𝐀𝐯𝐚𝐥𝐢𝐚𝐜̧𝐚̃𝐨 𝐧𝐚 𝐄𝐝𝐮𝐜𝐚𝐜̧𝐚̃𝐨 𝐚 𝐃𝐢𝐬𝐭𝐚̂𝐧𝐜𝐢𝐚 𝐞𝐦 𝐭𝐞𝐦𝐩𝐨𝐬 𝐝𝐞 𝐈𝐧𝐭𝐞𝐥𝐢𝐠𝐞̂𝐧𝐜𝐢𝐚 𝐀𝐫𝐭𝐢𝐟𝐢𝐜𝐢𝐚

A apresentação "Avaliação na Educação a Distância em Tempos de Inteligência Artificial" discute como a IA generativa está a transformar a forma como se avalia a aprendizagem no ensino superior. Defende-se uma mudança de foco: da avaliação centrada no produto final para uma avaliação que valoriza o processo, o raciocínio e a aprendizagem efectivamente demonstrada pelo estudante.

Ao longo da sessão, apresentam-se instrumentos práticos — regimes de uso da IA, rubricas, estratégias de transparência e o papel do Moodle na recolha de evidências — ilustrados através de um caso concreto. É dada ainda atenção específica às condições da Educação a Distância em Moçambique, incluindo conectividade, equipamento e iniciativas institucionais em curso.

Transcript

1. REPÚBLICA DE MOÇAMBIQUE Ministério da Educação e Cultura IV Conferência Nacional de Educação à Distância Simone Mura Maputo, Setembro de 2026 Educação à Distância como Pilar do Desenvolvimento Sustentável, da Inclusão, da Resiliência e da Qualidade
2. Antes de começarmos A estudante Ana entrega um plano convincente de melhoria do atendimento ao cliente de uma pequena empresa. Se uma Inteligência Artificial consegue produzir este trabalho em 30 segundos, o que é, exactamente, que a nota está a certificar?
3. O Problema. EaD e IA: um encontro que já não se pode adiar 04 / 24 Separação no espaço e no tempo Docentes e estudantes encontram-se frequentemente à distância: em espaço e, muitas vezes, também em tempo. Dependência de mediação tecnológica Interacção, entrega de trabalhos, feedback e avaliação passam quase sempre por plataformas digitais. Flexibilidade com uma condição Amplia o acesso ao ensino superior, mas exige uma organização pedagógica capaz de produzir evidências credíveis. É precisamente neste espaço de mediação tecnológica que a IA entra com mais força.
4. A IA não é nova. O que mudou foi a facilidade 2007 – 2018 2022 → hoje 146 estudos revistos: tutoria inteligente, análise preditiva, personalização e classificação automática. Participação ainda reduzida de educadores na investigação (Zawacki-Richter et al., 2019). Qualquer utilizador produz conteúdo complexo através de instruções simples. Ensaios, relatórios, código, referências aparentes — em segundos. A ruptura não é conceptual — é de escala, velocidade e acesso. A questão central deixou de ser “como impedir a fraude” — e passou a ser que competências queremos mesmo avaliar.
5. A crise da evidência de aprendizagem Antes Agora Um texto bem estruturado sugeria leitura, O produto pode ser obtido sem que o organização de ideias e domínio da escrita; estudante tenha feito o processo cognitivo o produto final era um indicador que a tarefa pressupunha. Correcto, bem relativamente confiável do percurso do escrito , e sem garantia nenhuma de estudante. compreensão. Integridade e validade não são sinónimos: uma actividade honesta pode medir apenas memorização superficial.
6. O que os números dizem Fonte: AI in Higher Education Global Survey 2026 · Digital Education Council · 45.398 respostas, 35 países 88% 60% 57% 29% dos estudantes já usam IA na aprendizagem receiam que colegas ganhem vantagem injusta com IA dizem que as avaliações não vêm com orientação adequada consideram os docentes bem preparados para os orientar Adopção maioritária, preocupação generalizada, orientação institucional ainda insuficiente. 07 / 24
7. Não é só risco: onde a IA ajuda Para os docentes Para os estudantes • Elaboração inicial de perguntas e variantes • Explicar conceitos de formas diferentes • Produção de exemplos e estudos de caso • Exercícios de treino e auto-avaliação • Apoio à acessibilidade e tradução • Versões preliminares de rubricas Eficiência não é o mesmo que substituição da responsabilidade docente. A decisão final sobre validade, justiça e adequação continua a pertencer ao docente. 08 / 24
8. Não é só risco: onde a IA ajuda Papel da IA O que faz Contributo pedagógico Tutor Orienta o raciocínio com perguntas, pistas e feedback gradual. Autonomia, metacognição, capacidade de resolver problemas. Parceiro Discute, explora e compara ideias com o estudante. Pensamento crítico, argumentação, criatividade. Assistente Apoia uma tarefa delimitada, sem assumir a decisão final. Liberta tempo para decisão, análise e aplicação do conhecimento. São funções pedagógicas, não categorias fixas de uma ferramenta — a IA pode desempenhar papéis diferentes consoante a tarefa (OECD, 2026). 09 / 26
9. A RESPOSTA CONCEPTUAL: Do produto ao processo: quatro dimensões 1 2 Produto Texto, relatório, projecto ou apresentação final. 3 4 Processo Raciocínio Versões, fontes, anotações, decisões e alterações. Justificar escolhas, comparar alternativas, reconhecer limitações. Aprendizagem demonstrada O que o estudante consegue fazer numa situação diferente. Quanto maior a participação da IA numa tarefa, mais explícita precisa de ser a evidência do contributo humano. 09 / 24
10. Uma ideia antiga, um motivo novo de urgência “ Resultados de aprendizagem, actividades de ensino e tarefas de avaliação devem reforçar-se mutuamente. — o princípio do alinhamento construtivo (Biggs & Tang, 2011) A IA generativa não cria esta exigência — torna simplesmente mais visível o custo de a ignorar. 10 / 24
11. O esforço produtivo que não pode ser automatizado Preguiça metacognitiva Quando o estudante transfere para o chatbot tarefas cognitivas que deveria realizar, o desempenho melhora — mas a aprendizagem não se consolida. As vantagens desaparecem quando a IA é retirada. OECD Digital Education Outlook 2026 Fricção cognitiva necessária A aprendizagem precisa de conservar desafio intelectual. O objectivo não é dificultar artificialmente, mas decidir que esforço deve permanecer com o estudante e que apoio funciona como andaime. MIT Ad Hoc Committee (2026) Ampliar capacidades humanas — não automatizar o pensamento. 11 / 24
12. Avaliação autêntica: aproximar-se da vida real Wiggins (1998): a avaliação deve permitir demonstrar conhecimento através de desempenhos significativos — não pela reprodução de informação. Vulnerável à IA “Explique as causas da evasão no ensino superior.” Genérico, previsível, facilmente respondido por qualquer ferramenta. Resistente à IA Analisar um caso concreto de abandono na própria instituição, recolher evidências locais, propor e justificar uma intervenção — e declarar como usou a IA. 12 / 24
13. Redesenhar o enunciado: um exemplo concreto Enunciado genérico “Elabore um trabalho sobre a qualidade de um serviço à sua escolha.” Sem dados fornecidos, sem comparação exigida: qualquer resposta plausível serve. Enunciado contextualizado “Com os dados deste caso, proponha uma melhoria viável. Compare alternativas e explique as alterações feitas após o feedback.” Dados concretos, comparação obrigatória, revisão documentada. O mesmo enunciado que impede uma resposta genérica já deixa claro, sem esforço extra, o regime de IA da tarefa. 14 / 34
14. A defesa oral: validar sem substituir Uma conversa breve — cerca de cinco minutos — sobre decisões, dificuldades e capacidade de reexplicar conceitos. 1 Qual foi a decisão mais difícil neste trabalho e como chegou a essa escolha? 2 O que faria de forma diferente se tivesse mais tempo para rever o trabalho? 3 Escolha um trecho, conceito ou resultado e explique-o agora com as suas próprias palavras. Honestidade intelectual: assistentes de voz em tempo real tornam a própria defesa vulnerável. Nenhuma evidência isolada basta. 13 / 24
15. Três regimes, uma lógica Regime Un. Arveiro AIAS* Finalidade pedagógica Evidência principal SEM IA Nível 1 — No AI Demonstrar competência humana autónoma Execução autónoma, explicação oral em condições definidas. IA CONDICIONADA Níveis 2–3 — ideação, edição assistida Usar a IA como apoio delimitado Versões, declaração de uso, decisões e validação crítica. IA INTEGRADA Níveis 4–5 — integração plena Trabalhar criticamente com IA Avaliação dos outputs, correcção, ética e capacidade de defesa. O ponto de partida é sempre o resultado de aprendizagem — nunca uma regra genérica de “permitido / proibido” *Artificial Intelligence Assessment Scale (AIAS), proposta por Perkins et al. (2024). 14 / 24
16. Um caso de Ana Ana entrega um plano de melhoria do atendimento ao cliente de uma pequena empresa. O texto é claro, as propostas são convincentes … e foi construído com apoio de IA. Que evidências precisamos de recolher para saber se Ana aprendeu? 17 / 34
17. SEM IA: Ana demonstra autonomia Ana analisa um novo episódio de atendimento, sem apoio de IA. Tarefa Identificar o problema e propor uma resposta com base nos conceitos estudados. Evidência Explicação individual da escolha e aplicação a uma variação do caso. A avaliação incide inteiramente sobre o raciocínio próprio de Ana — sem qualquer apoio de IA. 18 / 34
18. IA CONDICIONADA: apoio delimitado Ana usa IA em etapas específicas e declaradas do seu trabalho. Etapa Condição proposta Exploração inicial IA permitida para sugerir perguntas de diagnóstico. Análise e decisão Ana interpreta os dados e fundamenta a proposta. Entrega Indica ferramenta, finalidade e alterações realizadas. O enunciado identifica exactamente onde a IA pode ajudar — e onde a decisão tem de ser de Ana. 19 / 34
19. IA INTEGRADA: uso crítico como competência Ana compara uma proposta da IA com os dados reais do caso. Passo O que Ana faz Identificar Reconhece pressupostos inadequados na proposta da IA. Verificar Confirma informação e viabilidade prática. Corrigir Ajusta a proposta e justifica a versão final. Aqui, saber usar a IA de forma crítica é a própria competência a avaliar, o que se avalia é precisamente a capacidade de Ana identificar e corrigir os seus erros. 20 / 34
20. OPERACIONALIZAÇÃO PRÁTICA: Transparência: dizer como se usou a IA Exemplo de declaração do estudante “Utilizei a ferramenta X para gerar ideias iniciais e rever a clareza da escrita. Rejeitei duas sugestões por não estarem adequadas ao contexto. As informações foram verificadas nas fontes indicadas.” O que a declaração comunica A transparência é recíproca Ferramenta usada, finalidade, partes influenciadas, comandos principais e processo de verificação. Quando o docente usa IA de forma substancial, também deve comunicar como e porquê (MIT Ad Hoc Committee, 2026). 15 / 24
21. Praticar o que defendemos: a minha declaração Nesta apresentação Ao longo da preparação deste capítulo e desta apresentação, recorrei à Chat Gpt 5.6 Sol e Claude Sonnet 5 (Anthropic) para discutir os temas, rever a ortografia e a gramática do texto, e desenhar a estrutura visual base dos slides. O que a IA fez Participou na discussão dos temas do capítulo e sugeriu tópicos para aprofundar. Reviu ortografia e gramática. Propôs a estrutura visual inicial — cores, disposição, hierarquia da informação. O que permanece nosso Os argumentos do capítulo, as escolhas pedagógicas, a selecção do que é relevante, e a decisão final sobre cada sugestão recebida A mesma exigência que pedimos aos estudantes — aplicada ao nosso próprio trabalho. 16 / 25
22. O Moodle como aliado, não como cofre Logs de actividade Workshop e avaliação por pares Entregas por fases Rubricas integradas Acompanham o percurso — não são prova directa de aprendizagem ou fraude. Avalia a submissão e a qualidade da avaliação que o estudante faz dos colegas. Proposta → primeira versão → feedback → revisão → entrega final. Critérios explícitos ligados directamente à classificação. Nenhuma configuração técnica substitui um bom desenho pedagógico. Um exame frágil continua frágil com perguntas aleatórias e vigilância. 16 / 24
23. Uma rubrica em acção Dimensão Argumentação Aplicação Uso de evidências Reflexão Capacidade crítica O que evidencia domínio Tese clara, sustentada com razões relevantes, e reconhecimento de contra-argumentos. Conceitos adaptados à situação concreta da tarefa, e não respostas genéricas. Fontes verificadas e aplicadas ao caso concreto, não apenas listadas. Decisões, dúvidas e correcções tornadas explícitas, incluindo o uso da IA. Identificação de limitações, erros ou vieses nos outputs, próprios ou gerados por IA.
24. Reconhecimento facial: o que resolve e o que não resolve O que resolve O que não resolve • Confirma a identidade do estudante • Não demonstra compreensão do conteúdo • Reduz o risco de substituição de candidatos • Não impede o uso de um segundo dispositivo • Permite exames remotos de elevado impacto • Traz riscos de privacidade, ansiedade e exclusão 18 / 24
25. Por que a instituição precisa de uma política Pedagógica Governação Operacional Revisão da avaliação, desenvolvimento de competências, preparação para ambientes profissionais com IA. Integridade, privacidade, transparência, responsabilidade e equidade. Infra-estruturas, formação, acompanhamento e avaliação da implementação. Chan (2023) · Sem política, as decisões dispersam-se: um docente proíbe, outro permite sem condições — e o tratamento entre estudantes torna-se desigual. 19 / 24
26. Sete passos para uma instituição de EaD 1 Diagnosticar as avaliações existentes 2 Definir linguagem comum para os regimes de IA 3 Redesenhar tarefas e a evidência humana 4 Utilizar melhor o Moodle 5 Adoptar supervisão proporcional 6 Formar e acompanhar a comunidade 7 Instituir mecanismos permanentes de revisão 20 / 24
27. Moçambique: onde já estamos Estratégia da Educação à Distância 2023–2032 O Ministério da Educação e Desenvolvimento Humano reconhece oficialmente os desafios de infra-estrutura e equipamento. 1CEES — Um Computador por Estudante 1.ª fase: 5.000 computadores portáteis para estudantes de 25 instituições de ensino superior (INTIC, 2025). Portal Nacional de Banda Larga Nova plataforma do INCM (2026) para mapear cobertura e orientar investimento em conectividade. Os progressos são reais — mas não eliminam as desigualdades de acesso entre regiões e instituições. 21 / 24
28. UM ROTEIRO PARA A NOSSA REALIDADE A resposta não é uma corrida entre gerar e detectar. • Os detectores falham e produzem falsos positivos e negativos • A vigilância excessiva compromete privacidade, equidade e confiança • Proibir indiscriminadamente não prepara para o mundo profissional O caminho sustentável: redesenhar a avaliação e tornar explícita a agência humana. 22 / 24
29. As três mensagens para levar convosco 1 2 3 A responsabilidade humana permanece central Nenhuma evidência isolada basta A política institucional torna tudo isto sustentável A IA amplia capacidades — não substitui o julgamento, a autoria e a responsabilidade do estudante. O processo, o raciocínio e a aprendizagem demonstrada importam tanto quanto o produto final. Linguagem comum, formação contínua e revisão periódica — não uma lista de proibições. 23 / 24
30. Educação à Distância como Pilar do Desenvolvimento Sustentável, da Inclusão, da Resiliência e da Qualidade Muito obrigado!