IA na escola: como perceber trabalhos escritos por IA e criar tarefas que a IA não faz por você

Resumindo: hoje não existe jeito confiável de provar que um texto foi escrito por uma IA — os detectores medem o quanto um texto é previsível, não de onde ele veio, e acertam com mais força justamente os alunos que escrevem numa segunda língua. A estratégia que funciona não é caçar, e sim repensar as tarefas: amarre-as à experiência pessoal, aos dados da sua própria turma e a uma defesa oral curta. Para mostrar o que acontece quando se aposta na correção automática, analisamos os maiores cursos de IA do mundo. Esse erro eles já cometeram, e os alunos deles descreveram tudo, palavra por palavra.

Por que os detectores são um apoio ruim

A tentação é óbvia: você cola o texto, recebe uma porcentagem, conversa encerrada. O problema é que não há prova nenhuma por trás desse número. Os detectores não «enxergam» a origem de um texto: eles estimam o quanto ele é liso e previsível. E escrever liso e previsível não é exclusividade das máquinas.

• Falsos positivos em quem não é falante nativo. Um aluno que escreve numa segunda língua usa construções mais simples e fórmulas padronizadas — exatamente os sinais que o detector lê como «de máquina». Isto é um raciocínio sobre como a ferramenta funciona, não uma medição nossa: não testamos detectores em turmas e não temos como cravar uma taxa de erro. Mas a direção do erro decorre direto do mecanismo.
• Falsos positivos em alunos caprichosos. Estrutura organizada, tom neutro, nenhum erro — e um trabalho honesto leva uma «porcentagem de IA» alta.
• Driblar é trivial. Peça ao modelo que escreva mais simples e mais solto, reescreva umas duas frases na mão e o número cai. É um filtro ao contrário: pega os honestos e deixa passar quem se esforçou para se esconder.
• Porcentagem não é prova. Um número numa escala opaca não é probabilidade. Você não pode apresentá-lo a um aluno como evidência, nem metodológica nem eticamente.

A conclusão é dura, mas importa: não dá para construir uma acusação em cima de um detector. No máximo é motivo para olhar o trabalho com mais atenção e conversar — e essa conversa começa com uma pergunta, não com uma sentença. Mais sobre como essas ferramentas funcionam: detectores de texto de IA: será que funcionam?.

Nossa pesquisa: o que acontece quando a correção fica com a máquina

Em 17 de julho de 2026 levantamos os dados dos maiores cursos de IA na Udemy e na Coursera: número de alunos, notas, proporção de avaliações negativas e as próprias avaliações. Procurávamos concorrentes e achamos um caso de aula pronto. Porque as plataformas on-line já fizeram o experimento que a escola ainda vai enfrentar: trocaram a correção humana pela automática. O resultado foram os próprios alunos que escreveram, literalmente.

A escala, para você saber de quem estamos falando: Google AI Essentials tem 1.876.929 inscritos. Generative AI for Everyone, da DeepLearning.AI (Andrew Ng): 814.083. Prompt Engineering for ChatGPT, da Vanderbilt: 698.444. Generative AI: Prompt Engineering Basics, da IBM: 654.256. Google Prompting Essentials: 365.425. Prompt Engineering Specialization, da Vanderbilt: 138.967. São milhões de pessoas, e entre elas estão seus alunos do ensino médio e os pais deles.

«100% correct»: a sentença contra a correção automática

Esta avaliação merece ser impressa e pregada na sala dos professores:

«you send your assignments and immediatly you got your results: 100% correct. I am still speechless. I put all that effort in and have no idea whether I my answer was correct or not.» — Shinysheep, 21/09/2023, 1★ (Vanderbilt, Prompt Engineering for ChatGPT)

A pessoa entregou o trabalho, recebeu na hora um «100% correct» e saiu sem a menor ideia de ter ido bem ou mal. Não é falha da plataforma. É um limite estrutural: dentro da aula da Coursera não existe modelo nenhum, então ali não há fisicamente nada capaz de avaliar o prompt de um aluno. A única coisa que o sistema sabe fazer é aceitar o arquivo e carimbar.

O que isso significa para a sua turma: uma nota dada sem que uma pessoa tenha lido o trabalho não diz nada ao aluno. Informação zero. E o mesmo vale na direção contrária: a porcentagem do detector também sai sem que ninguém tenha lido o trabalho. Muda só o sinal: de um lado um dez automático, do outro uma acusação automática. Os dois não valem nada, e pelo mesmo motivo.

E é isto que acontece com quem estuda quando a correção é automática e não há retorno:

«Videos are too short and superficial so you end up memorizing sentence by sentence to pass quizzes. Not a learning experience.» — Laurie J Phillips, 12/04/2024, 3★ (IBM)

«quizzes give unhelpful feedback for incorrect answers and just say 'watch the video again'» — Cory Covino, 04/05/2024, 2★ (IBM)

«All the coding is done in the labs for you. You won't have to debug anything or figure anything out, just press shift-enter.» — Cornelius Griggs, 1★ (Generative AI with LLMs)

Três avaliações, três sintomas que todo professor reconhece: decoreba para passar num teste, um retorno que se resume a «assista ao vídeo de novo» e um exercício em que já está tudo feito e basta apertar uma tecla. Nenhum dos três fala de IA. Os três falam de uma avaliação que deixou de ser conversa. A IA aqui não é a causa, é o acelerador: onde a tarefa se fecha com um botão, o aluno acha o botão.

«Ele só lê o slide»: o que isso significa para a sua aula

O motivo mais frequente nas avaliações negativas que juntamos (§4.1 da nossa pesquisa) não é dificuldade nem preço. É a sensação de que o professor não faz falta:

«why read straight from the slide? I can do that. This was not a helpful course at all» — Janie I., 02/07/2026, 1★ (Justin Barnett, 152.821 alunos)

«50% of this course is reading script like a robot from the slides. …they are just reading text from the slides which you can also you from any good website» — Shashank T., 13/04/2026, 1★ (The Complete AI Guide)

«Written by AI, delivered by AI. The slides are way too crowded to be useful and it really doesn't help to have the bot read them out word-for-word» — Bradley M., 16/04/2026, 1★ (RPATech, 118.803 alunos)

A lição para a escola é desagradável, mas útil: se o conteúdo da sua aula dá para ler num slide, a IA lê melhor — mais rápido, a qualquer hora, quantas vezes precisar. A parte de ensinar que consiste em transmitir informação já tiraram de você, e ela não volta. Sobra a parte que modelo nenhum faz: perceber que aquela criança específica travou naquele passo específico, fazer uma pergunta a ela, pegar o erro no raciocínio e não na frase. É exatamente aí que repensar as tarefas rende.

«Só teoria que a gente já sabe»

Um segundo grupo de avaliações explica por que o aluno recorre à máquina logo de cara:

«The content of this course is incredibly simple to the point of uselessness, it is essentially stating that generative AI exists and listing a bunch of example models.» — Nicholas Munford, 1★ (Generative AI: Introduction and Applications)

«Didnt meet expectations, only theory is discussed which we already know.» — Aditya Nagavolu, 19/11/2023, 1★ (Generative AI for Everyone)

Uma tarefa que não pede nada além de repetir o já sabido vai ser fechada pelo caminho mais barato. Não é questão de moral, é economia de esforço. «Escreva uma redação sobre amizade» avisa com toda a honestidade: aqui não se quer nada pessoal, nada verificável, nada seu. O modelo é o primeiro a ouvir o aviso.

O conteúdo vence — e os testes vencem junto

Mais um grupo, importante para quem pretende dar uma aula sobre IA:

«Stable diffusion, Dalle and Midjourney are not GAN architecture powered. They're diffusion models.» — Jose C., 12/05/2026, 1★ (Barnett)

«The content is mostly from 2023. …I invested my 41 hours and Im learning content which is from 2023. Very disappointed.» — Harsh A., 09/04/2026, 1,5★ (The Complete AI Guide)

«Most content is from 2024. This course is not bad for its time, but just too dated now.» — Martin F., 27/05/2026, 2★ (Generative AI for Beginners, com um «atualizado em 18/04/2026» na descrição)

A primeira é a mais afiada. O erro mora nos vídeos e nos testes: ou seja, o aluno precisa marcar a resposta errada para ganhar o ponto. Conclusão prática para a aula: não a construa em torno de capturas de tela e de uma lista de modelos da moda. Isso vence até o próximo bimestre. Construa em torno do que não vence: como verificar uma afirmação, de onde saiu um número, por que certa pergunta não se responde com um prompt só.

Sobre a proporção de avaliações negativas — e uma ressalva honesta contra nós mesmos

Calculamos a proporção de notas iguais ou abaixo de 3,5★ nos maiores cursos da Udemy: 9,61% em Generative AI for Beginners (409.492 alunos, nota 4,53), 10,36% em The Complete AI Guide (376.845 alunos, 42 horas, 545 aulas) e pelo menos 4,00% em Prompt and Context Engineering 101, de Mike Wheeler (84.942 alunos, 4,31 — a pior nota da amostra). Na Coursera a proporção negativa é bem menor: 1,5% a 3,5%.

A ressalva sem a qual esses números não podem ser lidos: o filtro por estrelas da Coursera roda no navegador, e o servidor sempre devolve a primeira página de avaliações. Ou seja, as citações acima vêm da visão padrão que qualquer visitante vê, não de uma amostra completa das negativas. A distância entre «1,5% a 3,5%» e «9,61%» não pode ser lida como «na Coursera se ensina melhor»: as plataformas têm públicos diferentes, barreiras de entrada diferentes e formas diferentes de coletar avaliações. Trazemos isso como medição, não como julgamento de qualidade.

O que funciona no lugar

Mude o foco: não «como eu pego», e sim «como eu faço copiar não valer a pena». A IA é excelente em tarefas despersonalizadas — «escreva uma redação sobre amizade», «faça um trabalho sobre vulcões». Ela é ruim em tarefas amarradas a uma pessoa específica, a um momento específico e a dados específicos que não estão na internet.

Seis formas de repensar uma tarefa

1. Amarre à experiência pessoal. Não «uma redação sobre amizade», e sim «um momento da sua vida em que você entendeu que amizade nem sempre é divertida: descreva o lugar, a hora e o que exatamente você sentiu». O modelo vai inventar, e a invenção desaba na primeira pergunta de acompanhamento. Erro clássico: acrescentar a palavra «pessoal» ao enunciado de sempre e achar que repensou a tarefa. «Escreva sobre sua experiência pessoal com amizade» se resolve com a mesma facilidade da versão original.
2. Amarre à aula. «Use os três exemplos que vimos na quinta-feira e explique por que o quarto exemplo do livro não serve aqui.» A IA não tem a sua quinta-feira. A força está na segunda metade: explicar por que algo não serve é bem mais difícil do que listar o que serve.
3. Dê os seus dados. Uma enquete da turma, medições do laboratório, uma tabela que você mesmo montou. O aluno trabalha com a IA em cima desses dados — e isso já é uma habilidade legítima, não cola. De brinde: a turma inteira tem os mesmos dados e conclusões diferentes, e as divergências viram a aula.
4. Peça o processo, não o produto. Um rascunho, um roteiro, uma lista de ideias descartadas e o porquê de terem caído. O texto final a IA escreve num segundo; a história das suas dúvidas, não. Ressalva contra nós mesmos: o processo também dá para falsificar, com um «invente três ideias descartadas». Por isso o processo não funciona sozinho: funciona junto com a defesa oral.
5. Defesa oral. Três minutos, duas perguntas sobre o texto: «explique este parágrafo com suas palavras» e «o que você mudaria se…». É o jeito mais justo e mais rápido de saber de quem é o trabalho, e não exige tecnologia nenhuma. E é justamente o que faltava quando Shinysheep escreveu «I am still speechless».
6. Legalize a IA e exija reflexão. «Pode usar IA. Anexe seus prompts, anexe o que o modelo produziu e escreva o que você mudou e por quê.» Copiar vira análise — e, sinceramente, vira uma aula melhor. De quebra, você vê quem na turma sabe notar os erros do modelo e quem copia sem olhar.

Prompt 1: auditar uma tarefa para ver se dá para copiar

Comece pelo diagnóstico, não pela reforma. Este prompt roda como está — a tarefa já vem preenchida; troque pela sua quando vir como ele se comporta.

Você é um projetista pedagógico. Abaixo há uma tarefa
escolar. Primeiro, faça a tarefa como faria um aluno que a
entrega para uma IA: escreva uma resposta de 150 palavras.
Depois avalie a si mesmo com honestidade.

Tarefa (história, 15 anos): «Escreva uma redação de 500
palavras sobre as causas da Primeira Guerra Mundial».

Depois da sua resposta, faça a análise:
1. Uma nota de copiabilidade de 1 a 10, em que 10 significa
   «entrega sem mexer em nada».
2. O que exatamente no enunciado permitiu isso.
3. Três versões refeitas da tarefa que tornariam inútil a
   sua resposta acima. Em cada uma indique: o que amarra o
   trabalho à experiência pessoal do aluno, aos dados da
   turma ou a uma aula específica; qual artefato do processo
   o aluno entrega; duas perguntas para uma defesa oral de
   três minutos.
4. Para cada versão, tente furá-la e diga por onde ela
   ainda vaza.

Não proponha proibições nem detectores. Preserve o objetivo
de aprendizagem.

O ponto 4 é o que importa. Você está pedindo ao modelo que ataque a própria proposta. Sem esse passo ele entrega três versões elegantes, duas das quais se copiam com a mesma facilidade da original.

Prompt 2: uma demonstração de alucinação na aula

Cinco minutos que valem mais que dez sermões sobre honestidade. Rode ao vivo e mostre a tela.

Fale em detalhe sobre o romance «As cartas salgadas do
porto», de Miriam Aldecoa, publicado em 1934. Resuma o
enredo, cite os personagens principais e explique por que a
crítica da época discutia o final.

Depois, num bloco separado com o título «Verificação»:
- diga claramente se este livro existe de verdade;
- se você não tiver certeza, explique de onde vieram os
  detalhes que escreveu acima;
- liste os sinais pelos quais um leitor poderia ter
  desconfiado que a resposta foi inventada.

Esse livro não existe. Há dois desfechos possíveis, e os dois dão uma boa aula. Ou o modelo inventa com toda a segurança enredo e personagens (e se entrega sozinho no bloco «Verificação»), ou admite com honestidade que não conhece o livro. O segundo desfecho não estraga a demonstração: pergunte à turma por que o modelo hesitou aqui e não hesita quando solta uma data ou uma fonte no dever de casa deles. A mecânica: alucinações da IA.

Prompt 3: quinze variações de um problema em um minuto

O outro lado: a rotina que engole suas noites. Este prompt é autossuficiente e roda como está.

Faça 15 variações de um problema para alunos de 11-12 anos
usando o mesmo método, mas com números e situações
diferentes.

Problema modelo: «A biblioteca da escola tem 240 livros. 35%
são de ficção e o resto são livros didáticos. Ao longo do
ano a biblioteca compra mais 60 livros didáticos. Qual
porcentagem do acervo é ficção agora?»

Requisitos:
- escolha os números de modo que as respostas tenham no
  máximo duas casas decimais;
- as situações devem ser variadas e do dia a dia, sem
  repetição;
- faça cinco variações um passo mais fáceis e cinco mais
  difíceis (acrescente um dado que não é necessário para
  resolver);
- termine com uma tabela de respostas separada, mostrando a
  resolução completa de cada uma.

Confira sua aritmética antes de imprimir e marque com
asterisco as variações de que você não tem certeza.

A última linha pesa mais do que parece: esses modelos calculam pior do que escrevem. Confira as respostas de qualquer jeito — mas reduzir a conferência às variações marcadas já salva uma noite.

Prompt 4: perguntas para a defesa oral

Você é professor. Abaixo há um parágrafo do trabalho de um
aluno. Escreva cinco perguntas para uma defesa oral de três
minutos que não possam ser respondidas apenas relendo o
parágrafo em voz alta.

Parágrafo: «A Revolução Industrial mudou a estrutura da
sociedade. Surgiu uma nova classe, os operários industriais,
cuja situação era dura: jornadas longas, trabalho infantil,
ausência de seguro. Ao mesmo tempo as cidades cresceram, o
que gerou problemas de saneamento e moradia».

Para cada pergunta, indique:
- o que ela realmente verifica (compreensão da causa,
  capacidade de dar um exemplo, capacidade de perceber uma
  simplificação);
- como soa a resposta de quem entendeu;
- como soa a resposta de quem entregou o texto de outra
  pessoa.

À parte, aponte três lugares do parágrafo em que o autor
suavizou algo, e como perguntar sobre cada um.

Essa última instrução é a parte mais útil. Lugares suavizados existem em todo texto, e uma pergunta mirada neles trava tanto o aluno que copiou quanto o que escreveu sozinho sem pensar. Essa distância entre «texto entregue» e «pessoa entendeu» é exatamente o que você quer medir.

Língua de ensino: o número que muda o olhar sobre os não nativos

Se a sua turma tem crianças para quem a língua de ensino não é a materna, vale conhecer este resultado revisado por pares. Bälter, Kann, Mutimukwe e Malmström (Applied Linguistics Review 15(6): 2373–2396, 2024) fizeram um ensaio controlado randomizado com 2.263 estudantes suecos: o mesmo curso on-line de programação, ministrado em sueco e em inglês.

• Evasão na língua materna: 57%. Evasão em inglês: 71% (φ=0,2; p<0,00001).
• Nota média entre os que seguiram ativos: 16,9 contra 14,3 (δ=0,085 — um tamanho de efeito desprezível).

Leia com atenção: a língua não prejudicou a compreensão — quem ficou tirou quase a mesma nota. Ela fez as pessoas irem embora. Mais um detalhe: a fluência autodeclarada não protegia da evasão maior.

Daí duas consequências para a escola. Primeira: quando um aluno que escreve numa segunda língua produz um texto mais simples e mais seco, isso não é sinal de preguiça nem sinal de modelo. É o preço que ele paga por trabalhar na língua do outro. Segunda: um detector que reage à simplicidade vai bater sistematicamente justo nele. A combinação — mais risco de evasão e mais risco de acusação falsa — faz dele a pessoa mais exposta da sua sala. É a única categoria em que o erro do professor custa o máximo.

Como saber se a reforma deu certo

Um teste de honestidade simples: pegue sua tarefa nova, cole inteira num chat e veja o que sai. Se o modelo produzir um texto que um aluno poderia entregar como está, você não repensou a tarefa: só alongou. Se o modelo produzir uma casca plausível e oca, que desaba diante de «e de onde vieram esses números?», você está no caminho certo.

Segundo sinal: um aluno que fez o trabalho honestamente deve conseguir defendê-lo por três minutos sem preparo. Se não conseguir, ou ele não entendeu, ou a tarefa verifica outra coisa que não a que você queria. As duas conclusões servem, e nenhuma precisa de detector.

Terceiro sinal, o mais rigoroso: dois alunos que fizerem sua tarefa honestamente devem entregar trabalhos diferentes. Se os trabalhos honestos são indistinguíveis entre si, a tarefa mede obediência e não pensamento — e a máquina fecha ela.

Cinco erros típicos ao repensar

• Alongar em vez de repensar. A regra «no mínimo 1000 palavras» só castiga o aluno que escreve sozinho.
• «Com suas palavras» como fórmula mágica. Os modelos são excelentes «com suas palavras». Essa frase é um desejo, não uma restrição.
• Proibir IA sem ter como verificar. Uma regra cujo cumprimento você não consegue ver ensina exatamente uma coisa: que dá para não cumprir regras.
• Apostar num tema raro. «Sobre isso com certeza não tem nada na internet» é quase sempre falso e cai por terra em um minuto. Raros devem ser os dados, não o tema.
• Acusar por causa de uma porcentagem. O mais caro de todos. Uma acusação falsa custa a confiança da turma inteira por anos; uma cola que passa despercebida custa uma nota.

Como conversar sobre isso com a turma

Um «IA é proibida» e ponto fracassa pelo mesmo motivo que fracassou a proibição das calculadoras: a ferramenta está no bolso de todo mundo, e o aluno usa independentemente da sua opinião. O que funciona é um acordo dito em voz alta.

• Diga as regras com todas as letras. Onde a IA pode (buscar ideias, explicar algo que não ficou claro, revisar ortografia), onde não pode (entregar texto gerado como seu) e o que precisa ser declarado se foi usada.
• Explique o porquê. Não «porque é desonesto», e sim «porque o que você entrega não é um texto, é o seu entendimento; texto sem entendimento não vale nada, nem para mim nem para você».
• Fale das alucinações. Os alunos sinceramente não sabem que os modelos inventam fatos, datas e fontes com a maior segurança. Uma demonstração na aula vale por dez sermões — o prompt 2 acima roda direto desta página.
• Mostre a eles a avaliação do Shinysheep. Sério. «I put all that effort in and have no idea whether I my answer was correct or not» é exatamente o que sente um aluno que recebe nota sem comentário. A conversa sobre para que serve a correção humana começa mais fácil pelo exemplo dos outros do que pelo seu diário de classe.
• Nunca acuse por causa de uma porcentagem. Se um trabalho levanta dúvidas, pergunte: «me conta como você escreveu isso».

Onde a IA ajuda o próprio professor

A rotina que engole suas noites se automatiza surpreendentemente bem.

• Gerar 15 variações do mesmo tipo de problema com números diferentes (prompt 3 acima)
• Reescrever um texto no nível da sua turma, ou adaptá-lo para um aluno com dificuldade
• Montar uma rubrica de avaliação e perguntas de defesa oral (prompt 4 acima)
• Inventar um aquecimento, um debate ou um jogo de papéis de 5 minutos
• Fazer um rascunho de comentário sobre um trabalho — que depois você reescreve para aquela criança específica

Um limite firme: não cole no chat trabalhos de alunos com nomes, notas ou qualquer detalhe pessoal. São dados pessoais de crianças, e regras como o GDPR se aplicam por inteiro. Anonimize antes de enviar, ou use ferramentas aprovadas pela escola. Mais: privacidade ao trabalhar com IA.

E um segundo limite, que sai direto dos nossos próprios dados: rascunho de comentário é rascunho. A máquina que dá nota sem que uma pessoa leia o trabalho se chama «100% correct» e não ensina nada a ninguém. Não repita o erro dos outros com o seu material.

O essencial

Caçar não adianta, os detectores não são confiáveis, as proibições não funcionam. Outra coisa funciona: tarefas em que o valor é criado por uma pessoa e a IA é só ferramenta. Os maiores cursos de IA do mundo, que contam alunos às centenas de milhares e aos milhões, já mostraram onde a correção automática termina: «100% correct» e retorno zero. Você tem sobre eles exatamente uma vantagem, e ela é enorme: você pode fazer uma pergunta e ouvir a resposta. Se quiser primeiro entender esses modelos você mesmo, comece pelo guia de ChatGPT para iniciantes, pelo nosso artigo sobre prompts e pela análise das alucinações.