Rafael Alves ITM

Framework ético para o uso de IA no ensino superior

Leitura de 15 min

📝 Framework Ético para o Uso de IA no Ensino Superior

Resumo

O que o leitor ganha? Minha leitura sobre por que a pergunta “pode usar IA?” é mal formulada, e a apresentação de dois conceitos que considero uma saída melhor: a AI Assessment Scale (AIAS), que gradua o uso permitido em cinco níveis por etapa do trabalho, e o agrupamento desses níveis em três regimes macro — uma simplificação que, na minha percepção, é o que torna a regra comunicável dentro de uma instituição.
Público-alvo: Professores do ensino superior, coordenadores de curso e alunos que queiram entender de onde poderiam vir as regras dos planos de ensino.

Introdução

Em um post anterior, a um bom tempo atrás, escrevi que a pergunta sobre IA na educação já não era mais “se”, e sim “como”. Passado quase um ano, continuo achando que acertei na pergunta e que fui bastante ingênuo quanto à dificuldade da resposta, equanto mais aprendo sobre o assunto, mais essa ingenuidade se confirma.

O “como” é difícil porque ele não é único na educação superior. Por exemplo, a resposta certa para uma prova de fundamentos de algoritmos no primeiro ciclo do curso de Ciência da Computação é diferente da resposta certa para um projeto de Trabalho de Conclusão de Curso nos últimos semestres. Nos dois casos existe um professor tentando avaliar alguma coisa, e essa alguma coisa muda completamente de um caso para o outro, e provavelmente mais ainda no meio do curso. Quando peço um código a um aluno de primeiro ciclo, estou medindo se ele consegue traduzir um raciocínio em sintaxe. Quando peço um projeto ao aluno de último ciclo, estou medindo se ele consegue integrar, decidir, justificar e defender o projeto construído, especialmente com base na literatura científica estabelecida. A mesma ferramenta que destrói a primeira avaliação pode ser perfeitamente legítima na segunda, ainda que com algumas limitações e diretrizes de uso adequadas.

Uma resposta única para o uso de Inteligência artificial do tipo “é proibido” resolve a primeira situação e inviabiliza a segunda. Uma resposta única do tipo “é liberado” faz exatamente o contrário. E, na prática, o que percebo que costuma acontecer é pior do que qualquer uma das duas alternativas: nenhuma resposta explícita, cada professor decidindo por conta própria onde e como definir diretrizes e o aluno tentando adivinhar, disciplina por disciplina, o que é permitido e o que não é. Isso não é autonomia acadêmica. É ambiguidade transferida para quem tem menos poder de resolvê-la e quem, a princípio, tem menos competência para usar os Grandes modelos de linguagem de forma adequada.

Tenho lido bastante sobre o tema nos últimos meses, e quero apresentar aqui dois conceitos que me pareceram fortes o suficiente para mudar a forma como penso as minhas próprias avaliações. O primeiro é uma escala que gradua o uso de IA por etapa do trabalho. O segundo é o agrupamento dessa escala em poucos regimes amplos; e é sobre esse segundo ponto, o da simplificação, que quero me alongar mais, porque ele é o que menos aparece nas discussões e o que mais me convenceu a escrever este texto.

A AI Assessment Scale (AIAS)

A Mudança de Pergunta

A AIAS (https://aiassessmentscale.com/) foi proposta inicialmente por Mike Perkins, Jasper Roe e Leon Furze em 2024 e depois revista em 2025, com base em diversos comentários de educadores e pesquisadores. A ideia central é do trabalho era simples: em vez de perguntar “o aluno pode usar IA neste trabalho?”, pergunte “em que etapa do trabalho o aluno pode usar IA?”.

Essa troca de pergunta é o ponto de virada. “Pode usar IA?” é uma pergunta binária que acaba tendo uma resposta esperada também binária: pode ou não pode. Escrever um artigo, desenvolver um projeto ou resolver um problema de engenharia são processos com fases distintas: pensar no que fazer, estruturar, produzir, revisar, validar, etc. Cada uma dessas fases exercita uma competência diferente, e em teoria deveria ter uma forma de avaliação distinta. Faz todo sentido que a permissão seja concedida por fase, e não pela atividade inteira. Ainda mais considerando a multiplicidade de formas de ensino, recursos disponíveis nas instituições e qualificação do corpo docente.

Os Cinco Níveis

A escala organiza isso em cinco degraus. Descrevo cada um com a minha leitura do que ele significa na prática:

Nível 1 — Sem assistência de IA (No AI). Nenhuma interação com sistemas generativos em nenhuma fase da atividade em questão. É o nível para quando o objetivo é medir a capacidade cognitiva individual e imediata. Como exemplos tem-se: prova presencial, que deve avaliar o raciocínio lógico sem consulta e o domínio de fundamentos básicos de uma determina disciplina. Este não deve ser visto como um nível atrasado, mas sim como o nível adequado quando o que está sendo avaliado é justamente aquilo que a ferramenta faria pelo aluno.

Nível 2 — Ideação e estruturação (AI planning). A IA entra apenas antes da produção: brainstorming, levantamento de perspectivas, esqueleto do trabalho, sumário, busca de referências. Toda a redação, construção textual principal, a formulação matemática ou o código são do estudante. É um nível útil quando a barreira do aluno é a página em branco ou a falta de repertório abrangente, e não a competência que se quer avaliar. Como exemplo tem-se: um projeto de interface para um serviço online no qual o tema do serviço pode ser delegado a AI, mas a implementação da interface é de responsabilidade do aluno.

Nível 3 — Edição, revisão e avaliação (AI colaboration). O inverso do anterior. O rascunho original é humano, e a IA entra depois, como revisora de estilo, corretora gramatical, tradutora ou verificadora de clareza. Esse nível me parece especialmente valioso em trabalhos escritos: preserva a autoria do pensamento e trata a IA como aquilo que ela é bastante boa em ser, um editor de texto robusto. É o modo com o qual estou produzindo os textos escritos aqui neste blog: as ideias iniciais são minhas, a estrutura é construída com base no que pretendo transmitir, o primeiro rascunho é meu, mas depois o Claude entra para poder condensar textos longos, melhorar a linguagem adotada (ainda que o tom seja mantido) e sugerir melhorias e complementações que podem ser realizadas.

Nível 4 — Geração parcial de rascunhos (Full AI). Aqui o aluno pode delegar trechos ou blocos à IA, mas precisa fazer modificação substancial, integração crítica e complementação manual. O produto final tem que mostrar intervenção humana clara (mesmo que no momento eu não saiba como é possível avaliar isso). É provavelmente o nível mais próximo de como acredito que os profissionais realmente trabalham hoje: utilizando os modelos de linguagem para tarefas que eles não conseguiriam realizar sozinhos no tempo definido para a entrega de tais atividades. Este também é o nível mais difícil de avaliar, porque exige que o professor consiga distinguir integração crítica de colagem. E se nem os verificadores de texto produzido por IA conseguem avaliar adequadamente e consistentemente que um texto foi produzido por uma IA, quem dirá os docentes que tem pouco tempo disponível para avaliar um grande volume de trabalhos.

Nível 5 — Uso total para criatividade e novidade (AI exploration). Aqui o aluno pode utilizar todas as potencialidades das ferramentas disponíveis no mercado. O objetivo aqui é utilizar tais ferramentas para ampliar os horizontes do que não sabemos que não sabemos, para construir ideias mais complexas com base em ideias mais simples, e estruturar e validar projetos complexos. É neste nível que eu acredito que os defensores do uso de IA na educação pretendem chegar, mas não sei dizer hoje se ele é adequado no longo prazo. Isso pode até ser bastante útil na graduação, quando normalmente os alunos tem uma visão clara do que não sabem, mas conforme a carreira avança, ficamos cada vez mais sujeitos a buscar ainda mais validações para as nossas próprias ideias, ainda que elas não sejam as mais adequadas. Neste sentido, acredito que este é o nível do AI use driven-by human, simbolizando a ideia de que o direcionamento da ferramenta é feita pelo humano.

O Efeito Colateral que eu mais Valorizo

Escolher um nível obriga o professor a responder uma pergunta anterior: qual competência esta atividade ou avaliação mede?

Essa é uma pergunta que deveríamos estar fazendo de qualquer forma na área educacional, com ou sem IA. A escala apenas torna muito mais difícil não pensar nessa pergunta e partir do pressuposto de que o que foi feito anteriormente é o que funciona e que não precisa ser alterado. Já mencionei antes que me preocupa a diferença entre memorizar um conteúdo e realmente domina-lo, fazendo com que ele seja incorporado as nossas percepções e ações; a AIAS ataca esse problema quase por acidente, ao forçar o redesenho das avaliações. Se eu não consigo dizer qual nível se aplica a um trabalho meu, isso é um sinal razoavelmente confiável de que eu não sabia direito o que estava avaliando antes da IA existir e que não tenho clareza sobre qual é a competência que quero desenvolver nos meus alunos.

Os Regimes Macro: a Simplificação que Faltava

Cinco Níveis são demais para Conversar

Aqui chego ao ponto que mais me interessa neste texto, e que quero tratar com um pouco mais de detalhe.

Uma escala de cinco níveis do AIAS é ótima para o professor desenhar uma atividade, mas na minha visão é ruim para uma instituição comunicar uma posição de forma clara para o corpo discente. Cinco categorias com nomes técnicos não cabem numa conversa nos corredores das instituições, não cabem numa reunião de colegiado e certamente não cabem na cabeça de um aluno que cursa seis disciplinas simultâneas com seis professores diferentes. Um vocabulário que ninguém consegue reproduzir de memória não é um vocabulário comum, é um documento, que pode ter sido redigido de forma muito clara e precisa, mas que nunca será devidamente incorporado na cultura de uma instituição de ensino.

Por isso, a proposta que me pareceu mais promissora não é usar a AIAS crua, e sim agrupá-la em três regimes macro, sendo eles: Restrito, assistido, aberto. Três palavras que qualquer pessoa memoriza na primeira vez que ouve e que facilitam a comunicação entre diferentes atores do sistema educacional.

Por que Acredito que isso Importa mais do que Parece

Na minha percepção, essa compressão faz três coisas que a escala AIAS sozinha não faz, sendo elas:

  • Primeiro, ela cria duas camadas de linguagem com públicos diferentes. O regime macro é a linguagem do plano de ensino e da conversa institucional, sendo o que se declara para o curso inteiro. A escala AIAS é a linguagem do enunciado da atividade: o que se especifica no cabeçalho de cada trabalho ou na descrição de um determinado projeto. Um professor pode declarar “regime assistido” na disciplina e, dentro dele, indicar AIAS 3 no relatório de laboratório e AIAS 4 no projeto final. A granularidade fica onde ela é útil (no momento da avaliação em si), e a comunicação fica simples onde ela precisa ser simples (na visão geral de como se comportar para aquela disciplina). Isso é diferente de escolher entre precisão e clareza; é conseguir as duas em camadas separadas, permitindo de um lado simplificação e de outro refinamento.
  • Segundo, ela torna a modulação legítima. Como o regime é declarado no nível da disciplina e o nível AIAS no nível da atividade, fica natural que uma mesma disciplina tenha uma prova presencial sob regime restrito e um projeto final sob regime assistido ou aberto. Sem essa separação em camadas, variar a permissão ao longo do semestre pode soar como incoerência ou como regra improvisada. Além disso, ela permite que o aluno tenha mais clareza sob o que é esperado dele, e que o professor possa trazer mais transparência para o desenho pedagógico proposto por ele.
  • Terceiro, e mais importante, ela acaba com a adivinhação sem centralizar a decisão. Se cada enunciado traz uma sinalização visível do nível permitido, o aluno deixa de operar sem ter clareza de como deve agir. Boa parte do que se costuma chamar de má conduta me parece, na verdade, ausência de regra explícita e clara sob os comportamentos dos alunos. Não estou dizendo que fraude não existe, certamente ela existe e deve ser combatida. Entretanto, antes de tratar qualquer atividade que soe como produzida por IA como fraude, me parece justo garantir que a regra estava escrita, clara e acessível. E note que na proposta nada disso diz ao professor o que ele deve permitir. O modelo, na verdade, dá um vocabulário comum para declarar o que se decidiu; a decisão continua sendo do professor, que conhece a turma e o objetivo da atividade. Padroniza-se a forma, não o conteúdo da escolha.

O que ainda está por Avaliar

Preciso ser honesto sobre o estágio disso tudo, porque acho que entusiasmo não substitui evidência.

O que apresentei acima é um desenho que me parece coerente, não um resultado medido. Não sei avaliar se alunos efetivamente leriam e respeitariam a sinalização nos enunciados. Não sei se três regimes macro são o número certo, ou se na prática o “assistido” vai virar um guarda-chuva tão largo que perde utilidade. Também não sei como avaliar com propriedade o nível 4, onde a fronteira entre integração crítica e colagem depende bastante do julgamento de quem corrige, e que em geral está sobrecarregado com multiplas atividades. E não sei o quanto essas categorias sobrevivem à próxima geração de ferramentas e tecnologias que virão.

Esse último ponto merece um parágrafo mais detalhado. Quando escrevi o primeiro post sobre IA na educação, os modelos disponíveis eram bem diferentes dos de hoje. Eram modelos com contexto menor, sem acesso confiável a fontes, sem grande parte da ancoragem acadêmica necessária para algumas atividades, sem execução de código local nos computadores, sem agentes fazendo tarefas de várias etapas, uma seguida da outra, e por vezes dando a impressão de que estão refletindo sobre as decisões tomadas.

Cada uma dessas mudanças reabre perguntas que pareciam fechadas. “A IA pode revisar seu texto” significava uma coisa quando revisar era corrigir gramática e parafrasear trechos; significa outra quando o sistema reescreve uma argumentação inteira, de várias páginas e você aceita sem perceber e sem avaliar com critério o que foi produzido. A definição do nível 3 não mudou, mas a consequência dela mudou, podendo gerar complicações que não tenho como avaliar no presente. Me parece que qualquer framework sobre IA que não tenha uma data de revisão embutida já nasce vencido, e isso vale também para este post. Talvez, quando você estiver lendo isso, já existam ferramentas tão sofisticadas que outros problemas surgirão.

Ainda assim, prefiro um modelo explícito e imperfeito a um vazio. Um modelo escrito pode ser testado, criticado, corrigido e aprimorado. A ausência de modelo não permite fazer muita coisa e pode gerar paralização.

Conclusão

O que me convenceu não foi a escala em si, foi a combinação. A AIAS resolve o problema da decisão: como responder, em cada atividade, o que é permitido, sem cair em uma resposta binária de pode ou não pode. Os regimes macro resolvem o problema da comunicação: como transformar essa resposta em algo que caiba numa frase e que todo mundo consiga utilizar no dia a dia. Uma escala que ninguém comunica não muda comportamento nenhum, e um slogan sem granularidade não orienta ninguém a desenhar uma atividade de forma adequada e a rever os motivos para a existência das atividades como estão propostas.

Nada disso substitui a parte difícil, que continua sendo a mesma de sempre e não tem nada de tecnológico: desenhar avaliações que meçam o que dizem medir, e conversar com o aluno sobre por que aquilo importa. O modelo não me diz qual nível escolher. Ele só me incentiva a saber por que escolhi tal nível e a transmitir essa escolha de forma transparente para os alunos. Isso já me parece muito.

E você?

E você, que leciona ou estuda: se tivesse que declarar hoje o nível AIAS da sua próxima atividade, saberia dizer qual? E, mais difícil, saberia dizer por quê? Se a resposta demorar mais de alguns segundos, provavelmente vale a conversa comigo, ou com quem estiver do outro lado da sua sala de aula.

🔗 Conexões & Contexto

📚 Referências e Produção

Visão de gráfico

Backlinks