Avaliação na era da IA: o que muda quando o texto pode ser gerado

Quando um trabalho escrito pode ser produzido em quinze segundos, avaliar apenas o texto pronto passa a medir outra coisa: acesso à ferramenta. A questão não é moral, é metodológica — o instrumento perdeu validade para o que ele pretendia medir.

Detectores automáticos não resolvem. Eles erram nos dois sentidos, punindo estudantes que escreveram sozinhos e absolvendo textos gerados. Construir política de avaliação sobre uma tecnologia instável de detecção é frágil.

Deslocar o peso para o processo

O trabalho final continua existindo. Ele apenas deixa de ser a única evidência.

Evidências que a IA não produz pelo estudante:

• rascunhos e versões intermediárias, com marcas de revisão;
• produção parcial feita em aula, sob observação;
• defesa oral curta, com perguntas sobre as escolhas feitas;
• registro de decisões: por que este recorte, esta fonte, este exemplo;
• comentário crítico sobre o próprio texto;
• aplicação do conceito a um caso novo, apresentado na hora.

Nenhuma dessas exige tecnologia nova. Exige combinar antes e reservar tempo.

Tornar o uso declarável

Uma política clara resolve boa parte do problema. Três níveis costumam bastar:

1. Sem IA — a tarefa mede desempenho individual sem apoio.
2. IA com declaração — permitido, desde que o estudante registre o que pediu e o que alterou.
3. IA como objeto de estudo — a tarefa é justamente criticar, corrigir e melhorar uma saída de IA.

O terceiro nível costuma ser o mais formativo. Pedir que o estudante encontre os erros de um texto gerado exige que ele domine o conteúdo mais do que escrever o texto exigiria.

Reescrever comandos de tarefa

Enunciados genéricos são os mais fáceis de terceirizar. Enunciados ancorados são os mais difíceis:

• ancore no local: “usando dados do seu município”;
• ancore na aula: “relacione com o experimento que fizemos na quarta”;
• ancore na experiência: “entreviste alguém que viveu esse período”;
• ancore no erro: “identifique a falha no raciocínio abaixo e corrija”;
• ancore no processo: “entregue as três versões e explique o que mudou”.

O que continua valendo

A discussão sobre IA reacende princípios que já eram bons antes dela: critérios explícitos, devolutiva que orienta, avaliação contínua e diversidade de instrumentos. Se a escola já avaliava só pelo produto final, o problema não começou com a IA — ela apenas o tornou visível.

Para aprofundar

Consulte também UNESCO — Guidance for Generative AI in Education and Research, referência externa utilizada na revisão deste conteúdo.

Conclusão: Avaliar aprendizagem, não entrega

A IA obriga a escola a responder a uma pergunta antiga com mais honestidade: o que exatamente estamos medindo?

Para ampliar a discussão, leia IA na Educação: o que realmente muda na sala de aula e conheça os demais conteúdos sobre IA na Educação.