidência forte sobre o que acontece numa sala de aula do 2.º ciclo em Portugal. Vale mais como mapa de hipóteses do que como diagnóstico — mas é um mapa útil, porque nomeia com clareza um problema que a conversa portuguesa sobre formação docente costuma contornar.

O maior obstáculo não é técnico

A conclusão central da revisão é desconfortável para quem organiza formação: o principal desafio que os formadores enfrentam não é a dificuldade técnica dos conteúdos, é a falta de motivação dos professores para adotar inteligência artificial. E a dificuldade acrescida, sublinha o autor, é que a motivação é um fator intrínseco, sobre o qual um formador tem muito pouco poder direto. Pode-se ensinar uma competência; não se pode instalar uma vontade. O que se pode fazer — e é aqui que a revisão se torna prática — é desenhar a formação de modo a que a vontade tenha oportunidade de aparecer.

Um dos estudos analisados, conduzido por Sara Polak, Gianluca Schiavo e Massimo Zancanaro no âmbito da conferência CHI, propõe uma distinção que organiza bem o problema: a utilização de IA pelos professores depende de três fatores — vontade, competência e ferramenta. Os autores observam que os docentes possuem, em regra, conhecimentos digitais de base, mas não conhecimento específico sobre inteligência artificial. Traduzido para a realidade de um agrupamento português, isto significa que a lacuna raramente está onde se supõe: não é preciso ensinar de novo a usar uma plataforma ou a partilhar um ficheiro, é preciso explicar o que estes sistemas são, como funcionam e onde falham. E a formação que salta esse passo — que começa em «vamos abrir esta ferramenta» — está a trabalhar a competência sem tocar na vontade, que é justamente onde a revisão localiza o bloqueio.

Vinte e cinco por cento

O dado mais concreto de toda a revisão, e o mais próximo da realidade ibérica, vem de um inquérito espanhol de 2024 conduzido por Héctor Galindo-Domínguez e colegas da Universidade do País Basco, com 445 professores dos ensinos básico, secundário e superior. A atitude geral face à inteligência artificial era positiva, mas apenas 25% dos inquiridos — cerca de 111 professores, aplicando a percentagem ao total da amostra — tinham efetivamente integrado ferramentas de IA na sua prática letiva. As mais usadas eram o ChatGPT, o Dall-E e o Midjourney.

Mas há um segundo achado nesse estudo que interessa ainda mais a quem trabalha no básico e no secundário, e que a revisão de Aljemely não destaca com suficiente ênfase. Os professores dos ensinos básico e secundário usavam sobretudo a inteligência artificial para produzir conteúdos — apresentações, textos, vídeos — sem envolver os alunos no contacto com as ferramentas; já no ensino superior, os docentes usavam-na para explicar o funcionamento da própria tecnologia e para permitir que os estudantes experimentassem com ela. A diferença é significativa: no primeiro caso, a IA é uma máquina de fazer materiais para o professor; no segundo, é objeto de estudo e de literacia. Se a formação de professores replicar apenas o primeiro modelo — e a formação centrada em ferramentas tende a fazê-lo —, os alunos do básico e do secundário continuarão a ser as únicas pessoas na sala que usam IA sem ter ninguém a ensiná-los a olhar para ela criticamente.

A ordem dos fatores altera o produto

Vários dos estudos revistos convergem numa recomendação sobre a sequência da formação, e é provavelmente a conclusão mais aplicável de toda a revisão. Annabel Lindner e Marc Berges, num trabalho apresentado na conferência Frontiers in Education do IEEE, defendem que a formação deve começar pelos princípios funcionais — o que é, de facto, um modelo de linguagem, o que significa treinar um sistema com dados —, avançar depois para o detalhe técnico e só então abordar as consequências éticas e sociais. E acrescentam um pré-requisito: antes de qualquer formação, é preciso trabalhar a atitude dos professores face à tecnologia, porque só a aceitação prévia permite uma aprendizagem ativa em vez de uma assistência passiva.

Ismail Celik, num estudo publicado na Computers in Human Behavior, dá a esta ideia um enquadramento reconhecível para quem conhece o modelo TPACK: propõe o conceito de «TPACK inteligente», que acrescenta ao conhecimento tecnológico, pedagógico e de conteúdo duas dimensões próprias da IA — o conhecimento das suas potencialidades pedagógicas e o conhecimento da sua utilização ética. A distinção é útil porque desfaz uma confusão comum: saber usar uma ferramenta de IA e saber quando ela serve, para que aluno e com que salvaguardas são competências diferentes, e apenas a segunda é propriamente docente. Há ainda um ponto prático que atravessa a revisão e que qualquer formador reconhece: a formação tem de incluir experimentação direta, com tempo real para os professores mexerem nos sistemas, e não apenas demonstrações feitas de um projetor.

O que trava e, não é só falta de tempo

O estudo omanense de Hilal Al-Mughairi e Preeti Bhaskar, sobre a adoção do ChatGPT por docentes, identifica quatro motivações e três inibições que vale a pena ter presentes ao desenhar qualquer plano de formação. Do lado da motivação: a curiosidade por tecnologias educativas inovadoras, a poupança de tempo, a personalização do ensino e da aprendizagem e o desenvolvimento profissional. Do lado da inibição: a privacidade, a fiabilidade e a redução da interação humana. E as três barreiras que os autores identificam como as mais determinantes para a baixa utilização não são individuais, são institucionais — falta de apoio da instituição, restrições impostas por ela e ausência de orientação clara.

Esta última conclusão devia ser lida com atenção por quem dirige escolas. Um professor que não sabe se pode usar um assistente de IA para preparar uma ficha, se pode mencioná-lo aos alunos, se corre algum risco ao fazê-lo, resolve a incerteza da forma mais racional disponível: não faz nada e não conta a ninguém. A ausência de uma orientação escrita não produz prudência — produz utilização silenciosa, sem partilha entre pares e sem qualquer possibilidade de supervisão pedagógica. Uma página com regras claras, aprovada em conselho pedagógico, pode ter mais efeito formativo do que várias horas de ação acreditada.

Clicar na imagem para ver a apresentação…

O que isto diz ao contexto português

Em maio deste ano, o Conselho Nacional de Educação publicou em Diário da República a Recomendação n.º 4/2026, sobre a integração da inteligência artificial no sistema educativo português, e as suas propostas para os docentes coincidem quase ponto por ponto com o que esta revisão sistemática sugere. O CNE defende a revisão da formação inicial de professores, tornando obrigatórios módulos de literacia em IA que abranjam literacia digital, pensamento computacional, literacia crítica de dados e ética da inteligência artificial, a par de investimento em programas de desenvolvimento profissional contínuo. Reconhece o potencial da tecnologia na aprendizagem e na redução da carga administrativa das escolas, mas avisa contra uma integração «acrítica e desordenada».

O cruzamento entre o documento nacional e a evidência internacional deixa, porém, uma questão em aberto. A recomendação portuguesa identifica corretamente os conteúdos que faltam; a revisão sistemática diz que o problema não está sobretudo nos conteúdos, mas na vontade e nas condições institucionais. São diagnósticos compatíveis, mas o segundo obriga a uma exigência adicional: um plano de formação que se limite a listar módulos, sem tratar a atitude, sem garantir tempo de experimentação e sem produzir orientação escrita ao nível de cada escola, corre o risco de cumprir a recomendação no papel e de deixar tudo na mesma na sala de aula. O quadro europeu DigCompEdu, já usado em Portugal para aferir competência digital docente, oferece a linguagem para essa avaliação, mas não substitui a decisão local sobre o que se autoriza, o que se proíbe e o que se declara.

Uma proposta para o plano de formação

Traduzir esta revisão numa sessão concreta é mais simples do que parece, e cabe numa manhã de trabalho de um grupo disciplinar ou de uma equipa de agrupamento. A primeira parte pode dispensar por completo qualquer ferramenta: pede-se a cada participante que escreva, em cinco minutos, uma tarefa profissional que fez na última semana e que não confiaria a um sistema de inteligência artificial, e outra que confiaria sem hesitar. A leitura em voz alta das respostas costuma revelar, em poucos minutos, que o grupo tem critérios muito diferentes sobre a mesma questão — e é essa constatação, mais do que qualquer exposição teórica, que abre espaço para a conversa sobre princípios de funcionamento e sobre ética.

A segunda parte troca a demonstração pela experimentação com um objetivo comum: cada participante submete a um assistente de IA uma tarefa real do seu trabalho — um enunciado, um resumo de uma reunião, uma grelha de observação — e avalia por escrito, em três linhas, o que teria de corrigir antes de usar o resultado. Não se trata de decidir se a ferramenta é boa; trata-se de treinar o julgamento profissional sobre o que ela produz, que é exatamente a competência que o «TPACK inteligente» descreve e que nenhuma formação centrada em botões consegue desenvolver. A sessão termina com a redação coletiva de um documento de meia página com três regras de utilização para a escola — o que nunca se introduz num sistema destes, o que se verifica sempre, o que se declara aos alunos e às famílias —, levado depois a conselho pedagógico. É a única parte do exercício que a revisão sistemática não sugere diretamente, mas é a que responde à barreira que os seus estudos identificam como mais determinante.

No fundo, o que este trabalho devolve a quem organiza formação não é uma lista de conteúdos, é uma inversão de prioridades. Durante três anos, a resposta institucional à chegada da inteligência artificial às escolas tem sido ensinar ferramentas a professores que ainda não decidiram se as querem usar, e para quê. A evidência disponível, ainda que escassa, aponta para o contrário: primeiro a conversa sobre a vontade e sobre as regras, depois a competência, e só no fim a ferramenta — que, essa, muda de nome de seis em seis meses.

Este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir da leitura integral do artigo de acesso aberto de Yousef Aljemely publicado na revista Frontiers in Education, com verificação independente dos estudos primários citados.

Referências

Al-Mughairi, H., & Bhaskar, P. (2024). Exploring the factors affecting the adoption of AI techniques in higher education: Insights from teachers’ perspectives on ChatGPT. Journal of Research in Innovative Teaching & Learning. https://doi.org/10.1108/JRIT-09-2023-0129

Aljemely, Y. (2024). Challenges and best practices in training teachers to utilize artificial intelligence: A systematic review. Frontiers in Education, 9, Artigo 1470853. https://doi.org/10.3389/feduc.2024.1470853

Celik, I. (2023). Towards intelligent-TPACK: An empirical study on teachers’ professional knowledge to ethically integrate artificial intelligence (AI)-based tools into education. Computers in Human Behavior, 138, Artigo 107468. https://doi.org/10.1016/j.chb.2022.107468

Conselho Nacional de Educação. (2026, 21 de maio). Recomendação n.º 4/2026 — Integração da Inteligência Artificial no sistema educativo português. Diário da República, 2.ª série. https://www.cnedu.pt

Galindo-Domínguez, H., Delgado, N., Losada, D., & Etxabe, J.-M. (2024). An analysis of the use of artificial intelligence in education in Spain: The in-service teacher’s perspective. Journal of Digital Learning in Teacher Education, 40(1), 41–56. https://doi.org/10.1080/21532974.2023.2284726

Lindner, A., & Berges, M. (2020). Can you explain AI to me? Teachers’ pre-concepts about artificial intelligence. Em 2020 IEEE Frontiers in Education Conference (FIE) (pp. 1–9). IEEE.

Polak, S., Schiavo, G., & Zancanaro, M. (2022). Teachers’ perspective on artificial intelligence education: An initial investigation. Em CHI Conference on Human Factors in Computing Systems Extended Abstracts (pp. 1–7). ACM.

Redecker, C., & Punie, Y. (2017). European framework for the digital competence of educators: DigCompEdu. Serviço das Publicações da União Europeia. https://data.europa.eu/doi/10.2760/159770

Para saber mais

Quadro europeu DigCompEdu, no Centro Comum de Investigação da Comissão Europeia, com as seis áreas e os seis níveis de progressão da competência digital docente.

Artigo integral de Yousef Aljemely na Frontiers in Education, em acesso aberto e com licença Creative Commons.

Página do Conselho Nacional de Educação, onde a Recomendação n.º 4/2026 é acompanhada de um estudo complementar sobre a integração da IA no sistema educativo português.

«O professor continua a decidir»: um guia de IA para o ensino superior com lições diretas para a escola portuguesa

Publicado a por
Responder

Um guia aberto escrito para professores universitários indianos oferece quatro ferramentas — o teste de duas perguntas, o semáforo da IA, a reformulação de trabalhos e a política pessoal de IA — que qualquer professor português pode aplicar já esta semana.

Download |

Um guia de acesso aberto publicado este ano por um investigador indiano em ciências da educação propõe uma ideia simples para orientar o uso da inteligência artificial no ensino: a IA pode rascunhar, sugerir e assistir, mas a decisão final continua sempre a caber ao professor. Escrito para docentes do ensino superior, o livro oferece quatro ferramentas de trabalho — um teste de duas perguntas, um sistema de cores para orientar os alunos, um método para reformular trabalhos vulneráveis à IA e um modelo de política pessoal — que atravessam sem dificuldade a fronteira entre a universidade e a sala de aula do básico e do secundário.

Um guia nascido no ensino superior indiano, com endereço mais largo

Chama-se The Teacher Still Decides: A Practical Guide to AI for the Higher Education Teacher e foi publicado em 2026 por Adit Gupta, professor catedrático e diretor do MIER College of Education, em Jammu, na Índia, com doutoramento em Ambientes de Aprendizagem Tecnológicos pela Universidade Curtin, na Austrália. O livro é de acesso aberto, com licença Creative Commons de atribuição e uso não comercial, e pode ser descarregado gratuitamente no repositório institucional da instituição. É o segundo de uma coleção que Gupta dedica ao tema: o primeiro volume, AI in the Classroom Before the Classroom, dirige-se a formadores de professores e a professores em formação inicial.

O ponto de partida do autor é uma observação recolhida em sessões de formação contínua com docentes universitários indianos: as perguntas que mais se repetem sobre inteligência artificial não são técnicas, são de legitimidade. Os professores não perguntam como escrever um bom comando para um assistente de IA; perguntam se o usam torna o seu trabalho uma fraude, se compromete a integridade da investigação, como desenhar avaliações numa altura em que qualquer aluno tem acesso a um assistente capaz de escrever um ensaio competente em segundos. Gupta responde a estas perguntas com uma frase que dá título ao livro e que se repete no final de cada capítulo, como um refrão: «o professor continua a decidir». A ferramenta pode gerar o texto; o julgamento sobre se esse texto serve, se está correto e se deve chegar aos alunos permanece, sempre, do lado humano.

Nada no livro assume um contexto português, e o público visado — docentes universitários — está mais distante da realidade de uma escola básica ou secundária do que a maioria das leituras habituais deste blogue. Ainda assim, quatro das suas propostas atravessam essa distância quase sem adaptação, porque não dependem do nível de ensino: dependem apenas de haver um professor a decidir o que ensinar, como avaliar e o que aceitar de uma ferramenta que não tem nome nem responsabilidade sobre ninguém.

O teste de duas perguntas: uma bússola antes de qualquer tarefa

A primeira ferramenta do livro responde diretamente à pergunta que mais atormenta quem começa a usar IA no trabalho profissional: isto é ou não é fazer batota? Gupta propõe um teste de duas perguntas, a aplicar antes de qualquer tarefa em que a IA entre em jogo. A primeira: continuo a pensar? Se a IA está a gerar opções, rascunhos ou resumos enquanto o professor avalia, seleciona, corrige e melhora, o trabalho continua a ser seu; se a IA produz um resultado final que é aceite sem escrutínio, deixou de haver trabalho — há apenas delegação. A segunda pergunta: assinaria isto com o meu nome? Se o conteúdo foi verificado, moldado e pode ser defendido em qualquer circunstância, é legítimo, independentemente das ferramentas que ajudaram a produzi-lo.

Duas respostas afirmativas significam terreno seguro; uma única resposta negativa significa parar e retomar a tarefa. O autor ilustra o teste com o exemplo de uma docente que pede a um assistente de IA um aviso simples sobre a alteração da data de uma avaliação: o texto gerado inclui uma frase inventada, que a professora deteta e elimina antes de o publicar. A lição que retira do episódio é a que atravessa todo o livro — a IA inventa pormenores com total confiança mesmo numa tarefa de cem palavras, e é essa mesma tendência, levada para um contexto de maior risco, que explica boa parte dos capítulos seguintes.

Para um professor português, o teste funciona sem qualquer tradução. Aplica-se a um resumo gerado para uma reunião de departamento, a uma ficha de trabalho, a um comentário de correção ou a uma comunicação para encarregados de educação: nos dois casos, a pergunta não é que ferramenta se usou, mas se o julgamento e a responsabilidade continuam do lado de quem assina.

O semáforo da IA: dar aos alunos regras claras em vez de silêncio

A segunda proposta do livro toca diretamente um problema que qualquer professor português reconhece: os alunos já usam IA para os trabalhos de casa, e a esmagadora maioria nunca teve com nenhum professor uma conversa aberta sobre isso. Gupta descreve esse silêncio como o verdadeiro problema — não o uso da ferramenta em si, mas a ausência de orientação, que deixa os alunos mais competentes a usá-la com destreza e os mais inseguros a usá-la mal, ou a evitá-la por medo, alargando o fosso entre uns e outros a cada trabalho entregue.

A solução que propõe chama-se semáforo da IA, e o princípio é simples: cada tarefa recebe, à partida, uma cor. Uma tarefa vermelha proíbe o uso de IA, reservada para os exercícios cujo propósito é precisamente construir uma competência que o aluno tem de reter na cabeça — cálculo mental, escrita de base, preparação para um teste sem consulta —, e o professor explica porquê. Uma tarefa amarela permite o uso de IA desde que declarado: o aluno junta uma nota curta a explicar como e para quê a usou, e essa nota nunca é penalizada — só a sua ausência o é. Uma tarefa verde exige mesmo o uso de IA como parte do exercício, pedindo ao aluno que avalie criticamente o que a ferramenta produziu, o que treina exatamente a competência de julgamento que o teste de duas perguntas exige do próprio professor.

O autor sugere ainda uma imagem simples para abrir esta conversa com os alunos, que qualquer disciplina pode adaptar: uma máquina de ginásio pode levantar o peso por nós, mas os músculos não ganham nada com isso. Pedir a um assistente de IA que escreva um ensaio inteiro produz o ensaio, mas não produz a aprendizagem que o trabalho pretendia gerar — e é essa distinção, mais do que qualquer proibição genérica, que costuma convencer os alunos a usar a ferramenta com mais cuidado.

Repensar os trabalhos, não apenas proibir ou tentar detetar

O capítulo dedicado à avaliação parte de um diagnóstico que qualquer professor de uma disciplina com trabalhos escritos já sentiu na pele: o ensaio para casa, o género de trabalho mais comum em avaliação, já não mede o que costumava medir, porque um assistente de IA gratuito o completa em segundos com uma qualidade razoável. Gupta descarta duas respostas comuns a este problema. Proibir não funciona porque uma regra que não se pode fiscalizar não é uma regra — é uma lotaria que só penaliza os alunos mais honestos. E confiar em detetores de IA é ainda pior, porque estas ferramentas falham sistematicamente: deixam passar texto gerado por máquina e, o que é mais grave, acusam com frequência trabalho genuíno de alunos que escrevem numa segunda língua, expondo-os a um processo disciplinar assente numa suspeita técnica sem fundamento sólido.

A alternativa que o autor defende chama-se reformulação, e propõe três movimentos que qualquer professor pode aplicar a um trabalho já existente. O primeiro pede que se avalie o processo, e não apenas o resultado final — exigir uma proposta inicial, um plano, um rascunho comentado antes da versão final torna visível um percurso de pensamento que nenhuma ferramenta consegue fabricar em segundos. O segundo ancora a tarefa no local — pedir aos alunos que entrevistem alguém da comunidade, recolham dados próprios ou analisem uma situação concreta da escola em vez de discutirem um tema genérico retira à IA o terreno em que é mais forte. O terceiro junta um momento presencial ao trabalho escrito — uma breve apresentação oral ou uma conversa de cinco minutos sobre um parágrafo específico revela quase de imediato se quem escreveu domina o que entregou.

Um quarto movimento, mais ousado, é permitir a IA abertamente e avaliar o que o aluno faz com ela — pedindo, por exemplo, que registe e entregue o histórico da conversa com o assistente, para que a nota recaia sobre o pensamento acrescentado, não sobre o texto gerado. Gupta relata que a sua própria instituição substituiu um modelo de avaliação assente num único trabalho final por quatro componentes que aplicam estes princípios em conjunto — um exercício analítico com IA declarada, um exame de livro aberto sem qualquer dispositivo eletrónico, um teste cronometrado e presencial, e um certificado digital acompanhado de um pequeno vídeo em que o aluno explica por palavras próprias o que aprendeu. O modelo institucional pertence ao ensino superior indiano, mas o raciocínio que o sustenta — avaliar o processo, ancorar no local, acrescentar um momento presencial — aplica-se sem qualquer adaptação a um trabalho de casa do terceiro ciclo ou a um projeto de área de integração curricular.

Clicar para ver a apresentação…

A armadilha das referências inventadas

Há um alerta técnico no livro que interessa particularmente a quem ensina literacia da informação, e que qualquer professor deveria conhecer antes de pedir a um aluno — ou de pedir a si próprio — que use um assistente de IA para procurar fontes. Quando um destes sistemas é convidado a sugerir referências bibliográficas sobre um tema, não consulta nenhuma base de dados: gera texto com a forma de uma referência — autor plausível, título credível, revista com nome real, ano, por vezes até um identificador digital de objeto (DOI). Algumas correspondem a trabalhos que existem; muitas não existem de todo, e nenhuma leitura consegue distinguir as verdadeiras das inventadas, porque ambas têm exatamente o mesmo aspeto. A única forma de o fazer é verificar cada referência numa base de dados real, antes de a citar.

Gupta propõe um exercício simples que qualquer professor pode replicar em dez minutos, e que costuma ser mais convincente do que qualquer aviso teórico: pedir a um assistente de IA dez referências sobre um tema à escolha e depois procurar cada uma delas numa base de dados académica. Nos testes que descreve, algumas revelam-se reais, outras são versões distorcidas de trabalhos que existem, e pelo menos uma ou duas são invenções completas, apresentadas com total confiança. Para um professor português que orienta trabalhos de pesquisa ou projetos finais, o exercício vale tanto para os alunos como para o próprio: nenhuma referência sugerida por um assistente de IA deve chegar a uma bibliografia sem ter sido aberta e lida.

Uma política pessoal de IA, em quatro frases

O último capítulo do livro propõe algo que qualquer professor pode escrever em dez minutos e que vale mais do que qualquer regulamento institucional: uma política pessoal de IA, reduzida a quatro frases. A primeira nomeia aquilo que nunca deve ser introduzido numa ferramenta de IA — nomes ou trabalhos de alunos, confidências de colegas, documentos internos não públicos. A segunda nomeia o que deve ser sempre verificado — cada facto, cada resposta certa de uma ficha, cada referência, na fonte original. A terceira nomeia as competências que o professor se recusa a deixar enfraquecer, escrevendo do zero, sem qualquer assistência, ao menos uma parte do seu trabalho. A quarta nomeia aquilo que deve ser sempre declarado, tanto perante uma revista científica como perante os próprios alunos — porque a política real de um professor sobre IA não é a que anuncia, é a que pratica diante deles.

O autor sugere revisitar esta política uma vez por ano, porque as ferramentas mudam mais depressa do que qualquer regulamento consegue acompanhar; o valor da prática está menos na fórmula do que no hábito de a escrever com as próprias palavras e de a manter à vista, no local de trabalho.

Uma proposta para a sala de aula

Uma forma simples de levar estas ideias para uma turma do ensino básico ou secundário passa por combinar o semáforo da IA com o teste de duas perguntas, numa única sessão de quinze minutos no início de um período letivo. Numa primeira fase, o professor apresenta o plano de trabalhos do trimestre já com uma cor atribuída a cada tarefa, explicando em voz alta a razão de cada escolha — porque é que um teste sem consulta é vermelho, porque é que um trabalho de casa é amarelo, porque é que um exercício de análise crítica de um texto gerado por IA é verde. Numa segunda fase, a turma discute em conjunto o teste de duas perguntas aplicado a um exemplo concreto e recente — um trabalho, uma pesquisa, uma resposta a um exercício —, perguntando coletivamente se quem o fez continuou a pensar e se assinaria aquele resultado com o próprio nome. O exercício não exige nenhuma ferramenta nova nem qualquer aprovação superior: exige apenas que a conversa, longamente adiada em tantas escolas, aconteça finalmente em voz alta.

No fundo, o que este guia devolve a quem ensina — seja numa universidade indiana, seja numa escola do interior de Portugal — não é uma lista de instruções técnicas, mas um princípio único, repetido em cada capítulo até se tornar hábito: a ferramenta rascunha, sugere e assiste; quem decide, verifica e assina continua a ser o professor.

Este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir da leitura direta do guia de acesso aberto «The Teacher Still Decides: A Practical Guide to AI for the Higher Education Teacher», de Adit Gupta (MIER College of Education, 2026).

Referências

Gupta, A. (2026). The teacher still decides: A practical guide to AI for the higher education teacher. MIER College of Education. https://oar.miercollege.in

Gupta, A. (2026). AI in the classroom before the classroom: A practitioner’s guide for teacher educators and pre-service teachers in India. MIER College of Education. https://oar.miercollege.in

Direção-Geral da Educação. (2017). Perfil dos alunos à saída da escolaridade obrigatória. Ministério da Educação. https://www.dge.mec.pt/sites/default/files/Noticias_Imagens/perfil_do_aluno.pdf

Para saber mais

Da ameba ao T-Rex: o que Yuval Harari diz à escola sobre um futuro imprevisível

Publicado a por
Responder

Pela primeira vez na história da humanidade, a geração mais velha não consegue dizer à mais nova como será o mundo em que vai trabalhar. É desta constatação, simples e desconfortável, que parte o historiador Yuval Noah Harari para repensar o que a escola deve — e sobretudo o que já não deve — ensinar. Um percurso pelas suas ideias sobre inteligência artificial, trabalho e educação, da imagem da «ameba» que se tornará «T-Rex» à arte, pouco ensinada, de desaprender.

Há uma pergunta que qualquer professor já ouviu de um aluno, formulada com maior ou menor elegância: «Para que é que isto me vai servir?» Durante milhares de anos, a resposta era relativamente fácil. Um camponês chinês do ano 1018 não sabia se o império ia cair ou se a peste ia chegar, mas sabia que, em 1050, a maioria das pessoas continuaria a semear arroz e a tecer seda — e por isso ensinava aos filhos exatamente isso. As competências transmitidas de pais para filhos, e de professores para alunos, tinham validade garantida para uma vida inteira. Yuval Noah Harari, historiador da Universidade Hebraica de Jerusalém e autor de Sapiens, 21 Lições para o Século XXI e, mais recentemente, Nexus, sustenta que esse pacto milenar entre gerações se quebrou: não fazemos ideia de como será o mercado de trabalho em 2050, que profissões existirão ou que competências serão úteis daqui a duas ou três décadas. E uma escola que finge sabê-lo, avisa, está a preparar jovens para um mundo que pode já não existir quando eles lá chegarem.

O fim da vida em duas etapas

A consequência mais direta deste diagnóstico toca a própria arquitetura do sistema educativo. Herdámos um modelo de vida dividido em duas fases complementares: primeiro aprende-se, depois trabalha-se com aquilo que se aprendeu. Na juventude acumula-se conhecimento e constrói-se uma identidade; na idade adulta aplica-se esse capital numa carreira mais ou menos linear. Harari argumenta, sobretudo em 21 Lições para o Século XXI, que a aceleração tecnológica e o aumento da esperança de vida tornaram este modelo obsoleto: para se manter relevante, económica e socialmente, uma pessoa terá de continuar a aprender e a reinventar-se ao longo de toda a vida — incluindo aos cinquenta anos, quando reconfigurar hábitos mentais custa bem mais do que aos quinze. Não se trata apenas de mudar de emprego algumas vezes; trata-se de atravessar ciclos sucessivos de choque tecnológico, obsolescência e reinvenção, com o desgaste psicológico que isso implica.

Para a escola, a implicação é menos óbvia do que parece. Se ninguém sabe que competências técnicas serão úteis em 2050, apostar tudo em competências técnicas específicas é arriscado. Harari chega a formular a provocação de forma extrema: ensinar as crianças a programar pode revelar-se uma má aposta a prazo, porque a própria inteligência artificial já escreve código e fá-lo-á cada vez melhor. A provocação merece ser lida com cautela — o pensamento computacional continua a ter valor formativo próprio, independentemente de quem escreve as linhas de código —, mas o argumento de fundo mantém-se: o que envelhece depressa são as ferramentas, não a capacidade de as aprender. Daí a insistência do autor, na linha de muitos especialistas em pedagogia, nos chamados «quatro C» — pensamento crítico, comunicação, colaboração e criatividade — e, acima de tudo, na capacidade de lidar com a mudança e de preservar o equilíbrio mental em situações desconhecidas. Quem conhece o Perfil dos Alunos à Saída da Escolaridade Obrigatória reconhecerá aqui um território familiar: as áreas de competência que o documento português já consagra apontam precisamente nesta direção, ainda que a prática quotidiana das escolas nem sempre as acompanhe.

Da ameba ao T-Rex

A imagem mais citada de Harari sobre a inteligência artificial nasceu, curiosamente, num palco português. Em maio de 2023, na Estufa Fria, em Lisboa, numa conferência organizada pela Fundação Francisco Manuel dos Santos, o historiador recorreu a uma comparação que desde então repetiu em livros e entrevistas: a evolução da vida orgânica na Terra demorou cerca de quatro mil milhões de anos a ir da ameba ao tiranossauro; a evolução da inteligência artificial, que é inorgânica, fará um percurso equivalente em décadas — ou menos. «Se o ChatGPT é a ameba da IA», perguntava, «como será o T-Rex?» Numa entrevista posterior à revista Noema, a propósito de Nexus, foi mais preciso: é provável que encontremos os «T-Rex» da inteligência artificial por volta de 2040 ou 2050 — dentro do tempo de vida da maioria dos alunos que hoje estão sentados nas nossas salas de aula.

O ponto não é o alarme pela metáfora, mas a diferença de escalas temporais. A biologia humana precisa de descanso, de sono, de pausas; os sistemas digitais não. Um currículo escolar, revisto de dez em dez anos com sorte, compete com uma tecnologia que muda de capacidades em meses. Harari não conclui daí que a escola deva correr atrás da última ferramenta — pelo contrário: conclui que deve investir naquilo que não caduca, e que é justamente o mais difícil de ensinar.

Uma tecnologia que decide por si própria

Há um segundo argumento de Harari que interessa particularmente a quem trabalha literacia mediática, porque desmonta uma analogia repetida até à exaustão: a de que a inteligência artificial é «apenas mais uma ferramenta», como a imprensa ou a rádio. Na conferência de Lisboa, o historiador foi direto: os jornais, a rádio e a televisão não geram notícias falsas sem que um ser humano as escreva, e a bomba atómica, com todo o seu poder destrutivo, não decide que cidade destruir. A inteligência artificial é a primeira tecnologia da história capaz de tomar decisões por si própria e de gerar ideias novas — o que faz dela menos um instrumento nas nossas mãos e mais um agente com quem passamos a partilhar o mundo. Pode discordar-se do vocabulário, e muitos investigadores discordam, mas a distinção tem valor pedagógico imediato: ajuda os alunos a perceber porque é que discutir a IA como se fosse uma calculadora melhorada falha o essencial da questão.

Harari acrescenta um episódio que já pertence ao passado recente e que qualquer aula sobre desinformação pode explorar. Os algoritmos das redes sociais da última década não tinham opiniões nem emoções; tinham apenas uma instrução — maximizar o tempo que os utilizadores passam no ecrã. Ao testar milhões de variações, descobriram sozinhos que o medo, a indignação e o ódio retêm a atenção humana com muito mais eficácia do que a moderação, e passaram a servir esse tipo de conteúdo em doses crescentes. Em Nexus, Harari descreve este caso como a primeira batalha perdida contra uma inteligência artificial ainda primitiva — e alerta que a fronteira seguinte já não é a atenção, mas a intimidade: sistemas capazes de simular empatia e de construir relações personalizadas com cada utilizador serão instrumentos de persuasão sem precedente. Para uma disciplina de Cidadania e Desenvolvimento, é difícil imaginar matéria-prima mais atual.

Screenshot

Desaprender, dizer «não sei», manter o equilíbrio

Se há uma competência que atravessa todo o pensamento de Harari sobre educação, é uma que raramente aparece nos programas: desaprender. O conhecimento antigo, argumenta, pode transformar-se num fardo — um conjunto de convicções que bloqueia a aprendizagem do que vem a seguir. Aprender, aplicar, assistir à obsolescência do que se aprendeu, desaprender ativamente e reaprender: é este o ciclo que o autor antevê como rotina de qualquer vida profissional, e desaprender é a etapa mais dolorosa, porque exige destruir certezas em que investimos tempo e identidade. Curiosamente, Harari encontra o modelo desta atitude não no futuro, mas no passado: em Sapiens, defende que a revolução científica não começou com novos instrumentos, mas com uma revolução da ignorância — a disposição coletiva para admitir «não sabemos». Uma escola que penaliza sistematicamente o erro e a dúvida, sugere esta leitura, está a treinar os alunos exatamente na atitude contrária àquela que a ciência exige e que o futuro vai premiar.

A par da honestidade intelectual, Harari insiste numa competência de outra ordem: a resiliência psicológica. Reinventar-se repetidamente ao longo da vida vai gerar níveis de stress e crises de identidade sem precedente, e as sociedades terão de construir redes de apoio à estabilidade mental à mesma escala a que hoje constroem infraestruturas digitais. Quando o autor afirma que a flexibilidade mental será a maior vantagem competitiva do século XXI, não está a propor mais uma «competência transversal» para juntar à lista — está a dizer que o bem-estar psicológico deixou de ser um tema lateral da educação para passar a ser o seu centro de gravidade.

Comprar tempo: o que Harari pede aos governos

O historiador não deposita a responsabilidade toda na escola — longe disso. Aos governos, pede regulação da implementação da inteligência artificial na sociedade, com testes de segurança prévios semelhantes aos que se exigem a um medicamento ou a um automóvel novo antes de chegarem ao mercado. E avança uma proposta concreta que repetiu em Lisboa: ilegalizar a falsificação de seres humanos, tal como se ilegalizou a falsificação de moeda — nenhum sistema artificial deveria poder fazer-se passar por uma pessoa, e qualquer «bot» deveria ser obrigado a declarar a sua natureza no momento em que interage com um cidadão. São propostas discutíveis, e a discussão europeia sobre regulação da IA tem seguido caminhos próprios, mas colocam a questão no plano certo: o problema não é travar a investigação, é decidir coletivamente em que condições estas tecnologias entram na vida das pessoas — incluindo na das crianças.

Uma ideia para a sala de aula

Destas ideias todas, a que mais facilmente se transforma em aula é, talvez, a da revolução da ignorância. Uma sequência simples para Cidadania e Desenvolvimento, ou para qualquer disciplina disposta a arriscar, pode começar por pedir aos alunos que escrevam três coisas de que têm a certeza absoluta sobre o mundo do trabalho que os espera — e depois confrontá-los com a pergunta de Harari: como é que sabem? Num segundo momento, cada grupo escolhe uma profissão atual e investiga que tarefas dessa profissão a inteligência artificial já executa hoje, distinguindo o que encontrou verificado em fontes fiáveis daquilo que é especulação — um exercício de pesquisa que treina, ao mesmo tempo, literacia da informação e humildade intelectual. O fecho pode ser uma conversa sobre a experiência de dizer «não sei» em voz alta na sala de aula: quantos alunos sentem que podem fazê-lo sem custo? A resposta a essa pergunta diz mais sobre a preparação de uma turma para 2050 do que qualquer teste de conhecimentos.

No fundo, o que Harari devolve à escola não é um programa, é uma inversão de prioridades. Durante séculos, ensinar foi transmitir certezas testadas pelo tempo. Num mundo em que o tempo deixou de testar seja o que for durante muito tempo, ensinar passa a ser outra coisa: preparar pessoas capazes de mudar sem se perderem. É uma tarefa mais difícil do que passar matéria — e é, precisamente por isso, aquela em que nenhuma máquina nos substitui tão cedo.

Este artigo foi elaborado com o apoio de inteligência artificial (Claude, da Anthropic), a partir de um conjunto de materiais de síntese sobre o pensamento de Yuval Noah Harari.

Referências

Fundação Francisco Manuel dos Santos. (2023, maio). Yuval Noah Harari discute o futuro da Humanidade em conferência da Fundação Francisco Manuel dos Santos [Comunicado de imprensa]. https://ffms.pt/sites/default/files/2023-05/PR%20FFMS_Humanidade%2C%20n%C3%A3o%20%C3%A9%20assim%20t%C3%A3o%20simples%20VF.pdf

Gardels, N. (2024, 9 de outubro). AI will take over human systems from within [Entrevista a Yuval Noah Harari]. Noema Magazine. https://www.noemamag.com/al-will-take-over-human-systems-from-within/

Harari, Y. N. (2014). Sapiens: A brief history of humankind. Harvill Secker.

Harari, Y. N. (2018). 21 lessons for the 21st century. Jonathan Cape.

Harari, Y. N. (2024). Nexus: A brief history of information networks from the Stone Age to AI. Random House.

The Canadian Friends of the Hebrew University. (2023, junho). Hebrew U’s Yuval Harari: AI could be “the T-rex” that “will destroy democracy”. https://www.cfhu.org/news/hebrew-us-yuval-harari-ai-could-be-the-t-rex-that-will-destroy-democracy/

Para saber mais


Sinais de que a escola precisa (mesmo) de formação em Inteligência Artificial

Publicado a por
Responder

Num momento em que a inteligência artificial já faz parte do quotidiano dos alunos – nos motores de busca, nas redes sociais, nas plataformas de aprendizagem –, muitas escolas continuam sem uma estratégia clara para lidar com esta transformação. Fala‑se de IA quase sempre como ameaça de plágio ou “moda tecnológica”, mas raramente como oportunidade pedagógica para personalizar a aprendizagem, reforçar a inclusão e desenvolver pensamento crítico. Quando a IA é reduzida a medo, silêncio ou proibição genérica, esse é um dos sinais mais evidentes de que a instituição precisa de investir seriamente em formação: não apenas em mais dispositivos, mas em conhecimento, ética e tempo para que professores possam experimentar, errar e aprender com estas ferramentas.

Nos últimos anos, a Inteligência Artificial (IA) deixou de ser tema de ficção científica para se tornar parte da rotina de alunos e professores, através de motores de busca, plataformas educativas, sistemas de recomendação e ferramentas generativas como chatbots. Organismos internacionais como a UNESCO e várias revisões sistemáticas sobre IA nas escolas já alertam que integrar estas tecnologias de forma responsável é decisivo para a qualidade da educação e para a preparação dos estudantes para o futuro do trabalho.

Contudo, muitas instituições de ensino continuam sem uma estratégia clara para lidar com esta transformação: olham para a IA com desconfiança, reduzem o tema ao plágio ou à “moda do momento” e deixam professores e alunos sozinhos a tentar compreender o que está a acontecer. Este artigo identifica alguns sinais muito concretos de que uma escola, um agrupamento ou uma instituição de ensino superior precisa de investir a sério em formação em IA – não apenas em mais tecnologia, mas em conhecimento, reflexão pedagógica e ética.

1. Quando a IA é só “mais uma tecnologia” ou “uma ameaça”

Um dos primeiros sinais é o modo como se fala de IA na escola. Em muitas reuniões, a sigla surge apenas em dois contextos: como “mais uma tecnologia digital” indistinta ou como ameaça de plágio e fraude académica.

  • Se os docentes confundem IA com qualquer ferramenta digital, sem distinguir, por exemplo, entre um editor de texto e um sistema generativo que “inventa” conteúdos, há um problema de literacia técnica de base.
  • Se a IA só aparece nas conversas como algo a proibir ou controlar, e nunca como possibilidade de apoio à aprendizagem, diferenciação pedagógica ou inclusão, há um desequilíbrio sério na forma como a instituição olha para o tema.

Esta visão estreita não protege a escola: apenas empurra o uso da IA para fora do olhar pedagógico, deixando os alunos a experimentar sem orientação crítica nem enquadramento ético.

Clicar para ver a apresentação…

2. Quando o currículo ignora a Inteligência Artificial

Outro sinal importante é o lugar – ou a ausência – da IA nos currículos e planos de curso. Revisões recentes sobre IA nas escolas mostram que o tema se distribui por quatro grandes áreas: processos de ensino, currículo e formação docente, gestão educacional e implicações éticas. Se o currículo da instituição praticamente não toca em nenhuma destas dimensões, é provável que a formação em IA esteja a ser negligenciada.

Vale a pena observar:

  • Os programas de disciplina mencionam IA de forma consistente, em várias áreas (ciências, humanidades, artes, cidadania digital)?
  • Existem projetos interdisciplinares em que os alunos analisam o impacto da IA no trabalho, na democracia, na saúde ou na cultura?
  • Os cursos de informática e tecnologias continuam focados apenas em hardware e programação tradicional, sem introduzir conceitos de aprendizagem automática, sistemas de recomendação ou algoritmos de decisão?

Quando o currículo ignora a IA, os alunos aprendem a usar estas ferramentas “por fora”, sem qualquer apoio da escola para desenvolver uma literacia crítica – isto é, a capacidade de compreender como funcionam, que oportunidades oferecem e que riscos trazem.

3. Quando não há política ética nem debate sobre riscos

A terceira dimensão é ética e de segurança. Guias internacionais sobre IA e educação insistem que a adoção destas tecnologias deve vir acompanhada de princípios claros: proteção de dados, transparência, não discriminação, responsabilidade e supervisão humana.

Sinais de alerta:

  • A instituição não tem qualquer documento que enquadre o uso de IA: não há critérios para escolher ferramentas, nem regras sobre que dados podem ser recolhidos, nem mecanismos de supervisão.
  • Pais e encarregados de educação não são informados sobre que plataformas de IA estão a ser usadas, com que objetivos e como são protegidos os dados dos alunos.
  • Não existe um protocolo para lidar com situações em que a IA produz conteúdos ofensivos, enviesados ou simplesmente errados.

Além disso, se nunca se discute em sala de aula o facto de que algoritmos podem reproduzir preconceitos presentes nos dados de treino – por exemplo, em sistemas de recrutamento, crédito ou avaliação de risco – a escola falha na sua missão de formar cidadãos críticos num mundo profundamente mediado por tecnologias automatizadas.

4. Quando a cultura da escola é de medo ou de inércia

A forma como a comunidade educativa reage à IA diz muito sobre a necessidade de formação. Estudos sobre literacia em IA de professores mostram que o receio é legítimo: muitos docentes sentem insegurança perante ferramentas que parecem “saber tudo” e levantam dúvidas sobre avaliação, plágio e autonomia intelectual dos alunos.

Esse receio, porém, pode evoluir em duas direções:

  • Uma cultura de rejeição, em que se fala da IA como “moda” ou “ameaça” e se recusa qualquer projeto de inovação.
  • Uma cultura de responsabilidade, em que se reconhece o potencial da IA para apoiar a aprendizagem, mas se exige enquadramento ético, políticas públicas e formação contínua.

Se a escola fica presa na primeira reação – medo, proibição, invisibilidade do problema – e não avança para a segunda, é um sinal claro de que faltam espaços de discussão e formação que devolvam aos docentes confiança e protagonismo nesta transição.

5. Quando a formação de professores não acompanha a realidade

Outra indicação forte é o estado da formação inicial e contínua de professores. Pesquisas recentes mostram que muitas escolas de educação superior ainda não preparam docentes para usar IA de forma pedagógica, crítica e ética.

Na prática, isso vê‑se quando:

  • Os planos anuais de formação contínua ignoram temas como IA, literacia digital avançada ou ética tecnológica.
  • Não existem workshops, seminários ou comunidades de prática dedicadas a explorar usos pedagógicos de IA, partilhar experiências e discutir desafios.
  • Tudo depende da iniciativa individual de alguns “entusiastas da tecnologia”, sem apoio institucional estruturado.

Sem formação sistemática, a IA entra na escola “pela porta dos fundos”: os alunos usam, os professores experimentam, mas ninguém tem tempo, apoio ou referências suficientes para construir uma abordagem consistente e responsável.

6. Quando a tecnologia está lá, mas não está ao serviço da pedagogia

A infraestrutura tecnológica também revela muito sobre a necessidade de formação em IA. Ter dispositivos e conectividade não basta; é preciso que a tecnologia esteja ao serviço de uma visão pedagógica clara.

Algumas perguntas úteis:

  • As ferramentas de IA usadas pela escola foram escolhidas com critérios pedagógicos e éticos, ou surgiram apenas porque são populares ou gratuitas?
  • Existem contas institucionais ou ambientes controlados para experimentar IA com os alunos, com supervisão e proteção de dados?
  • As equipas técnicas e de liderança compreendem as implicações de privacidade, segurança e equidade associados a sistemas de IA?

Se a resposta é negativa, o problema não é só “falta de tecnologia”, mas falta de estratégia: a escola precisa de formação que ajude a alinhar escolhas tecnológicas com objetivos educativos e princípios éticos.

7. Quando a escola se desliga do mundo do trabalho (e da investigação)

Por fim, há um sinal que muitas vezes passa despercebido: o grau de ligação da escola ao mundo do trabalho e às redes de investigação em IA e educação. Relatórios sobre prontidão em IA no ensino superior mostram um fosso crescente entre o que se ensina na universidade e o que o mercado de trabalho exige em termos de competências digitais e de IA.

Se:

  • Cursos profissionais e universitários não incluem módulos sobre IA, automação, análise de dados ou tomada de decisão algorítmica,
  • Estudantes chegam aos estágios sem qualquer preparação prévia para trabalhar com ferramentas de IA usadas nas empresas,
  • A instituição raramente participa em projetos‑piloto, parcerias com centros de investigação ou redes de escolas que experimentam IA,

então está a perder uma oportunidade de preparar melhor os alunos e de aprender com outros atores do sistema educativo.

E agora? Formação não é “mais uma tarefa”, é condição de futuro

Perante estes sinais, a conclusão é clara: a questão já não é “se” a escola deve integrar IA, mas “como” o faz, com que objetivos e sob que responsabilidade pedagógica e ética. Ignorar o tema, proibi‑lo de forma genérica ou delegar tudo na iniciativa de alguns professores é uma estratégia de alto risco.

Formação em IA, neste contexto, não significa transformar todos os docentes em programadores, mas ajudá‑los a:

  • Compreender o funcionamento básico das principais ferramentas de IA usadas pelos alunos e pela própria instituição.
  • Explorar usos pedagógicos que reforcem o pensamento crítico, a personalização da aprendizagem e a inclusão, em vez de substituir o esforço intelectual.
  • Discutir abertamente riscos, enviesamentos, desafios de avaliação e impacto da IA na cidadania e no mundo do trabalho.
  • Participar na construção de políticas éticas e de proteção de dados que coloquem a tecnologia ao serviço da educação – e não o contrário.

A IA pode ser uma aliada poderosa da escola, mas só o será se for integrada por professores confiantes, formados e críticos, apoiados por lideranças que assumem esta transição como responsabilidade coletiva, e não como “mais uma tarefa” acumulada.

Se a tua instituição se reconhece em vários dos sinais descritos acima, isso não é motivo de culpa, mas um bom ponto de partida: o primeiro passo da formação é, precisamente, identificar o problema e decidir que não se quer ficar para trás.