Corrigir provas com IA sem abdicar do critério docente

Há três anos, "corrigir com inteligência artificial" soava a futuro distante. Hoje é algo que muitos docentes experimentam num domingo à tarde com qualquer chatbot, leem os resultados e ficam com duas sensações contraditórias: alívio porque a ferramenta acerta surpreendentemente bem, e inquietação por tudo o que ficou de fora da análise.

Essa segunda sensação é a importante. É a que separa os docentes que adotam a IA como uma alavanca útil daqueles que se deixam levar e, ao fim de algumas semanas, descobrem que os seus critérios de avaliação se diluíram naquilo que o modelo decidiu considerar relevante.

Este artigo é um guia para evitar isso. Como usar a IA para corrigir mais depressa sem perder o controlo profissional sobre o que está realmente a avaliar.

O que a IA faz bem e o que não faz#

Antes de mudar o fluxo de trabalho, convém ter clara a distribuição de forças.

A IA é boa quando existe uma referência clara contra a qual medir. Se lhe entregar uma rubrica com critérios concretos, níveis definidos e descritores, identifica com bastante fiabilidade qual o nível que melhor descreve cada resposta. Também é muito rápida em tarefas mecânicas: detetar se uma resposta de ciências inclui ou não a fórmula correta, contar erros ortográficos, contrastar datas ou nomes com uma resolução-modelo.

A IA é mediana quando se lhe pede que decida sozinha o que é bom. Sem rubrica, "atribui nota a esta prova" produz notas razoáveis mas opacas: não se sabe porque desceu um valor, nem se o teria descido a outro aluno pela mesma razão. É a diferença entre uma assistente e uma caixa negra.

E a IA é má — ou pelo menos perigosa — quando se lhe pede que interprete intenção ou contexto sem informação suficiente. Aquele parágrafo onde um aluno escreve "acho que isto é exatamente o contrário do que diz o manual" pode ser brilhantismo crítico ou um equívoco total. Sem conhecer o aluno, sem saber o contexto da turma, nenhum modelo distingue.

O erro mais caro não é a IA pontuar mal uma resposta. É pontuá-la bem pela razão errada — e a/o docente não dar por isso.

O princípio que organiza tudo: a IA propõe, o docente confirma#

Se ficar apenas com uma ideia deste artigo, que seja esta. A IA tem de trabalhar sempre em modo rascunho. O docente revê, ajusta e confirma. A diferença em relação a um processo manual não está em quem toma a decisão final — continua a ser o docente — mas em quanto trabalho cognitivo de baixo nível foi poupado para chegar a essa decisão.

Pensada assim, a IA faz o mesmo que faziam os antigos revisores nas editoras: deteta o evidente, marca o duvidoso, acelera a revisão e deixa para o docente a parte que exige critério. A diferença é que agora esse assistente está disponível sempre, para 30 provas em simultâneo, em menos de cinco minutos.

O problema aparece quando se inverte a lógica. Se o docente recebe um resultado da IA e apenas o passa de relance antes de transferir as notas para a caderneta, deixou de avaliar. Supervisionou uma avaliação feita por outro. E "outro", neste caso, não tem contexto de sala de aula, não conhece os alunos, não sabe o que se trabalhou na semana passada e não responde por nada.

Três regras práticas que evitam os erros mais comuns#

1. Defina a rubrica antes de olhar para a IA#

Esta regra parece óbvia mas é a mais infringida. A tentação é entregar ao modelo uma prova e pedir "uma nota razoável". O que sai é plausível e por vezes útil, mas não é avaliação criterial: é opinião gerada.

Defina os critérios primeiro. Se trabalha com programas oficiais, tem dois pontos de ancoragem: os critérios de avaliação oficiais do currículo e os descritores operativos da sua planificação. Construa a rubrica com esses elementos. Só então passe a prova e a rubrica ao modelo, com instruções sobre que nível de desempenho atribuir a cada resposta.

A mudança é enorme. Em vez de "atribui nota a este texto", pede-se "para cada um destes cinco critérios, indica o nível de desempenho e cita a frase da prova que o justifica". O que se recebe deixa de ser uma nota: é uma proposta de avaliação que se pode auditar linha a linha.

2. Olhe sempre para a evidência, não só para a nota#

Qualquer ferramenta séria de correção por IA deveria mostrar, ao lado de cada critério avaliado, a frase concreta da prova em que se baseou. Se só vir um número final, não está a corrigir: está a confiar.

Quando a evidência está à frente, os problemas vêem-se em segundos. A IA atribuiu nota alta ao critério "argumentação" mas a frase citada é banal. A IA marcou como erro uma forma verbal correta. Esses erros existem, são frequentes e são corrigíveis se forem vistos. São indetetáveis se só se olhar para a nota.

3. Qualquer nota duvidosa, voltar à prova original#

Se uma nota lhe parece estranha — demasiado alta, demasiado baixa, incoerente com o que sabe sobre o aluno — não a justifique com um atalho mental ("a IA terá visto algo que eu não vejo"). Volte à prova. Leia-a por inteiro. Decida.

Essa frase não é defensiva: é operacional. Poupa o custo enorme de descobrir, dois meses depois numa reclamação de notas, que a IA penalizou sistematicamente um aluno por algo que nunca houve intenção de penalizar.

O fator velocidade muda o cálculo, não o critério#

É honesto reconhecer que o atrativo principal da IA é o tempo. Uma turma de 30 provas que antes ocupava um fim de semana pode agora estar pronta numa tarde. Isso é real, é valioso e provavelmente é a razão pela qual está a ler este texto.

Mas esse tempo recuperado tem de ir para algum lado, e onde deve ir é para as partes da avaliação que não se podem delegar: a conversa com o aluno que vai pior, o feedback escrito a quem tem potencial para subir, a reflexão sobre que partes do conteúdo correram pior para ajustar a próxima aula.

Se o tempo poupado pela IA se traduz apenas em mais horas livres e a qualidade pedagógica fica igual, fez-se uma otimização pessoal. Está bem e ninguém o vai recriminar. Mas o potencial real está em redirecionar esse tempo para o que a IA não consegue fazer.

Uma rotina concreta que funciona#

Esta é uma rotina realista para corrigir um grupo de 25-30 provas com assistência de IA. Descreve-se sem nomes de ferramentas porque o princípio é independente do software.

Total: duas horas e meia para algo que antes ocupava um fim de semana inteiro. O importante não é ser mais rápido, é que a distribuição muda. Já não se está a fazer 90% do tempo trabalho mecânico e 10% trabalho pedagógico verdadeiro. Está a fazer-se 30% de supervisão e 70% de reflexão e feedback.

O que se perde (e porque às vezes compensa)#

Seria desonesto fingir que não há custo. Quando se delega a primeira leitura da prova à IA, deixa-se de ter essa leitura. Antes, ao corrigir manualmente, a cabeça ia acumulando um mapa intuitivo do grupo: onde falham, o que perceberam mal, o que lhes interessou. Esse mapa construía-se sem se querer, no próprio ato de corrigir.

Com assistência de IA, esse mapa não aparece sozinho. Tem de ser construído ativamente. Algumas estratégias compensam: ler todas as provas corrigidas de seguida (não uma de cada vez entre tarefas), apontar nos cinco minutos finais que padrões se veem, ou simplesmente pedir à própria IA um resumo agregado dos erros mais frequentes do grupo.

O mapa não se perde, mas exige intenção. Já não se constrói por inércia.

O critério continua a ser do docente#

A pergunta que convém fazer-se depois de cada correção com IA não é "a nota está bem?" mas "esta nota tê-la-ia atribuído eu, sabendo o que sei do aluno e do grupo?". Se a resposta é sim, o sistema funciona. Se a resposta é não, ajusta-se e repete-se.

A IA não substitui o critério docente. Substitui o cansaço que erode o critério docente. Bem usada, permite chegar à segunda-feira de manhã com a cabeça desanuviada para fazer o que só o docente pode fazer: ensinar.