📝 O professor também é avaliado - por que a regra de uso de IA vale dos dois lados da mesa
Em poucas palavras
Exigir que o aluno declare o uso de IA Generativa só faz sentido se o professor fizer o mesmo. Neste post, parte da série sobre IA no ensino superior, defendo que a declaração descreve um método e não confessa uma culpa, que o critério deve ser o mesmo para quem avalia e para quem é avaliado e que há perguntas para as quais eu ainda não tenho resposta.
O que o leitor ganha? Um modelo simples de declaração de uso, os limites que proponho para o uso de IA na correção e no feedback e as perguntas que continuam em aberto.
Público-alvo: Professores, estudantes, coordenadores e gestores do ensino superior, de qualquer área.
📝 Introdução
Série "Em construção"
Este post faz parte da série que pretende virar um livro sobre IA para quem vive a universidade. O ponto de partida está em Em construção - um livro sobre IA para quem vive a universidade.
Quando o assunto é integridade acadêmica e Inteligência artificial, quase toda conversa foca em apenas um lado da história: o do aluno. Perguntas como se o aluno uso IA no trabalho, se declarou adequadamente o uso, se o texto é efetivamente dele, como ele interagiu com a ferramenta.
Enquanto escrevia parte de um capítulo do livro sobre integridade acadêmica, apareceu uma pergunta que ficou martelando na minha mente: se o professor usa IA para corrigir um trabalho ou escrever um feedback, ele deve declarar isso ao aluno? E, logo depois, outra ainda mais incômoda: podemos exigir do aluno o que nós docentes não praticamos?
Minha resposta às duas, depois de pensar um pouco e ter com um dos pilares a transparência, é que sim o professor deve declarar, e não, não podemos exigir. O difícil e mais complexo é entender o que essa resposta implica, e é isso que quero discutir aqui neste post.
O que estamos fazendo quando usamos IA Generativa
Antes de falar de regras, vale perguntar o que acontece quando alguém usa uma Ferramentas de IA Generativa para produzir algo. O aluno que pede um rascunho de relatório e o professor que pede uma lista de questões para a prova estão fazendo a mesma coisa: delegando parte da produção a uma máquina e escolhendo, entre o que ela oferece, o que parece mais adequado. Ou ao menos, é isso que eu espero que eles estejam fazendo e não apenas delegando o trabalho sem verificar se ele está sendo produzido de forma correta e adequada.
Isso não é, por si só, um problema. O problema está na distância que a ferramenta pode abrir entre a pessoa desenvolver a capacidade de raciocinar e apenas desenvolver a capacidade de escolher entre as opções que a máquina entrega, verificando-as e validando-as. Quem só escolhe pode entregar um bom produto sem ter desenvolvido a competência que a atividade queria formar. Isso vale tanto para o aluno quanto para o professor.
Na minha visão, a diferença está na posição de quem usa. Numa posição passiva, que presa apenas pelo produto ou artefato final, a interação com a ferramenta produz todo o conteúdo que será usado. Numa posição ativa, na qual há um diálogo construtivo com a ferramenta, a pessoa detém o direcionamento e o filtro. No segundo caso, em especial, a pessoa decide o que pedir, avalia o que recebe, corrige e assume o resultado, transformando a produção ao longo do tempo para adequa-la as reais necessidades da pessoa. Essa diferença vale para o aluno e vale para o professor. Um feedback gerado por IA e enviado sem leitura é tão passivo quanto um trabalho copiado e colado. Em ambos a integridade acadêmica deixar de ser o foco do desenvolvimento dos trabalhos e passa a ser apenas um obstáculo a ser superado para chegar ao resultado final.
Declarar é descrever um método, não confessar uma culpa
Se o uso pode ser legítimo, o que separa o uso adequado do inadequado é, na minha visão e em grande parte, a transparência. Por isso defendo que todo uso de IA que contribua de forma relevante para um trabalho, seja ele em uma avaliação ou uma decisão seja declarado por quem o fez. Como fazer isso de maneira adequada e transparente é que ainda está em aberto e que certamente precisará ser aprimorado ao longo do tempo.
Além disso, acredito que o tom faz diferença. Uma instituição que trata a declaração como admissão de culpa pode ensinar todo mundo a esconder e permitir, ainda que de forma indireta, que o uso adequado e transparente não seja o padrão. Sendo assim, acredito que a declaração deveria descrever um método: o que foi usado, em que etapa e com que papel, como pode ser visto no exemplo abaixo.
Modelo de declaração de uso
Uma boa declaração, na minha visão, responde a três perguntas:
- Qual ferramenta? Nome, modelo, versão e fornecedora.
- O que ela fez? Correção, produção de texto ou código, geração de ideias, execução de uma etapa etc.
- Qual foi a sua relação com ela? Copiloto de edição, fornecedora de um rascunho que você depois reescreveu, buscadora de alternativas, criadora de perguntas para você pensar etc.
Exemplo hipotético de um aluno: “Usei a ferramenta de IA Generativa ChatGPT, na versão gratuita, em duas etapas deste trabalho. Na primeira, pedi alternativas de estrutura para o relatório e escolhi uma delas, que adaptei. Na última, usei a ferramenta como revisora gramatical, aceitando ou recusando cada sugestão. A análise dos dados e as conclusões são minhas.”
Exemplo hipotético de um professor: “As notas e os comentários sobre o mérito deste trabalho são meus. Usei uma ferramenta de IA Generativa Claude, na versão paga e como o modelo Haiku 5.5, apenas para revisar a redação do feedback, deixando o texto mais claro e direto, mas com direcionamento para manter o tom da minha escrita original”
Repare que as duas declarações seguem estruturas semelhantes. É esse o ponto. Essa estrutura pode permitir, por exemplo, a identificação de que talvez o aluno não esteja utilizando a ferramenta de maneira mais eficiente, ou que o processo ainda não está claro.
Por Que o critério precisa ser o mesmo
Não se pode exigir do aluno o que o professor não pratica, especialmente em relação ao uso de Inteligência artificial. Todos no meio acadêmico deveriam agir com transparência: a não ser que a informação seja crítica, como numa investigação, o sensível, como em pesquisas com pessoas, ela deveria circular de forma aberta e acessível, porque é isso que permite avaliar o que foi ou o que deve ser feito.
Há também uma razão pedagógica. O aluno aprende tanto quanto com o que os professores fazem do que com o que eles dizem. Um professor que exige declaração e não declara, por exemplo, ensina que a regra vale para quem está do lado mais fraco da relação. Um professor que declara mostra, na prática, como se usa a ferramenta com responsabilidade, ainda que não necessariamente de forma plenamente adequada.
Vale destacar também que declarar não significa usar sem limites. Na correção e no feedback, por exemplo, proponho alguns:
- A IA ajusta o tom, não julga o mérito. Espera-se que ela sirva para deixar o feedback mais claro e mais útil para o aluno, e não para decidir a nota ou avaliar o trabalho em si. Isso deve ser feito pelo professor, que conhece o aluno e que no geral terá muito mais contexto sobre o conteúdo da disciplina, sobre o que o aluno já viu e sobre o que ele é capaz de fazer.
- Correção automática só para o que é mecânico. Questões de múltipla escolha, por exemplo. Avaliar um argumento, um projeto ou um código continua sendo trabalho do professor. Há algumas validações que também podem ser feitas com o auxílio de Ferramentas de IA Generativa.
- A declaração vale para todas as atividades docentes. Produção de material, elaboração de questões, preparo de apresentações: se a IA contribuiu de forma relevante, isso deve ser dito, descrito e detalhado de forma adequada. O aluno deve ter capacidade de inferir se o material foi produzido pelo professor ou pela ferramenta.
- O aluno pode contestar. Uma nota dada com apoio de IA pode ser questionada, seguindo o rito acadêmico de sempre: primeiro com o professor da disciplina, depois com a coordenação e assim por diante. Para o professor, a contestação é também uma oportunidade de orientar o aluno sobre boas práticas.
Quando o acesso não é igual
Mesmo com o mesmo critério para todos, há uma desigualdade que nenhuma regra de declaração resolve: quem pode pagar pela versão premium de uma ferramenta leva vantagem. E não só porque ela gera textos e atividades de mais qualidade. Uma ferramenta mais capaz também pode imitar com mais fidelidade o estilo de um aluno, o que dificulta tanto o rastreio pelos detectores quanto a avaliação pelo professor. Isso é ainda mais claro quanto mais o aluno interage com a ferramenta, visto que ela também vai aprendendo com tal relação.
Na prática, o detector tende a pegar quem usou a ferramenta mais simples, e a integridade passa a depender também de quanto cada um pode pagar. Além disso, para cada detector surge uma ferramenta que “humaniza” o texto para escapar dele. Acreditar que uma IA vai identificar de forma confiável o que outra IA produziu me parece uma perda de tempo. O que precisamos discutir são as competências que os alunos estão desenvolvendo, e não os textos que estão entregando. Por isso, o resultado de um detector não deveria fundamentar, sozinho, nenhuma sanção, nem contra aluno, nem contra professor.
O que eu ainda não sei
Como prometi ao começar esta série, vou escrever em público, e isso inclui mostrar onde ainda não tenho resposta:
- Quem os detectores mais acusam? Desconfio que quem escreve de forma simples, quem não escreve na língua materna e pessoas neurodivergentes sejam mais sinalizados, mas ainda preciso revisar a literatura. Provavelmente que adota a norma culta ou a forma padrão de escrita vai ser declarado como usuário de Ferramentas de IA Generativa.
- E o código com licença? Código gerado por IA pode reproduzir trechos protegidos por licença. Não sei como a literatura e a sociedade estão tratando isso em programação, e é uma discussão que não tenho, hoje, plena capacidade de avaliar. Esse fator se agrava ainda mais com a quantidade de cópias de softwares licenciados que estão sendo divulgados. Pode ser até que questões de propriedade intelectual precisem ser revistas.
- Até onde vai a exigência de provas? Pedir o histórico de conversas com a IA ou o histórico de versões de um arquivo expõe dados pessoais do aluno. Entendo que conhecer quem produz faz parte da avaliação e que esses dados só deveriam passar por ferramentas institucionais protegidas ou que rodem localmente. Mas o limite exato dessa exigência ainda é uma pergunta aberta para mim e ainda acho muito difícil conseguir avaliar o aluno desta forma.
- Onde termina a ajuda e começa a autoria? Corretor gramatical, tradução, paráfrase, reescrita de parágrafos: tudo isso forma um contínuo, e ainda não sei dizer com precisão a partir de que ponto o uso exige declaração. Há também alguns usos que entendo que são presumidos. Por exemplo, a maioria das revistas científica já sabe que os artigos passarão por sistemas de IA em algum momento, portanto para alguns tarefas não é necessário mais declara o uso.
No fim, parece que a forma adequada de declaração e transparência ainda está aberta, mas ao menos temos indícios que apontam algumas boas práticas.
E você?
Se você é professor e já declara o uso de IA aos seus alunos, ou se decidiu não declarar, gostaria de saber como chegou a essa decisão. Se você é aluno, gostaria de saber como receberia um feedback com essa declaração. Você pode falar comigo pelos canais da página de Contato.
📚 Referências e Fontes
🔗 Conexões do Cofre
- Posts deste blog:
- Em construção - um livro sobre IA para quem vive a universidade — o post que abre a série.
- Framework ético para o uso de IA no ensino superior — post anterior sobre proibir ou liberar o uso de IA em sala.
- Navegando na Era da IA na Educação - Minha Visão como Professor — minha primeira reflexão sobre IA na sala de aula.
- Conceitos:
- Instituição: