Informe Social 2025: inclusão digital como chave para a equidade na educação pública.
Pesquisas e Conteúdos
19.11.2026
Tempo de leitura: 10 minutos

O que a escola deve avaliar em tempos de inteligência artificial?

A inteligência artificial está mudando a forma como os alunos fazem suas tarefas e os professores podem acompanhar seu progresso. Um relatório de Stanford e ETS examina o que avaliar nesse contexto, como saber o que cada aluno aprendeu e quais precauções tomar ao usar IA para avaliar.

Por muitos anos, simulados e redações foram usados para julgar se um estudante sabia organizar suas ideias e defendê-las por escrito. Um problema de matemática nos permite verificar se ele dominou um procedimento e sabe quando aplicá-lo. Ambas as tarefas se baseiam em uma suposição razoável: o trabalho entregue está relacionado ao que seu autor é capaz de fazer. A inteligência artificial generativa desmente essa suposição. Uma ferramenta pode ter corrigido uma frase, sugerido o primeiro passo de um cálculo ou até mesmo desenvolvido uma solução completa. O resultado pode ser igualmente convincente nos três casos, mesmo que diga coisas muito diferentes sobre a aprendizagem dos alunos.

Ao mesmo tempo, tecnologias que complicam a avaliação de um exercício podem ajudar a reunir informações sobre aprendizado que antes eram difíceis de gerenciar. Um sistema pode, por exemplo, identificar padrões nas respostas de um grupo ao longo de várias semanas. O professor pode usar essas informações para decidir o que precisa ser reexplicado ou quais alunos precisam de outro tipo de apoio.

Sobre essa dupla condição da IA atua o Responsible Assessment in the AI Era, um relatório do Stanford Accelerator for Learning elaborado em colaboração com o ETS. A publicação reúne as discussões de um encontro que reuniu mais de cem profissionais da educação, pesquisa, tecnologia e políticas públicas. O debate abrangeu desde a escola até o treinamento profissional e levantou uma questão comum a todas essas áreas: que informações precisamos para afirmar que alguém aprendeu algo?

 

O que vale a pena avaliar

Ao criar uma avaliação, a primeira coisa é decidir o que queremos descobrir sobre o aluno. Essa decisão determina a tarefa que lhe é proposta, as ferramentas que pode usar e a interpretação que depois é feita de seu trabalho. Se o objetivo é verificar se ele sabe resolver um problema sozinho, faz sentido propor uma atividade individual com condições claras. Se o interesse for em saber como funciona com uma ferramenta de IA, terá que observar se o estudante verifica as informações recebidas, identifica um erro ou justifica por que seguiu uma sugestão.

A inteligência artificial torna especialmente importante essa correspondência entre o que é perguntado e o que se pretende medir. Um texto bem construído pode mostrar a capacidade do aluno de argumentar, mas também pode refletir a capacidade da ferramenta de produzir argumentos. Quando as duas contribuições são mistas, o professor precisa de informações adicionais para avaliar o que o aluno entende e o que ele pode fazer com esse conhecimento.

O relatório coloca essa dificuldade no campo da validade, um conceito central na avaliação. Para que uma avaliação seja válida, ela deve permitir que você verifique o que deseja avaliar. Se um professor encomenda um exercício para descobrir se o aluno entende um tema e sabe como argumentar sobre ele, ele precisa ser capaz de reconhecer essas habilidades no trabalho. Quando a IA já elaborou parte do texto, se torna mais difícil entender o que a redação demonstra sobre a aprendizagem do aluno. Pedir aos estudantes que expliquem seus argumentos ou os apliquem a outra situação pode fornecer informações para avaliá-las.

A esse problema soma-se outro que afeta o conteúdo do ensino. À medida que a IA assume certas tarefas, os grupos docentes participantes do encontro propõem prestar mais atenção ao pensamento crítico e ao julgamento ético, além de habilidades como criatividade, colaboração ou adaptação de estudantes a novas situações. Avaliar tais critérios exige definir o que significam em uma atividade específica e quais comportamentos permitem que sejam reconhecidos. Para avaliar como um aluno colabora, por exemplo, será necessário observar sua participação em um trabalho compartilhado e como ele contribui para resolver as dificuldades que surgem.

A alfabetização em IA também entra nesse debate. Os alunos precisam entender as possibilidades e limitações dessas ferramentas para tomar decisões sobre seu uso. O relatório afirma, no entanto, que a definição e avaliação dessa competência ainda está sendo trabalhada. Essa precisão é importante quando uma instituição pretende transformar uma ampla capacidade em um critério de avaliação.

“Conhecer melhor os que aprendem exige interpretar o que eles fazem com atenção ao seu contexto e manter o julgamento aberto a novas evidências. Essa responsabilidade acompanhará a escola, não importa o quanto suas ferramentas mudem.”

 

Como a IA pode ajudar na avaliação formativa

Uma nota ao final de um curso permite fazer um balanço geral. Durante esse curso, o professor precisa de informações que o ajudem a decidir como continuar. O relatório destaca que alguns resultados surgem quando já há pouca margem para alunos e professores aproveitarem. Daí seu interesse por uma avaliação integrada ao ensino, capaz de orientar decisões enquanto o aprendizado está acontecendo.

Esse é o propósito da avaliação formativa. O professor coleta informações sobre o progresso e as dificuldades dos alunos, interpreta e adapta seu ensino. Sua eficácia depende do que acontece após observar uma resposta. Detectar confusão permite que você revisite uma explicação, proponha outra atividade ou ofereça apoio a quem precisa. O aluno também pode usar essas informações para revisar seu trabalho e entender o que ainda precisa aprender.

Reunir evidências em diferentes momentos ajuda a acompanhar essa evolução. Um portfólio permite que você compare versões de um trabalho e reconheça o que mudou entre elas. Uma conversa pode esclarecer por que um aluno escolheu um procedimento. Em uma demonstração prática, o professor pode observar como ele aplica o que aprendeu e o que faz quando enfrenta uma dificuldade. Cada formato fornece informações que precisam ser interpretadas em relação às outras observações.

A IA poderia facilitar parte desse trabalho sintetizando informações e identificando padrões em conjuntos de resposta que seriam difíceis de revisar manualmente. O relatório também inclui experiências de avaliação por meio de conversas com agentes de IA, projetadas para que o estudante demonstre seu conhecimento por meio do diálogo. Algumas dessas propostas ainda estão em pesquisa e desenvolvimento. Seu valor educacional dependerá da qualidade das informações que fornecem e de como orientam o ensino.

Ampliar as formas de avaliação pode tornar visíveis capacidades que certos testes capturam com dificuldade. O relatório dá o exemplo de liderança. Um aluno pode demonstrar isso como capitão de um time esportivo, mas também cuidando dos irmãos mais novos ou participando de atividades comunitárias. Reconhecer essas experiências amplia as oportunidades de demonstrar habilidade e nos obriga a pensar em quais situações são aceitas como evidência.

Essa perspectiva exige tempo, treinamento e meios para organizar e interpretar informações. O relatório destaca a necessidade de investir nessa infraestrutura. Acompanhar o progresso faz sentido quando o corpo docente consegue entender o que observam e usar isso no trabalho diário.

 

Quem responde quando uma máquina pontua

Quando a IA intervém na avaliação de uma resposta, seus erros podem ter consequências na trajetória do aluno. Uma ferramenta pode aplicar critérios de forma consistente e, ainda assim, capturar apenas uma parte da capacidade que deve ser avaliada. Também pode funcionar de forma desigual, dependendo do idioma, contexto cultural ou características dos alunos.

Nesse sentido, o relatório reflete dúvidas sobre sistemas cujos dados de treinamento subrepresentam a aprendizagem das crianças. Também examina as diferenças que podem surgir entre um humano e uma avaliação automática ao aplicar a mesma rubrica. Antes de confiar em uma decisão a essas ferramentas, é necessário estudar quais aspectos de uma resposta elas reconhecem, quais ignoram e em quais situações não oferecem resultados confiáveis.

A supervisão humana precisa confiar nessa informação. Quem usa um sistema deve saber para que ele foi projetado, quais limitações foram identificadas e quais decisões ele pode ajudar a tomar. A transparência inclui a capacidade de explicar aos alunos e famílias como os resultados foram obtidos e qual papel da tecnologia em sua interpretação. A responsabilidade pelas decisões importantes permanece com os indivíduos e instituições que as tomam.

O monitoramento contínuo também levanta questões sobre privacidade. Enquanto um aluno usa uma plataforma, ela pode registrar automaticamente quanto tempo leva para responder, quantas tentativas ele faz ou como avança em uma atividade. Esses dados podem ajudar você a entender suas dificuldades, mas alunos e famílias precisam saber o que está sendo coletado e para o que é usado. O relatório alerta sobre os problemas apresentados por esse registro automático e a necessidade de justificar quais informações são necessárias para avaliar o aprendizado.

Para incorporar essas formas de avaliação apoiadas por IA, o relatório propõe testá-las primeiro em um escopo restrito, como uma disciplina ou curso. Pode ser verificado, por exemplo, se uma ferramenta ajuda o professor a identificar dificuldades durante as atividades em sala e a oferecer comentários úteis aos alunos. Esses testes devem incluir treinamento para professores e uma explicação clara para alunos e famílias sobre como os resultados serão utilizados. Isso tornará possível avaliar sua utilidade e detectar problemas antes de estendê-los a outros grupos.

A avaliação influencia o que é ensinado, o apoio que o aluno recebe e as oportunidades que lhe são oferecidas. Incorporar IA nesse processo exige ser capaz de justificar cada uma dessas decisões com informações suficientes sobre aprendizado e com pessoas capazes de garantir sua interpretação.

 

Uma responsabilidade que permanece humana

Uma classificação condensa muitas decisões anteriores. Alguém escolheu o que perguntar, qual resposta merece reconhecimento e quanto cada resposta correta pesa. A incorporação da IA adiciona novas decisões a essa cadeia, desde os dados coletados até os critérios com os quais o trabalho do aluno é interpretado. Torná-las explícitas nos permite discutir o que valorizamos e por quê.

Essa discussão é importante porque as avaliações também dão aos alunos uma noção de suas próprias habilidades. O que a escola reconhece os ajuda a entender onde se destacam e para onde podem direcionar seus esforços. Expandir as formas de mostrar o que aprenderam pode permitir que mais alunos encontrem uma oportunidade para demonstrá-lo, desde que as novas ferramentas atuem com a diversidade de idiomas, experiências e formas de se expressar que coexistem na sala de aula.

O progresso também terá que ser visto lá. Em que uma avaliação nos permite reconhecer raciocínios que antes passaram despercebidos, compreender melhor uma dificuldade ou descobrir progresso. Conhecer melhor os estudantes, exige interpretar o que eles fazem com atenção ao seu contexto e manter o julgamento aberto a novas evidências. Essa responsabilidade acompanhará a escola, não importa o quanto suas ferramentas mudem.

Artigo extraído: ¿Qué debería evaluar la escuela en tiempos de inteligencia artificial? – ProFuturo


Outras Pesquisas e Conteúdos

Tutorias com IA: o que sabemos sobre seus efeitos na aprendizagem

17/11/2026

Tutorias com IA: o que sabemos sobre seus efeitos na aprendizagem

Poucas ideias relacionadas ao uso da inteligência artificial na educação despertaram tanta expectativa quanto a possibilidade de adaptar o ensino às necessidades de cada estudante. As tutorias são um bom contexto para avaliar até que ponto essa promessa está sendo cumprida. Uma revisão da Universidade Stanford reúne os primeiros estudos sobre o que acontece quando a IA é incorporada às sessões de tutoria. Alerta de spoiler: até o momento, os melhores resultados aparecem quando a tecnologia é usada para apoiar o trabalho do tutor, e não para substituí-lo.

Guias de Implementação da BNCC Computação na Educação Infantil

17/11/2026

Guias de Implementação da BNCC Computação na Educação Infantil

Publicações reúnem orientações para professores, gestores escolares e equipes de Secretarias de Educação sobre a integração das diretrizes ao cotidiano escolar das crianças

Lições dos Sistemas Educacionais que lideram o PISA

03/11/2026

Lições dos Sistemas Educacionais que lideram o PISA

O que os estudantes pensam sobre a Educação?

20/10/2026

O que os estudantes pensam sobre a Educação?

Pesquisa ouviu mais de 5 mil alunos do Fundamental II e do Ensino Médio para registrar suas percepções sobre aprendizagem, professores, tecnologia e planos de futuro

Formação continuada e tecnologia educacional fortalecem o ensino de Matemática nas redes públicas

26/08/2026

Formação continuada e tecnologia educacional fortalecem o ensino de Matemática nas redes públicas

Artigo sobre a experiência do projeto Matemática ProFuturo é apresentado na XII Bienal de Matemática, em Natal (RN)

Marco Conceitual de Inteligência Artificial na Educação

10/06/2026

Marco Conceitual de Inteligência Artificial na Educação

Baixe a publicação e conheça o posicionamento da Fundação Telefônica Vivo sobre o uso ético, crítico e pedagógico da Inteligência Artificial na educação pública.