Tenho refletido bastante acerca das discussões sobre a utilização da inteligência artificial (IA) no ensino superior. Algumas vincadas pelo entusiasmo desta revolução inovadora que veio desbravar obstáculos. Outras em que o foco é o medo, seja do aumento da desinformação, da diminuição e/ou estagnação de competências dos estudantes ou da reconstrução estrutural e ideológica do ensino.
A questão inicial começou por ser “como impedimos que os estudantes usem a IA?”. Já eu, acredito que desde início nos limitámos neste questionamento. O que acontece quando a tecnologia consegue realizar, em segundos, tarefas que durante décadas utilizámos para avaliar o conhecimento dos estudantes? O que é, para eles, conhecimento e como avaliá-lo?
Creio que estas sejam questões mais diretas e possivelmente úteis à evolução do ensino. Supondo, claro, que queremos adaptar-nos à era digital: focada em aumentar a proatividade e produção, para que, posteriormente, consigamos sobreviver ao mercado de trabalho, saturadíssimo.
A verdade é que a inteligência artificial não introduziu uma crise no ensino superior, veio apenas tornar visíveis as fragilidades que já existiam (Amofa et al., 2025; UNESCO, 2023). Pensou-se, durante muito tempo, que a elaboração de um trabalho e que um ou dois testes escritos fossem provas suficientes para aprovar um estudante. Dizer-lhes: “Sim, senhor, tu percebeste o conhecimento que te transmiti ao longo do semestre, estás passado”. Assumimos que um relatório ou uma reflexão eram representantes do pensamento crítico, da absorção do conhecimento, demonstrando, assim, o desenvolvimento de competências em certa área. Atualmente, estas formas tradicionais de avaliação enfrentam desafios que antes não existiam (Bittle & El-Gayar, 2025), visto que a IA consegue produzir todo este trabalho semestral em segundos. Talvez a questão não seja apenas a utilização da tecnologia, seja a natureza daquilo que estamos a avaliar e como o fazemos.
A problemática envolvente da IA foca-se nos riscos e, atenção, claro que existem! A sua utilização, sobretudo quando é passiva ou sem pensamento crítico, pode promover o processo de cognitive offloading, isto é, a tendência para transferir parte do esforço mental para ferramentas externas. Esta transferência pode reduzir o envolvimento em processos de pensamento crítico e criar uma perceção inflacionada das próprias competências (Bittle & El-Gayar, 2025; Cash et al., 2026; Holmes et al., 2019; Risko & Gilbert, 2016). O estudante pode apresentar um excelente produto final sem ter desenvolvido as competências necessárias para o reconstruir autonomamente. Reparem que escrevi produto final e não um trabalho. Aqui, entra a discussão ou o debate politicamente correto, como preferirem.
Está patente que, para muitos estudantes, a IA representa acesso à informação quase sem travões. Funciona como um tutor disponível 24 horas e sete dias por semana (Luckin et al., 2016). Estruturam ideias, clarificam conceitos complexos, treinam a pontuação e as suas respostas escritas através de um sistema de feedback imediato e personalizado. Pensando como Vygotsky, se a “zona de desenvolvimento proximal” (Vygotsky, 1978; Wood et al., 1976) representa a ponte entre aquilo que o estudante consegue fazer sozinho e aquilo que ainda não consegue fazer, a IA pode auxiliar na construção da ponte, ser até o andaime, mas o docente continua a ser o arquiteto desse projeto de aprendizagem. Olhemos para o outro lado da moeda, porque isto resulta se o estudante tiver uma participação ativa na sua aprendizagem.
Reconheço que a IA tem uma capacidade de sintetizar informação, estruturar raciocínios e gerar exemplos, o que, por sua vez, pode limitar o estudante de criar estas competências. Paradoxalmente, são precisamente estas características que procuramos cimentar nos estudantes. Surge, então, outra questão: estaremos a facilitar a aprendizagem ou a substituir partes essenciais dela? A questão não é defender uma aprendizagem sem tecnologia, mas garantir que a tecnologia continua ao serviço da aprendizagem (Holmes et al., 2019). A investigação sobre cognitive offloading sugere que recorrer sistematicamente a suportes externos pode reduzir a necessidade de preservar e recuperar informação internamente, salientando uma diferença entre depender do acesso à informação e possuir efetivamente esse conhecimento (Richmond & Taylor, 2025; Risko & Gilbert, 2016).
Enquanto psicólogo, penso no impacto de um sistema como este no estudante e também no docente. Esta ferramenta é um co-worker, porém, não é a primeira vez que assistimos a uma tentativa de substituição da IA por outros postos de trabalho. Confesso que me preocupa ter a sensação de que os estudantes podem recorrer à IA em primeira linha e não a um professor.
Ora, continuemos a dissecar a forma como a IA é utilizada. Vimos, por um lado, como pode contribuir para aprofundar a compreensão de um tema e, por outro, como pode ser utilizada para substituir o esforço de reflexão. O comportamento aparentemente é o mesmo, mas o objetivo e a função são completamente diferentes. Reforço esta ideia de que parece ser mais fácil discutirmos os riscos associados ao uso descontrolado da IA pelos estudantes do que refletir sobre as mudanças que este uso exige ao sistema do ensino superior.
O docente, até à data, tinha o papel de especialista e transmissor de conhecimento. Por outro lado, o conhecimento já não é escasso. Temos demasiada informação. Os estudantes geram resumos, sebentas, exercícios e testes em segundos com a IA (Holmes et al., 2019; UNESCO, 2023). Têm um explicador virtual com uma bateria de paciência interminável e recursos que limitam um ser humano.
Acredito que este acesso infinito à informação não reduz o papel do professor, pelo contrário, aumenta a sua responsabilidade. Meus caros, o professor é atualmente um filtro da desinformação, um polígrafo da informação trazida para aula pelo estudante (Holmes et al., 2019; UNESCO, 2023). Não deixa de transmitir conhecimento, no entanto, parece-me que o seu objetivo está mais virado para a promoção do pensamento crítico, de refletir em conjunto com o estudante e de questionar as suas ideias, de contextualizar a informação e de atribuir significados ao conhecimento disponível, enquadrá-lo na nossa realidade. Quase como se voltássemos à Grécia Antiga, onde o conhecimento não era medido pela capacidade de reproduzir informação, mas pela capacidade de a discutir, questionar, defender e refutar. Talvez as salas de aula do futuro se aproximem mais de uma ágora do que de um anfiteatro.
O desafio não é competir contra a IA, é guiar os estudantes no seu uso e ensinar-lhes a não aceitar passivamente aquilo que lhes é dito. Escrito, neste caso. Como se os incentivássemos a voltar à “idade dos porquês”, porque a verdade é que esta ferramenta condiciona a sua visão do mundo enquanto ser biopsicossocial. Talvez alguns pensem: “Mas os professores sempre tiveram esse papel.” E têm razão. Nunca disse o contrário. Talvez este artigo não seja uma tentativa de redefinir o papel do docente, mas antes de lhe devolver a centralidade que parece se ter perdido numa época em que confundimos acesso à informação com aprendizagem. Creio que seja importante instalar uma cultura de transparência, em que este tema deixa de ser proibido (Bittle & El-Gayar, 2025; UNESCO, 2023). Instaurar uma cultura de responsabilidade na comunidade académica é fundamental para que o uso da IA não seja omitido, mas orientado pelo corpo docente.
Parece-me que esta dificuldade em seguir em frente deixa transparecer uma nostalgia por um contexto educativo que já não existe. Procuremos, talvez, uma menor monitorização do conhecimento e investimento na estimulação da relação professor-estudante, que parece ser atropelada pela IA. Mais abertura, compreensão, empatia e transparência facilitariam a exposição de dúvidas por parte dos estudantes, a sua honestidade na utilização destes recursos e a construção de um outro método de avaliação por parte do corpo docente. O professor avalia o que o estudante já sabe, o que ainda não sabe, o porquê de não o saber e os obstáculos presentes. A IA responde ao que é pedido, deteta padrões de linguagem, enquanto o docente integra não só a vertente cognitiva, mas também a construtivista, relacional, contextual, no fundo. Idealmente, o professor procura detetar a ansiedade, a desmotivação e o medo de errar no tom e escrita do estudante. Sabe quando o desafiar, quando o apoiar, quando puxar pelo estudante e quando reduzir a exigência.
A verdadeira transformação poderá não depender apenas dos estudantes ou dos docentes, mas também da capacidade das instituições de ensino superior em reformular aquilo que entendem por avaliação, competência, integridade académica e sucesso académico (Amofa et al., 2025; Bittle & El-Gayar, 2025). Repito, suspeito que daqui a dez anos uma sala de aula vá ter menos foco na reprodução de informação e privilegie a construção de significados. Mais discussão, argumentação, retórica, resolução de problemas reais. Ao valorizar o que nos torna humanos, deixamos de ter dificuldade em distinguir o que é gerado por IA. A capacidade de questionar, de duvidar, de pensar sobre uma determinada matéria. Posto isto, será o maior risco para o ensino a utilização de IA ou insistirmos em modelos de ensino construídos para um mundo que deixou de existir?
Referências bibliográficas
Amofa, B., Kamudyariwa, X. B., Fernandes, F. A. P., Osobajo, O. A., Jeremiah, F., & Oke, A. (2025). Navigating the Complexity of Generative Artificial Intelligence in Higher Education: A Systematic Literature Review. Education Sciences, 15(7), 826. https://doi.org/10.3390/educsci15070826
Bittle, K., & El-Gayar, O. (2025). Generative AI and Academic Integrity in Higher Education: A Systematic Review and Research Agenda. Information, 16(4), 296. https://doi.org/10.3390/info16040296
Cash, T. N., Kelly, M. O., Macnamara, B. N., & Risko, E. F. (2026). Is AI making us stupid?. Trends in cognitive sciences, 30(8), 673–675. https://doi.org/10.1016/j.tics.2026.06.004
Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.
Luckin, R., Holmes, W., Griffiths, M., & Forcier, L. B. (2016). Intelligence unleashed: An argument for AI in education. Pearson.
Richmond, L.L., Taylor, R.G. The benefits and potential costs of cognitive offloading for retrospective information. Nat Rev Psychol 4, 312–321 (2025). https://doi.org/10.1038/s44159-025-00432-2
Risko, E. F., & Gilbert, S. J. (2016). Cognitive Offloading. Trends in cognitive sciences, 20(9), 676–688. https://doi.org/10.1016/j.tics.2016.07.002
UNESCO. (2023). Guidance for generative AI in education and research. https://unesdoc.unesco.org/ark:/48223/pf0000386693VYGOTSKY, L. S. (1978). Mind in Society: Development of Higher Psychological Processes (M. Cole, V. Jolm-Steiner, S. Scribner, & E. Souberman, Eds.). Harvard University Press. https://doi.org/10.2307/j.ctvjf9vz4
Wood, D., Bruner, J. S., & Ross, G. (1976). The role of tutoring in problem solving. Journal of child psychology and psychiatry, and allied disciplines, 17(2), 89–100. https://doi.org/10.1111/j.1469-7610.1976.tb00381.x
