O que a IA pode trazer de positivo para o ensino
Baseado em meta-análises, revisões sistemáticas e estudos publicados em revistas científicas de referência.
Os sistemas de tutoria inteligente (ITS — Intelligent Tutoring Systems) conseguem monitorizar em tempo real o desempenho de cada aluno e ajustar dinamicamente a dificuldade, a sequência e o tipo de tarefas. Isso resolve, em parte, o que Benjamin Bloom designou como o "problema dos 2 sigmas": a tutoria individual produz resultados muito superiores ao ensino em grupo, e a IA permite escalar esta personalização.
Na prática, isto significa que um aluno que já domina um conceito não perde tempo a repeti-lo, enquanto quem tem dificuldades recebe apoio extra — sem esperar pela atenção do professor.
O feedback é um dos fatores de maior impacto na aprendizagem. Quando dado imediatamente a seguir à tarefa, ajuda o aluno a corrigir erros antes de os consolidar. Ferramentas de IA conseguem analisar respostas, identificar conceções erradas e sugerir caminhos de melhoria em tempo real — algo impossível num professor que gere 25 alunos ao mesmo tempo.
Para além da velocidade, o feedback de IA é consistente e sem julgamento social — os alunos errarem sem medo de exposição perante os colegas, o que aumenta a disponibilidade para tentar e falhar.
Para alunos com necessidades educativas especiais (NEE), a IA oferece um conjunto de ferramentas que antes eram inacessíveis ou muito caras: síntese de texto em voz para alunos com dislexia, legendagem automática para surdos, tradução em tempo real para alunos de outras línguas, e comunicação aumentativa para alunos com dificuldades de fala.
O enquadramento do Universal Design for Learning (UDL) defende múltiplas formas de representação e envolvimento — e a IA permite implementar este princípio a escala, sem sobrecarregar o professor.
A learning analytics (análise de dados educativos) permite aos professores identificar, com semanas de antecedência, quais os alunos que estão em risco de insucesso. Sistemas como o EWS (Early Warning Systems) analisam padrões de assiduidade, tempo de resposta, erros recorrentes e trajetórias de desempenho para gerar alertas.
Isto transforma a intervenção: em vez de reagir ao insucesso depois de acontecer, o professor pode agir preventivamente. Estudos mostram que este tipo de intervenção reduz o abandono escolar e melhora os resultados a longo prazo.
Um aluno numa aldeia do interior de Portugal, ou numa zona desfavorecida de qualquer país, pode hoje ter acesso a recursos educativos de qualidade equivalente aos de um colégio privado de Lisboa. A IA generativa democratiza o acesso a explicações, tutores virtuais, materiais adaptados e exercícios ilimitados — sem custo adicional.
Estudos da Khan Academy com a sua ferramenta Khanmigo (baseada em GPT-4) mostraram que alunos sem acesso a professores particulares conseguiram melhorar os resultados com tutoria por IA. Este potencial é especialmente relevante em países em desenvolvimento.
Plataformas como a Duolingo, Khan Academy e Quizlet usam IA para criar experiências com elementos de jogo — pontos, níveis, desafios, recompensas — que mantêm os alunos envolvidos por mais tempo. A teoria da autodeterminação de Deci & Ryan explica porquê: quando as tarefas são desafiantes mas atingíveis (zona de desenvolvimento proximal de Vygotsky), a motivação intrínseca aumenta.
A IA consegue manter o aluno permanentemente nessa zona ideal — nem demasiado fácil (aborrecimento) nem demasiado difícil (ansiedade). Isto é conhecido como o estado de flow descrito por Csikszentmihalyi.
Numa turma de 25 alunos com níveis, ritmos e perfis de aprendizagem muito diferentes, é humanamente impossível o professor criar materiais, exercícios e avaliações diferenciadas para cada aluno. A IA pode gerar múltiplas versões de uma tarefa — mais simples, mais complexa, com suporte visual, com linguagem simplificada — em segundos.
Ferramentas como MagicSchool, Diffit ou o próprio ChatGPT permitem ao professor selecionar conteúdo curricular e obter versões diferenciadas automaticamente, libertando tempo para o que mais importa: a relação humana e a orientação.
Um tutor humano tem horário, cansa-se e não está disponível às 23h quando o aluno está a estudar para um teste. A IA não tem estas limitações. Estudar pode acontecer quando o aluno está mais concentrado, sem depender da disponibilidade do professor ou de um explicador.
Isto é especialmente valioso para alunos cujas famílias não têm condições económicas para pagar aulas de apoio, ou que vivem em zonas com menos recursos educativos. A IA democratiza o acesso ao apoio extra que antes era exclusivo de quem podia pagar.
O relatório Future of Jobs do Fórum Económico Mundial identifica o pensamento crítico, a resolução de problemas complexos e a literacia digital como as competências mais exigidas no mercado de trabalho de 2030. Aprender a usar ferramentas de IA com sentido crítico — saber interrogar, verificar e contextualizar os resultados — é uma competência fundamental do século XXI.
O DigComp 3.0 da União Europeia define cinco áreas de competência digital, e a interação com sistemas de IA está presente em todas elas. As escolas que integram a IA de forma reflexiva estão a preparar os alunos para um mundo em que esta tecnologia será omnipresente.
Estudos indicam que os professores gastam entre 30% a 40% do seu tempo em tarefas administrativas — correção de fichas, elaboração de relatórios, planificações repetitivas. A IA pode automatizar grande parte destas tarefas, devolvendo tempo ao professor para interagir, orientar, motivar e criar vínculos com os alunos.
A relação professor-aluno continua a ser um dos preditores mais poderosos do sucesso educativo. Paradoxalmente, a IA pode fortalecer esta relação ao libertar o professor das tarefas mecânicas.
Os riscos e limitações que os estudos identificam
A investigação científica também documenta efeitos negativos, riscos e limitações que exigem atenção crítica.
O "efeito Google" — documentado por Sparrow et al. (2011) — mostra que sabemos que podemos aceder a uma informação online tendemos a não a memorizar. Com a IA generativa, este fenómeno intensifica-se: se um aluno sabe que pode pedir à IA para resolver um problema, o cérebro pode desativar o esforço cognitivo necessário para aprender.
A aprendizagem profunda requer luta cognitiva (desirable difficulty de Robert Bjork). Quando a IA elimina essa luta, pode estar a eliminar o processo que consolida o conhecimento a longo prazo. Estudantes que usam IA para produzir textos sem pensar criticamente estão a contornar o processo que desenvolve o pensamento.
Sistemas de IA em contexto educativo recolhem enormes quantidades de dados: respostas, tempo de reação, padrões de erro, comportamentos, preferências. Quando se trata de menores de 18 anos, as implicações éticas e legais são especialmente graves. O RGPD (Regulamento Geral de Proteção de Dados) da União Europeia exige consentimento explícito e proteção reforçada para dados de crianças.
Há também o risco de data profiling: sistemas que analisam o comportamento escolar podem gerar perfis que acompanham os alunos durante décadas, influenciando oportunidades futuras com base em dados recolhidos quando eram crianças.
Os sistemas de IA são treinados em dados históricos — e se esses dados refletem desigualdades (género, etnia, classe social), o modelo pode perpetuá-las e amplificá-las. Um sistema de avaliação automática treinado maioritariamente com textos de estudantes de classe média pode penalizar formas de escrita de grupos culturalmente distintos.
Casos documentados mostram que sistemas de IA utilizados em contexto educativo avaliaram pior alunos de grupos minoritários, não por falta de competência, mas por enviesamento dos dados de treino. A neutralidade da IA é um mito: ela replica e amplifica os preconceitos do seu criador.
A IA generativa criou uma crise de integridade académica sem precedentes. Um aluno pode pedir ao ChatGPT que escreva o seu ensaio, resolva os seus problemas de matemática ou responda às questões de avaliação — e o resultado pode ser indistinguível de trabalho feito pelo próprio. Os detetores de texto de IA ainda são pouco fiáveis e facilmente contornáveis.
Para além do impacto imediato na avaliação, há um problema pedagógico profundo: o aluno que não fez o trabalho não desenvolveu as competências que esse trabalho se destinava a desenvolver. O sucesso nas notas mascara a ausência de aprendizagem real.
A integração de IA na educação pode paradoxalmente aumentar as desigualdades. Alunos com acesso a dispositivos modernos, Internet rápida e literacia digital beneficiam das vantagens da IA — enquanto os que não têm ficam ainda mais para trás. Estudos pós-COVID mostraram que o fosso digital afetou desproporcionalmente alunos de famílias de baixo rendimento e zonas rurais.
Em Portugal, o relatório PISA 2022 indica que as desigualdades socioeconómicas no desempenho escolar permanecem elevadas. Uma política de IA educativa que não endereça explicitamente o acesso equitativo pode aprofundar estas assimetrias.
A escola não serve apenas para transmitir conhecimento — é um espaço fundamental de socialização, construção de identidade e desenvolvimento emocional. A interação com colegas e professores ensina empatia, resolução de conflitos, colaboração e comunicação. Quando um aluno substitui estas interações por conversas com um chatbot, pode estar a empobrecer o seu desenvolvimento socioemocional.
Daniel Goleman demonstrou que a inteligência emocional é tão ou mais preditora do sucesso a longo prazo do que o QI. Estas competências desenvolvem-se através da experiência relacional humana — algo que a IA não pode substituir.
Os modelos de linguagem de grande escala (LLMs) como o ChatGPT não verificam factos — geram texto estatisticamente plausível. Quando não sabem a resposta, tendem a inventar referências, datas, nomes e factos com total confiança. Este fenómeno, chamado hallucination, é especialmente perigoso em contexto educativo.
Um aluno que usa IA para fazer pesquisa e não tem ferramentas para verificar a informação pode aprender factos errados e referenciá-los em trabalhos escolares. Isto exige que a escola desenvolva ativamente competências de verificação de informação e pensamento crítico — ironicamente, a principal antídoto contra o mau uso da IA.
A aprendizagem profunda acontece quando o cérebro enfrenta dificuldades e as supera. A investigação em ciências cognitivas mostra que o esforço de recuperar informação da memória (retrieval practice), de resolver problemas sem ajuda (generation effect) e de errar e corrigir são fundamentais para consolidar o conhecimento a longo prazo.
Quando a IA elimina a fase de esforço — dando a resposta antes que o aluno tente —, pode estar a impedir a consolidação. O paradoxo: aprender é mais difícil sem IA, mas aprender-se-á mais profundamente. O desafio pedagógico é encontrar o equilíbrio.
A integração crescente de ferramentas digitais e de IA na educação tende a aumentar o tempo que os jovens passam em frente a ecrãs. A investigação de Twenge, Haidt e outros associa o aumento do tempo de ecrã (especialmente em smartphones) a um aumento da ansiedade, depressão e solidão em adolescentes desde o início dos anos 2010.
A OMS recomenda limites de tempo de ecrã para crianças e jovens. A escola precisa de equilibrar os benefícios pedagógicos da IA com a proteção do bem-estar físico e mental dos alunos — incluindo a importância do sono, do movimento e da interação presencial.
A eficácia de qualquer tecnologia educativa depende da qualidade da integração pedagógica. Se o professor não foi formado para usar a IA de forma crítica e intencional, corre o risco de a usar como substituto do ensino — em vez de como ferramenta de apoio. Estudos do TALIS (OCDE) mostram que uma parte significativa dos professores se sente pouco preparada para integrar tecnologia digital nas suas aulas.
Há também o risco de deslumbramento tecnológico: usar IA apenas para parecer moderno, sem reflexão sobre se está a servir a aprendizagem. A tecnologia sem pedagogia pode ser um desperdício de recursos e tempo.
O que os estudos nos dizem no seu conjunto
Nenhuma tecnologia é boa ou má por si mesma. O que importa é como e para quê a usamos.
A evidência científica é forte dos dois lados — mas com padrões diferentes
Inclusão · Vieses
Plágio · Desinformação