A revisão da bibliografia recente sobre Inteligência Artificial Generativa e educação revela uma mudança importante no estado da arte. UNESCO, OCDE, Comissão Europeia e diferentes centros de pesquisa vêm construindo referenciais sobre competências, ética, uso responsável e aprendizagem.
Entretanto, no ensino superior, chama particularmente a atenção o trabalho desenvolvido pela Tertiary Education Quality and Standards Agency (TEQSA), agência australiana responsável pela regulação da qualidade da educação superior.
A partir de 2023, a TEQSA passou a desenvolver uma sequência articulada de documentos: inicialmente, estabeleceu princípios para reformar a avaliação diante da IA; em 2025, apresentou exemplos de implementação; e, em 2026, avançou para uma questão ainda mais profunda: como assegurar que houve aprendizagem quando a IA está integrada ao ambiente educacional? (Teqsa)
Esse deslocamento ajuda também a reformular o problema da autoria acadêmica. Já não parece suficiente perguntar se determinado texto foi ou não produzido com IA. Torna-se necessário acrescentar uma preocupação pedagogicamente mais relevante, que pode ser expressa por uma pergunta: onde está o estudante no trabalho que apresenta?
Autoria não pode significar simplesmente ausência de IA
Um estudante pode utilizar Inteligência Artificial para organizar ideias, comparar perspectivas, revisar a clareza de um texto ou localizar lacunas em sua argumentação. Outro pode solicitar à ferramenta que produza praticamente todo o trabalho e apresentá-lo sem sequer compreender plenamente seu conteúdo. Nos dois casos houve uso de IA. Mas houve a mesma aprendizagem? Evidentemente, não.
Essa distinção torna problemática qualquer definição de autoria baseada apenas na presença ou ausência da tecnologia. A questão pedagogicamente relevante passa a ser identificar quem realizou as operações intelectuais essenciais que a atividade pretendia desenvolver. E, sobretudo, quais indícios observáveis, ainda que não conclusivos, permitem reconhecer que o estudante participou efetivamente do processo e aprendeu.
A ressalva é necessária porque nenhuma evidência isolada oferece certeza absoluta. A depender da eloquência e do grau de convencimento demonstrados durante uma apresentação ou defesa oral, por exemplo, um estudante que não compreendeu suficientemente o conteúdo pode convencer um avaliador menos experiente, ou pouco atento, de que houve compreensão e aprendizagem. A defesa oral pode ser uma evidência importante, mas não deve ser tomada, sozinha, como prova de autoria.
A UNESCO tem enfatizado uma abordagem centrada na agência humana e na responsabilidade. Seus referenciais de competências em IA para professores e estudantes também destacam julgamento crítico, responsabilidade humana e utilização ética da tecnologia. (UNESCO). Já a OCDE, no Digital Education Outlook 2026, acrescenta um alerta especialmente importante ao indicar que melhorar o desempenho em uma tarefa utilizando IA não significa, necessariamente, aprender.
Ferramentas generativas podem produzir resultados melhores sem que ocorram ganhos correspondentes de aprendizagem, sobretudo quando substituem o esforço cognitivo que a atividade deveria mobilizar. (OECD)
A participação efetiva do estudante: tornar a aprendizagem visível
É possível, então, propor uma ideia particularmente útil à Curadoria Docente: a participação efetiva do estudante no processo de aprendizagem e na produção acadêmica. Essa participação pode ser compreendida como a presença verificável do estudante nas operações cognitivas, decisórias e reflexivas essenciais à realização de determinada aprendizagem.
Isso significa procurar evidências de que ele, o estudante, formulou ou compreendeu o problema; selecionou e avaliou informações e fontes; tomou decisões e consegue justificá-las; revisou posições durante o percurso; avaliou criticamente contribuições da IA e assumiu responsabilidade pelo resultado apresentado.
Essa perspectiva encontra forte aproximação com a noção de learning process evidence presente no documento mais recente da TEQSA. A agência recomenda que instituições considerem não apenas produtos finais, mas também evidências do processo, como o planejamento, as revisões, a busca de feedback, o uso de recursos, a resolução de problemas, as decisões e interações com IA. Ao mesmo tempo, a TEQSA adverte que esses registros são apenas janelas parciais para a aprendizagem e não devem transformar-se em sistemas de vigilância. Na perspectiva da Curadoria Docente, cabe acrescentar que tais evidências também não constituem garantia absoluta de autoria, compreensão ou aprendizagem. Elas precisam ser consideradas em conjunto e interpretadas pedagogicamente. (Teqsa)
Diante disso, é possível formular um princípio orientador, e não uma garantia absoluta: não se trata de vigiar o estudante, mas de tornar seu pensamento pedagogicamente observável.
Da detecção da IA à demonstração da autoria
Imagine uma atividade em que estudantes devam analisar os impactos sociais de determinada política pública. O professor permite a utilização de IA para gerar três interpretações iniciais.
O estudante, entretanto, deverá verificar as informações, selecionar fontes independentes, identificar uma afirmação da IA que considera inadequada, explicar por que a rejeitou, desenvolver seu próprio posicionamento e, ao final, responder oralmente a duas perguntas sobre suas decisões.
Nesse caso, saber exatamente quais frases tiveram contribuição da máquina torna-se menos importante do que constatar que houve seleção, julgamento, argumentação e responsabilidade do estudante pelo resultado apresentado. Desse modo, a autoria deixa de ser uma propriedade exclusivamente textual e passa a ser também autoria da construção intelectual.
A Curadoria Docente muda a pergunta e o foco
Posicionar-se pela demonstração da autoria, em vez de concentrar os esforços na detecção da IA, representa uma mudança que reposiciona profundamente o professor. O Docente Curador não precisa se transformar em uma espécie de fiscal da tecnologia e, muito menos, converter-se em investigador permanente à procura de indícios de fraude. Sua responsabilidade mais importante começa antes da entrega e da avaliação do produto final: no planejamento das situações de aprendizagem. Nessa perspectiva, o docente passa a desenhar atividades nas quais aquilo que precisa permanecer sob responsabilidade intelectual do estudante esteja claramente definido e possa ser observado. E aqui entra a Calibragem Didática.
Em determinada atividade, utilizar IA para revisar, por exemplo, a redação de um relatório cujo objetivo central seja analisar dados pode ser aceitável, porque a qualidade da escrita, nesse caso, pode não constituir a aprendizagem principal que se pretende avaliar. Em outra, produzir e reorganizar o próprio argumento pode ser justamente a competência avaliada. A mesma utilização tecnológica pode, portanto, ser adequada em uma situação e comprometer a aprendizagem em outra.
Neste particular, existe uma migração necessária: sair da pergunta genérica “o estudante pode usar IA?” para uma definição mais clara e objetiva sobre quais aspectos da atividade o estudante não pode delegar à IA sem deixar de realizar a aprendizagem que se pretende avaliar. Esse talvez seja um dos pontos mais importantes para a avaliação na era da IA Generativa.
Autoria é presença intelectual
Preservar autoria acadêmica não exige necessariamente retirar a Inteligência Artificial do processo educacional. Exige impedir que sua utilização substitua, ou torne invisível, aquilo que o estudante deveria pensar, decidir, compreender e aprender. Por isso, talvez precisemos atualizar nossa definição de autoria.
Autor não é apenas quem escreveu cada palavra. Autor é quem consegue, também, responder intelectualmente pelo percurso, pelas escolhas e pelas conclusões do trabalho que apresenta. E, na perspectiva da Curadoria Docente, preservar a autoria significa, sobretudo, preservar essa presença.
Para continuar a reflexão
O livro Curadoria Docente – A Inteligência Artificial na Sala de Aula oferece fundamentos para compreender o reposicionamento profissional do professor diante da abundância de respostas produzidas pela IA e pode servir como ponto de partida para aprofundar as relações entre avaliação, autoria, responsabilidade e aprendizagem.
Referências
LODGE, Jason M. et al. Assessment reform for the age of artificial intelligence. Melbourne: Tertiary Education Quality and Standards Agency – TEQSA, 2023. (Teqsa)
LODGE, Jason M. et al. Enacting assessment reform in a time of artificial intelligence. Melbourne: TEQSA, 2025. (Teqsa)
LODGE, Jason M. et al. Assuring quality learning in a gen AI-integrated future: the role of adaptive capabilities. Melbourne: TEQSA, 2026. (Teqsa)
OECD. OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. Paris: OECD Publishing, 2026. DOI: 10.1787/062a7394-en. (OECD)
UNESCO. AI Competency Framework for Teachers. Paris: UNESCO, 2024. (UNESCO)
UNESCO. AI Competency Framework for Students. Paris: UNESCO, 2024. (UNESCO)