REGISTRO DOI: 10.70773/revistatopicos/777243189
RESUMO
A avaliação educacional na contemporaneidade enfrenta desafios significativos diante da expansão da Inteligência Artificial generativa, especialmente no que se refere à validade de práticas tradicionais centradas na mensuração de resultados e na autoria individual. Este estudo analisa a crise da avaliação tradicional nesse contexto e discute possibilidades de reconfiguração das práticas avaliativas a partir do letramento crítico em IA. A pesquisa adota abordagem qualitativa, de natureza bibliográfica e documental, com base na análise de estudos recentes sobre avaliação educacional, Inteligência Artificial e formação crítica. Os resultados indicam que a capacidade das IAs generativas de produzir conteúdos complexos compromete a eficácia de instrumentos avaliativos convencionais, evidenciando limitações estruturais desses modelos. Observa-se a necessidade de transição para abordagens formativas, centradas em processos, competências e habilidades, bem como a incorporação crítica da tecnologia no contexto educacional. O estudo conclui que o letramento crítico em IA se configura como elemento fundamental para sustentar novas práticas avaliativas, permitindo o uso ético, reflexivo e consciente dessas tecnologias. Dessa forma, a crise da avaliação tradicional é compreendida como oportunidade para a construção de práticas mais alinhadas às demandas contemporâneas.
Palavras-chave: avaliação educacional; inteligência artificial generativa; letramento crítico; práticas avaliativas; educação.
ABSTRACT
Educational assessment in contemporary contexts faces significant challenges due to the expansion of generative Artificial Intelligence, particularly regarding the validity of traditional practices centered on outcome measurement and individual authorship. This study analyzes the crisis of traditional assessment in this context and discusses possibilities for reconfiguring evaluative practices based on critical AI literacy. The research adopts a qualitative approach of bibliographic and documentary nature, based on the analysis of recent studies on educational assessment, Artificial Intelligence, and critical education. The results indicate that the ability of generative AI to produce complex content compromises the effectiveness of conventional assessment instruments, revealing structural limitations of these models. There is a need to shift toward formative approaches focused on processes, competencies, and skills, as well as the critical integration of technology in educational contexts. The study concludes that critical AI literacy is a fundamental element to support new assessment practices, enabling the ethical, reflective, and conscious use of these technologies. Thus, the crisis of traditional assessment is understood as an opportunity to develop practices more aligned with contemporary demands.
Keywords: educational assessment; generative artificial intelligence; critical literacy; assessment practices; education.
1. INTRODUÇÃO
A incorporação de tecnologias digitais na educação tem se intensificado nas últimas décadas, promovendo mudanças significativas nas formas de ensinar, aprender e avaliar. Entre essas transformações, destaca-se o avanço da Inteligência Artificial, especialmente das Inteligências Artificiais Generativas, capazes de produzir textos, imagens e respostas complexas a partir de comandos simples. Essas tecnologias têm ampliado as possibilidades pedagógicas, ao mesmo tempo em que suscitam novas preocupações quanto aos seus impactos nos processos educativos, particularmente no campo da avaliação da aprendizagem (DARTORA, 2025).
No âmbito educacional, a avaliação tradicional historicamente se estruturou com base na verificação de conhecimentos por meio de produtos finais, como provas e trabalhos escritos, sustentando-se na ideia de autoria individual e na mensuração objetiva do desempenho discente. Esse modelo, embora amplamente consolidado, tem sido questionado frente às mudanças tecnológicas e às novas demandas formativas. Estudos recentes apontam que práticas avaliativas precisam ser constantemente reavaliadas e reestruturadas para manter sua pertinência em relação aos processos de ensino e aprendizagem (SANTOS et al., 2025).
Com o avanço das IAs generativas, essas tensões se intensificam. A possibilidade de estudantes recorrerem a sistemas capazes de produzir respostas elaboradas desafia diretamente os pressupostos da avaliação tradicional, colocando em dúvida sua eficácia como instrumento de aferição do conhecimento. Nesse contexto, cresce a preocupação com aspectos como autoria, ética, confiabilidade das produções e desenvolvimento da autonomia intelectual. Ao mesmo tempo, pesquisadores têm destacado que essas tecnologias também podem contribuir para a construção de práticas avaliativas mais formativas, centradas no desenvolvimento de competências, habilidades e processos de aprendizagem (DARTORA, 2025).
Paralelamente, emerge a necessidade de promover o letramento em Inteligência Artificial, entendido como a capacidade de compreender, utilizar e analisar criticamente essas tecnologias. Esse letramento envolve não apenas aspectos técnicos, mas também dimensões éticas, sociais e culturais, sendo fundamental para a formação de sujeitos capazes de atuar de forma consciente em uma sociedade cada vez mais mediada por sistemas algorítmicos (ABRANTES DA SILVA, 2025). Nessa perspectiva, o desenvolvimento do pensamento crítico torna-se elemento central para que o uso da IA não resulte em dependência tecnológica ou reprodução acrítica de informações.
Outro aspecto relevante refere-se às implicações sociopolíticas do uso da IA na educação. A literatura aponta que a adoção dessas tecnologias não ocorre de forma neutra, podendo reforçar desigualdades e assimetrias de poder, especialmente em contextos marcados por dependência tecnológica em relação a países desenvolvedores dessas ferramentas (ABRANTES DA SILVA, 2025). Esse cenário amplia a complexidade do debate e reforça a necessidade de abordagens críticas que considerem não apenas os aspectos pedagógicos, mas também os impactos sociais mais amplos.
Diante dessas transformações, observa-se a emergência de uma crise na avaliação tradicional, caracterizada pela inadequação de seus pressupostos frente às novas formas de produção do conhecimento mediadas por tecnologias digitais. Essa crise se configura como um problema relevante de pesquisa, uma vez que compromete a validade dos processos avaliativos e exige a construção de novas abordagens mais coerentes com o contexto contemporâneo. Assim, o problema que orienta este estudo pode ser formulado da seguinte maneira: de que forma a expansão da Inteligência Artificial generativa tensiona os modelos tradicionais de avaliação educacional e quais possibilidades se apresentam para sua reconfiguração a partir do letramento crítico em IA?
A relevância desta pesquisa justifica-se tanto no âmbito teórico quanto prático. Do ponto de vista teórico, contribui para o aprofundamento das discussões sobre avaliação educacional em contextos digitais, articulando-as com o campo emergente dos letramentos em IA. Do ponto de vista prático, oferece subsídios para que educadores repensem suas práticas avaliativas, considerando as potencialidades e limitações das tecnologias contemporâneas. A escolha do tema também se relaciona com a necessidade de compreender um fenômeno atual que impacta diretamente o cotidiano educacional, exigindo respostas fundamentadas e contextualizadas.
Dessa forma, o objetivo geral deste estudo é analisar a crise da avaliação tradicional na era da Inteligência Artificial generativa e discutir possibilidades de reconfiguração das práticas avaliativas à luz do letramento crítico em IA. Como objetivos específicos, busca-se identificar os limites da avaliação tradicional frente ao uso dessas tecnologias, analisar as contribuições da literatura recente sobre avaliação e IA e discutir caminhos para a construção de práticas avaliativas mais formativas, éticas e críticas.
Este artigo organiza-se a partir da análise de estudos recentes sobre Inteligência Artificial, avaliação educacional e letramento crítico, com o intuito de compreender os desafios impostos por esse cenário e propor reflexões que contribuam para a construção de novas perspectivas avaliativas no contexto educacional contemporâneo.
2. AVALIAÇÃO, IA GENERATIVA E LETRAMENTO CRÍTICO
A compreensão da crise da avaliação tradicional na era da inteligência artificial generativa exige a construção de um referencial teórico consistente, capaz de articular diferentes dimensões que atravessam o campo educacional contemporâneo. Entre essas dimensões, destacam-se as transformações tecnológicas na educação, os limites dos modelos avaliativos convencionais e a emergência do letramento crítico como resposta formativa às novas demandas sociais e cognitivas. A incorporação de tecnologias baseadas em inteligência artificial não representa apenas uma inovação instrumental, mas configura uma mudança estrutural na forma como o conhecimento é produzido, acessado e validado, impactando diretamente os fundamentos que sustentam as práticas pedagógicas e avaliativas (ABRANTES DA SILVA, 2025).
No contexto educacional brasileiro, observa-se que essas dimensões não se desenvolvem de maneira isolada, mas se inter-relacionam de forma dinâmica e complexa. O avanço da IA generativa tensiona práticas pedagógicas historicamente consolidadas, ao mesmo tempo em que evidencia fragilidades em modelos de avaliação centrados na reprodução de conteúdos e na mensuração de resultados (DARTORA, 2025). Nesse cenário, o letramento crítico emerge como uma competência essencial, na medida em que possibilita aos sujeitos compreender, interpretar e questionar os processos e produtos gerados por sistemas automatizados (BUZATO, 2025).
Além disso, o debate acadêmico sobre o tema revela um campo em construção, no qual diferentes perspectivas buscam compreender os impactos da inteligência artificial na educação. Apesar dos avanços já observados, ainda persistem lacunas importantes, especialmente no que diz respeito à proposição de modelos avaliativos que dialoguem de forma consistente com a presença dessas tecnologias no cotidiano escolar. Essa condição evidencia a necessidade de aprofundamento teórico e de maior articulação entre diferentes áreas do conhecimento, como educação, linguística aplicada e tecnologias digitais. Nesse sentido, esta seção apresenta um panorama analítico das principais contribuições teóricas sobre o tema, buscando não apenas sustentar a problemática investigada, mas também evidenciar tensões e lacunas que justificam e orientam o desenvolvimento do presente estudo.
2.1. Avaliação Educacional e os Limites do Modelo Tradicional
A avaliação educacional ocupa papel estruturante no processo de ensino e aprendizagem, sendo responsável não apenas pela verificação de conhecimentos, mas também pela orientação das práticas pedagógicas. Tradicionalmente, esse processo tem sido orientado por uma lógica de mensuração, centrada na aferição de resultados por meio de instrumentos como provas e trabalhos escritos, priorizando o desempenho individual e o produto final da aprendizagem. Esse modelo, de caráter predominantemente somativo, sustenta-se na ideia de que o conhecimento pode ser objetivamente medido e validado em contextos controlados.
Essa concepção, no entanto, apresenta limitações importantes, especialmente quando considerada a complexidade dos processos de aprendizagem. A centralidade no resultado final tende a desconsiderar os percursos formativos, as mediações pedagógicas e as dimensões contextuais que atravessam a construção do conhecimento. Nessa direção, Santos et al. (2025) afirmam que “todos os tipos de produtos educacionais necessitam de avaliação e reestruturação constantes para manter seus objetivos ligados aos atos de aprender e ensinar”, indicando que a avaliação deve ser compreendida como um processo dinâmico e não como uma prática fixa e definitiva.
A necessidade de revisão das práticas avaliativas também está relacionada às transformações mais amplas que afetam a educação contemporânea. O avanço das tecnologias digitais e a ampliação do acesso à informação têm modificado as formas de aprender, exigindo abordagens avaliativas que considerem essas novas dinâmicas. Abrantes da Silva (2025) destaca que as tecnologias emergentes, ao ampliarem as possibilidades de produção e circulação de conhecimento, também provocam mudanças nas práticas pedagógicas e nos modos de ensinar e aprender, o que impacta diretamente os processos de avaliação.
Mesmo antes da intensificação do uso da Inteligência Artificial, já se observava um tensionamento dos modelos tradicionais de avaliação, especialmente no que se refere à sua capacidade de captar aprendizagens complexas. A ênfase na reprodução de conteúdos e na padronização de respostas limita o desenvolvimento de habilidades críticas e reflexivas, fundamentais no contexto atual. Nesse sentido, a literatura aponta a necessidade de deslocar o foco da avaliação do produto para o processo, valorizando a construção do conhecimento e a participação ativa do estudante.
Outro limite relevante do modelo tradicional refere-se à centralidade da autoria individual como critério de validação do conhecimento. Essa perspectiva tende a ignorar que a aprendizagem ocorre em contextos interativos e mediados por diferentes ferramentas e agentes. Buzato (2025) propõe compreender as práticas de letramento em contextos contemporâneos a partir de uma perspectiva ecológica, na qual humanos e tecnologias se articulam em “assemblagens cognitivas”, indicando que a produção de conhecimento não pode ser reduzida a uma ação exclusivamente individual. Essa compreensão tensiona diretamente os pressupostos da avaliação tradicional, que se apoia na ideia de autoria isolada.
Além disso, a própria noção de conhecimento como algo estável e passível de mensuração vem sendo questionada. A produção de sentido em contextos digitais envolve múltiplas camadas de mediação, o que exige uma abordagem avaliativa mais flexível e contextualizada. Como apontam Silva, Fiuza e Giacomazzo (2026), o uso de tecnologias digitais na educação demanda o desenvolvimento de uma postura crítica e reflexiva, o que implica repensar não apenas o ensino, mas também as formas de avaliação.
Dessa forma, os limites da avaliação tradicional evidenciam a necessidade de sua reconfiguração frente às transformações contemporâneas. A permanência de práticas centradas na mensuração e na reprodução de conteúdos mostra-se insuficiente para dar conta das demandas atuais, especialmente em um contexto marcado pela crescente mediação tecnológica. Esse cenário prepara o terreno para a compreensão da crise da avaliação educacional, que se intensifica com a emergência das Inteligências Artificiais generativas.
2.2. Inteligência Artificial Generativa e a Crise da Avaliação Educacional
O avanço recente das Inteligências Artificiais generativas tem introduzido uma ruptura significativa nos modos de produção, circulação e validação do conhecimento, impactando diretamente o campo educacional. Diferentemente de tecnologias digitais anteriores, essas ferramentas não apenas mediam o acesso à informação, mas passam a produzir conteúdos complexos em linguagem natural, simulando respostas humanas com alto grau de sofisticação. Essa característica desloca profundamente os pressupostos sobre os quais se estruturam as práticas avaliativas tradicionais.
As IAs generativas, baseadas em grandes modelos de linguagem, operam por meio da identificação de padrões estatísticos em vastos conjuntos de dados, produzindo textos coerentes e contextualizados sem, contudo, compreender semanticamente o conteúdo que geram. Buzato (2025) explica que esses sistemas funcionam a partir de “processamento estatístico poderoso”, cujo objetivo é gerar sequências de linguagem que sejam interpretáveis por humanos, ainda que não haja compreensão propriamente dita por parte da máquina. Esse funcionamento evidencia que a produção textual deixa de ser um marcador exclusivo da cognição humana, o que impacta diretamente a validade de instrumentos avaliativos baseados na escrita.
Nesse contexto, a avaliação educacional enfrenta uma crise que ultrapassa a dimensão instrumental e atinge seus fundamentos epistemológicos. A possibilidade de um estudante recorrer a sistemas capazes de produzir respostas completas e elaboradas compromete a noção de autoria individual, tradicionalmente utilizada como critério de validação do conhecimento. Como consequência, práticas como a elaboração de textos dissertativos, resolução de exercícios e produção de trabalhos acadêmicos passam a não garantir, por si só, evidências confiáveis de aprendizagem.
Essa situação é agravada pela facilidade de acesso a essas tecnologias. Conforme apontam Silva, Fiuza e Giacomazzo (2026), ferramentas como o ChatGPT permitem que usuários “produzam textos completos de diferentes gêneros; produzam resumos; criem planos de aula; estruturem projetos” (p. 47), ampliando significativamente as possibilidades de uso no contexto educacional. Tal cenário altera as relações pedagógicas e desafia diretamente os modelos avaliativos centrados na produção individual.
A crise da avaliação, nesse sentido, não se limita à possibilidade de fraude ou uso indevido das ferramentas, mas revela uma inadequação estrutural dos modelos tradicionais diante de novas formas de produção do conhecimento. Dartora (2025) destaca que a emergência da IA tem levado à necessidade de repensar as práticas avaliativas, indicando a importância de desenvolver abordagens que considerem habilidades, competências e performances, em vez de apenas produtos finais. Essa mudança sugere que a avaliação precisa se deslocar de uma lógica de verificação para uma lógica de acompanhamento e interpretação dos processos de aprendizagem.
Outro aspecto relevante refere-se à opacidade dos sistemas de IA generativa. Buzato (2025) caracteriza esses modelos como “caixas-pretas”, uma vez que seu funcionamento interno não é plenamente interpretável em termos humanos. Essa característica dificulta não apenas a compreensão de como as respostas são produzidas, mas também a avaliação crítica de sua confiabilidade. Como resultado, estudantes podem utilizar conteúdos gerados por IA sem questionar sua veracidade, o que impacta diretamente a qualidade da aprendizagem e a função formativa da avaliação.
Além disso, o uso indiscriminado dessas tecnologias pode gerar dependência cognitiva e comprometer o desenvolvimento de habilidades essenciais, como argumentação, análise crítica e produção autoral. Silva, Fiuza e Giacomazzo (2026) alertam que o uso sem criticidade pode levar à desinformação e à redução do uso das habilidades humanas, evidenciando que a integração da IA na educação exige mediação pedagógica e reflexão ética.
A crise da avaliação educacional, portanto, deve ser compreendida como resultado de um descompasso entre modelos avaliativos consolidados e novas formas de interação com o conhecimento mediadas por tecnologias inteligentes. Esse descompasso evidencia a necessidade de revisão dos critérios, instrumentos e finalidades da avaliação, de modo a torná-la capaz de responder às demandas de um contexto em que a produção de conhecimento é cada vez mais distribuída, mediada e híbrida.
Dessa forma, a emergência da Inteligência Artificial generativa não apenas intensifica as fragilidades já existentes na avaliação tradicional, mas também exige a construção de novos referenciais teóricos e práticos que permitam compreender e avaliar a aprendizagem em sua complexidade contemporânea. Esse movimento aponta para a necessidade de reconfiguração das práticas avaliativas, tema que será aprofundado na seção seguinte.
2.3. Reconfiguração da Avaliação: Perspectivas Formativas na Era da IA
A crise instaurada pela emergência das Inteligências Artificiais generativas impõe a necessidade de reconfiguração das práticas avaliativas, deslocando seu foco de modelos centrados na mensuração de resultados para abordagens que valorizem os processos de aprendizagem. Esse movimento não se limita a uma adaptação técnica, mas implica uma revisão dos fundamentos que orientam a avaliação educacional, exigindo novas formas de compreender, acompanhar e interpretar o desenvolvimento dos estudantes.
Nesse contexto, ganha centralidade a avaliação formativa, entendida como um processo contínuo, orientado para o acompanhamento da aprendizagem e para a promoção do desenvolvimento cognitivo e crítico. Diferentemente da avaliação tradicional, que privilegia o produto final, a avaliação formativa busca evidenciar os percursos de construção do conhecimento, considerando as interações, as mediações e os contextos nos quais a aprendizagem ocorre. Dartora (2025) aponta que, diante do avanço da IA, torna-se necessário o “design de tarefas para avaliar habilidades, competências e performances”, indicando uma mudança significativa no foco avaliativo.
Essa mudança exige a elaboração de estratégias avaliativas que não possam ser facilmente automatizadas ou reproduzidas por sistemas de IA. Isso implica propor atividades que envolvam interpretação, análise crítica, resolução de problemas complexos e produção contextualizada de conhecimento. Nesse sentido, a avaliação passa a valorizar não apenas o que o estudante produz, mas como ele produz, incorporando dimensões processuais que escapam à lógica de respostas prontas.
Outro elemento central nessa reconfiguração é o papel do professor como mediador. Em um cenário no qual a IA pode oferecer respostas imediatas e aparentemente completas, a função docente desloca-se da transmissão de conteúdos para a orientação crítica do uso dessas tecnologias. Silva, Fiuza e Giacomazzo (2026) destacam que a presença da IA no contexto educacional exige uma abordagem mediada, capaz de reconhecer tanto as potencialidades quanto as limitações dessas ferramentas. Essa mediação é fundamental para garantir que o uso da IA contribua para a aprendizagem, e não para sua superficialização.
A própria IA pode ser incorporada como recurso no processo avaliativo, desde que utilizada de forma crítica e intencional. Em vez de ser vista apenas como uma ameaça à integridade da avaliação, pode atuar como ferramenta de apoio, permitindo, por exemplo, a oferta de feedback mais ágil e personalizado. No entanto, essa incorporação exige que os critérios de avaliação sejam claramente redefinidos, de modo a considerar o uso da tecnologia como parte do processo de aprendizagem, e não como um elemento externo a ser simplesmente controlado.
Essa perspectiva está alinhada à compreensão de que o conhecimento, no contexto contemporâneo, é produzido de forma distribuída e mediada por diferentes agentes. Buzato (2025) propõe entender a interação com a IA como parte de uma “assemblagem cognitiva”, na qual humanos e máquinas participam conjuntamente da produção de sentido. Essa concepção desafia diretamente os modelos avaliativos baseados na individualidade e na autonomia isolada, indicando a necessidade de considerar formas híbridas de construção do conhecimento.
Ao mesmo tempo, a reconfiguração da avaliação deve estar atenta aos riscos associados ao uso da IA. A possibilidade de dependência tecnológica, a reprodução de vieses e a circulação de informações imprecisas exigem que a avaliação também contemple a capacidade do estudante de analisar criticamente as respostas geradas por sistemas automatizados. Silva, Fiuza e Giacomazzo (2026) alertam que o uso indiscriminado dessas ferramentas pode comprometer o desenvolvimento de habilidades essenciais, reforçando a importância de uma abordagem avaliativa que estimule a autonomia intelectual.
Dessa forma, a reconfiguração da avaliação na era da IA não implica sua substituição, mas sua ressignificação. Trata-se de construir práticas avaliativas mais coerentes com a complexidade do processo educativo contemporâneo, capazes de integrar tecnologias digitais sem abdicar de seus objetivos formativos. Esse movimento exige a articulação entre inovação pedagógica, reflexão crítica e compromisso ético, preparando o terreno para a incorporação do letramento crítico em IA como fundamento dessas novas práticas.
2.4. Letramento Crítico em IA e as Dimensões Éticas e Sociopolíticas da Avaliação
A reconfiguração da avaliação educacional na era da Inteligência Artificial generativa exige um fundamento teórico que ultrapasse a dimensão instrumental do uso da tecnologia. Nesse sentido, o conceito de letramento crítico em IA emerge como eixo estruturante para a compreensão e transformação das práticas pedagógicas, ao articular competências técnicas, reflexão ética e análise das implicações sociais dessas ferramentas.
O letramento em Inteligência Artificial pode ser compreendido como a capacidade de utilizar essas tecnologias de forma consciente, crítica e responsável, envolvendo não apenas o domínio operacional, mas também a compreensão dos processos que orientam seu funcionamento. Silva, Fiuza e Giacomazzo (2025) definem esse letramento como a habilidade de usar a IA “de modo ético e reflexivo, compreendendo o funcionamento de dados e algoritmos e suas implicações sociais” (p. 47). Essa definição amplia o escopo da formação educacional, deslocando o foco do uso técnico para a construção de uma postura crítica diante da tecnologia.
Essa perspectiva torna-se ainda mais relevante quando se considera a natureza dos sistemas de IA generativa. Como destaca Buzato (2025), esses sistemas operam como estruturas complexas e opacas, cuja lógica de funcionamento não é plenamente acessível aos usuários. Essa opacidade, frequentemente descrita como característica de “caixa-preta”, implica que os sujeitos interagem com resultados sem compreender integralmente os processos que os geraram. Tal condição exige o desenvolvimento de competências críticas capazes de problematizar não apenas o conteúdo produzido, mas também os mecanismos que o sustentam.
Nesse contexto, o letramento crítico em IA assume papel central na avaliação educacional, ao deslocar o foco da simples produção de respostas para a análise dos processos de construção do conhecimento. Avaliar passa a significar, também, verificar a capacidade do estudante de interpretar, questionar e validar informações mediadas por sistemas automatizados. Isso implica considerar não apenas o resultado apresentado, mas a relação estabelecida entre o sujeito e a tecnologia no processo de aprendizagem.
Além disso, o letramento crítico em IA está intrinsecamente ligado às dimensões éticas do uso dessas tecnologias. A produção automatizada de conteúdo levanta questões relacionadas à autoria, à originalidade e à responsabilidade sobre as informações utilizadas. O uso indiscriminado da IA pode levar à reprodução de conteúdos sem reflexão, comprometendo o desenvolvimento da autonomia intelectual. Silva, Fiuza e Giacomazzo (2026) alertam que a utilização sem criticidade pode gerar desinformação e dependência tecnológica, reforçando a necessidade de mediação pedagógica e formação crítica.
As implicações do uso da IA na educação também se estendem ao campo sociopolítico. A produção e o controle dessas tecnologias estão concentrados em grandes corporações globais, o que levanta questões sobre dependência tecnológica e desigualdade no acesso ao conhecimento. Abrantes da Silva (2025) destaca que esse cenário pode reforçar assimetrias de poder, configurando um contexto de neocolonialismo digital, no qual países periféricos tornam-se consumidores de tecnologias desenvolvidas em outros contextos. Essa dimensão amplia o debate educacional, indicando que o uso da IA não pode ser analisado de forma neutra ou descontextualizada.
A partir dessa compreensão, o letramento crítico em IA passa a ser entendido como condição necessária para a construção de práticas avaliativas mais justas e significativas. Ele possibilita que estudantes e professores reconheçam os limites e potencialidades das tecnologias, utilizando-as de forma consciente e alinhada aos objetivos educacionais. Nesse sentido, a avaliação deixa de ser um mecanismo de controle e passa a se constituir como espaço de reflexão, no qual o uso da tecnologia é incorporado de maneira crítica e contextualizada.
Dessa forma, o letramento crítico em IA não apenas sustenta a reconfiguração da avaliação educacional, mas também redefine seus objetivos, orientando-a para a formação de sujeitos autônomos, capazes de atuar de maneira ética e reflexiva em uma sociedade mediada por tecnologias inteligentes. Ao articular dimensões técnicas, cognitivas, éticas e sociopolíticas, esse conceito oferece base teórica consistente para compreender os desafios contemporâneos da educação e aponta caminhos para a construção de práticas avaliativas mais coerentes com as demandas atuais.
Com isso, o referencial teórico aqui apresentado evidencia que a crise da avaliação tradicional, intensificada pela emergência da IA generativa, não deve ser compreendida apenas como um problema, mas como uma oportunidade de transformação. A articulação entre avaliação, tecnologia e letramento crítico permite vislumbrar novas possibilidades pedagógicas, capazes de integrar inovação e reflexão crítica, constituindo o ponto de partida para as análises que serão desenvolvidas nas seções seguintes.
3. METODOLOGIA
Esta pesquisa caracteriza-se como um estudo de abordagem qualitativa, de natureza teórica, desenvolvido a partir de procedimentos bibliográficos e documentais. A escolha desse delineamento está relacionada ao objetivo de analisar a crise da avaliação tradicional na era da Inteligência Artificial generativa, bem como discutir possibilidades de reconfiguração das práticas avaliativas à luz do letramento crítico em IA.
Quanto aos objetivos, trata-se de uma pesquisa exploratória e descritiva. Exploratória, por investigar um fenômeno recente no campo educacional, ainda em processo de consolidação teórica; e descritiva, por organizar, sistematizar e interpretar contribuições já existentes na literatura sobre avaliação educacional, Inteligência Artificial e letramento crítico.
No que se refere aos procedimentos técnicos, a pesquisa foi realizada por meio de levantamento e análise de material bibliográfico constituído por artigos científicos contemporâneos que tratam da temática proposta. O universo da pesquisa compreende produções acadêmicas situadas na interface entre educação e tecnologias digitais, com ênfase na Inteligência Artificial generativa. A amostra foi definida de forma intencional, considerando critérios de relevância temática, atualidade e aderência ao problema de pesquisa, sendo composta por cinco estudos previamente selecionados.
A coleta de dados ocorreu por meio de leitura analítica e interpretativa dos textos, com o objetivo de identificar conceitos, argumentos e categorias relacionadas à avaliação educacional e ao uso da IA. Para auxiliar na organização das informações, foram elaboradas fichas de leitura, nas quais se registraram os principais elementos de cada obra, como objetivos, fundamentos teóricos e contribuições para o tema investigado.
A análise dos dados foi conduzida com base na técnica de análise de conteúdo temática, permitindo a identificação de padrões, convergências e tensões entre os estudos analisados. A partir desse processo, as informações foram organizadas em eixos de discussão que contemplam os limites da avaliação tradicional, os impactos da Inteligência Artificial generativa no contexto educacional, as possibilidades de reconfiguração das práticas avaliativas e o papel do letramento crítico em IA. Essa organização possibilitou uma leitura integrada dos dados, favorecendo a construção de uma análise articulada com os objetivos da pesquisa.
Por se tratar de um estudo de natureza teórica, não houve aplicação de instrumentos em campo nem participação direta de sujeitos. Ainda assim, foram observados os princípios éticos da pesquisa científica, especialmente no que se refere à fidelidade às ideias dos autores e à correta utilização das fontes.
Dessa forma, os procedimentos metodológicos adotados possibilitaram uma análise consistente do problema investigado, contribuindo para a compreensão das transformações que a Inteligência Artificial generativa impõe à avaliação educacional e para a reflexão sobre novas perspectivas formativas.
4. RESULTADOS E DISCUSSÕES OU ANÁLISE DOS DADOS
A análise dos dados foi realizada a partir da leitura interpretativa dos estudos selecionados, conforme os procedimentos metodológicos definidos. Considerando o caráter qualitativo da pesquisa, buscou-se identificar padrões, convergências e tensões nas abordagens teóricas sobre avaliação educacional, Inteligência Artificial generativa e letramento crítico. Os resultados foram organizados de modo a possibilitar uma compreensão articulada do fenômeno investigado, permitindo relacionar os achados da literatura com o problema de pesquisa e os objetivos propostos. A seguir, apresentam-se os principais resultados e suas respectivas discussões, estruturados em dois eixos centrais.
4.1. Síntese dos Dados e a Crise da Avaliação Tradicional na Era da IA
A análise dos estudos selecionados permitiu identificar elementos convergentes que evidenciam a intensificação da crise da avaliação educacional diante da emergência das Inteligências Artificiais generativas. A tabela 1 a seguir apresenta uma sistematização dos principais achados, considerando o foco dos estudos e suas contribuições para o problema investigado.
Tabela 1 – Síntese dos estudos sobre avaliação, IA e letramento crítico
Autor(es) | Foco do estudo | Principais contribuições | Relação com a pesquisa |
Santos et al. (2025) | Avaliação de produtos educacionais | Avaliação como processo contínuo e passível de reestruturação | Fundamenta a crítica à avaliação tradicional |
Dartora (2025) | IA e avaliação educacional | Avaliação por competências, habilidades e performances | Sustenta a reconfiguração da avaliação |
Abrantes da Silva (2025) | IA e impactos sociopolíticos | Discussão sobre desigualdades e neocolonialismo digital | Amplia a análise crítica |
Silva, Fiuza e Giacomazzo (2026) | IA e letramento crítico | Uso ético e reflexivo da IA | Base para formação crítica |
Buzato (2025) | Letramentos críticos em IA | IA como assemblagem cognitiva | Redefine autoria e conhecimento |
Fonte: Elaborado pelo autor (2026)
A partir dessa sistematização, observa-se que a avaliação tradicional, baseada na mensuração de resultados e na centralidade da autoria individual, mostra-se cada vez mais inadequada frente às novas formas de produção do conhecimento mediadas por IA. Os dados indicam que a capacidade dessas tecnologias de gerar textos completos e coerentes compromete diretamente a confiabilidade de instrumentos avaliativos convencionais, como provas dissertativas e trabalhos acadêmicos.
Silva, Fiuza e Giacomazzo (2026) evidenciam que ferramentas de IA permitem a produção automatizada de diferentes gêneros textuais, o que altera significativamente as práticas educacionais. Esse cenário revela que a crise da avaliação não se restringe ao uso indevido da tecnologia, mas expõe limitações estruturais de modelos que já apresentavam fragilidades, como a ênfase na reprodução de conteúdos e na padronização de respostas.
Os dados analisados também reforçam que essa crise possui dimensão epistemológica, uma vez que coloca em questão os próprios critérios de validação do conhecimento. A avaliação deixa de ser um instrumento confiável quando baseada exclusivamente no produto final, exigindo novas formas de compreender e acompanhar a aprendizagem. Nesse sentido, a IA não apenas cria um problema, mas torna visíveis inconsistências já presentes nas práticas avaliativas.
4.2. Reconfiguração da Avaliação e o Papel do Letramento Crítico em IA
Diante das limitações identificadas, os estudos analisados apontam para a necessidade de reconfiguração das práticas avaliativas, com ênfase em abordagens formativas e centradas no processo de aprendizagem. Dartora (2025) destaca que a avaliação deve considerar competências, habilidades e performances, o que implica a construção de instrumentos mais complexos e contextualizados, capazes de evidenciar o desenvolvimento do estudante para além da simples reprodução de respostas.
Essa reconfiguração envolve a valorização de atividades que demandem análise, reflexão e posicionamento crítico, reduzindo a eficácia de respostas automatizadas. Nesse contexto, o papel do professor torna-se ainda mais relevante, assumindo a função de mediador no uso das tecnologias e orientador do processo formativo. A IA, por sua vez, pode ser incorporada como ferramenta pedagógica, desde que utilizada de forma consciente e alinhada aos objetivos educacionais.
Os dados também indicam que o letramento crítico em IA emerge como elemento central para sustentar essa transformação. Silva, Fiuza e Giacomazzo (2026) apontam que esse letramento envolve o uso ético e reflexivo da tecnologia, bem como a compreensão de seus impactos sociais. Essa perspectiva permite que o estudante não apenas utilize a IA, mas também questione seus resultados, limites e implicações.
A abordagem proposta por Buzato (2025) reforça essa compreensão ao considerar a IA como parte de uma assemblagem cognitiva, na qual humanos e máquinas interagem na produção do conhecimento. Essa concepção desafia a ideia de autoria individual e exige novas formas de avaliação, capazes de reconhecer processos híbridos de aprendizagem.
Além disso, a análise evidencia que a incorporação da IA na educação está atravessada por questões éticas e sociopolíticas. Abrantes da Silva (2025) destaca que essas tecnologias podem reforçar desigualdades e relações de dependência, ampliando a complexidade do debate educacional. Assim, a reconfiguração da avaliação não pode ser dissociada de uma postura crítica em relação ao uso da tecnologia.
De forma geral, os resultados indicam que a crise da avaliação tradicional abre espaço para a construção de novas práticas, mais coerentes com o contexto contemporâneo. A articulação entre avaliação formativa e letramento crítico em IA configura-se como um caminho promissor, ao possibilitar a integração entre tecnologia, reflexão e desenvolvimento da autonomia intelectual.
5. CONSIDERAÇÕES FINAIS
A análise desenvolvida evidencia que a avaliação tradicional se mostra insuficiente diante das transformações provocadas pela Inteligência Artificial generativa, confirmando a existência de uma crise associada à fragilidade de seus pressupostos, especialmente aqueles relacionados à autoria individual, à mensuração de resultados e à validação do conhecimento.
O estudo demonstra que a expansão da IA intensifica limitações já presentes nas práticas avaliativas, ao possibilitar a produção automatizada de conteúdos, o que compromete a confiabilidade de instrumentos centrados no produto final. Esse cenário confirma que a avaliação educacional necessita ser reconfigurada para responder às novas dinâmicas de produção do conhecimento.
Os resultados indicam que a adoção de abordagens formativas, centradas em processos, competências e habilidades, constitui um caminho consistente para a superação das limitações identificadas. A avaliação passa a assumir uma função mais ampla, voltada ao acompanhamento da aprendizagem e ao desenvolvimento do pensamento crítico.
O estudo também evidencia que o letramento crítico em Inteligência Artificial se configura como elemento fundamental para essa reconfiguração, ao possibilitar o uso ético, reflexivo e consciente das tecnologias. A formação de sujeitos capazes de compreender e problematizar o uso da IA se mostra essencial para garantir a efetividade das práticas avaliativas no contexto contemporâneo.
Os objetivos da pesquisa são atingidos, uma vez que se torna possível compreender a natureza da crise da avaliação tradicional, analisar seus desdobramentos no contexto da IA generativa e identificar possibilidades de transformação fundamentadas no letramento crítico.
Como contribuição teórica, o estudo amplia a compreensão da relação entre avaliação, tecnologia e formação crítica, articulando esses elementos em uma perspectiva integrada. No âmbito prático, oferece subsídios para a revisão das práticas avaliativas, orientando educadores na construção de abordagens mais coerentes com as demandas atuais.
Como limitação, destaca-se o caráter teórico da pesquisa, que não contempla a análise empírica de práticas avaliativas em contextos reais. Estudos futuros podem investigar a aplicação concreta dessas propostas em ambientes educacionais, bem como analisar a percepção de professores e estudantes sobre o uso da IA nos processos de avaliação.
Conclui-se que a crise da avaliação tradicional não representa apenas um desafio, mas uma oportunidade de transformação, permitindo a construção de práticas mais críticas, formativas e alinhadas às exigências de uma sociedade mediada por tecnologias digitais.
REFERÊNCIAS BIBLIOGRÁFICAS
ABRANTES DA SILVA, R. Inteligência Artificial Generativa na Educação: Potenciais, Desafios e Implicações Críticas para os Letramentos no Sul Global. Gláuks - Revista de Letras e Artes, [S. l.], v. 25, n. 02, p. 63–86, 2025. DOI: 10.47677/gluks.v25i02.545. Disponível em: https://www.revistaglauks.ufv.br/Glauks/article/view/545. Acesso em: 19. ABR. 2026
BUZATO, M. E. K.; GONSALES, P. Dimensões e enfoques alternativos para um modelo de letramentos críticos de inteligência artificial. Revista Brasileira de Linguística Aplicada, v. 25, n. 2, p. e44436, 2025. Disponível em: https://doi.org/10.1590/1984-6398202544436. Acesso em: 19 abr. 2026.
DARTORA, Luiza Pereira; FETTERMANN, Joyce Vieira. Inteligência artificial generativa e avaliação educacional: uma análise documental. SciELO Preprints, 2025. Disponível em: https://doi.org/10.1590/SciELOPreprints.12336. Acesso em: 19 abr. 2026.
SANTOS, Almira Alves dos et al. Validação de produtos educacionais: relato de experiência. Revista Caderno Pedagógico, Curitiba, v. 22, n. 1, p. 1-19, 2025. Disponível em: https://doi.org/10.54033/cadpedv22n1-105. Acesso em: 19 abr. 2026.
SILVA, Juliana Pires da; FIUZA, Patricia Jantsch; GIACOMAZZO, Graziela Fátima. IAs Generativas na Educação: o Letramento em IA e o Pensamento Crítico como caminhos possíveis para o uso consciente. RENOTE, Porto Alegre, v. 24, n. 2, p. 47–58, 2026. DOI: 10.22456/1679-1916.153522. Disponível em: https://seer.ufrgs.br/index.php/renote/article/view/153522. Acesso em: 19 abr. 2026.
1 Mestranda em Tecnologias Emergentes em Educação pela Must University, Campus Florida. E-mail: [email protected]
2 Mestranda em Tecnologias Emergentes em Educação pela Must University, Campus Florida. E-mail: [email protected]
3 Mestranda em Letras pela Universidade Federal da Bahia (UFBA), Campus Salvador. E-mail: [email protected]
4 Mestranda em Tecnologias Emergentes na Educação pela Must University, Campus Florida. E-mail: [email protected]
5 Mestre em Tecnologias Emergentes em Educação pela Must University, Campus Florida. E-mail: [email protected]
6 Mestra em Estudos Interdisciplinares sobre a Universidade pela Universidade Federal da Bahia (UFBA), Campus Salvador. E-mail: [email protected]
7 Especialista em Oralidade e Escrita pela União Brasileira de Faculdades (UniBF), Campus Paraná - PR. E-mail: [email protected]