Uma transformação no modo de aprender

A inteligência artificial generativa entrou no ensino superior não como uma moda passageira, mas como uma transformação profunda das formas de estudar, pesquisar, escrever, organizar informação e produzir conhecimento. Para os estudantes, esta tecnologia representa uma oportunidade real: permite esclarecer conceitos, obter explicações alternativas, estruturar ideias, rever textos, simular perguntas, preparar apresentações e apoiar processos de aprendizagem autónoma. Quando bem utilizada, pode tornar o estudo mais ativo, mais personalizado e mais exigente.[1]

Contudo, a inteligência artificial não substitui o pensamento. Pelo contrário, obriga a pensar melhor. Um estudante universitário não deve usar estas ferramentas para delegar nelas a sua responsabilidade intelectual, mas para testar, aprofundar e aperfeiçoar o seu próprio raciocínio. A diferença é decisiva: usar a inteligência artificial para compreender melhor é pedagogicamente fecundo; usá-la para produzir um trabalho que o estudante não compreende, não domina ou não conseguiria defender é academicamente ilegítimo.

Transparência, espírito crítico e autoria

Por isso, a questão fundamental não é simplesmente saber se os estudantes podem ou não usar inteligência artificial. A verdadeira questão é outra: em que condições o seu uso contribui para uma aprendizagem mais rigorosa, honesta e responsável? A resposta passa por três critérios fundamentais: transparência, espírito crítico e autoria. Estes critérios correspondem a uma compreensão ética e humanamente centrada da tecnologia, segundo a qual a inteligência artificial deve permanecer subordinada ao desenvolvimento da pessoa, da aprendizagem e da responsabilidade humana.[2]

A transparência exige que o estudante declare quando, como e para quê utilizou ferramentas de inteligência artificial. Tal declaração não deve ser vista como uma penalização, mas como um exercício de honestidade académica. Tal como se indicam fontes bibliográficas e outros instrumentos, também se deve explicitar o recurso a instrumentos digitais que influenciaram a elaboração de um trabalho. A ocultação do uso da inteligência artificial fragiliza a confiança pedagógica e compromete a autenticidade da avaliação.

O espírito crítico é igualmente indispensável. A inteligência artificial pode gerar respostas plausíveis, mas nem sempre verdadeiras; pode organizar bem uma ideia, mas omitir nuances relevantes; pode apresentar argumentos convincentes, mas baseados em pressupostos frágeis. O estudante deve, por isso, verificar a informação, confrontar fontes, avaliar a consistência dos argumentos e assumir a responsabilidade final por tudo o que entrega. Nenhuma ferramenta dispensa a leitura, o estudo, a interpretação e o juízo próprio. A literatura recente sublinha precisamente a necessidade de desenvolver literacias específicas para compreender as potencialidades, os limites, os enviesamentos e a fragilidade destes sistemas.[3]

A autoria, por fim, continua a ser central. Num contexto universitário, aprender não é apenas apresentar um produto final; é percorrer um caminho de apropriação pessoal do conhecimento. Um trabalho académico deve revelar a compreensão, a voz, o esforço e a maturação intelectual do estudante. A inteligência artificial pode apoiar esse percurso, mas não deve apagar a presença do sujeito que aprende. Quando a tecnologia substitui a reflexão pessoal, empobrece a formação; quando a estimula, pode torná-la mais rica.

Importa ainda considerar questões de equidade, privacidade e responsabilidade. Nem todos os estudantes têm o mesmo acesso às ferramentas mais avançadas, e isso pode criar desigualdades. Além disso, não devem ser introduzidos em plataformas de inteligência artificial dados pessoais, informações sensíveis, documentos confidenciais ou elementos relativos a terceiros sem autorização. A literacia digital inclui também prudência ética, consciência dos riscos e atenção às consequências sociais da tecnologia.[4]

Uma cultura de confiança exigente

Assim, o uso da inteligência artificial no ensino superior deve ser orientado por uma cultura de confiança exigente. Não se trata de proibir indiscriminadamente, nem de aceitar ingenuamente. Trata-se de formar estudantes capazes de usar criticamente as tecnologias disponíveis, sem abdicar da sua inteligência, da sua responsabilidade e da sua integridade académica.

A inteligência artificial pode ser uma excelente auxiliar do estudo, mas será sempre má substituta da consciência crítica. Pode ajudar a formular perguntas, mas não deve impedir o estudante de as fazer por si mesmo. Pode sugerir caminhos, mas não deve caminhar em lugar daquele que aprende. No ensino superior, o objetivo não é apenas produzir respostas corretas; é formar pessoas capazes de pensar com rigor, agir com responsabilidade e participar de modo lúcido no mundo que estão a ajudar a construir.

Autoavaliação

A autoavaliação do uso da inteligência artificial constitui um exercício indispensável para promover uma utilização consciente, crítica e eticamente responsável destas tecnologias. Mais do que medir a frequência com que se recorre a ferramentas como o ChatGPT ou a quantidade de tempo poupado, importa avaliar a qualidade do processo de interação, o grau de supervisão humana e a capacidade de preservar a autonomia intelectual do utilizador. Para esse efeito, propõe-se uma grelha composta por oito dimensões complementares, classificadas numa escala de 0 a 4 pontos. Estas dimensões abrangem a intencionalidade com que se inicia a interação, a qualidade e precisão das instruções fornecidas, o controlo crítico exercido sobre as respostas, a capacidade de compreender e reconstruir autonomamente os resultados, a distinção entre autoria humana e contributo algorítmico, a proteção da privacidade e da confidencialidade, a eficiência na organização dos processos de trabalho e a proporcionalidade do recurso à IA. A grelha não pretende produzir uma medição absolutamente objetiva, mas favorecer um processo reflexivo, permitindo identificar práticas consolidadas, fragilidades recorrentes e áreas que exigem maior vigilância. Por essa razão, a classificação atribuída a cada dimensão deve basear-se em comportamentos efetivamente observáveis e não apenas na perceção subjetiva do utilizador. Uma pontuação elevada só será significativa quando for confirmada pela qualidade dos resultados, pela verificação das informações e pela manutenção da responsabilidade humana sobre as decisões tomadas.

Modo de utilização: atribua a cada dimensão uma classificação entre 0 e 4, escolhendo o nível que melhor corresponde às práticas efetivamente observadas. Os valores 1 e 3 podem ser usados para situações intermédias entre os descritores apresentados.

Grelha de autoavaliação

Dimensão	0 — Utilização insuficiente	2 — Utilização intermédia	4 — Utilização madura
1. Intencionalidade	Recorro à IA sem definir claramente o objetivo ou a natureza da tarefa.	Tenho uma finalidade geral, mas nem sempre distingo se pretendo explorar, organizar, criticar, redigir, rever ou executar.	Defino previamente a função concreta que atribuo à IA, o resultado esperado e os limites da sua intervenção.
2. Qualidade das instruções	Formulo pedidos vagos, sem contexto, critérios ou indicação do resultado pretendido.	Indico a tarefa e algum contexto, mas omito elementos relevantes para orientar adequadamente a resposta.	Especifico a tarefa, o contexto, o destinatário, os critérios, as restrições e o formato esperado.
3. Controlo crítico	Aceito as respostas da IA sem proceder à sua verificação.	Verifico alguns dados, sobretudo quando parecem duvidosos ou quando a tarefa apresenta maior risco.	Confiro sistematicamente factos, datas, citações, referências, interpretações e inferências relevantes.
4. Autonomia intelectual	Não consigo explicar ou reconstruir o resultado sem voltar a recorrer à IA.	Compreendo genericamente o resultado, mas continuo parcialmente dependente da sua formulação.	Consigo explicar, defender, reformular e criticar autonomamente o conteúdo produzido.
5. Autoria e integridade	Apresento como exclusivamente meu um conteúdo substancialmente produzido pela IA.	Reconheço o contributo da IA, mas nem sempre sei quando deve ser explicitamente declarado.	Distingo claramente o que é da minha autoria, o que foi sugerido pela IA e as situações em que o seu uso deve ser declarado.
6. Privacidade e confidencialidade	Introduzo dados pessoais, institucionais ou reservados sem avaliar a sua necessidade e os riscos envolvidos.	Procuro omitir alguns dados sensíveis, mas nem sempre aplico critérios consistentes de minimização e anonimização.	Partilho apenas a informação estritamente necessária, protegendo ou anonimizando dados pessoais, confidenciais ou reservados.
7. Eficiência e organização	Repito pedidos semelhantes, multiplico interações pouco produtivas e não aproveito procedimentos anteriores.	Reutilizo ocasionalmente instruções ou estruturas que se revelaram eficazes.	Transformo boas instruções em modelos, procedimentos e fluxos de trabalho reutilizáveis, claros e eficientes.
8. Proporcionalidade	Recorro à IA de forma indiscriminada, mesmo quando a sua utilização não acrescenta valor.	Utilizo a IA com frequência, embora reconheça que nem sempre é necessária ou adequada.	Recorro à IA quando esta melhora efetivamente a análise, a organização, a criatividade ou a eficiência, sem a converter numa mediação obrigatória.

Interpretação dos resultados

A pontuação global resulta da soma dos valores atribuídos às oito dimensões, podendo variar entre 0 e 32 pontos. A leitura dos resultados deve seguir os seguintes intervalos:

0–8 pontos	utilização incipiente ou pouco controlada;
9–16 pontos	utilização funcional, mas ainda vulnerável;
17–24 pontos	utilização competente e predominantemente responsável;
25–29 pontos	utilização avançada e criticamente supervisionada;
30–32 pontos	utilização exemplar, desde que os resultados confirmem a autoavaliação.

Esta interpretação deve ser entendida como indicativa e não como uma certificação definitiva da qualidade do uso da inteligência artificial. Uma pontuação elevada pode coexistir com falhas relevantes se o utilizador sobrevalorizar as suas próprias práticas ou não verificar os resultados obtidos. Inversamente, uma classificação intermédia pode constituir um ponto de partida fecundo para melhorar procedimentos, reforçar a verificação e delimitar com maior precisão as tarefas que devem permanecer sob controlo exclusivamente humano.

Bibliografia

Chan, Cecilia Ka Yuk, e Wenjie Hu. «Students’ Voices on Generative AI: Perceptions, Benefits, and Challenges in Higher Education». International Journal of Educational Technology in Higher Education 20 (julho de 2023): 43. https://doi.org/10.1186/s41239-023-00411-8.

European Commission Directorate-General for Education Youth Sport and Culture. Guidelines on the Ethical Use of Artificial Intelligence and Data in Teaching and Learning for Educators. Ns. 978-92-68-33189–7. Publications Office of the European Union, 2026. https://doi.org/10.2766/7967834.

European Union. Artificial Intelligence Act (Regulation (EU) 2024/1689). European Union, 2024. https://artificialintelligenceact.eu/ai-act-explorer/.

Kasneci, Enkelejda, Kathrin Sessler, Stefan Küchemann, et al. «ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education». Learning and Individual Differences 103 (abril de 2023): 102274. https://doi.org/10.1016/j.lindif.2023.102274.

Miao, Fengchun, e Wayne Holmes. Guidance for Generative AI in Education and Research. Ns. 978-92-3-100612–8. UNESCO, 2023. https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research.

Universidade Católica Portuguesa. Política de integridade académica e científica. Carta de Princípios. 2025. https://www.ucp.pt/sites/default/files/2025-07/GT_Carta-de-principios-na-utilizacao-de-AI_janeiro-25_0.pdf.

[1] Cf. Enkelejda Kasneci et al., «ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education», Learning and Individual Differences 103 (abril de 2023): 102274, https://doi.org/10.1016/j.lindif.2023.102274; Cecilia Ka Yuk Chan e Wenjie Hu, «Students’ Voices on Generative AI: Perceptions, Benefits, and Challenges in Higher Education», International Journal of Educational Technology in Higher Education 20 (julho de 2023): 43, https://doi.org/10.1186/s41239-023-00411-8.

[2] Cf. Fengchun Miao e Wayne Holmes, Guidance for Generative AI in Education and Research, ns. 978-92-3-100612–8 (UNESCO, 2023), https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research; European Commission Directorate-General for Education Youth Sport and Culture, Guidelines on the Ethical Use of Artificial Intelligence and Data in Teaching and Learning for Educators, ns. 978-92-68-33189–7 (Publications Office of the European Union, 2026), https://doi.org/10.2766/7967834; European Union, Artificial Intelligence Act (Regulation (EU) 2024/1689) (European Union, 2024), https://artificialintelligenceact.eu/ai-act-explorer/.

[3] Cf. Kasneci et al., «ChatGPT for Good? On Opportunities and Challenges of Large Language Models for Education».

[4] Cf. Universidade Católica Portuguesa, Política de integridade académica e científica, Carta de Princípios (2025), https://www.ucp.pt/sites/default/files/2025-07/GT_Carta-de-principios-na-utilizacao-de-AI_janeiro-25_0.pdf; Miao e Holmes, Guidance for Generative AI in Education and Research; European Commission Directorate-General for Education Youth Sport and Culture, Guidelines on the Ethical Use of Artificial Intelligence and Data in Teaching and Learning for Educators.