AI-AWARE

Nota de enquadramento

Este documento nasce da leitura do relatório do MIT “Report of MIT’s Ad Hoc Committee on AI Use in Teaching, Learning, and Research Training” (2026) e da necessidade de traduzir as suas ideias para uma realidade escolar portuguesa. Não pretende copiar um modelo universitário norte-americano. Pretende usar os princípios do relatório como ponto de partida para pensar a escola, a sala de aula, a avaliação, a formação de professores e a organização do trabalho docente.

Há uma razão para a urgência. O relatório do MIT descreve alterações que já são reconhecíveis no quotidiano escolar: o recurso à IA para evitar etapas do trabalho intelectual, a menor confiança na autoria de trabalhos realizados fora da sala, a transformação da relação entre esforço e resultado, e o risco de substituir a discussão com professores e colegas por uma interação individual com um sistema de IA. Na nossa escola, vários destes sinais merecem observação sistemática e discussão entre docentes, em vez de respostas isoladas.

A proposta central deste guia é uma escola AI-aware: uma escola que não finge que a IA não existe, não a transforma num fim em si mesma e não confunde eficiência com aprendizagem.

1. que significa ser AI-aware?

Ser AI-aware significa conceber objetivos, atividades, regras e avaliação com consciência explícita das capacidades atuais da Inteligência Artificial. Antes de pedir uma tarefa, o professor deve perguntar: “Uma IA consegue fazer isto?” Se a resposta for sim, surge uma segunda pergunta mais importante: “O que quero realmente que o aluno aprenda e como posso observar essa aprendizagem?”

AI-aware não significa “usar IA em tudo”. Significa tomar decisões pedagógicas conscientes sobre quando usar, limitar ou excluir a IA.

2. O alerta do MIT: os efeitos preocupantes não são hipotéticos

O relatório do MIT reconhece oportunidades reais — novas experiências de aprendizagem, experimentação e ferramentas personalizadas — mas identifica efeitos preocupantes na vida académica. Entre os sinais descritos estão a alteração de elementos fundamentais da experiência educativa, menor participação em momentos de apoio e discussão, redução de grupos de estudo presenciais, dúvidas sobre o domínio efetivo dos estudantes e um ambiente de suspeita entre alunos e docentes.

A transposição para uma escola secundária/profissional deve ser prudente: não podemos assumir que todos os efeitos do MIT ocorrem com a mesma intensidade. Podemos, contudo, reconhecer padrões semelhantes e medi-los.

2.1. Sinais a observar na nossa escola

• Trabalhos muito acima do desempenho que o aluno revela quando é questionado presencialmente.
• Alunos que chegam rapidamente a uma resposta correta, mas não conseguem reconstruir o raciocínio.
• Código funcional que o aluno não consegue explicar, alterar ou depurar.
• Redução da tentativa, do erro e da persistência perante problemas difíceis.
• Dependência da IA para iniciar tarefas simples ou tomar pequenas decisões.
• Menor procura do professor ou dos colegas quando surge uma dúvida.
• Homogeneização da escrita, das soluções e das apresentações.
• Dificuldade em distinguir pesquisa, assistência legítima, autoria e substituição do trabalho intelectual.
• Desconfiança do professor perante qualquer trabalho de qualidade, mesmo quando é genuíno.
• Foco excessivo no produto final e menor valorização do percurso de aprendizagem.

Estes pontos devem ser tratados como indicadores para observação e discussão, não como prova automática de uso indevido de IA.

3. O problema central: quando a eficiência elimina a aprendizagem

Uma das ideias mais fortes do relatório é que a IA pode permitir ao aluno contornar a aprendizagem. Em educação, nem toda a fricção é desperdício. Tentar, falhar, rever, discutir e voltar a tentar são partes do processo. Se a IA elimina sempre essas etapas, o aluno pode obter um produto melhor e aprender menos.

Um resultado excelente já não é, por si só, evidência suficiente de aprendizagem.

Num contexto AI-aware, o produto continua a ser importante, mas deixa de ser, por si só, evidência suficiente de aprendizagem.

4. Princípios para uma abordagem escolar AI-aware

Nota: Os princípios seguintes não são uma tradução literal dos princípios do MIT, mas uma adaptação prática à realidade escolar portuguesa: se aceitarmos a filosofia do MIT, o que significa isso para um professor numa escola portuguesa?

1. Aprendizagem antes da produtividade — A IA só acrescenta valor educativo quando ajuda a aprender, não apenas a produzir mais depressa.
2. Aumento, não substituição — Usar IA para ampliar capacidades humanas; evitar que substitua sistematicamente o raciocínio, a criatividade, a decisão e a relação humana.
3. Intencionalidade — Cada disciplina e atividade deve explicitar onde a IA é permitida, limitada ou excluída e porquê.
4. Transparência — Alunos e professores devem declarar usos relevantes de IA quando estes influenciam substancialmente o trabalho.
5. Verificação — Uma resposta da IA não é uma fonte de autoridade. Deve ser verificada, confrontada e contextualizada.
6. Autonomia — O aluno deve conseguir demonstrar competências essenciais sem depender continuamente de IA.
7. Relação humana — A escola deve preservar discussão, colaboração, tutoria, trabalho prático e contacto presencial.
8. Revisão contínua — As regras não podem ser estáticas. As capacidades dos sistemas e as práticas dos alunos mudam rapidamente.

5. Um modelo simples de utilização da IA nas disciplinas

Em vez de uma regra única para toda a escola, pode adotar-se uma escala simples. O nível deve constar da proposta de trabalho ou ser comunicado pelo professor antes da realização da tarefa.

6. Avaliar num mundo AI-aware

A resposta mais sustentável não é uma corrida à deteção de textos gerados por IA. É criar avaliação com múltiplas evidências de aprendizagem. O peso de cada componente varia conforme a disciplina.

• Defesa oral curta do trabalho ou projeto.
• Perguntas de transferência: aplicar o mesmo conceito a um problema diferente.
• Alteração presencial de uma parte do trabalho entregue.
• Diário de projeto, versões intermédias ou histórico de decisões.
• Demonstração prática e explicação das opções tomadas.
• Momentos individuais sem IA para verificar competências nucleares.
• Trabalho colaborativo presencial com papéis definidos.
• Reflexão sobre o uso da IA: onde ajudou, onde falhou e o que foi necessário verificar.

6.1. Exemplo para Informática / TEAC / PAP

Um aluno pode usar IA para explorar bibliotecas, interpretar erros, propor uma estrutura de código ou comparar soluções. Na avaliação, porém, deve conseguir explicar a arquitetura, identificar o papel dos principais blocos, justificar escolhas, alterar uma funcionalidade, resolver uma falha e reconhecer limitações. Na PAP, a defesa ganha ainda mais importância: o produto pode ter sido desenvolvido com ferramentas de IA; a competência demonstrada tem de continuar a ser do aluno.

7. Preservar o que a IA não deve substituir

O relatório do MIT insiste na dimensão social da educação. A escola não é apenas um local onde se obtêm respostas. É um espaço onde se aprende a argumentar, ouvir, cooperar, assumir responsabilidade, lidar com frustração e construir confiança. Uma estratégia AI-aware deve, por isso, criar deliberadamente experiências em que a presença humana é central.

• Discussão presencial de problemas sem dispositivos durante períodos definidos.
• Oficinas práticas e trabalho de laboratório.
• Revisão entre pares e explicação aluno-aluno.
• Apresentações e defesas curtas frequentes.
• Sessões em que o professor acompanha o processo e não apenas o resultado.
• Atividades deliberadamente sem IA quando o objetivo é consolidar uma competência fundamental.

8. Proposta de organização para a escola

Uma implementação realista pode avançar por etapas, sem esperar por um regulamento perfeito.

9. Questões para discussão em departamento / grupo disciplinar

• Que tarefas que usamos atualmente deixaram de ser boas evidências de aprendizagem?
• Que competências devem continuar a ser demonstradas sem IA?
• Em que situações queremos que o aluno saiba trabalhar com IA?
• Como evitamos regras contraditórias entre professores sem impor uma regra única a todas as disciplinas?
• Como podemos avaliar autoria e domínio sem criar um ambiente permanente de suspeita?
• Que experiências presenciais e colaborativas queremos deliberadamente preservar?
• Que apoio e formação precisam os professores para experimentar sem aumentar de forma insustentável a carga de trabalho?

10. Plano pessoal de organização profissional

Para o professor, a IA pode ser útil em tarefas de preparação e organização desde que exista revisão humana e proteção adequada dos dados. O objetivo é libertar tempo para trabalho pedagógico de maior valor.

11. Checklist AI-aware para preparar uma atividade

A checklist seguinte pretende apoiar-me na preparação de atividades num contexto AI-aware.

• ☐Defini o objetivo de aprendizagem antes de definir o produto a entregar.
• ☐Testei ou estimei o que uma IA atual consegue fazer nesta tarefa.
• ☐Decidi se a IA é proibida, tutor, assistente ou parte integrante da competência.
• ☐Expliquei aos alunos a razão pedagógica dessa decisão.
• ☐Previ uma forma de observar o processo e não apenas o produto.
• ☐Incluí uma evidência individual de aprendizagem quando necessário.
• ☐Se a IA for usada, exijo verificação das respostas e das fontes.
• ☐Evitei pedir dados pessoais ou sensíveis a sistemas externos.
• ☐A atividade mantém espaço para pensamento, tentativa, erro e interação humana.
• ☐Estou preparado para rever esta estratégia à luz dos resultados.

12. Uma possível declaração de princípio para a escola

A Inteligência Artificial faz parte do contexto em que os nossos alunos aprendem e irão trabalhar. Em consonância com os princípios orientadores do AERT3, a escola deve prepará-los para uma utilização ética, crítica e responsável da IA, promovendo simultaneamente a autonomia, a criatividade, o pensamento crítico e a capacidade de resolução de problemas. O uso ou a exclusão da IA deve resultar de uma decisão pedagógica consciente, colocando a aprendizagem e o desenvolvimento humano no centro da ação educativa. A tecnologia deve ampliar as capacidades humanas, não substituí-las. (AERT3, 2026)

13. Próximos passos pessoais — 2026/2027

• Selecionar 2–3 atividades próprias e redesenhá-las segundo o modelo AI-aware.
• Criar uma regra simples de utilização de IA para cada disciplina/módulo.
• Experimentar perguntas de defesa e alteração presencial em projetos de programação.
• Registar exemplos reais de vantagens, falhas e dependência observados ao longo do período.
• Preparar uma sessão de formação curta para colegas baseada em casos da própria escola.
• No final do período, rever as regras com base em evidências e não apenas em perceções.