O Ensino Superior no “Espelho Partido”

À entrada do Ensino Superior existe, pelo menos metaforicamente, um espelho antigo. Durante décadas, refletiu professores, estudantes e investigadores — nem sempre alinhados, mas ainda reconhecíveis como parte de um mesmo ecossistema. Com o tempo, esse espelho foi acumulando fissuras: a crescente centralidade de rankings e métricas, a massificação do ensino sem investimento proporcional, a precariedade nas fases iniciais das carreiras académicas e uma aproximação progressiva a lógicas de mercado.

A emergência recente da Inteligência Artificial (IA) não criou estas tensões, mas tornou-as mais visíveis e, em alguns casos, mais intensas. Ao introduzir novas formas de ensinar, aprender e produzir conhecimento, a IA reconfigura práticas estabelecidas e expõe fragilidades que já existiam. Pode reforçar a lógica da produtividade científica, enquanto levanta novas questões sobre avaliação, integridade e diferenciação. No ensino, tanto permite escalar como obriga a repensar o papel do docente.

Neste contexto, o que antes eram tensões latentes tornam-se difíceis de ignorar. Cada ator tende a olhar para o sistema a partir do seu ponto de vista e a ver apenas o fragmento do espelho que lhe pertence.

Uma ressalva necessária: este texto não procura culpados. Propõe algo mais exigente: que todos olhem, em simultâneo, para o espelho partido.

A primeira fratura: o ensino

O docente contemporâneo recorre cada vez mais à IA para planear aulas, gerar apresentações, criar exercícios e apoiar a avaliação. E não há nada de errado nisso quando feito com critério e espírito crítico. A tecnologia tornou-se uma aliada real numa carga de trabalho que raramente é reconhecida.

A tensão surge noutro ponto: o mesmo docente que integra estas ferramentas com naturalidade tende a desconfiar quando o estudante faz o mesmo. Este aparente duplo padrão não é tanto uma incoerência, mas antes o reflexo de um sistema que não preparou os seus atores para este momento, nem lhes deu orientações claras para lidar com ele.

Os dados ajudam a perceber o desconforto. Em 2025, oito em cada dez estudantes em Portugal usam IA. No Reino Unido, 88% admitem recorrer a IA generativa em avaliações, face a 53% no ano anterior. A tecnologia tornou-se banal; a regulação não acompanhou.

Perante este vazio, as respostas multiplicam-se: há quem imponha restrições pontuais, quem produza orientações informais, quem se refugie em manifestos e quem simplesmente ignore o problema por falta de tempo ou por subestimação do que já é possível fazer com estas ferramentas.

Entretanto, as instituições produzem guias de boas práticas, úteis, mas muitas vezes genéricos e pouco articulados com uma estratégia clara. Em paralelo, o Governo anuncia bots pessoais e personalizados, sem uma reflexão consistente sobre o que significa, hoje, o ensino personalizado com IA em contextos cada vez mais heterogéneos.

Instala-se, neste contexto de indecisões, uma desigualdade silenciosa. O acesso a ferramentas avançadas depende frequentemente de subscrições pagas. Sem um redesenho da avaliação, as notas começam a refletir o acesso à tecnologia e não o esforço cognitivo. As fichas de unidade curricular continuam a ignorar esta realidade, como se pedir um “relatório de 2.000 palavras” fosse ainda, por definição, um exercício de pensamento. Mas a questão já não é apenas como avaliar, nem com que critérios, é também o que faz sentido ensinar e aprender quando a IA avança a este ritmo.

Do lado dos estudantes, o desconforto é igualmente evidente. Sabem que usam IA, sabem que os docentes desconfiam e usam-na na mesma. Não necessariamente por falta de ética, mas por pressão competitiva: quando grande parte da avaliação assenta em tarefas automatizáveis, o recurso à tecnologia torna-se uma escolha quase inevitável.

Os dados confirmam: 53% dos estudantes usam IA sobretudo para poupar tempo, e o principal fator dissuasor não é a ética, mas o receio de serem apanhados.

Há aqui um sinal claro: o sistema cria as condições para o problema e depois responsabiliza os indivíduos por ele.

Como agir?

A resposta não passa por proibir, nem por aceitar tudo sem critério. Passa por redesenhar a avaliação, valorizando o processo e não apenas o resultado, com versões intermédias, momentos de discussão e validação em tempo real. Passa também por capacitar a comunidade académica para um uso crítico, consciente e responsável da IA, não apenas ao nível das ferramentas, mas das suas implicações mais amplas. E passa, finalmente, por regular com transparência: integrar explicitamente o uso da IA nos curricula e nas regras das unidades curriculares, como parte estrutural do processo educativo e não como exceção tolerada.

A segunda fratura: a investigação

Na investigação, a pressão por produtividade não é nova, mas a IA veio acelerar tudo. Revisões de literatura, gestão de informações bibliográficas, análise de dados tornaram se mais rápidas com auxílio de ferramentas como o Elicit, o Consensus ou o Research Rabbit. Ao mesmo tempo, surgem ambientes integrados de investigação (como o Prism da OpenAI) que prometem cobrir o ciclo completo, da descoberta à escrita de resultados.

O risco não está nas ferramentas em si, mas no que se perde ao delegar demasiado. Uma revisão de literatura não é apenas uma etapa metodológica, mas sim um processo de formação intelectual. Encurtá-lo em excesso pode produzir investigadores que navegam informação com eficiência, mas não a compreendem em profundidade. Emerge assim a “erudição instantânea”: resultados credíveis sem domínio real do tema. Esta dinâmica levanta uma questão crítica que a academia ainda não enfrenta com seriedade: se grande parte do trabalho intelectual pode ser externalizada, até que ponto um grau académico certifica conhecimento real ou apenas a capacidade de produzir resultados com suporte tecnológico?

O sistema científico orientado por métricas de produtividade criou, entretanto, terreno fértil para onferências (e revistas) predatórias – eventos em destinos apelativos que aceitam praticamente qualquer submissão mediante pagamento.

A IA amplifica esta dinâmica ao permitir produzir conteúdos formalmente impecáveis onde a aparência de qualidade substitui a qualidade real. Num cenário em que a IA já escreve como um académico experiente, os detetores de conteúdo sintético tornam-se cada vez menos fiáveis exponenciando falsos positivos. A ciência corre o risco de se tornar um diálogo entre algoritmos e isso não é uma hipérbole: se os artigos (ou até propostas de projetos a financiamento) são escritos com IA e avaliadas com o apoio de IA, o que resta do julgamento humano?

Como agir?

Quatro linhas de atuação tornam-se particularmente relevantes. A primeira é reformar a avaliação académica, privilegiando qualidade, relevância e impacto em vez de volume. A segunda é combater as estruturas predatórias, reforçando a literacia científica e os mecanismos de validação institucional. A terceira é definir regras claras para o uso de IA, exigindo transparência ao longo de todo o processo de investigação. A quarta é proteger quem está a começar: apostar em mentoria, formar em integridade científica e aliviar a pressão das métricas de curto prazo.

Colar os fragmentos

O espelho não se recompõe apenas com declarações ou manifestos. Recompõe-se também com honestidade coletiva, o que implica reconhecer responsabilidades diferentes.

• O docente terá de aceitar que os modelos de avaliação herdados deixaram de ser suficientes e ter a coragem de os redesenhar, em articulação com as instituições.
• O estudante terá de reconhecer que a IA pode escrever, mas não substitui o pensamento, e que aquilo que não se exercita agora fará falta mais tarde.
• O investigador terá de assumir transparência no uso destas ferramentas e responsabilidade pelos resultados que produz.
• Às instituições cabe um papel decisivo e urgente: deixar de reagir para começar a liderar. Isso exige repensar a avaliação, construir enquadramentos regulatórios claros e concertados com o Governo, e antecipar as mudanças antes que seja a própria relevância das instituições a ficar em causa.

O Ensino Superior não deve ser uma fábrica de respostas rápidas. O seu valor não está em transmitir informação -nisso, a tecnologia já é mais rápida e eficiente. Está em formar pensamento crítico e discernimento: a capacidade de distinguir o sólido do superficial, o essencial do acessório. E isso não se automatiza.

O espelho pode ser reconstruído. Não voltará a ser o que era, nem precisa de ser. O essencial é que volte a refletir um projeto comum: mais exigente, mais consciente, mais transparente. Os estilhaços não se encaixam sozinhos. Precisam é das mãos de todos.

Para transparência absoluta: o texto começou e terminou num papel, passou por fotos e pelo Claude Sonnet 4.6 (plano gratuito), que ajudou a corrigir erros e a polir a construção frásica.