INTRODUÇÃO

As práticas avaliativas tradicionais no ambiente escolar têm sido amplamente questionadas nas últimas décadas, em grande parte devido à sua ênfase excessiva na memorização e na reprodução de conteúdo, culminando em provas padronizadas que pouco refletem o aprendizado genuíno (Inacio; Saldanha, 2024). Essa abordagem, muitas vezes limitada e focada apenas no resultado final, não consegue capturar a complexidade do processo de aprendizagem nem o desenvolvimento integral do aluno (Falcão et al., 2025). A crítica a esses modelos se acentuou com a crescente integração de tecnologias digitais no cotidiano educacional. Ferramentas interativas e plataformas de aprendizagem online trouxeram à tona a necessidade de avaliações mais processuais, reflexivas e alinhadas ao desenvolvimento de competências, conforme apontado por teóricos como Luckesi (2011) e Perrenoud (1999). A rigidez dos métodos convencionais de avaliação, que antes já se mostrava inadequada, tornou-se ainda mais evidente diante das novas possibilidades oferecidas pelo universo digital, que demanda uma compreensão mais dinâmica e holística do que significa aprender e demonstrar conhecimento. 

Esse cenário de transformação na avaliação educacional é impulsionado de forma dramática pela ascensão das inteligências artificiais generativas, como o ChatGPT. A capacidade dessas IAs de gerar respostas textuais complexas, rápidas e com uma coerência que as torna quase indistinguíveis da produção humana, representa um desafio sem precedentes para os modelos avaliativos ancorados na simples reprodução de informações (Souza et al., 2024). Se uma máquina pode produzir respostas convincentes baseadas em dados, qual o valor de uma avaliação que apenas verifica a capacidade de um aluno de regurgitar informações? Essa nova realidade exige uma redefinição urgente do propósito da avaliação, deslocando o foco da mera memorização para a análise crítica, a resolução de problemas, a criatividade e a aplicação do conhecimento em contextos reais. A presença das IAs generativas não apenas intensifica a necessidade de abandonar as práticas avaliativas obsoletas, mas também força as instituições de ensino a repensarem fundamentalmente como o aprendizado é medido e validado na era digital.

Nesse contexto, organizações como a UNESCO (2023) vêm alertando para a necessidade de uma abordagem crítica e formativa na avaliação escolar em tempos de IA. O documento Guidance for Generative AI in Education and Research enfatiza que, para além do controle e da detecção de uso indevido de ferramentas tecnológicas, é necessário repensar os próprios fundamentos da avaliação, promovendo práticas que estimulem autoria, reflexão e aprendizagem significativa. Tais diretrizes dialogam com os estudos de Bloom (1956), que propôs uma taxonomia voltada ao desenvolvimento de habilidades cognitivas superiores, e com as propostas de Luckesi (2011), que defendem a avaliação como um ato amoroso e formativo.

Diante desse panorama, o presente artigo propõe-se a analisar como a inteligência artificial tensiona os modelos tradicionais de avaliação na educação básica, discutindo alternativas pedagógicas que permitam ressignificar o processo avaliativo à luz das transformações tecnológicas contemporâneas. Justifica-se este estudo pela urgência de se repensar as práticas avaliativas escolares não apenas como instrumentos de verificação, mas como processos formativos que valorizem o pensamento crítico, a autoria e a aprendizagem contínua.

A pergunta que orienta esta investigação é: de que maneira a presença da inteligência artificial nas práticas escolares desafia os modelos tradicionais de avaliação e aponta para novas possibilidades pedagógicas? O objetivo geral é discutir os impactos da IA na avaliação escolar e propor caminhos para práticas mais críticas e formativas. Os objetivos específicos são: (1) descrever os principais fundamentos dos modelos tradicionais de avaliação escolar; (2) analisar os impactos da IA generativa na produção de respostas e tarefas escolares; e (3) indicar estratégias pedagógicas que favoreçam uma avaliação ética, crítica e compatível com os desafios contemporâneos.

A metodologia adotada é de natureza qualitativa, com base em revisão bibliográfica (Gil, 2019), a partir da análise de obras clássicas sobre avaliação educacional e de estudos recentes sobre inteligência artificial na educação. O aporte teórico articula contribuições de Luckesi (2011), Perrenoud (1999), Bloom (1956), Selwyn (2022), além de documentos internacionais como os relatórios da UNESCO (2023).

O artigo está estruturado em cinco seções, além desta introdução. A segunda seção apresenta um panorama sobre a avaliação tradicional e suas limitações. A terceira discute os impactos da IA no cotidiano escolar e nas práticas avaliativas. A quarta seção propõe caminhos para uma avaliação formativa e crítica mediada pela tecnologia. Por fim, a quinta seção apresenta as considerações finais, com destaque para os desafios e perspectivas da avaliação escolar em tempos de inteligência artificial.

FUNDAMENTOS E CRÍTICAS AOS MODELOS TRADICIONAIS DE AVALIAÇÃO ESCOLAR

A avaliação escolar, enquanto elemento constitutivo do processo educativo, tem sido historicamente estruturada a partir de modelos tradicionais baseados na lógica da mensuração e do controle. Fundamentados em concepções tecnicistas e behavioristas da aprendizagem, esses modelos operam com a premissa de que o conhecimento pode ser quantificado de forma objetiva, padronizada e generalizável. Tal visão consolidou-se ao longo do século XX, em especial no contexto da expansão da escola pública e da necessidade de aplicar sistemas de verificação de desempenho em larga escala, orientados por critérios de eficiência, produtividade e comparabilidade entre estudantes e instituições.

Um marco teórico importante na consolidação dessa lógica foi a Taxonomia dos Objetivos Educacionais de Benjamin Bloom (1956), que propôs uma hierarquização das capacidades cognitivas em diferentes níveis, do conhecimento e compreensão à análise, síntese e avaliação. Embora essa proposta tenha representado um avanço ao reconhecer a existência de processos cognitivos complexos, sua apropriação no contexto escolar contribuiu para a manutenção de práticas fragmentadas e reducionistas. Ao focar no mapeamento de objetivos instrucionais isolados, a taxonomia foi amplamente utilizada como matriz para a elaboração de testes objetivos e provas padronizadas, reforçando a ideia de que o ensino e a aprendizagem são processos lineares, cumulativos e verificáveis por meio de instrumentos de múltipla escolha ou respostas padronizadas. Nesse modelo, a avaliação tende a privilegiar a retenção de informações em detrimento da compreensão profunda, da criatividade ou da capacidade crítica.

Contudo, com o amadurecimento das teorias pedagógicas e o avanço das pesquisas em psicologia da educação, as limitações epistemológicas e pedagógicas desse modelo tornaram-se cada vez mais evidentes. Entre os principais críticos desse paradigma está Luckesi (2011), cuja obra representa um ponto de inflexão na forma de compreender a avaliação educacional. Para o autor, a avaliação tradicional é marcada por uma lógica punitiva e classificatória, que reduz o processo educativo à obtenção de notas e à categorização dos estudantes em níveis de desempenho, desconsiderando os aspectos afetivos, sociais e subjetivos da aprendizagem. Luckesi propõe uma reconfiguração radical da prática avaliativa, defendendo uma abordagem diagnóstica, processual e formativa, centrada no diálogo, na escuta e na valorização do erro como parte constitutiva do desenvolvimento cognitivo. A avaliação, em sua perspectiva, deve ser um “ato amoroso”, orientado pelo compromisso ético com a formação humana e com a emancipação dos sujeitos.

No mesmo sentido, Philippe Perrenoud (1999) contribui com uma crítica contundente à função certificadora da avaliação tradicional e à sua incapacidade de promover aprendizagens significativas em contextos reais. Para o autor, em uma sociedade marcada pela complexidade, pela velocidade das transformações e pela multiplicidade de saberes, torna-se imprescindível que a escola forme sujeitos capazes de mobilizar conhecimentos em situações novas e problematizadoras, ou seja, sujeitos competentes. A avaliação por competências, nesse cenário, propõe uma mudança paradigmática: em vez de aferir a posse de conteúdos isolados, busca-se acompanhar o processo de construção do conhecimento em sua dinamicidade, reconhecendo o papel ativo do estudante e a diversidade dos percursos de aprendizagem. Trata-se de uma avaliação reguladora, cujo objetivo não é punir ou hierarquizar, mas retroalimentar o ensino e orientar o estudante na superação de seus desafios formativos.

Além dessas críticas teóricas, é importante ressaltar que os modelos tradicionais de avaliação se revelam cada vez mais anacrônicos frente aos desafios educacionais contemporâneos. A diversidade cultural, os diferentes ritmos de aprendizagem, as necessidades específicas dos alunos e as exigências de uma educação voltada à cidadania crítica demandam práticas avaliativas mais inclusivas, dialógicas e contextualizadas. A insistência em instrumentos que promovem o ranqueamento e a padronização contribui para a perpetuação de desigualdades e para o esvaziamento do sentido formativo da avaliação.

Dessa forma, os modelos tradicionais de avaliação escolar, apesar de sua influência histórica e da aparente objetividade que oferecem, mostram-se insuficientes para atender às demandas de uma educação comprometida com o desenvolvimento integral dos sujeitos. Suas bases tecnicistas, centradas na verificação de resultados imediatos, não contemplam a complexidade da aprendizagem enquanto processo contínuo, situado e relacional. A crítica a esses modelos, formulada por autores como Bloom (em leitura crítica), Luckesi e Perrenoud, aponta para a necessidade de ressignificar o papel da avaliação na escola, deslocando-a de uma lógica classificatória para uma lógica formativa, ética e humanizadora. Nesse sentido, a revisão crítica desses fundamentos constitui um passo indispensável para repensar a avaliação escolar em tempos de inteligência artificial e cultura algorítmica.

AVALIAÇÃO E TECNOLOGIAS DIGITAIS: ENTRE A INSTRUMENTALIZAÇÃO E A TRANSFORMAÇÃO PEDAGÓGICA

A incorporação das tecnologias digitais ao ambiente escolar, intensificada ao longo das últimas décadas, não inaugurou a crise dos modelos avaliativos tradicionais, mas certamente contribuiu para evidenciá-la e amplificá-la (Souza et al., 2024). Longe de representar um movimento homogêneo de modernização pedagógica, essa inserção tem oscilado entre duas forças antagônicas: de um lado, a possibilidade de reconfigurar as práticas de ensino e avaliação em direção a modelos mais processuais, colaborativos e centrados no estudante; de outro, o risco da instrumentalização tecnológica, que reproduz e automatiza práticas pedagógicas ancoradas em concepções conteudistas, transmissivas e classificatórias (Inacio; Saldanha, 2024; Falcão et al., 2025).

A proliferação de ferramentas como Google Forms, plataformas de quizzes e ambientes virtuais de aprendizagem (AVAs) ilustra com clareza essa ambiguidade. Tais recursos oferecem inegáveis vantagens operacionais, agilidade, padronização, facilidade de correção e produção de dados. Contudo, como adverte Kenski (2012), a transposição de práticas avaliativas tradicionais para o digital, sem uma reformulação epistemológica correspondente, resulta em uma modernização apenas superficial. Ao replicarem no meio digital os formatos centrados na memorização e na resposta única, essas ferramentas mantêm intacta a lógica da avaliação como dispositivo de controle, e não como prática reflexiva de aprendizagem.

Essa crítica se insere em uma tradição teórica que compreende a tecnologia não como entidade neutra ou intrinsicamente transformadora, mas como artefato cultural que adquire sentido apenas no interior de projetos pedagógicos intencionalmente concebidos. José Manuel Moran (2020) afirma que o uso inovador das tecnologias está condicionado à existência de uma pedagogia ativa, criativa e dialógica, capaz de orientar os recursos tecnológicos para fins formativos e emancipatórios. Nessa perspectiva, a tecnologia é meio, não fim, e sua função na avaliação deve estar articulada a objetivos educativos claros: promover a autoria, fomentar o pensamento crítico, sustentar o feedback contínuo e abrir espaço para trajetórias de aprendizagem personalizadas (Falcão et al., 2025).

Ao lado de Moran, Nelson Valente (2015) reforça que a verdadeira inovação tecnológica no campo educacional ocorre quando as ferramentas digitais são mobilizadas para ressignificar as práticas pedagógicas, em especial no que se refere à avaliação. Avaliar com o suporte de tecnologias digitais, portanto, não significa digitalizar provas, mas desenhar experiências avaliativas que envolvam os estudantes em projetos reais, produção de artefatos digitais, resolução de problemas complexos e autoavaliação (Inacio; Saldanha, 2024). Isso implica em deslocar o foco da verificação de resultados para o acompanhamento de processos, estimulando a metacognição e a construção colaborativa do conhecimento.

Contudo, essa aposta na transformação pedagógica mediada pela tecnologia exige cautela e um olhar crítico. Neil Selwyn (2016, 2022) tem sido um dos principais autores a alertar contra o otimismo ingênuo em torno das inovações digitais. Para o autor, as promessas de ruptura e reinvenção da educação raramente se concretizam, pois as tecnologias tendem a ser absorvidas pelas estruturas institucionais vigentes e adaptadas aos seus interesses, frequentemente conservadores. A adoção de tecnologias no campo da avaliação, nesse contexto, corre o risco de funcionar como um reforço à lógica de padronização, ranqueamento e vigilância, em vez de representar uma oportunidade de repensar os pressupostos da avaliação.

Essa tensão entre potencial e captura tecnológica exige dos educadores uma postura epistemológica rigorosa e uma intencionalidade pedagógica clara. O desafio está menos na escolha da ferramenta e mais na pergunta fundante: que concepção de aprendizagem sustenta a prática avaliativa em questão? Se o objetivo é a formação de sujeitos críticos, criativos e capazes de atuar em contextos complexos, as tecnologias digitais devem ser empregadas para ampliar as possibilidades de expressão, autoria e reflexão dos estudantes. Caso contrário, mesmo os recursos mais sofisticados operarão como instrumentos de reprodução de práticas obsoletas, apenas com uma nova interface. Assim, pensar a avaliação na era digital não é apenas uma questão de atualização metodológica, mas de revisão conceitual e política. Trata-se de disputar o sentido da tecnologia na escola: se ela será aliada na construção de uma pedagogia mais democrática e significativa, ou se seguirá servindo como engrenagem de um sistema avaliativo que exclui, normatiza e esvazia o sentido da aprendizagem.

INTELIGÊNCIA ARTIFICIAL GENERATIVA E OS DESAFIOS PARA A AVALIAÇÃO NA EDUCAÇÃO BÁSICA

A emergência das inteligências artificiais generativas, como o ChatGPT, o Claude, e outras plataformas baseadas em modelos de linguagem natural, marca uma nova inflexão no debate sobre avaliação escolar. Se a presença das tecnologias digitais já impunha a necessidade de repensar os instrumentos e os sentidos da avaliação, a difusão massiva de ferramentas capazes de produzir textos, resolver problemas e simular argumentações humanas em poucos segundos intensifica o questionamento não apenas sobre o “como avaliar”, mas também sobre o “o que” e o “por que” avaliar em um mundo profundamente reconfigurado por algoritmos.

No contexto da educação básica, onde a avaliação historicamente se estruturou em torno da demonstração de domínio sobre conteúdos específicos, a presença da IA tensiona o próprio fundamento da prática avaliativa: se é possível obter uma resposta “correta” por meio de uma máquina, o que, de fato, está sendo medido? Como avaliar a aprendizagem se a produção do estudante pode ser substituída ou mediada por sistemas automatizados? Essas questões não são meramente técnicas, mas epistemológicas, pois interrogam a própria natureza da autoria, da originalidade e da construção de conhecimento na escola contemporânea.

A literatura recente tem apontado os riscos da automatização da resposta como substituição da atividade cognitiva e da experiência de aprendizagem. Selwyn (2022), por exemplo, alerta para a ascensão de um modelo educacional centrado na eficácia algorítmica, no qual as respostas rápidas e bem formuladas mascaram a ausência de compreensão significativa. Essa crítica dialoga com os marcos da UNESCO (2023) no documento Guidance for Generative AI in Education and Research, que recomenda que a IA seja utilizada como ferramenta de apoio, e não de substituição, à aprendizagem, ressaltando a importância de promover avaliações que valorizem o raciocínio, o julgamento crítico e a resolução de problemas em contextos autênticos.

No entanto, o desafio imposto pela IA não se reduz ao risco da fraude acadêmica ou do plágio automatizado. Mais grave é a possibilidade de que a avaliação se torne obsoleta ou irrelevante diante da incapacidade de distinguir entre produção humana e produção algorítmica. Isso nos obriga a repensar não apenas os instrumentos de avaliação, mas os critérios e objetivos que os sustentam. A simples reformulação das perguntas ou a adoção de bloqueadores tecnológicos não resolve o problema; é preciso operar uma mudança de lógica: da verificação de resultados para a valorização do processo, da repetição para a reflexão, da resposta para o raciocínio.

Nesse sentido, o uso pedagógico consciente da inteligência artificial pode, paradoxalmente, se tornar um aliado na reconstrução de práticas avaliativas mais significativas, desde que orientado por um projeto formativo sólido. Ao invés de eliminar a IA do processo educacional, a escola pode integrá-la como objeto de estudo e como instrumento de metacognição. Atividades que envolvam comparação entre textos humanos e textos gerados por IA, análise crítica de respostas automatizadas, construção colaborativa de argumentos a partir de sugestões da máquina e reflexões sobre os limites éticos e epistemológicos da tecnologia podem transformar a IA em oportunidade de aprendizagem crítica e autoral.

Além disso, a IA pode ser incorporada em formatos avaliativos mais abertos e processuais, como portfólios digitais, narrativas reflexivas, projetos interdisciplinares e produção de artefatos multimodais. Nessas modalidades, o foco desloca-se do produto final para a trajetória do estudante, permitindo que o professor acompanhe de forma mais qualitativa o desenvolvimento de competências cognitivas e socioemocionais. A avaliação torna-se, assim, um espaço de diálogo, negociação e construção coletiva de sentido, algo que nenhuma IA pode automatizar.

Portanto, os desafios trazidos pelas inteligências artificiais generativas não devem ser encarados apenas como ameaça, mas como ponto de inflexão para a revisão de práticas pedagógicas que já se mostravam frágeis e excludentes. A avaliação escolar, se quiser manter sua relevância diante do novo cenário tecnológico, precisará abandonar o conforto da previsibilidade e da padronização para abrir-se à complexidade, à incerteza e à autoria. E, nesse processo, o professor, mais do que nunca, precisa assumir o papel de mediador crítico, capaz de guiar os estudantes na construção de saberes que nenhuma máquina é capaz de produzir: aqueles que nascem do encontro entre experiência, reflexão e desejo de aprender.

POR UMA AVALIAÇÃO FORMATIVA, CRÍTICA E ÉTICA NA ERA DA INTELIGÊNCIA ARTIFICIAL

Diante dos desafios impostos pelas tecnologias digitais e, de forma mais aguda, pelas inteligências artificiais generativas, a avaliação escolar exige não apenas ajustes pontuais, mas uma reorientação conceitual que a reconcilie com os princípios da aprendizagem significativa, da justiça educacional e da formação cidadã. Superar os modelos tradicionais não significa abandonar a avaliação, mas ressignificá-la como parte constitutiva do processo educativo, voltada à promoção do desenvolvimento integral dos estudantes. Para isso, torna-se imprescindível defender uma concepção de avaliação formativa, crítica e eticamente fundamentada.

A avaliação formativa, como propõe Perrenoud (1999), é aquela que se integra ao processo de ensino-aprendizagem, oferecendo ao estudante e ao professor informações contínuas sobre o percurso formativo. Ela permite a identificação de dificuldades, a retomada de conteúdos, a diversificação de estratégias e a regulação da aprendizagem em tempo real. Diferente da avaliação classificatória, que opera no fim do processo e objetiva apenas medir e certificar, a avaliação formativa é orientada pelo acompanhamento, pela escuta pedagógica e pelo compromisso com o progresso individual e coletivo dos sujeitos envolvidos.

Cipriano Luckesi (2011), em sua crítica à avaliação tradicional, sustenta que avaliar é, sobretudo, um ato ético. Avaliar não pode ser sinônimo de julgar ou punir, mas deve representar um gesto pedagógico amoroso, comprometido com a emancipação dos aprendizes. Segundo o autor, a função da avaliação não é separar, excluir ou rotular, mas acolher a diversidade de percursos e oferecer oportunidades reais de crescimento. Essa perspectiva ética é ainda mais urgente quando se considera que a inteligência artificial, se mal utilizada, pode acentuar desigualdades, gerar práticas de vigilância e desumanizar a relação pedagógica, transformando a avaliação em um processo mecânico e desprovido de sentido formativo.

Nesse cenário, a ética na avaliação exige atenção não apenas aos fins, mas também aos meios. O uso de tecnologias digitais e de sistemas automatizados de avaliação deve estar subordinado a valores como transparência, equidade, respeito à singularidade dos estudantes e responsabilidade pedagógica. Embora a maior parte da literatura educacional ainda esteja em fase de diagnóstico dos impactos da inteligência artificial sobre o ensino e a avaliação, algumas propostas emergentes já apontam direções concretas para a construção de práticas avaliativas mais alinhadas à cultura algorítmica. A UNESCO (2023), no documento Guidance for Generative AI in Education and Research, não apenas alerta para os riscos de uso indevido da IA, mas também sugere orientações pedagógicas para a sua integração ética e transparente. Entre as recomendações, destaca-se a necessidade de criar ambientes avaliativos que valorizem o raciocínio, a originalidade e a metacognição, em oposição a tarefas que podem ser facilmente automatizadas.

Em consonância com essas diretrizes, Holmes e Tuomi (2022), em relatório publicado pela European Schoolnet, propõem uma reconfiguração dos sistemas de avaliação baseada no princípio da avaliabilidade das competências humanas que a IA não consegue replicar com qualidade. Para os autores, a IA obriga as escolas a deslocarem o foco avaliativo para habilidades como pensamento crítico, consciência ética, empatia, capacidade de questionamento e julgamento situado. Avaliar essas dimensões exige práticas mais narrativas, dialógicas e qualitativas, como diários reflexivos, discussões mediadas, autoavaliações argumentadas e projetos interdisciplinares.

Daniel Schiff (2022), pesquisador da Georgia Tech, propõe um modelo que articula avaliação baseada em IA com princípios de justiça social e transparência algorítmica. Sua proposta inclui a utilização de sistemas de IA para fornecer feedback formativo em tempo real, mas sempre acompanhado por uma supervisão docente capaz de interpretar, ajustar e humanizar os dados fornecidos pela máquina. Schiff argumenta que a IA pode ser útil para mapear padrões de escrita, identificar dificuldades recorrentes e sugerir intervenções personalizadas, mas jamais deve operar como juízo definitivo sobre o desempenho do estudante. Assim, a IA entra no processo avaliativo como ferramenta diagnóstica auxiliar, e não como instância avaliadora autônoma.

Outro caminho promissor é o delineado pela OECD (2021) em seu relatório Artificial Intelligence and the Future of Skills, que defende a criação de modelos de avaliação adaptativa mediados por IA, capazes de se ajustar ao perfil de aprendizagem do estudante em tempo real. Esse tipo de abordagem exige bancos de dados robustos e inteligência pedagógica para garantir que as decisões tomadas pelas máquinas sejam educacionalmente válidas. Mais do que medir desempenho em tarefas isoladas, a avaliação adaptativa visa compreender trajetórias de aprendizagem, sugerir percursos personalizados e reduzir desigualdades de acesso ao conhecimento.

Essas propostas ainda estão em construção e apresentam limites importantes, sobretudo no que diz respeito à transparência dos algoritmos, à proteção de dados dos estudantes e à formação crítica dos professores. No entanto, apontam para um campo em expansão que desafia a escola a sair do dilema binário entre recusar ou automatizar a avaliação e a buscar um caminho intermediário: usar a IA como aliada estratégica para reinventar as formas de acompanhar, interpretar e valorizar o aprendizado humano.

Dentro desse ângulo, ao invés de temer a inteligência artificial ou adotá-la de forma acrítica, a escola precisa assumir uma postura ativa diante de suas potencialidades e riscos. Cabe aos educadores, pesquisadores e formuladores de políticas públicas construir coletivamente critérios e práticas de avaliação que façam sentido no mundo atual, mas que não abram mão de seus compromissos éticos e formativos. Nesse horizonte, a IA pode servir não como substituta do olhar pedagógico, mas como ampliadora da escuta avaliativa, desde que guiada por projetos educativos comprometidos com a justiça, a autoria e a formação integral dos sujeitos.

Uma avaliação crítica, portanto, é aquela que não se limita a aferir resultados, mas que interroga os próprios critérios, instrumentos e pressupostos que sustentam sua aplicação. Selwyn (2016) propõe uma abordagem sociotécnica da avaliação digital, na qual as tecnologias são analisadas à luz das estruturas sociais, das relações de poder e das intencionalidades educativas que as conformam. Essa perspectiva permite compreender que avaliar com o suporte da IA não é apenas uma questão de inovação metodológica, mas envolve decisões curriculares, políticas e epistemológicas profundas.

Para que a inteligência artificial seja incorporada de modo pedagógico e emancipador, é necessário adotar práticas avaliativas que incentivem a autoria, a criatividade, a argumentação e a resolução de problemas reais. Nesse sentido, estratégias como avaliação por projetos, portfólios digitais, autoavaliações argumentativas e feedbacks dialogados representam caminhos promissores. Esses formatos deslocam o foco da resposta certa para o processo de construção do conhecimento, abrindo espaço para a autonomia do estudante e para o protagonismo do professor enquanto mediador do saber.

Além disso, a avaliação formativa crítica requer o reconhecimento da aprendizagem como um fenômeno situado, contextual e subjetivo. Como defende Rojo (2012), a escola contemporânea precisa dialogar com os letramentos múltiplos e com a diversidade de práticas sociais de linguagem, o que implica desenvolver formas de avaliação sensíveis às culturas digitais e às experiências dos estudantes no mundo conectado. Avaliar, nesse sentido, é também valorizar saberes periféricos, modos alternativos de expressão e trajetórias plurais de aprendizagem.

Dessa forma, a consolidação de uma avaliação formativa, crítica e ética na era da inteligência artificial não se dará de maneira automática ou tecnocrática. Ela dependerá da capacidade das instituições escolares de refletirem sobre suas práticas, das políticas públicas de formação docente e da coragem epistemológica dos educadores em reinventar a avaliação como ferramenta de escuta, reconhecimento e transformação. A IA pode ser aliada nesse processo, desde que não substitua, mas potencialize, a intencionalidade pedagógica que dá sentido ao ato de avaliar.

CONSIDERAÇÕES FINAIS

A presença crescente da inteligência artificial na educação, especialmente na forma de sistemas generativos de linguagem, tem produzido impactos significativos nas práticas escolares, exigindo um reposicionamento urgente das concepções e métodos avaliativos historicamente consolidados. Como demonstrado ao longo deste artigo, os modelos tradicionais de avaliação, baseados na padronização, na memorização e na classificação, mostram-se cada vez mais frágeis diante das possibilidades técnicas e dos dilemas éticos que as novas tecnologias impõem.

A análise dos fundamentos desses modelos evidencia sua origem tecnicista e seu alinhamento a concepções reducionistas de aprendizagem. As críticas formuladas por autores como Luckesi, Perrenoud e Selwyn apontam não apenas para as limitações instrumentais desses métodos, mas também para os efeitos negativos que produzem na formação dos estudantes, como a desvalorização da autoria, o esvaziamento do sentido da aprendizagem e o reforço das desigualdades escolares.

Por outro lado, o debate contemporâneo sobre avaliação e tecnologias digitais revela que a presença da IA não determina, por si só, uma transformação pedagógica. Como discutido, há um risco real de que essas ferramentas sejam apropriadas de forma acrítica, apenas para automatizar práticas obsoletas e aprofundar lógicas de vigilância, ranqueamento e controle. Nesse sentido, a questão central não reside na tecnologia em si, mas na intencionalidade pedagógica que orienta seu uso. A IA pode tanto reforçar o autoritarismo avaliativo quanto ser catalisadora de processos mais humanos, formativos e emancipadores.

Diante desse cenário, este artigo defendeu a necessidade de se construir uma avaliação formativa, crítica e ética na era da inteligência artificial. Isso implica promover práticas que valorizem o processo de aprendizagem, reconheçam a singularidade dos sujeitos, incentivem o pensamento crítico e estejam em consonância com os princípios da justiça educacional. As propostas emergentes, como as apresentadas pela UNESCO, pela OECD e por pesquisadores como Holmes e Schiff, demonstram que é possível articular tecnologia e pedagogia de maneira inovadora, desde que haja compromisso com a formação integral dos estudantes.

Conclui-se, portanto, que o desafio atual não é apenas adaptar a avaliação à IA, mas sim reconfigurar a avaliação em profundidade, para que esteja à altura das exigências de um mundo digital, incerto e em constante transformação. Isso exige investimento em formação docente, revisão curricular, elaboração de políticas públicas comprometidas com a equidade e a qualidade da educação, e, sobretudo, a disposição ética de colocar o estudante e sua aprendizagem no centro do processo educativo. Avaliar, em tempos de inteligência artificial, é mais do que medir: é escutar, interpretar e acompanhar trajetórias humanas de construção de sentido, algo que nenhuma máquina pode substituir.

REFERÊNCIAS BIBLIOGRÁFICAS

BLOOM, Benjamin S. Taxonomia dos objetivos educacionais: a classificação das metas educacionais. Vol. 1: Domínio cognitivo. Porto Alegre: Globo, 1972.

FALCÃO, H. P. de S.; CORREIA, C. de C.; SILVA, A. F. da; OLIVEIRA, R. A. F. de; MORAIS, J. C. A. de; MIRANDA, E. de M. S.; MOREIRA, E. E. P.; CÁ, L. O. Uso da inteligência artificial com um chatbot treinado na Metodologia SENAI de Educação Profissional (MSEP) no processo de avaliação formativa: estudo de caso com estudantes em uma escola do SENAI Ceará. Caderno Pedagógico, [S. l.], v. 22, n. 1, p. e13611, 2025. DOI: 10.54033/cadpedv22n1-235. Disponível em: https://ojs.studiespublicacoes.com.br/ojs/index.php/cadped/article/view/13611. Acesso em: 6 jun. 2025.

HOLMES, Wayne; TUOMI, Ilkka. Artificial Intelligence and the Future of Teaching and Learning. Brussels: European Schoolnet, 2022. Disponível em: https://www.europeanschoolnet.org/. Acesso em: 6 jun. 2025.

INACIO, Caíque Tardin; SALDANHA, Luís Cláudio Dallier. Tecnologias Digitais e Inteligência Artificial na avaliação em disciplina de língua portuguesa. RE@D – Revista de Educação a Distância e eLearning, v. 7, n. 1, p. 1-[número da última página], jan./jun. 2024. DOI: https://doi.org/10.34627/redvol7iss1e202409. Disponível em: [URL do artigo]. Acesso em: [data de acesso no formato dd mmm. aaaa].

KENSKI, Vani Moreira. Educação e tecnologias: o novo ritmo da informação. 7. ed. Campinas: Papirus, 2012.

LUCKESI, Cipriano Carlos. Avaliação da aprendizagem escolar: estudos e proposições. 23. ed. São Paulo: Cortez, 2011.

MORAN, José Manuel. Metodologias ativas para uma educação inovadora: uma abordagem teórico-prática. São Paulo: Pearson, 2020.

OECD – Organisation for Economic Co-operation and Development. Artificial Intelligence and the Future of Skills. Paris: OECD Publishing, 2021. Disponível em: https://www.oecd.org/. Acesso em: 6 jun. 2025.

PERRENOUD, Philippe. Avaliação: da excelência à regulação das aprendizagens – entre duas lógicas. Porto Alegre: Artmed, 1999.

ROJO, Roxane. Letramentos múltiplos, escola e inclusão social. São Paulo: Parábola Editorial, 2012.

SOUZA, Ana Paula de Souza; CONCEIÇÃO, Creilson de Jesus; PANCOTO, Marlene Aparecida; CECOTE, Natália Queres Barbosa; PEDRA, Rodrigo Rodrigues; OLIVEIRA, Rosa Maria da Silva; PINÃO, Vagna Rosângela Zaqui; GOMES, Wanderson Teixeira. PERSONALIZING LEARNING WITH ARTIFICIAL INTELLIGENCE: HOW AI IS TRANSFORMING TEACHING AND CURRICULUM. ARACÊ , [S. l.], v. 6, n. 3, p. 5816–5831, 2024. DOI: 10.56238/arev6n3-092. Disponível em: https://periodicos.newsciencepubl.com/arace/article/view/1273. Acesso em: 6 jun. 2025.

SCHIFF, Daniel. Ethical and Equitable AI in Education: Principles for Policy and Practice. Georgia Institute of Technology, 2022. Disponível em: https://ethicsineducation.ai. Acesso em: 6 jun. 2025.

SELWYN, Neil. Education and technology: Key issues and debates. 2. ed. London: Bloomsbury Academic, 2016.

SELWYN, Neil. Should robots replace teachers? AI and the future of education. Cambridge: Polity Press, 2022.

UNESCO. Guidance for Generative AI in Education and Research. Paris: United Nations Educational, Scientific and Cultural Organization, 2023. Disponível em: https://www.unesco.org/reports/generative-ai. Acesso em: 6 jun. 2025.

VALENTE, José Armando. Tecnologia na escola: formação de professores, currículos e ambientes de aprendizagem. São Paulo: Avercamp, 2015.