A IA escreve um soneto à Camões? Uma aula com os alunos no papel de juízes

Publicado a por
6

Uma professora de Inglês, nos Estados Unidos, pede aos alunos que encomendem a um chatbot um soneto de Shakespeare e que depois verifiquem, com o texto à frente, se o que veio é mesmo um soneto shakespeariano. A ideia é boa e passa bem para o Português: trocámos Shakespeare por Camões, juntámos uma ficha de auditoria, um plano de aula de 90 minutos e critérios de avaliação. O que se segue serve para usar na segunda-feira, e também para desconfiar um pouco.

Há atividades que valem pela simplicidade. A de Bree Ann Joiner-Grice, publicada na Edutopia a 13 de outubro de 2026, tem uma pergunta no centro e nenhuma tecnologia complicada: se um chatbot escreve um soneto «à maneira de», será que respeita a forma de que o género depende? Os alunos decidem. Fazem-no com lápis e papel, que é onde, segundo a autora, deve acontecer o trabalho de pensar a sério.

Em Portugal o género é o mesmo e a tradição é outra. O soneto é matéria de Português ao longo de vários anos, e o poeta que toda a gente tem à mão é Camões. Pareceu-nos que valia a pena fazer a viagem completa: perceber o que a aula original faz, ver porque é que a forma é um bom terreno para desconfiar da IA, e depois desenhar uma versão portuguesa que se possa pôr em prática sem horas de preparação.

A aula original, em poucas palavras

A professora ensina uma turma de 8.º ano americano (alunos de cerca de treze anos) e usa a atividade para tornar menos distante o estudo de Júlio César. Começa com uns minutos de explicação sobre os tipos de soneto e pede aos alunos que registem só os traços do shakespeariano: três quadras e um dístico final, esquema ABAB CDCD EFEF GG, pentâmetro iâmbico e uma viragem no dístico. Depois faz um levantamento, no quadro, dos problemas do dia a dia dos alunos, e cada um escolhe um ou dois para pedir à IA um soneto sobre eles.

Há uma decisão que nos parece muito inteligente: a professora não ensina previamente a fazer o pedido. Deixa cada aluno escrever o prompt como quiser. Dá duas razões. A primeira é que assim vê quem já lida à vontade com estas ferramentas, o que lhe serve de pista para conversas sobre integridade académica. A segunda é que um pedido solto tem mais probabilidade de devolver um soneto imperfeito, e é desse material que sai a melhor discussão. Se o soneto vier perfeito, o aluno tem de explicar porquê.

Enquanto os alunos trabalham, a professora pede o seu próprio soneto a outro chatbot, que depois analisa em conjunto com a turma, como modelo. Segundo conta, o que obteve tinha alguns erros. Os alunos passam então à análise com uma ficha de trabalho (e há também uma apresentação de apoio), seja cada um com o seu soneto, seja todos com o mesmo, escolhido entre os entregues. No fim, alguns leem o poema em voz alta e justificam o veredicto. A autora diz que os alunos gostam de ler o soneto de «outro» e de o achar parecido com a sua vida.

Convém registar o que o texto não traz: não há dados de resultados, nem comparação com uma turma que tenha analisado o soneto sem IA. É o relato de uma prática, contado por quem a faz. Para um professor é o que interessa, mas fica a ressalva.

Porque é que o ouvido não chega

A atividade assenta numa suspeita razoável: o texto de uma IA «soa bem» e engana. Há investigação que dá corpo a isso. Brian Porter e Edouard Machery, num estudo publicado na Scientific Reports em 2024, pediram a leitores não especialistas que distinguissem poemas de poetas conhecidos de poemas gerados por IA. A taxa de acerto ficou em 46,6%, abaixo dos 50% que o acaso daria, e os poemas da máquina foram avaliados mais favoravelmente em qualidades como o ritmo e a beleza. Os autores sugerem que a simplicidade dos poemas artificiais os torna mais fáceis de entender, e que a complexidade dos poemas humanos acaba por ser confundida com incoerência.

Há limites a ter presentes: os participantes eram leitores comuns e não especialistas, a língua era o inglês, e o artigo completo trabalha com poemas gerados sem intervenção humana posterior. Não nos diz nada sobre alunos portugueses nem sobre os modelos de hoje. Mas serve de argumento a quem queira justificar, perante uma turma, porque é que o «parece bom» não basta como critério. Na aula de Português, a alternativa é a mais antiga das nossas competências: contar sílabas, identificar rimas, ler com o texto à frente e justificar com evidência.

Clicar na imagem para ver a apresentação…

Do soneto de Shakespeare ao de Camões

A primeira adaptação é de conteúdo, e passa por escolher o poema de comparação. Propomos o «Amor é fogo que arde sem se ver», que é conhecido, vem nos manuais e já foi trabalhado em materiais da Direção-Geral da Educação para o 7.º e o 8.º ano. O texto integral está acessível na ficha da DGE e na edição comentada por Rita Marnoto, que é a base de quase tudo o que se diz abaixo sobre este soneto; imprima-o a partir daí ou do manual adotado.

A diferença de forma em relação ao soneto inglês é grande e é ela que torna a atividade rica em português. A tabela resume o que o artigo da Edutopia indica para Shakespeare e o que Marnoto descreve neste soneto de Camões.

AspetoSoneto shakespeariano (segundo a Edutopia)«Amor é fogo que arde sem se ver» (segundo Marnoto)
EstrofesTrês quadras e um dístico (4+4+4+2)Duas quadras e dois tercetos (4+4+3+3)
RimasABAB CDCD EFEF GGABBA ABBA CDC DCD, com quatro rimas apenas
VersoPentâmetro iâmbicoDecassílabo (dez sílabas métricas, contadas até à última tónica)
ViragemNo dístico finalNo último terceto, que começa com «Mas» e fecha em pergunta
TradiçãoInglesaPetrarquista, com fonte próxima num tratado latino de Petrarca

Há ainda três coisas que tornam este soneto especialmente bom para a tarefa. A primeira é a sua construção em paralelo: os versos 2 a 11 começam todos por «é», numa sucessão de definições de amor que se contradizem. É uma anáfora evidente, fácil de apontar com o dedo. A segunda é que a contradição está em quase todos os versos (arde sem se ver, dói e não se sente), o que dá ao aluno a oportunidade de falar de antítese e de oximoro com exemplos que não precisam de explicação. A terceira é a pergunta final, que muda de plano: depois de onze versos de contradições, o poeta pergunta como pode o amor ser bem acolhido nos corações humanos, sendo tão contrário a si próprio. O soneto termina, aliás, com a palavra com que começou.

E há um pormenor que vale ouro numa aula sobre IA. Marnoto recorda que este soneto só aparece impresso na segunda edição das Rimas, de 1598, sem testemunhos manuscritos da época (exceto o manuscrito apenso à edição de 1595), que alguns editores hesitam em incluí-lo no corpo mínimo de textos de Camões e que as edições modernas divergem em variantes de algumas palavras. Marnoto admite a autoria camoniana. Ou seja: mesmo o «original» tem uma história de edições e dúvidas, o que ajuda os alunos a perceber que ler com rigor é algo que se faz também com o poema humano, e não só com o da máquina.

O soneto de Camões em números

Para a modelagem em sala de aula, o professor pode projetar uma tabela como a que se segue. As rimas e os seus tipos vêm da análise de Marnoto: as rimas A (-er) e D (-or) são agudas, e as B (-ente) e C (-ade) são graves. Por isso, o soneto alterna ritmicamente entre finais agudos e graves. Não reproduzimos aqui os versos; os alunos têm o poema à frente e vão preenchendo a coluna das palavras.

VersoPalavra em rimaRimaTipo
1verAaguda
2senteBgrave
3descontenteBgrave
4doerAaguda
5quererAaguda
6genteBgrave
7contenteBgrave
8perderAaguda
9vontadeCgrave
10vencedorDaguda
11lealdadeCgrave
12favorDaguda
13amizadeCgrave
14AmorDaguda

Lida a coluna das rimas, saem as letras ABBA ABBA CDC DCD. Nota: a variante «amizade» (verso 13) é a que consta na edição comentada por Marnoto; outros editores registam palavras diferentes nesse verso. Convém que o professor confira, antes da aula, se o manual dos alunos traz o mesmo texto que o seu.

Sobre a métrica, é onde mais se erra, e não só nas máquinas. Pelas nossas contas, que o professor deve confirmar com o manual, o verso 4 é o mais limpo para começar: dez sílabas, tónica na 6.ª (ti, de «desatina») e na 10.ª (er, de «doer»), com a única particularidade de «doer» valer por duas sílabas (hiato). O verso 1 já exige duas elisões (entre «é» e «um», e entre «que» e «arde») para chegar às dez. Há versos, como o 3 e o 6, em que o grupo «é um» parece pedir leituras diferentes, e isso mostra que a escansão tem margem de decisão: não é uma operação mecânica, e é bom que os alunos o percebam antes de condenarem uma máquina por falhar uma contagem.

Proposta de aula de 90 minutos

O formato abaixo cabe num bloco de 90 minutos. Em duas aulas de 45 ou 50, a primeira fica para a leitura e a modelagem e a segunda para a auditoria. É uma proposta nossa, construída a partir da lógica da aula original, e não foi testada em turma.

Abertura (10 minutos)

Leitura em voz alta do soneto de Camões, duas vezes, por alunos diferentes. Pergunta única ao quadro: «o que é que faz disto um soneto?» Recolhem-se as respostas sem corrigir. Algumas serão sobre o tema, outras sobre a forma, e a distinção será útil mais à frente.

Instrução breve (10 minutos)

O professor fixa com a turma os traços da forma: catorze versos, quadras e tercetos, esquema de rimas, decassílabo, viragem final. Se a turma já viu Shakespeare, a tabela comparativa acima pode ir ao quadro. Os alunos copiam apenas os traços, como na aula original.

Modelagem (20 minutos)

Trabalha-se coletivamente a primeira quadra: marcam-se as palavras em rima, atribuem-se letras, conta-se o verso 4 em voz alta, sílaba a sílaba. No quadro fica escrito um parágrafo-modelo de análise (ver mais abaixo), que fica visível até ao fim da aula. A autora da aula original nota que os alunos mais fracos tendem a copiar de perto o modelo. É natural, e é para isso que ele serve.

O pedido à IA (10 minutos)

Cada aluno pede a um chatbot aprovado pela escola um soneto camoniano sobre um tema à escolha, com o máximo de dois sonetos por aluno. Tal como na aula original, o pedido é livre. O professor circula e observa quem formula bem e quem formula mal, e anota-o. Em paralelo, e antes da aula, o professor terá gerado o seu próprio soneto, que servirá de modelo da fase seguinte.

Auditoria (30 minutos)

Os alunos, sozinhos ou em pares, preenchem a ficha abaixo com o seu soneto e escrevem um parágrafo com o veredicto: cumpre ou não cumpre a forma do soneto camoniano? O trabalho deve ser feito em papel, como na aula original. Se o professor preferir uma correção mais uniforme, pode seguir a segunda via da autora e escolher um só soneto, entre os entregues, para toda a turma.

Partilha (10 minutos)

Alguns alunos leem o soneto da máquina e defendem o veredicto. A turma pode discordar, com a condição de apontar o verso. Termina-se com uma pergunta de fecho: o que é que a máquina acertou e onde é que falhou?

A ficha de auditoria

A ficha que propomos abaixo é nossa; a original, em inglês, é a da autora (ligada acima). A coluna «Evidência» é a mais importante, porque obriga o aluno a apontar um verso ou uma palavra. Uma afirmação sem evidência não conta.

CritérioO que verificarEvidência (verso/palavra)Cumpre?
1. ExtensãoTem catorze versos?
2. EstrofesDuas quadras e dois tercetos (4+4+3+3)?
3. Rimas das quadrasSegue o esquema ABBA ABBA?
4. Rimas dos tercetosQual é o esquema? É admissível num soneto deste tipo? (O de Camões é CDC DCD.)
5. Qualidade da rimaAs palavras rimam mesmo, a partir da vogal tónica, ou só «parecem» rimar? Há repetições da mesma palavra?
6. MétricaOs versos têm dez sílabas métricas, contadas até à última tónica? Onde caem os acentos (6.ª e 10.ª, ou 4.ª, 8.ª e 10.ª)? Conta pelo menos três versos.
7. Viragem e fechoHá uma mudança de rumo no fim? Como se marca?
8. Recursos expressivosHá anáfora, antítese, oximoro, comparação, metáfora? Servem o sentido ou estão lá só para enfeitar?
9. LínguaEstá em português europeu (ortografia, vocabulário, formas verbais)? Há palavras ou expressões que um poeta do século XVI não usaria?
10. OriginalidadeAlgum verso lembra, ou repete, versos conhecidos de Camões?
11. SentidoO tema está desenvolvido ou o texto limita-se a enumerar frases sobre ele?

O critério 9 é uma particularidade nossa e não vem da aula original. Interessa-nos porque, numa escola portuguesa, a variedade da língua e o registo são parte da leitura. Não afirmamos que as ferramentas errem nisto, e não temos dados para o dizer. Dizemos apenas que convém verificar, e que é um exercício útil de consciência linguística.

O parágrafo de análise

O professor pode propor aos alunos um esqueleto em três tempos, a que chamamos afirmação, evidência e comentário. Fica um exemplo com lacunas: «O soneto [cumpre / não cumpre] o esquema de rimas das quadras. Nos versos [n.º] e [n.º] as palavras em rima são «[…]» e «[…]», o que corresponde à letra [A/B]. Isto [confirma / contradiz] o esquema ABBA, porque […].» Depois, a mesma estrutura repete-se para a métrica e para a viragem. É o equivalente português do que a autora da aula original faz no quadro, com a diferença de que aqui o aluno se apoia nas palavras de rima, que são mais fáceis de citar do que versos inteiros.

Adaptar por ano de escolaridade

A atividade não pede o mesmo a todos os anos, e a legislação curricular ajuda a escolher o nível de exigência.

No 7.º e 8.º anos, o soneto de Camões já faz parte de materiais oficiais de apoio: o bloco n.º 52 do #EstudoEmCasa pede para reconhecer a forma como o texto está estruturado e para compreender o uso de recursos expressivos, e junta-lhe um soneto de Petrarca. Nestes anos, a ficha pode reduzir-se aos critérios 1 a 3, 7 e 8, deixando a contagem de sílabas para mais tarde.

No 9.º ano, as Aprendizagens Essenciais de Português (março de 2026) preveem, em educação literária, a consolidação de «noções de versificação» e o conhecimento da obra camoniana, e pedem que o aluno relacione os elementos do género literário com a construção do sentido e justifique as suas interpretações. A tarefa descrita aqui está muito próxima disso. A lista de poemas desse ano não inclui este soneto, pelo que se trata de uma aplicação em contexto de versificação e de leitura de Camões, e não de um texto obrigatório. Aqui já se justifica a ficha completa, incluindo a métrica.

No 10.º ano, em que a lírica camoniana é matéria nuclear, os materiais de apoio da DGE para as Rimas referem como aprendizagem «relacionar características formais do texto poético com a construção de sentido». É a altura de acrescentar o confronto com a tradição petrarquista, a discussão da autoria e das variantes textuais, e a pergunta sobre se a IA consegue reproduzir não só a forma mas também o sentido. Convém dizer que não confirmámos, nas Aprendizagens Essenciais de 2026 do 10.º ano, a lista exata de textos, pelo que quem planifica deve consultar o documento em vigor.

Em todos os anos, a tarefa dialoga com o Perfil dos Alunos à Saída da Escolaridade Obrigatória, nas áreas de Linguagens e textos, Informação e comunicação, e Pensamento crítico e pensamento criativo. É uma articulação nossa, que o professor deve confirmar com o seu grupo disciplinar.

Como avaliar

Avaliar trabalhos em que cada aluno analisa um poema diferente é mais trabalhoso, como a própria autora reconhece. Há duas saídas: ou se escolhe um único soneto para a turma, ou se avalia o processo e não o poema. A segunda faz mais sentido, e é coerente com a avaliação para a aprendizagem que as Aprendizagens Essenciais defendem. A grelha que se segue é uma proposta nossa, inspirada nos níveis de desempenho (proficiente e avançado) que o documento do 9.º ano adota.

DomínioDesempenho proficienteDesempenho avançado
Identificação da formaIdentifica estrofes, rimas e número de versos.Identifica ainda a métrica e a viragem, e relaciona-as com o sentido.
EvidênciaApoia a maior parte das afirmações em versos ou palavras.Apoia todas as afirmações e escolhe a evidência mais pertinente.
Juízo críticoConclui se o soneto cumpre a forma.Distingue o que é falha formal do que é escolha poética defensável.
EscritaEscreve um parágrafo organizado.Escreve com progressão e rigor de vocabulário.

Cuidados a ter

Primeiro, a ferramenta. Convém usar apenas uma que a escola ou o agrupamento tenha aprovado, rever as condições de idade do serviço e não pedir aos alunos dados pessoais. O tema do soneto pode ser pessoal, e a lista de «problemas do dia a dia» da aula original pode revelar mais do que se pretende. Um tema mais neutro (a amizade, o cansaço, o regresso às aulas) protege os alunos.

Segundo, o papel do professor. A atividade não prova que «a IA não sabe escrever sonetos». Mostra que este pedido, a esta ferramenta, num dia concreto, deu este resultado. Se um modelo acertar, o aluno tem de perceber porquê, e se falhar, a falha não pode ser tomada como lei geral. Com outra ferramenta, ou noutra semana, o resultado pode ser outro.

Terceiro, uma segunda ronda que nos parece promissora e que não vem da aula original: depois da auditoria, o aluno devolve ao chatbot a sua lista de falhas e pede nova versão, ou pede ao próprio chatbot que verifique o seu soneto, e compara as duas verificações. Há dados, que comentámos há dias, a sugerir que desafiar o raciocínio do modelo é uma estratégia associada a conversas classificadas como produtivas, embora esses dados não digam nada sobre aprendizagem. É uma hipótese de trabalho e não uma garantia; fica por testar.

Quarto, e para quem queira ir mais longe, a ideia combina bem com outras que já propusemos: a de pôr os alunos a avaliar a IA em vez de serem avaliados com ela, a aplicação IA para Aprender, os cinco passos da literacia em IA para a escola e a reflexão sobre pensamento crítico e ética na era da IA generativa. Quem quiser situar a atividade num referencial internacional pode olhar para o AILit, de que falámos a propósito dos vinte e dois referenciais sobre IA na educação; a correspondência exata com os seus domínios fica por fazer.

O que fica por confirmar

Não conseguimos confirmar, a partir das fontes consultadas, o contexto de aplicação da aula original além do que a autora descreve (uma turma de 8.º ano americano, com iPad individual), nem os resultados que dela resultaram. Não testámos a proposta portuguesa em sala de aula, e não pedimos a nenhum chatbot um soneto camoniano para ver o que daria; quem o fizer será o primeiro a poder dizer-nos. A escansão dos versos 1 e 4 é nossa e deve ser conferida.

Uma pergunta para levar

Quando um aluno lê um soneto e diz «isto é mesmo bom», o que é que lhe pedimos a seguir? Se for «mostra-me onde», já temos a aula. A IA fornece apenas o poema a examinar, e ninguém, nem o professor, sabe de antemão o que vai sair. Numa aula de literatura, isso até pode ser um bom ponto de partida.

Nota editorial e de transparência. Este artigo foi elaborado com assistência de inteligência artificial (Claude, da Anthropic), a partir do artigo de Joiner-Grice (2026) e de fontes oficiais e académicas consultadas a 16 de outubro de 2026, e foi sujeito a revisão e responsabilidade editorial dos autores do blogue.

Referências

Direção-Geral da Educação. (s.d.-a). Aprendizagens Essenciais: Articulação com o Perfil dos Alunos, 9.º ano, 3.º ciclo, Português (março de 2026). Consultado a 16 de outubro de 2026, em https://www.dge.mec.pt/sites/default/files/9_portugues.pdf

Direção-Geral da Educação. (s.d.-b). Aprendizagens Essenciais: Articulação com o Perfil dos Alunos, 10.º ano, ensino secundário, Português (março de 2026). Consultado a 16 de outubro de 2026, em https://www.dge.mec.pt/sites/default/files/es_10_portugues.pdf

Direção-Geral da Educação. (s.d.-c). #EstudoEmCasa, Português, 7.º e 8.º anos, bloco n.º 52: «Amor é fogo que arde sem se ver», de Luís de Camões; «Se amor não é, qual é o meu sentimento», de Petrarca. Consultado a 16 de outubro de 2026, em ligação para o PDF

Direção-Geral da Educação. (s.d.-d). #EstudoEmCasa, Português, 10.º ano, bloco n.º 28: Introdução à lírica de Camões. O contexto histórico-literário. Consultado a 16 de outubro de 2026, em ligação para o PDF

Joiner-Grice, B. A. (2026, 13 de outubro). Can AI pass as Shakespeare? Let students be the judge. Edutopia. Consultado a 16 de outubro de 2026, em https://www.edutopia.org/article/can-ai-pass-shakespeare-let-students-be-judge

Marnoto, R. (s.d.). Amor é um fogo que arde sem se ver. In Comentário a Camões (Vol. 1, pp. 37–50). Universidade de Coimbra, Estudo Geral. Consultado a 16 de outubro de 2026, em https://estudogeral.uc.pt/bitstream/10316/43414/1/2.pdf

Ministério da Educação. (2017). Perfil dos alunos à saída da escolaridade obrigatória (Despacho n.º 6478/2017, de 26 de julho). Direção-Geral da Educação. Consultado a 16 de outubro de 2026, em https://dge.mec.pt/sites/default/files/Curriculo/Projeto_Autonomia_e_Flexibilidade/perfil_dos_alunos.pdf

Porter, B., & Machery, E. (2024). AI-generated poetry is indistinguishable from human-written poetry and is rated more favorably. Scientific Reports, 14, Artigo 26133. https://doi.org/10.1038/s41598-024-76900-1

Para saber mais

Fora do blogue: a ficha de análise original de Joiner-Grice (cópia editável, em inglês) e a sua apresentação sobre os tipos de soneto; o texto integral do estudo de Porter e Machery; o quadro de literacia em IA AILit.

No blogue: Metade das conversas com IA tem atrito, e isso pode ser bom; E se, no exame, fossem os alunos a avaliar a inteligência artificial?; IA para Aprender: uma ferramenta interativa para guiar estudantes no uso da inteligência artificial; Literacia em IA: cinco passos para a escola; Reaprender a perguntar: estamos a caminho da geração prompt?; Ler o mundo em múltiplos formatos: multiliteracias na era da inteligência artificial.

Liberdade, esforço e adições: o que a escola pode aprender com José Antonio Marina

Publicado a por
1

O filósofo José Antonio Marina publicou um livro sobre adições e, numa entrevista à revista Ethic, deixa uma ideia que qualquer professor reconhece à primeira: ser livre dá trabalho, e há quem fique pelo caminho quando tudo à volta é fácil. Lemos a entrevista com a sala de aula à frente dos olhos, à procura do que serve a quem ensina e a quem aprende, e do que convém ler com reserva.

Há perguntas que um professor faz a si próprio quase todas as semanas, sem lhes chamar filosofia. Porque é que aquele aluno desiste à primeira dificuldade? Porque é que uma turma que sabe muito bem o que lhe convém faz precisamente o contrário? O filósofo espanhol José Antonio Marina anda há anos às voltas com uma versão maior da mesma pergunta: se somos tão inteligentes, porque cometemos tantos disparates? A resposta mais recente está em La vacuna contra las adicciones, editado pela Ariel em maio de 2026, e a Ethic publicou a 13 de outubro uma entrevista com ele sobre o livro.

Nem tudo o que lá se diz é para a escola, e nem tudo aguenta a leitura sem reservas. Há, ainda assim, ideias que merecem chegar à sala dos professores.

Uma vacina para a insensatez

O ponto de partida de Marina é que o cérebro humano não nasceu de um projeto limpo. Resulta de uma evolução longuíssima, feita a saltos, que resolveu uns problemas e deixou outros por resolver. Daí a nossa vulnerabilidade àquilo a que chama patógenos mentais, ideias e hábitos que, uma vez instalados, estragam o funcionamento da inteligência. Como não vão desaparecer, a saída que propõe é uma vacina: reforçar as defesas de cada pessoa, para que consiga reconhecer os enquadramentos insensatos e desmontá-los. Entre os candidatos (o medo, o fundamentalismo, as adições), escolheu as adições por lhe parecerem o problema mais urgente e por achar que vivemos numa sociedade adictiva.

Clicar na imagem para ver a apresentação…

Três passos até perder o controlo

A entrevista distingue adições a substâncias e adições a comportamentos. Durante muito tempo, nestas últimas, quase só se falava do jogo; hoje a lista inclui o sexo, a comida, o telemóvel, as redes sociais e até o exercício físico. O caminho, descreve Marina, faz-se em três tempos. Primeiro, o encontro com um desencadeador que dá prazer ou satisfação, e que pode ser puro acaso. Depois, o consumo ou o comportamento passa a abuso e começa a fazer mal. Por fim, a perda de controlo: sair torna-se cada vez mais difícil e, se a pessoa tenta, sente um mal-estar forte. O círculo fecha-se quando já acredita que não tem outra saída.

Há uma segunda ideia, que nos parece a mais útil para quem ensina. Marina diz que a adição é muitas vezes uma má solução para um problema. Perante uma dificuldade, podemos enfrentá-la ou podemos enfrentar só o mal-estar que ela provoca, e para isso serve o comprimido, a droga, o álcool, a comida, o que estiver à mão. Na sua leitura, estamos a diminuir a competência das pessoas para resolver problemas e, ao mesmo tempo, a passar-lhes a mensagem de que a felicidade devia ser fácil.

Qualquer professor reconhece o desenho. O aluno que fica a olhar para o enunciado até chegar uma notificação não precisa, para já, de uma lição sobre a vida digital; precisa de alguém que o ajude a aguentar o problema um pouco mais de tempo. É uma leitura nossa, e não um diagnóstico: Marina fala de adições em sentido muito amplo, e a entrevista não traz dados sobre alunos nem sobre ecrãs na escola. Do lado da literacia digital, já aqui escrevemos sobre o que a escola ainda tem de aprender sobre nativos digitais e ingénuos digitais.

A felicidade fácil e o esforço que passou a parecer enorme

Marina não fica pelo indivíduo. A democracia precisa de votos, o mercado precisa de compradores, e uns e outros podem preferir pessoas crédulas e emotivas a cidadãos críticos e exigentes. Às novas tecnologias atribui um efeito mais discreto: quem se habitua a ter tudo facilitado acaba por achar que qualquer esforço é colossal. «A felicidade fácil é uma armadilha», diz (tradução nossa).

A escola tem aqui um nó para desatar, e não é pequeno. Tudo o que fazemos para ajudar os alunos, da ficha simplificada ao resumo já feito, tem uma face boa e outra menos boa: tira obstáculos e, às vezes, tira também o exercício. As ferramentas de inteligência artificial limitaram-se a acelerar a conversa. Perguntámos há algum tempo se os chatbots vão tornar os alunos mais preguiçosos, e contámos como, nas escolas da Estónia, uma ferramenta pensada para não entregar a resposta pronta foi mal recebida por alguns alunos, em parte por lhes fazer perguntas a mais. Já o estudo de Stanford que comentámos há dias, com todas as reservas que então fizemos, classifica boa parte do atrito nas conversas com IA como produtivo. Não se tiram daqui regras. Tira-se, quando muito, uma pergunta de planeamento: que dificuldade estamos a manter de propósito, e qual deixámos escapar por distração?

O contrário também é verdade, e convém dizê-lo: dificuldade a mais e sem apoio não forma ninguém, afasta. Marina, de resto, rejeita que tudo isto sirva para culpabilizar quem cai numa adição. Reconhecer um erro, sustenta, é um progresso, e o que falta é dar às pessoas mais capacidade para enfrentar os problemas e recuperar o controlo.

Liberdade não é fazer o que apetece

A passagem mais forte da entrevista é a da liberdade. Quem é impulsivo julga-se livre porque faz o que lhe apetece, mas se não consegue controlar o que lhe apetece está nas mãos disso. Para Marina, a liberdade começa quando se pode escolher entre o que se deseja e o que se sabe que convém. Por isso desconfia da ideia de que todos nascemos livres, que lhe parece ter sido política antes de ser psicológica: em termos psicológicos nascemos dependentes, dos pais, das emoções, das circunstâncias. A liberdade é um projeto, e dos cansativos. Marina recorre ao francês Jean-Claude Kaufmann para lembrar que a liberdade pesa, e avisa que um sistema informático que prometa resolver-nos todos os problemas, bastando-nos obedecer, pode parecer muito cómodo, mas é uma maneira de abdicar dela.

Quem conhece o Perfil dos Alunos à Saída da Escolaridade Obrigatória reconhece o terreno. A liberdade surge lá como um dos valores, ligada à autonomia e à livre escolha, e a área de competências Desenvolvimento pessoal e autonomia fala de autorregulação, de iniciativa e de decisões fundamentadas. O que Marina acrescenta é um tom de exigência que os documentos curriculares raramente têm: a autonomia não vem de graça, treina-se, e treina-se contra alguma resistência, a dos desejos, a do cansaço, a das dúvidas.

Opinião não é argumento

Outra frente em que Marina insiste é a das opiniões. Respeitar a pessoa não obriga a respeitar tudo o que ela diz: quem opina merece respeito, a opinião pode ou não merecê-lo, consoante o conteúdo e os critérios da área de que se fala. E uma opinião que não vem acompanhada de razões não conta como contributo intelectual. Na sala de aula isto traduz-se bem. Aceita-se qualquer aluno e exige-se a qualquer aluno que justifique. É a regra mais simples de pensamento crítico que conhecemos e a mais difícil de manter quando a turma está cansada. Sobre o que isto pede à educação já escrevemos a propósito do pensamento crítico e da ética na era da IA generativa e de como combater a desinformação na sala de aula; a própria Ethic tem um texto sobre porque é que nem todas as opiniões são respeitáveis.

Sete horas de heurística por semana

Quando lhe perguntam que disciplina obrigatória, de uma hora semanal, poria nas escolas, Marina muda os termos: heurística, a ciência de resolver problemas, e não uma hora, mas sete, desde o ensino primário. Os exemplos que dá são os de qualquer pátio: a amiga que não convida para o aniversário, o brinquedo do outro, um conflito, o assédio. Ensinar a enfrentar essas situações é, na sua visão, ensinar a procurar alternativas e a pedir ajuda. E resolver problemas não é só cognição: pede emoções, coragem, resistência, atenção voluntária e capacidade de continuar quando já se está cansado. Daí a defesa de uma educação por problemas, projetos e perguntas, que funciona, diz, porque o aluno percebe que o que aprende serve para resolver alguma coisa. Fica a ideia de que saber o que fazer não chega; é preciso conseguir fazê-lo.

Sete horas é uma provocação, evidentemente, e Marina sabe-o. Mas a escola portuguesa já tem uma porta aberta. No Perfil dos Alunos, Raciocínio e resolução de problemas é uma das áreas de competências, e os descritores falam de alunos que formulam as questões a investigar, escolhem estratégias, analisam criticamente as conclusões e reformulam o que for preciso. Não precisamos de uma disciplina nova para começar (o próprio Perfil diz que nenhuma área de competências corresponde a uma área curricular em exclusivo). O que talvez falte é tempo, e problemas que sejam realmente dos alunos.

Deixamos três ideias, nossas e por testar. A primeira é o «problema da semana», tirado da vida da turma e não do manual: um desentendimento, um trabalho de grupo que encalhou. Antes de pedir ajuda ao professor, cada par tem de apresentar três alternativas. A segunda é uma regra para o uso de IA nos trabalhos: tenta-se primeiro sozinho e só depois se pergunta, e o que se pergunta é onde falhou o raciocínio, e não qual é a resposta. É a lógica que procurámos pôr na aplicação IA para Aprender e nos cinco roteiros para pensar com a IA, não por ela. A terceira é a mais modesta: tolerar, de vez em quando, o silêncio de uma turma a tentar.

Quem escolhe os fins

O último ponto é o da inteligência artificial, que o livro também aborda. A pergunta de Marina vai ao fundo: a IA pode procurar os meios para atingir um objetivo, mas quem estabelece o objetivo? Os seres humanos inventam fins. Além disso, a IA funciona com sistemas de recompensa e pode chegar a resultados que nós próprios não percebemos. Marina avisa que já existe o risco de aparecerem demonstrações matemáticas que sabemos corretas, porque foram verificadas, mas cuja lógica nos escapa, e vê nisso um problema filosófico sério.

Para a escola, isto dá uma pergunta que cabe em qualquer tarefa com IA e dispensa conhecimentos técnicos: quem decidiu o objetivo, e quem fica a perceber o resultado? Um aluno habituado a fazê-la está bem encaminhado. É uma ideia vizinha da que explorámos quando perguntámos e se, no exame, fossem os alunos a avaliar a inteligência artificial.

O que a entrevista não nos dá

Convém ler isto como o que é, uma entrevista. Marina não apresenta dados nem estudos, e nós não lemos o livro, apenas a ficha editorial. O contexto é espanhol, e a referência ao ensino primário não coincide exatamente com os nossos ciclos.

Há ainda duas reservas. A primeira é que Marina considera insuficiente o modelo médico das adições, porque o verdadeiro problema é a perda de controlo, que é também um fenómeno social. É uma posição dele, e há quem sustente, com bons argumentos, que o enquadramento clínico é indispensável a quem precisa de tratamento. Nenhum professor deve concluir daqui que lhe cabe tratar o que é clínico: um aluno com sofrimento sério precisa de profissionais de saúde, e à escola cabe, antes de mais, perceber e encaminhar. A segunda é que a entrevista fala muito da pessoa e do mercado em geral e pouco do desenho concreto das plataformas e dos jogos, que é onde muita gente situa uma parte do problema. Uma escola que só trabalhe a fortaleza do aluno e nunca olhe para o que lhe é posto à frente fica com metade do trabalho feito.

Uma pergunta para levar

Na nossa escola, o que é que só se aprende com esforço, e em que momentos, por boa vontade, estamos a poupar os alunos a esse esforço? A pergunta não é nova, mas ganhou outro peso. Talvez valha a pena levá-la ao próximo conselho de turma ou ao grupo disciplinar, e ver o que sai.

Nota editorial e de transparência. Este artigo foi elaborado com apoio de inteligência artificial (Claude, da Anthropic) sujeito à revisão e à responsabilidade editorial dos autores do blogue.

Referências

Marina, J. A. (2026). La vacuna contra las adicciones: Inmunología mental para una especie vulnerable. Ariel. Consultado a 15 de outubro de 2026, em <https://www.planetadelibros.com/libro-la-vacuna-contra-las-adicciones/448704> (ficha editorial)

Ministério da Educação. (2017). Perfil dos alunos à saída da escolaridade obrigatória (Despacho n.º 6478/2017, de 26 de julho). Direção-Geral da Educação. Consultado a 15 de outubro de 2026, em <https://dge.mec.pt/sites/default/files/Curriculo/Projeto_Autonomia_e_Flexibilidade/perfil_dos_alunos.pdf>

Palomo, A. G. (2026, 13 de outubro). José Antonio Marina: «La libertad no consiste en hacer lo que uno quiere, sino en poder no hacerlo». Ethic. Consultado a 15 de outubro de 2026, em <https://ethic.es/entrevista-jose-antonio-marina-vacuna-adicciones>

Para saber mais

Fora do blogue: o primeiro capítulo de La vacuna contra las adicciones, na página da editora; «La vacuna contra la insensatez», texto de Marina na Ethic; «¿Por qué no todas las opiniones son respetables?», também na Ethic; outra entrevista a Marina na Ethic, de 2024.

No blogue: Reaprender a perguntar: estamos a caminho da geração prompt?; Literacia em IA: cinco passos para a escola; Quando a inteligência artificial entra na sala de aula: responsabilidade, ética e pedagogia.

IA para Aprender: uma ferramenta interativa para guiar estudantes no uso da inteligência artificial

Publicado a por
3

A inteligência artificial entrou nas salas de aula sem pedir licença. Os alunos usam-na — muitos sem qualquer orientação — para fazer trabalhos, resolver exercícios e preparar testes. O problema não está na ferramenta: está na ausência de literacia para a usar bem. Já aqui escrevemos que a escola ainda tem muito a aprender sobre o que significa ser digitalmente competente — e a chegada massiva das ferramentas generativas torna essa questão mais urgente do que nunca. É para preencher esse vazio que apresentamos a IA para Aprender, uma aplicação web gratuita, totalmente autónoma, pensada para acompanhar alunos do ensino básico e secundário no uso ético e eficaz da IA nos seus estudos.

Porquê um recurso como este?

A questão que continua sem resposta definitiva na maioria das escolas é: o que deve saber um aluno de 15 anos sobre inteligência artificial antes de acabar o ensino obrigatório? Os vinte e dois referenciais internacionais sobre IA na educação que analisámos recentemente deixam claro que não há ainda um consenso — mas convergem num ponto: a literacia em IA não é opcional. O quadro europeu de competências digitais DigComp 2.2 incorpora-a explicitamente; o Perfil dos Alunos à Saída da Escolaridade Obrigatória aponta o pensamento crítico e a literacia digital como nucleares.

Os dados de comportamento real também falam: um estudo de Stanford sobre quase 250 000 conversas reais com IA mostra que metade contêm “atrito” — mal-entendidos, pedidos imprecisos, correções e reescritas. A maioria dos utilizadores não aceita passivamente o que a IA produz. Mas esse comportamento crítico não é inato: tem de ser ensinado. É precisamente isso que a IA para Aprender procura fazer.

A Rede de Bibliotecas Escolares tem vindo a desenvolver orientações nesta direção — de que é exemplo o documento de literacia informacional e mediática publicado no âmbito do projeto Supercharged by AI. A IA para Aprender complementa essas orientações com um formato diretamente utilizável por alunos. E a IFLA, em Libraries at the Frontline of Equitable AI Literacy, posiciona as bibliotecas escolares como agentes centrais deste trabalho.

O que é a IA para Aprender?

Trata-se de uma aplicação web desenvolvida num único ficheiro HTML autocontido — sem bibliotecas externas, sem chamadas a servidores, sem necessidade de instalação. Basta abrir o ficheiro num browser ou incorporá-lo numa página do Google Sites para que funcione plenamente. Esta opção foi deliberada: garante que o recurso pode ser usado em qualquer escola, independentemente das restrições de rede ou de equipamento.

A aplicação está organizada em sete módulos sequenciais, pensados para uma utilização de cerca de 45 minutos na totalidade, mas igualmente válidos como referência pontual:

MóduloTemaDuração
🤖 1O que é a Inteligência Artificial? Capacidades, limitações e ferramentas~5 min
💬 2A Arte de Fazer Perguntas — fórmula CREIAS e construtor interativo de prompts~8 min
🎓 3IA como Tutor — Método Feynman, aprendizagem socrática, planos de estudo~7 min
🔍 4Verifica Sempre! — alucinações, checklist de verificação, fontes fiáveis~6 min
⚖️ 5Ética e Honestidade Académica — uso ético vs. plágio, citação de IA~6 min
📚 6Por Disciplina — prompts práticos para Matemática, Português, Ciências, História, Inglês e Filosofia~7 min
🧠 Quiz10 perguntas com feedback imediato e resultado com medalhas~10 min

Destaques pedagógicos

A fórmula CREIAS — e a arte de perguntar bem

Um dos elementos centrais do módulo 2 é a fórmula CREIAS — um acrónimo mnemónico para construir prompts eficazes: Contexto, Papel (Role), Exemplos, Instrução, Audiência, Saída. A ideia é simples: a qualidade da resposta de uma IA depende diretamente da qualidade da pergunta. Reaprender a perguntar é, neste sentido, uma das competências mais determinantes que a escola pode cultivar — e que vai muito além das ferramentas de IA.

A questão de saber se o prompt é a nova caneta não é apenas retórica: estruturar um pedido com clareza, definir um objetivo, antecipar o formato da resposta — são competências de escrita, de pensamento e de comunicação. A aplicação inclui um construtor interativo de prompts que gera, automaticamente, um prompt personalizado a partir da disciplina, da necessidade, do tópico e do ano escolar do aluno — com botão de cópia direta para a ferramenta de IA que o aluno estiver a usar. Para quem quiser aprofundar, o nosso guia essencial para a criação de prompts eficazes continua a ser um bom ponto de partida.

O problema das “alucinações”

O módulo 4 aborda um dos fenómenos mais perigosos do uso acrítico da IA: as chamadas alucinações — a tendência das ferramentas de linguagem para inventar factos com aparência de verdade. Datas erradas, citações inexistentes, referências bibliográficas fabricadas. A aplicação propõe uma checklist interativa de verificação que os alunos podem percorrer antes de usar qualquer informação proveniente de uma IA num trabalho académico. É o mesmo princípio que defendemos no contexto mais amplo da desinformação na sala de aula: verificar antes de partilhar, confirmar antes de citar.

Ética antes de tudo

O módulo dedicado à ética académica parte de uma pergunta simples que qualquer aluno pode fazer a si próprio: “Estou a usar a IA para aprender ou para evitar aprender?” A distinção entre usar a IA como suporte à compreensão e usá-la para contornar o esforço intelectual é tratada de forma direta, com exemplos concretos de uso ético e de uso desonesto — sem moralismo, mas com clareza.

É uma questão que não é nova neste blogue. Já analisámos o que acontece quando a inteligência artificial entra na sala de aula, e o que está em jogo em termos de pensamento crítico e ética na era da IA generativa. A resposta que a IA para Aprender propõe não é proibir nem ignorar: é ensinar a usar bem.

Aliás, a pergunta pode ser invertida — e isso é pedagogicamente interessante. E se, no exame, fossem os alunos a avaliar a inteligência artificial? Essa inversão de papéis — o aluno como avaliador crítico e não como utilizador passivo — está no núcleo da filosofia desta aplicação.

📖 Para professores e bibliotecários: O artigo Literacia em IA: cinco passos para a escola oferece um enquadramento complementar para quem quer implementar este recurso num contexto mais amplo de formação.

Como usar em contexto escolar

O recurso foi desenhado para ser flexível. Pode ser integrado de várias formas:

  • Biblioteca escolar: como recurso de formação em sessões de literacia digital, disponível na página web da biblioteca.
  • Aula de qualquer disciplina: os professores podem indicar o módulo por disciplina (módulo 6) como ponto de partida para uma discussão sobre o uso responsável da IA — com particular pertinência para o que os alunos do secundário nos ensinam sobre IA e escrita.
  • Avaliação prévia: pedir aos alunos que completem o quiz antes de se autorizar o uso de IA em trabalhos avaliados — como forma de garantir uma base de literacia mínima.
  • Autoformação de alunos: percorrer os módulos autonomamente, em casa ou na biblioteca, em cerca de 45 minutos.

Para incorporar no Google Sites: Editar página → Inserir → Incorporar → Incorporar código → colar o HTML. Largura 100%, altura mínima recomendada de 800 px.

Disponibilidade e acesso

A aplicação está disponível gratuitamente. O ficheiro HTML pode ser descarregado e incorporado em qualquer ambiente digital escolar. O código-fonte está publicado no GitHub:

🔗 Acesso à aplicação: insolitos.github.io/apps/ia-para-aprender

Um passo numa conversa mais larga

Este recurso não pretende ser uma resposta definitiva a um desafio que é, por natureza, em constante evolução. Já aqui documentámos como a Estónia instalou um programa de IA em todas as escolas com um princípio claro: não para dar respostas, mas para ensinar a pensar. A abordagem portuguesa, embora mais gradual, aponta na mesma direção.

A emergência de modelos de linguagem de expressão portuguesa — como a AMALIA, a primeira IA soberana portuguesa — torna esta literacia ainda mais urgente: os alunos vão interagir com IA em português, no contexto cultural português, e precisam de ferramentas conceptuais para o fazer com discernimento.

E a evidência acumulada aponta no sentido de que a IA pode ser um tutor eficaz — em certos contextos, os resultados aproximam-se dos de um tutor humano. Mas a eficácia depende de como o aluno usa a ferramenta. É aí que está a diferença — e é aí que este recurso intervém.

No contexto das multiliteracias que a escola precisa de cultivar — ler o mundo em múltiplos formatos na era da IA — saber usar a inteligência artificial não é mais uma competência de nicho: é literacia fundamental.

Partilhem, usem, adaptem. E digam-nos o que mudariam.

📚 Para ler mais neste blogue

Metade das conversas com IA tem atrito, e isso pode ser bom

Publicado a por
5

Há quem veja na IA apenas um atalho: pede-se, copia-se, entrega-se. Um estudo de Stanford, assente em quase 250 mil conversas reais, sugere que a maior parte das pessoas faz outra coisa, que é discutir, corrigir e reescrever. Para a escola, o interesse está menos no elogio e mais nas condições em que isso acontece. Convém avisar desde já que o modelo analisado é o Claude, o mesmo que nos apoiou na redação deste texto.

De onde vêm os números

A notícia chegou-nos através do Stanford AI, a 12 de outubro, com o título «Humans and AI engage in meaningful collaborations». Por detrás dela está um preprint de 21 de agosto de 2026, assinado por Yijia Shao, Dora Zhao, Vishakh Padmakumar, Jennifer Wang e Diyi Yang, do laboratório SALT da Universidade de Stanford. Os autores analisaram 249 834 conversas de utilizadores particulares do Claude.ai, recolhidas ao longo de 14 dias, entre 25 de abril e 9 de maio de 2026, e fizeram três perguntas: que trabalho as pessoas levam à IA, que papel mantêm nele e onde a colaboração encalha.

O método merece uma explicação, porque condiciona tudo o resto. Os investigadores não leram uma única conversa. Escreveram perguntas, do género «que tipo de orientação está esta pessoa a pedir?», e a Anthropic, através de uma ferramenta chamada Anthropic Insights (antes conhecida por Clio), pôs o Claude a responder a essas perguntas em cada conversa. Do outro lado só chegam categorias agregadas e percentagens. Ou seja, o modelo que está a ser estudado é também o que faz a classificação. E, já agora, foi o mesmo modelo que nos ajudou a escrever este artigo. Dizemo-lo logo no início para que quem lê possa pesar o que vem a seguir.

Trabalho a sério, mais do que se esperava

A ideia de que as pessoas guardam para si o trabalho importante e deixam à IA o acessório não resiste bem a estes dados. Nas conversas com uma tarefa concreta, 56% foram classificadas como consequentes ou de risco elevado, isto é, trabalho que afeta outras pessoas ou é difícil de desfazer. Há um pormenor que a notícia do AI arredonda: 34% das conversas não continham nenhuma tarefa que se pudesse avaliar, e os 56% referem-se apenas às restantes. Fazendo as contas, 66% × 56% ≈ 37% do total, qualquer coisa como 92 mil das 249 834 conversas. É um cálculo nosso, feito com percentagens arredondadas, que serve só para pôr o número na escala certa.

O aconselhamento jurídico e financeiro é o domínio onde o risco mais se concentra (2,14 numa escala de 0 a 3, com cerca de um quarto das conversas em risco elevado). No extremo oposto ficam os trabalhos académicos, com 1,06. A duração também muda: a conversa passa de 6,5 turnos nas tarefas efémeras para 12,4 nas de risco elevado, quase o dobro (12,4 ÷ 6,5 ≈ 1,9). Quando o que está em jogo cresce, as pessoas conversam mais e mexem mais no que recebem.

Convém dizer o que o estudo não é. Não é um estudo sobre escolas. Nas fontes que consultámos nada indica que tenha separado alunos de adultos, e os trabalhos académicos são apenas um de nove domínios. O estudo não nos diz a idade de quem conversa, e extrapolar para alunos do básico ou do secundário seria um salto que os dados não autorizam.

Quem manda na conversa

Os autores usaram uma escala de agência humana, de H1 (a IA faz tudo sozinha) a H5 (controlo humano total). A grande maioria das conversas, 72%, ficou no nível H4, em que a pessoa conduz e a IA ajuda. Só 18,2% caíram nos níveis em que a IA trabalha praticamente por conta própria. E mesmo quando o resultado é importante, o gesto mais comum é «adaptar», ou seja, reescrever de forma significativa o que a IA devolveu: 60% nas tarefas consequentes e 52% nas de risco elevado. Nestas últimas, a categoria «perceber» — pedir explicações ou mais pormenores — sobe para 21%. Na conclusão, os autores assinalam que, na categoria de maior risco, a adaptação e a crítica diminuem enquanto aumenta a procura de compreensão. Consideram que esta inversão pode enfraquecer a supervisão humana «precisamente onde mais importa».

Conduzir a conversa não é, porém, o mesmo que aprender com ela. A própria Anthropic resume que, mesmo quando as pessoas dirigem o trabalho, variam muito na medida em que percebem e aprendem com o que o Claude produz. Segundo o preprint, o ensino ativo aparece em 67% das conversas avaliadas nessa dimensão (117 544 conversas, cerca de 47% do total); entre essas conversas, 15% estão associadas a ajuda académica. O preprint assinala que os benefícios se distribuem de forma desigual. Para a escola a distinção pesa: um aluno pode estar a dirigir uma conversa inteira e sair dela sem ter aprendido nada.

Diyi Yang, a autora sénior, deixa um aviso que vale a pena registar: teme que se abra um fosso entre quem usa a IA para desenvolver competências e quem a aceita como substituto do próprio raciocínio.

O atrito, essa palavra feia

À primeira vista, «atrito» soa mal numa sala de aula, onde andamos sempre à procura de fluidez. Mas os autores chamam atrito a qualquer momento que atrasa ou trava a conversa: um mal-entendido, uma resposta ao lado, um pedido pouco claro. Aparece em 49,7% das conversas. Nos casos assinalados, 42,0% envolvem problemas dos dois lados, 38,6% nascem no modelo e 19,4% no utilizador.

O que o estudo acrescenta é que boa parte desse atrito é classificada como produtiva, no sentido de levar a clarificar, refinar ou aprender — uma classificação do estudo, não uma medida de aprendizagem nem uma prova de que a tarefa correu bem. Quando há atrito, em 78,7% das conversas o utilizador tenta recuperar ativamente; em 72,9% das conversas com atrito, a estratégia é abordar o desencontro. Dora Zhao compara isto ao que se passa numa equipa saudável, onde quem discorda e defende a sua posição costuma ser sinal de bom ambiente de trabalho. Entre as estratégias com maior proporção de resultados classificados como produtivos estão desafiar o raciocínio do modelo (81,5%), pedir uma resposta mais simples (80,3%) e corrigir um erro factual (76,8%). Reformular o pedido sem alterar o que se pretende tende a resultar pior. Estes valores descrevem a classificação dos resultados no estudo; não medem diretamente a aprendizagem.

Lembra o intervalo de que falava Anne Carson a propósito do dicionário em papel, aquele tempo de hesitação em que o pensamento já vai a caminho da palavra, e de que falámos há poucos dias. Lembra também o caso da Estónia, onde uma ferramenta pensada para não entregar a resposta pronta foi mal recebida pelos alunos, em parte por lhes fazer perguntas a mais. O atrito pode ensinar e pode simplesmente irritar. O estudo não esclarece qual dos dois acontece numa turma de 8.º ano.

O que a escola pode tirar daqui

O que se segue são leituras nossas, e não conclusões do estudo, que não testou nada em contexto escolar.

A primeira tem a ver com o que avaliamos. Se o sinal de uso ativo é a conversa que se prolonga, a discordância e o retrabalho, então o produto final diz pouco sobre o processo. Em vez de perguntar apenas «usaste IA?», talvez valha a pena pedir ao aluno que mostre onde discordou da resposta, o que mudou e porquê. Bastam duas ou três linhas, e torna-se visível o que o estudo aponta como decisivo. Tem limites óbvios: um aluno hábil inventa discordâncias, e pedir excertos de conversas levanta questões de privacidade que cada escola terá de pesar.

A segunda é que recuperar de uma má resposta se aprende. Os dados dão sustento a uma atividade que ensine a contestar e a reparar, e não apenas a reformular: desafiar o raciocínio do modelo, pedir uma versão mais simples ou corrigir um erro factual foram estratégias associadas a mais resultados classificados como produtivos. Estes valores não medem aprendizagem. Os gestos são concretos e ensináveis, e cabem no que o quadro AILit chama interagir com a IA (já o trouxemos a propósito dos vinte e dois referenciais e dos cinco passos para a escola). Uma atividade possível: dar à turma uma resposta com um erro plantado e pedir a cada par que a ponha em causa com três perguntas, em vez de se limitar a reformular o pedido. Não a testámos, é só uma sugestão.

A terceira é a que mais nos inquieta. Se Yang tem razão, a diferença pode não estar em usar ou não usar IA, mas na maneira de a usar, e é plausível que essa maneira dependa de ter ou não ao lado alguém que diga «pergunta-lhe porquê». Esta hipótese é nossa, não do estudo. Mas dá à escola uma tarefa clara: ser o sítio onde todos os alunos aprendem a usar a IA para desenvolver competências, e não para as dispensar.

Resta o lado do professor. Pareceres, relatórios, comunicações às famílias, avaliações: são tarefas com efeito sobre outras pessoas e difíceis de desfazer, ou seja, caem na definição de «consequente» do próprio estudo. Quem já usa IA neste território faz bem em ler tudo duas vezes, como já víamos a propósito da docência com IA generativa, onde as rubricas geradas só ganhavam valor depois de verificadas. E faz bem em lembrar-se de que os dados pessoais dos alunos não são matéria-prima para qualquer ferramenta.

Clicar na imagem para ver a apresentação…

Ressalvas que não se podem saltar

A primeira já foi dita: é o Claude a classificar conversas do Claude. A Anthropic admite que a ferramenta é sensível à formulação das perguntas, que uma pergunta mal escrita pode meter conversas em categorias que as deturpam, e que esses erros são difíceis de apanhar, porque ninguém pode ler as conversas por trás. Os investigadores testaram as suas perguntas num conjunto público, o WildChat, onde podiam conferir as respostas, mas esse conjunto inclina-se para usos casuais e criativos, e algumas perguntas que ali funcionavam bem produziram categorias enganadoras no tráfego real do Claude. A empresa respondeu com orientações para interpretar os resultados. Números como 72% ou 49,7% são, por isso, estimativas condicionadas pelo método, e não factos limpos sobre a colaboração entre humanos e IA em geral.

A segunda: os rótulos assentam no que se vê dentro da conversa. Yijia Shao reconhece, numa resposta a um comentário no próprio preprint, que não se vê o que acontece fora dela, isto é, se a pessoa verificou, adotou ou agiu com base na resposta. Acresce que são dados de uma só empresa, de utilizadores particulares, recolhidos ao longo de 14 dias.

A terceira é a independência. A Anthropic afirma que os seus direitos contratuais de revisão se limitavam à privacidade dos utilizadores, a informação que ajudasse a violar as suas políticas de utilização, a informação confidencial da empresa e à exatidão da investigação, e que os autores podiam publicar mesmo resultados inconvenientes. Em menos de 5% das categorias e conversas de cada estudo houve alterações ou remoções por causa de usos indevidos, e os investigadores foram informados do que mudou. Faz sentido registá-lo, e registar também que quem o diz é a própria empresa.

Por fim, o estatuto do artigo. O Stanford AI escreve que foi aceite pela Nature Human Behaviour. A versão que consultámos é o preprint de agosto, sem DOI, e não encontrámos confirmação independente dessa aceitação. Convém esperar pela versão final antes de tratar estes números como definitivos.

Uma pergunta para levar

Há boas razões para pensar que, quando as pessoas usam IA para coisas que lhes importam, a maioria trabalha com ela em vez de se limitar a aceitá-la. Ninguém demonstrou ainda que o mesmo vale para uma turma de adolescentes, e o estudo diz-nos pouco sobre quem aprende e quem apenas despacha. Talvez a pergunta mais útil para o próximo grupo disciplinar seja menos «os alunos usam IA?» e mais «o que fazem quando a resposta está errada?».

Nota editorial e de transparência. Este artigo foi elaborado com assistência de inteligência artificial (Claude, da Anthropic), sujeito a revisão e responsabilidade editorial dos autores do blogue.

Referências

Anthropic. (2026, 26 de agosto). Enabling independent research on how people use Claude. Consultado a 14 de outubro de 2026, em <https://www.anthropic.com/news/enabling-independent-research>

Myers, A. (2026, 12 de outubro). Humans and AI engage in meaningful collaborations. Stanford Institute for Human-Centered Artificial Intelligence. Consultado a 14 de outubro de 2026, em <https://hai.stanford.edu/news/humans-and-ai-engage-in-meaningful-collaborations>

Shao, Y. (s.d.). Resposta a comentário sobre a inferência de agência a partir de transcrições [Comentário]. alphaXiv. Consultado a 14 de outubro de 2026, em <https://www.alphaxiv.org/abs/2608.human-ai-collaboration-at-scale>

Shao, Y., Zhao, D., Padmakumar, V., Wang, J., & Yang, D. (2026). Human–AI collaboration at scale: Task criticality, agency, and friction across 250,000 conversations [Preprint]. alphaXiv. Consultado a 14 de outubro de 2026, em <https://www.alphaxiv.org/abs/2608.human-ai-collaboration-at-scale>

Para saber mais

Fora do blogue: o preprint completo, na alphaXiv; a publicação da Anthropic sobre o programa, com o apêndice metodológico e a ligação aos dados agregados, no Hugging Face; a descrição do Anthropic Insights (Clio); o quadro de literacia em IA (AILit).

No blogue: A tutoria por IA igualou a humana num teste de admissão…; O que a Estónia aprendeu no primeiro ano de IA nas escolas; Literacia em IA: cinco passos para a escola; IA na sala de aula: promessa, perigo e o que vem a seguir.

Vinte e dois referenciais sobre IA na educação: por onde começar?

Publicado a por
7

Um guia recente reúne vinte e dois documentos de referência sobre inteligência artificial na educação. Ninguém precisa de os ler todos. Pareceu-nos mais útil perceber para que serve cada um e quais merecem lugar na mesa de um professor, de um aluno ou de uma direção.

Download |

Em outubro, Hatem Bounif, doutorando em Tecnologia Educativa na Universidade de Sevilha, publicou um guia gratuito em PDF com vinte e dois referenciais sobre IA na educação. Cada um vem com o ano, a entidade, os destinatários e a ligação à fonte oficial. É uma compilação e não um estudo, e convém lê-la como tal: serve de mapa, e um mapa só vale pelo caminho que nos ajuda a fazer.

A lista é longa e mistura coisas de natureza muito diferente. Há quadros de competências, orientações éticas, legislação e modelos pedagógicos com quase vinte anos. Por isso procurámos separar o que pode fazer diferença numa escola, numa sala de aula ou numa reunião de grupo disciplinar.

O documento que mudou o panorama em junho

A 18 de junho de 2026, a Comissão Europeia e a OCDE, com o apoio da CodeAI, apresentaram a versão final do quadro de literacia em IA para os ensinos básico e secundário, conhecido por AILit. O rascunho tinha saído em maio de 2025 e passou por consulta pública. O resultado organiza-se em quatro domínios: interagir com a IA, criar com a IA, gerir a IA e moldar a IA. Segundo o guia, são dezanove competências, acompanhadas de exemplos para a sala de aula.

O que nos parece mais importante é a ideia de fundo. Saber usar uma ferramenta não é o mesmo que ter literacia sobre ela. Um aluno que escreve bons pedidos a um assistente de IA não fica, só por isso, a perceber como aquilo funciona, onde falha ou a quem aproveita. O quadro também vai alimentar a primeira avaliação PISA de literacia mediática e em IA, prevista para 2029, o que dá à escola um bom motivo para começar a conversa agora e não daqui a três anos.

Quem ensina: três perguntas antes de abrir a ferramenta

Para os professores, o ponto de partida mais natural é o quadro de competências em IA para professores da UNESCO (2024). Estrutura-se em quinze competências, distribuídas por cinco dimensões, que vão da atitude centrada no ser humano à ética, aos fundamentos técnicos, à pedagogia e ao uso da IA no desenvolvimento profissional. Cada competência tem três níveis de progressão: adquirir, aprofundar e criar. Já escrevemos sobre este quadro noutro artigo. Quem já conhece o DigCompEdu, o referencial europeu de competência digital dos educadores, com as suas vinte e duas competências em seis áreas, encontra aqui um complemento e não uma novidade absoluta (o DigCompEdu também já passou por aqui).

Dois modelos mais antigos continuam a prestar bom serviço, precisamente por serem simples. O TPACK, de Mishra e Koehler (2006), obriga a perguntar se a ferramenta serve o conteúdo e a pedagogia daquela aula em concreto. O SAMR, de Ruben Puentedura, ajuda a perceber se a IA está apenas a substituir uma tarefa antiga ou a mudar o que os alunos conseguem fazer. Nenhum dos dois foi pensado para a IA, e talvez seja essa a vantagem: não vêm carregados de entusiasmo por nenhuma tecnologia em particular.

A terceira pergunta é a da ética, e para ela existem as orientações da Comissão Europeia sobre o uso ético da IA e dos dados no ensino e na aprendizagem, atualizadas em 2026 (a primeira versão é de 2022). Dirigem-se a professores e a líderes escolares e têm três partes: princípios e enquadramento legal, perguntas orientadoras com cenários, e recursos de apoio com um glossário renovado. A segunda parte é a que mais interessa a quem tem turmas, porque parte de situações concretas e não de declarações de princípio.

Quem aprende: de utilizador a cidadão

Para os alunos, a UNESCO tem um quadro próprio (2024), com doze competências em quatro dimensões: atitude centrada no ser humano, ética da IA, técnicas e aplicações, e conceção de sistemas de IA. Esta última dimensão merece atenção. Admite que o aluno não é apenas alguém que consome o que a IA produz, mas também alguém que pode vir a perceber como estes sistemas se desenham e que escolhas estão por trás deles. Este quadro também já foi tema do blogue.

Há ainda dois documentos que ajudam a pensar o currículo. O AI4K12 propõe cinco grandes ideias para o ensino não superior: perceção, representação e raciocínio, aprendizagem, interação natural e impacto na sociedade. O quadro da Digital Promise assenta em três modos de ação, compreender, avaliar e usar, que se traduzem bem em tarefas de sala de aula. Uma aula de Português pode, por exemplo, pôr os alunos a comparar um texto gerado por IA com um texto de autor humano, a procurar o que não está lá e a discutir quem responde pelo que lá está. Sobre a leitura e as multiliteracias na era da IA escrevemos há poucas semanas.

Esta ligação ao currículo nacional é leitura nossa e não de nenhum dos documentos. Mas algumas das áreas de competências do Perfil dos Alunos à Saída da Escolaridade Obrigatória, como a informação e comunicação ou o pensamento crítico e pensamento criativo, dão terreno natural a este trabalho. Não é preciso criar uma disciplina nova para começar.

A escola como organização

Há um lado menos simpático, mas que as direções não podem ignorar. O Regulamento (UE) 2024/1689, o chamado AI Act, exige no artigo 4.º que quem coloca sistemas de IA em uso garanta um nível suficiente de literacia em IA ao pessoal e aos utilizadores. E trata certos usos na educação como de risco elevado. Os prazos de aplicação de cada obrigação têm sido objeto de ajustamentos, pelo que quem precise de datas deve ir ao texto oficial e não confiar em resumos, incluindo este.

Em termos práticos, a pergunta para um agrupamento é simples: existe um documento que diga o que os professores podem fazer com a IA, com que dados de alunos e com que ferramentas? Se não existe, o conjunto de recursos do TeachAI foi pensado para ajudar a escrevê-lo. O quadro de gestão de risco do NIST, norte-americano e de uso voluntário, interessa mais a quem trata da parte informática e da governação das ferramentas do que a quem está em sala de aula.

Não são escalas intermutáveis

O próprio guia avisa, e bem, que estes referenciais servem propósitos diferentes e não se devem tratar como réguas que se substituem umas às outras. Quem os combinar, deve justificar a combinação e perceber que conceitos se sobrepõem. Uma escolha prudente, para quem não sabe por onde pegar, seria esta: os professores começam pelo quadro da UNESCO, pelo DigCompEdu e pelas orientações éticas da Comissão; a equipa que pensa o currículo parte do AILit; a direção junta-lhe o TeachAI e o artigo 4.º do AI Act.

No fundo, falta uma conversa que muitos grupos disciplinares ainda não tiveram: o que queremos que um aluno de quinze anos saiba sobre a inteligência artificial antes de sair da escola? Os referenciais não respondem por nós, mas ajudam a que a resposta não seja improvisada. Já deixámos cinco passos para a escola e um olhar sobre a literacia em IA vista pelo Conselho da Europa; podem servir de ponto de partida para essa conversa.

***

Nota editorial: este texto foi redigido com apoio de inteligência artificial, a partir do guia de Bounif (2026) e de fontes oficiais consultadas a 13 de outubro de 2026.

Referências

Bounif, H. (2026, outubro). AI in education: 22 essential frameworks for educators, researchers and leaders [Guia em PDF].

Comissão Europeia. (2026a). Guidelines on the ethical use of artificial intelligence and data in teaching and learning. Espaço Europeu da Educação. Consultado a 13 de outubro de 2026, em https://education.ec.europa.eu/node/1566

Comissão Europeia. (2026b, 19 de junho). Building AI literacy for the future. Learning Corner. Consultado a 13 de outubro de 2026, em https://learning-corner.learning.europa.eu/news-and-competitions/building-ai-literacy-future-2026-06-19_en

Comissão Europeia. (s.d.). AI Act. Estratégia Digital da Europa. Consultado a 13 de outubro de 2026, em https://digital-strategy.ec.europa.eu/en/policies/regulatory-framework-ai

Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x

OCDE & Comissão Europeia. (2026, 18 de junho). Empowering learners for the age of AI: Presenting the finalised AI literacy framework for primary and secondary education. Consultado a 13 de outubro de 2026, em https://ailiteracyframework.org/blog/empowering-learners-for-the-age-of-ai-literacy-framework/

UNESCO. (2024a). AI competency framework for teachers. https://unesdoc.unesco.org/ark:/48223/pf0000391104

UNESCO. (2024b). AI competency framework for students. https://unesdoc.unesco.org/ark:/48223/pf0000391105

Para saber mais

Quadro de literacia em IA (AILit), OCDE e Comissão Europeia

DigCompEdu, Centro Comum de Investigação da Comissão Europeia

Orientações éticas sobre IA e dados no ensino e na aprendizagem, Comissão Europeia

AI4K12: cinco grandes ideias sobre IA

Quadro de literacia em IA, Digital Promise

TeachAI: recursos para criar orientações sobre IA nas escolas

Literacia em IA: cinco passos para a escola, no blogue

Literacia em IA: o Conselho da Europa põe as pessoas no centro, no blogue

Marco referencial de competências em IA para estudantes (UNESCO), no blogue

Quadro de referência das competências pedagógico-digitais de professores, no blogue