A Escola na Era dos Algoritmos: Como a IA Pode (e Não Pode) Transformar a

Educação

### Introdução

A educação sempre conviveu com promessas tecnológicas de transformação

radical – do rádio à televisão, dos computadores à internet. Cada nova ferramenta
gerou expectativas de revolucionar a sala de aula, mas a realidade mostrou que a
mudança genuína é lenta, desigual e dependente de fatores humanos e
institucionais. A Inteligência Artificial (IA) generativa e adaptativa, no entanto,
apresenta características inéditas: capacidade de dialogar em linguagem natural,
gerar conteúdos sob demanda, adaptar-se ao ritmo e estilo de cada aprendiz, e
avaliar respostas abertas com precisão crescente. Essas habilidades colocam a IA
como um potencial divisor de águas, com impactos que vão desde a
personalização do ensino até a redefinição do papel do professor, passando por
profundas questões de equidade, privacidade e propósito pedagógico. Este texto
explora as principais interseções entre IA e desenvolvimento educacional,
destacando usos promissores, riscos críticos e os caminhos políticos necessários
para que a tecnologia sirva à inclusão e à qualidade, não ao contrário.

### 1. Promessas e Possibilidades: O que a IA Pode Oferecer à Educação

#### 1.1. Tutoria personalizada em escala

Um dos sonhos mais antigos da educação é oferecer ao estudante um tutor

particular, capaz de identificar suas dificuldades específicas e apresentar
explicações alternativas. A IA torna isso viável para milhões de alunos
simultaneamente.

- **Sistemas tutores inteligentes (ITS):** plataformas como o Carnegie Learning

(matemática) ou o Duolingo (idiomas) usam IA para rastrear o desempenho do
aluno, modelar seu conhecimento (abordagem bayesiana) e entregar exercícios no
ponto ideal de desafio – nem muito fáceis, nem frustrantemente difíceis (zona de
desenvolvimento proximal).
- **Chatbots educacionais:** com modelos como GPT-4 ajustado para fins
pedagógicos, o aluno pode fazer perguntas a qualquer momento, receber
explicações com analogias, gerar resumos de textos longos ou ter um "simulador
de entrevista" para praticar argumentação.

- **Feedback imediato e formativo:** em redações, problemas de matemática ou

códigos de programação, a IA pode fornecer correções e sugestões em segundos,
reduzindo o tempo que o professor gasta em tarefas repetitivas e liberando-o para
interações mais significativas.

Estudos preliminares (ex: projeto Rori na Costa Rica, usando IA no WhatsApp para
matemática) mostram ganhos de aprendizado equivalentes a um ano escolar
adicional em alguns contextos, especialmente quando combinados com
acompanhamento humano.

#### 1.2. Democratização do acesso a materiais de qualidade

A IA pode produzir e adaptar conteúdos educacionais a custo marginal próximo de

zero, rompendo barreiras geográficas e econômicas.

- **Tradução automática e simplificação:** uma vídeo-aula sobre física quântica

pode ser traduzida instantaneamente para qualquer idioma e ainda ter sua
linguagem simplificada para diferentes níveis de alfabetização científica.

- **Geração de exercícios e avaliações:** um professor pode pedir à IA que crie 50

questões de múltipla escolha sobre determinado tópico, com diferentes níveis de
dificuldade, em segundos. Da mesma forma, pode gerar rubricas de avaliação
personalizadas.

- **Materiais adaptados a deficiências:** já vimos anteriormente (texto sobre

acessibilidade) como a IA produz audiodescrição, legendas automáticas e
descrição de imagens. Na educação, isso significa que um aluno cego pode ter
descrições detalhadas de gráficos e diagramas sem intervenção manual.

#### 1.3. Empoderamento do professor, não substituição

Contrariamente ao medo difundido, a IA não elimina a necessidade de professores
– transforma seu trabalho. Com a automação das tarefas burocráticas (correção de
provas objetivas, preenchimento de diários, geração de relatórios), o professor
pode dedicar-se ao que realmente importa: planejamento criativo, mediação de
debates, apoio socioemocional e intervenção com alunos em maior dificuldade.

Ferramentas como o **Eduaide** ou o **TeachMateAI** permitem que professores

gerem planos de aula alinhados à Base Nacional Comum Curricular (BNCC) em
minutos. Outras, como o **Classroom Analytics**, identificam padrões de turma
(ex: metade da sala errou a mesma questão) e sugerem revisões conceituais.

### 2. Riscos e Desafios: O Lado Sombrio da IA na Educação

#### 2.1. Viés algorítmico e reprodução de desigualdades

Os mesmos sistemas de IA que prometem personalização podem amplificar

preconceitos estruturais. Se um modelo de recomendação de conteúdos for
treinado com dados de escolas ricas, ele tenderá a supervalorizar certos tipos de
conhecimento e subestimar saberes locais. Mais grave: sistemas de avaliação
automatizada podem penalizar alunos com dialetos não-padrão ou com estilos de
escrita culturalmente minoritários.

Há relatos de sistemas de proctoring (vigilância automatizada em exames online)

que acusam alunos negros de "suspeita de fraude" por movimentos faciais
normais, enquanto ignoram comportamentos similares de alunos brancos. A
educação mediada por IA exige auditorias constantes de viés e transparência sobre
os dados de treinamento.

#### 2.2. Privacidade e vigilância infantil

Sistemas educacionais com IA frequentemente coletam dados extremamente

sensíveis: tempo de resposta a cada questão, padrões de erro, histórico de
navegação, expressões faciais (via webcam), e até métricas de engajamento
derivadas de toques ou cliques. Esses dados podem ser usados para fins não
pedagógicos – como perfilamento comercial ou policiamento preditivo. A ausência
de leis robustas de proteção de dados infantis (no Brasil, a LGPD se aplica, mas é
pouco fiscalizada) expõe crianças a riscos.

#### 2.3. Plágio, atalhos cognitivos e a erosão do esforço

A IA generativa tornou trivial obter respostas prontas para qualquer tarefa escolar.
Um aluno pode pedir para o ChatGPT escrever uma redação, resolver problemas de
matemática ou até gerar código de programação em segundos. Isso coloca em
cheque a avaliação tradicional e, mais profundamente, o valor do processo de
aprendizado.

Se o estudante nunca precisa enfrentar o desconforto de não saber, de errar e tentar

de novo, habilidades fundamentais como persistência, pensamento crítico e
estruturação de argumentos atrofiam. Algumas escolas já adotaram políticas de
"uso transparente da IA": permitem que os alunos consultem o ChatGPT, mas
exigem que documentem as interações e reescrevam as respostas com suas
próprias palavras.

#### 2.4. Exclusão digital ampliada

A IA educacional pressupõe acesso a dispositivos, internet banda larga e, em

muitos casos, contas pagas em serviços premium. Alunos de escolas públicas
periféricas, rurais ou indígenas, que já sofrem com falta de infraestrutura, ficam
ainda mais atrás. Além disso, a eficácia da IA depende da qualidade dos dados
históricos: escolas com baixo desempenho geram dados "ruins", que alimentam
modelos que subestimam o potencial desses alunos – um ciclo vicioso.

### 3. Impactos na Avaliação e na Certificação

A capacidade da IA de realizar tarefas que antes serviam como avaliação de

aprendizado força uma redefinição do que significa “mostrar competência”. As
avaliações tradicionais – provas dissertativas, exercícios de casa, relatórios –
tornam-se vulneráveis. Em vez de banir a IA, educadores começam a redesenhar as
tarefas para que o uso da ferramenta seja parte da avaliação:

- **Avaliações orais e em tempo real:** o aluno explica seu raciocínio para o

professor ou para um grupo.

- **Portfólios processuais:** exige-se o registro de múltiplas versões, com

rastreamento de edições e reflexão sobre as mudanças.

- **Projetos autênticos:** problemas do mundo real que exigem pesquisa,

colaboração e apresentação multifacetada – tarefas que a IA sozinha não resolve
sem curadoria humana.

- **Questões que exigem juízo de valor:** a IA pode descrever as consequências de

determinada política econômica, mas não pode (ou não deveria) decidir qual delas
é mais justa.

Essa mudança, na verdade, alinha a avaliação com competências do século XXI –

criatividade, pensamento crítico, colaboração – que são mais difíceis de
automatizar.

### 4. O Papel do Professor na Era da IA

Longe de se tornar obsoleto, o professor se torna ainda mais central – mas com um
perfil diferente. As novas competências docentes incluem:

- **Curadoria e validação:** o professor precisa saber formular prompts eficazes,

avaliar criticamente as saídas da IA e identificar alucinações ou vieses.

- **Mediação do aprendizado com IA:** ensinar os alunos a usar a IA como parceiro

(não como substituto do pensamento) – por exemplo, "primeiro escreva sua
resposta, depois peça à IA para sugerir melhorias e justifique por que aceita ou
rejeita cada sugestão".

- **Design de tarefas resistentes à automação:** criar atividades que exigem

experiência corporal, interação humana ou decisão ética irredutível.
- **Acompanhamento socioemocional:** a IA não substitui o acolhimento, a escuta
ativa, a identificação de sinais de violência doméstica ou depressão. O professor
humano insubstituível age nesse campo.

Isso exige uma revolução na formação inicial e continuada de professores. Em

2024, poucos cursos de pedagogia ou licenciaturas incluem disciplinas
obrigatórias sobre IA na educação. É urgente mudar.

### 5. Políticas Públicas para uma IA Educacional Inclusiva

Para que os benefícios superem os riscos, governos e sistemas educacionais

precisam adotar um conjunto de políticas coordenadas:

#### 5.1. Infraestrutura e conectividade universal

Sem acesso à internet de qualidade e a dispositivos, a IA educacional é um

privilégio de poucos. Programas de banda larga nas escolas públicas, distribuição
de chromebooks ou tablets e criação de redes comunitárias são pré-requisitos.

#### 5.2. Desenvolvimento de IA pública e de código aberto

Depender exclusivamente de grandes corporações (Google, Microsoft, OpenAI)

para a IA educacional gera riscos de exploração de dados e imposição de visões
pedagógicas alinhadas a interesses comerciais. Governos podem financiar
consórcios para desenvolver modelos de IA éticos, multilíngues e adaptados a
currículos locais (ex: iniciativa "AI for Public Good" da Unesco).

#### 5.3. Regulação específica para IA na educação

Leis devem exigir:

- Transparência sobre como os modelos são treinados e quais dados de alunos são
coletados, armazenados e compartilhados.

- Proibição de publicidade comportamental direcionada a crianças em plataformas

educacionais.
- Obrigação de realizar avaliações de impacto algorítmico antes da implantação em
escolas públicas.

- Direito a explicação humana: qualquer decisão automatizada que afete o aluno

(ex: recomendação de repetência, encaminhamento para reforço) deve ser passível
de revisão por um educador humano.

#### 5.4. Letramento digital e em IA para toda a comunidade escolar

Não basta instalar ferramentas; é preciso formar alunos, professores e famílias.

Programas de letramento em IA devem incluir:

- Como funcionam os modelos (linguagem acessível).

- Quais são seus limites e vieses.

- Questões éticas (plágio, privacidade, responsabilidade).

- Técnicas de prompt e curadoria.

#### 5.5. Incentivo à pesquisa sobre eficácia

Muitas soluções de IA educacional são vendidas com base em evidências fracas ou

patrocinadas pelos próprios fornecedores. É necessário financiamento público
para estudos independentes de longo prazo, comparando diferentes abordagens e
medindo impactos em equidade e aprendizado real.

### 6. Exemplos Práticos e Estudos de Caso

| Projeto / Ferramenta | Descrição | Resultados (parciais) |

|----------------------|-----------|------------------------|

| **Rori (Costa Rica)** | Chatbot de matemática via WhatsApp para ensino

fundamental, financiado pelo Banco Interamericano de Desenvolvimento. | Após 3
meses, alunos em escolas com Rori tiveram ganho equivalente a 0,25 desvio
padrão – comparável a reduzir atraso escolar em meio ano. |

| **Carnegie Learning (EUA)** | Sistema tutor inteligente de matemática adaptativa,

com 30 anos de desenvolvimento. | Meta-análises mostram efeitos positivos (d ~
0,3) em relação ao ensino tradicional, especialmente para alunos com
dificuldades. |
| **Khanmigo (Khan Academy)** | Tutor baseado em GPT-4, ajustado para não dar
respostas prontas, mas fazer perguntas orientadoras. | Em fase piloto, reporta
aumento de engajamento e de tempo gasto em prática deliberada. Críticas
apontam alto custo (US$10/mês aluno). |

| **Projeto Letramento (Brasil)** | Uso de IA para analisar produções textuais de

alunos de escolas públicas de Pernambuco, fornecendo feedback automático
sobre coerência e coesão. | Redução de 40% no tempo de correção do professor;
correlações positivas com melhoria nos descritores do Saeb (ainda não publicado
em periódico). |

### 7. Cenários Futuros: Entre o Sonho e o Pesadelo

**Cenário otimista:** a IA universaliza o acesso a tutoria de qualidade, reduz

drasticamente a evasão escolar, ajuda a identificar e atender alunos com
dificuldades de aprendizado ou transtornos (dislexia, TDAH), e libera professores
para o que há de mais humano na educação – inspirar, acolher e desafiar. As
desigualdades educacionais diminuem.

**Cenário pessimista:** a IA é capturada por grandes empresas, que transformam

as escolas em laboratórios de extração de dados; alunos pobres recebem IAs de
baixa qualidade que os submetem a exercícios repetitivos e os vigiam
constantemente; alunos ricos têm tutores premium e desenvolvimento de
pensamento crítico; o fosso educacional se amplia. Professores são
desmoralizados e reduzidos a monitores de sistemas automatizados.

A diferença entre os dois cenários não é tecnológica – é política e ética. Depende

de escolhas coletivas que começam a ser feitas agora.

### Conclusão: Educar para a IA, Educar com a IA

A relação entre IA e desenvolvimento educacional não pode ser resumida a

"introduzir ferramentas nas escolas". A pergunta central não é "como usar IA para
ensinar o que já ensinávamos mais rápido?", mas sim **"o que significa aprender e
ser educado em um mundo onde máquinas podem responder perguntas factuais,
gerar textos e resolver problemas padronizados melhor que a maioria dos
humanos?"**

A resposta exige uma profunda revisão curricular: menos ênfase em conteúrios

memorizáveis e procedimentos mecânicos; mais ênfase em pensamento crítico,
criatividade, colaboração, inteligência emocional e ética. A IA não deve ser tratada
como ameaça a ser bloqueada, nem como salvadora a ser adorada, mas como
**ferramenta de aumento da agência humana** – especialmente daqueles que
historicamente tiveram menos acesso a oportunidades educacionais.

A escola não vai acabar. Vai se transformar. E essa transformação será bem-
sucedida na medida em que for guiada por educadores, estudantes e comunidades
– não por algoritmos ou por interesses corporativos. A IA na educação, no fim das
contas, é um espelho de nossas prioridades como sociedade: de um lado, a
promessa de inclusão e justiça cognitiva; do outro, o risco de automatizar a
desigualdade. O futuro ainda está sendo escrito.