DA PROIBIÇÃO À MEDIAÇÃO: A RESISTÊNCIA DOCENTE À INTELIGÊNCIA ARTIFICIAL GENERATIVA NO ENSINO SUPERIOR COMO OBSTÁCULO À FORMAÇÃO CRÍTICA DOS ESTUDANTES

REGISTRO DOI: 10.70773/revistatopicos/787187356

RESUMO
Este artigo analisa a resistência docente à inteligência artificial generativa no ensino superior como obstáculo à formação crítica dos estudantes. Parte-se da constatação de que a difusão acelerada dessas ferramentas encontrou instituições despreparadas, cuja reação predominante oscilou entre a interdição normativa, o recurso a detectores automatizados e o silêncio institucional. O objetivo geral consiste em examinar de que modo a conversão da inteligência artificial em objeto de interdição disciplinar, e não de mediação pedagógica, compromete o desenvolvimento da autonomia intelectual discente. A metodologia adotada foi a revisão bibliográfica de natureza qualitativa, exploratória e analítico-crítica, com levantamento de estudos publicados entre 2021 e 2026 em bases científicas nacionais e internacionais, complementada pela análise de documentos normativos brasileiros e de orientações internacionais. Os resultados indicam que o paradigma da detecção carece de sustentação técnica, uma vez que os classificadores automatizados apresentam taxas elevadas de falso positivo e penalizam desproporcionalmente redatores não nativos; que a proibição não reduz o uso, apenas o desloca para a clandestinidade; e que o silêncio docente transfere ao estudante uma decisão ética que caberia à mediação institucional. Conclui-se que a resistência docente, ainda que ancorada em preocupações epistemicamente legítimas quanto à erosão cognitiva, produz efeito contrário ao pretendido, e que a superação desse impasse exige redesenho avaliativo, política institucional explícita e incorporação do letramento crítico em inteligência artificial ao currículo.
Palavras-chave: Inteligência Artificial Generativa; Resistência Docente; Ensino Superior; Letramento Crítico; Ética Educacional.

ABSTRACT
This article examines faculty resistance to generative artificial intelligence in higher education as an obstacle to students' critical formation. It departs from the observation that the accelerated diffusion of these tools met unprepared institutions, whose predominant reaction has oscillated between normative prohibition, reliance on automated detectors and institutional silence. The general objective is to examine how the conversion of artificial intelligence into an object of disciplinary interdiction, rather than pedagogical mediation, compromises the development of student intellectual autonomy. The methodology consisted of a bibliographic review of a qualitative, exploratory and analytical-critical nature, surveying studies published between 2021 and 2026 in national and international scientific databases, complemented by the analysis of Brazilian normative documents and international guidelines. The results indicate that the detection paradigm lacks technical support, since automated classifiers present high false positive rates and disproportionately penalise non-native writers; that prohibition does not reduce usage but merely displaces it into clandestinity; and that faculty silence transfers to the student an ethical decision that should fall to institutional mediation. It is concluded that faculty resistance, although anchored in epistemically legitimate concerns regarding cognitive erosion, produces an effect contrary to the intended one, and that overcoming this impasse requires assessment redesign, explicit institutional policy and the incorporation of critical artificial intelligence literacy into the curriculum.
Keywords: Generative Artificial Intelligence; Faculty Resistance; Higher Education; Critical Literacy; Educational Ethics.

1. INTRODUÇÃO

A liberação pública de sistemas conversacionais baseados em modelos de linguagem de grande porte, a partir do final de 2022, alterou em poucos meses as condições materiais de produção do trabalho acadêmico. Aquilo que, até então, constituía objeto de especulação em periódicos especializados converteu-se em prática cotidiana de milhões de estudantes universitários, sem que as instituições de ensino superior dispusessem de qualquer arcabouço normativo, pedagógico ou formativo capaz de absorver o fenômeno. A assimetria entre a velocidade de difusão da tecnologia e a lentidão da resposta institucional constitui o pano de fundo sobre o qual se assenta o problema examinado neste trabalho.

Os dados disponíveis evidenciam a magnitude dessa assimetria. Barbosa et al. (2026b), em revisão sistemática de estudos empíricos publicados entre 2021 e 2026, identificam que a adoção de ferramentas de inteligência artificial generativa entre universitários ultrapassa noventa por cento em alguns países e alcança aproximadamente setenta por cento no Brasil. No polo institucional, o levantamento conduzido sob os auspícios da Organização das Nações Unidas para a Educação, a Ciência e a Cultura constatou que menos de dez por cento das escolas e universidades no mundo dispunham de orientação formal sobre o uso dessas ferramentas (Miao; Holmes, 2023). Existe, portanto, um descompasso estrutural: a prática discente é massiva, a regulação institucional é residual.

Nesse intervalo, consolidou-se um conjunto de respostas docentes que este artigo designa genericamente por resistência. O termo não é empregado em sentido pejorativo nem psicologizante. Designa, antes, um conjunto de posicionamentos profissionais e institucionais que compartilham um traço comum: o tratamento da inteligência artificial generativa como ameaça a ser contida, e não como objeto a ser pedagogicamente mediado. Essa resistência assume configurações diversas, que vão da proibição explícita em planos de ensino ao recurso a softwares de detecção automatizada, do retorno compulsório a instrumentos avaliativos manuscritos ao silêncio deliberado sobre o tema em sala de aula.

A literatura brasileira recente confirma a existência e a persistência desse quadro. Parreira, Lehmann e Oliveira (2021), ao investigarem a percepção docente sobre tecnologias de segunda geração, identificaram que a adoção dessas ferramentas é atravessada por expectativas ambivalentes, insegurança profissional e demanda por formação continuada. Silva et al. (2025), em revisão sistemática da literatura produzida entre 2020 e 2025, apontam que os desafios mais recorrentemente registrados pelos docentes do ensino superior concentram-se na integridade acadêmica, na confiabilidade das informações geradas e nas questões éticas relativas à privacidade e ao viés algorítmico. Santos e Silva (2026), por sua vez, registram que as resistências manifestadas por professores associam-se predominantemente ao desconhecimento conceitual e à insegurança quanto ao próprio domínio da ferramenta, e não a uma posição pedagógica deliberadamente construída.

O problema que orienta esta pesquisa pode ser assim formulado: em que medida a resistência docente à inteligência artificial generativa, ao deslocar essa tecnologia do campo da mediação pedagógica para o da interdição disciplinar, compromete precisamente a formação crítica que pretende proteger? A questão não é retórica. Se a proibição não reduz o uso, mas apenas o torna invisível; se os instrumentos técnicos de fiscalização são comprovadamente falíveis e socialmente regressivos; e se o silêncio institucional transfere ao estudante uma decisão ética para a qual ele não foi formado, então a resposta restritiva produz exatamente o resultado que pretendia evitar.

O objetivo geral deste artigo consiste em analisar de que modo a resistência docente à inteligência artificial generativa no ensino superior opera como obstáculo à formação crítica dos estudantes. Como objetivos específicos, propõe-se: caracterizar as configurações típicas dessa resistência a partir da literatura disponível; examinar a sustentação técnica do paradigma da detecção automatizada; analisar os efeitos formativos do vácuo pedagógico produzido pelo silêncio institucional; reconhecer a legitimidade epistêmica das preocupações que fundamentam a resistência; e, por fim, sistematizar parâmetros para a transição de uma lógica de interdição para uma lógica de mediação.

A justificativa da pesquisa apoia-se em três ordens de razões. Do ponto de vista teórico, a produção acadêmica sobre inteligência artificial na educação concentra-se predominantemente na figura do estudante, restando comparativamente subexplorada a dimensão da agência docente e institucional. Do ponto de vista prático, as instituições brasileiras de ensino superior encontram-se em processo de formulação de suas primeiras políticas sobre o tema, e a qualidade dessas decisões depende da disponibilidade de análises que não se reduzam nem ao alarmismo nem ao entusiasmo tecnológico. Do ponto de vista social, a Lei nº 14.533, de 11 de janeiro de 2023, que instituiu a Política Nacional de Educação Digital, e a tramitação do Projeto de Lei nº 2.338, de 2023, sinalizam que o ordenamento jurídico brasileiro caminha para exigir das instituições educacionais um posicionamento explícito sobre governança algorítmica, tornando insustentável a manutenção da omissão.

Delimitado o objeto, o trabalho organiza-se em cinco seções. A fundamentação teórica examina a resistência docente como fenômeno multideterminado, discute a ética como fundamento pedagógico e não como cláusula restritiva, analisa o problema da erosão epistêmica e situa a questão da desigualdade digital. A seção metodológica descreve os procedimentos adotados. A seção de resultados e discussões apresenta a análise das categorias identificadas. As considerações finais retomam o problema formulado e avaliam o cumprimento dos objetivos propostos.

2. FUNDAMENTAÇÃO TEÓRICA

2.1. A Resistência Docente Como Fenômeno Multideterminado

A compreensão adequada da resistência docente à inteligência artificial generativa exige que se descarte de saída a explicação mais simples e mais difundida, segundo a qual o professor resistiria por incompetência técnica ou por conservadorismo geracional. Essa leitura, além de empiricamente frágil, é analiticamente estéril, pois converte um problema institucional em atributo individual e desloca para o sujeito a responsabilidade por uma falha de política.

Parreira, Lehmann e Oliveira (2021) oferecem chave interpretativa mais produtiva ao distinguirem tecnologias de primeira geração, cuja incorporação ao trabalho docente ocorreu de modo relativamente incremental, das tecnologias de segunda geração, que incidem diretamente sobre operações cognitivas antes consideradas exclusivamente humanas. A diferença não é de grau, mas de natureza: enquanto o projetor multimídia ampliava o repertório de mediação do professor, o sistema generativo é capaz de produzir, em segundos, o próprio artefato que a avaliação pretendia mensurar. A resistência, nesse enquadramento, deixa de ser rejeição a um instrumento e passa a ser reação a uma reconfiguração da identidade profissional.

Os autores identificam ainda efeitos menos positivos associados ao uso extensivo dessas ferramentas, entre os quais a dificuldade de aprofundamento analítico decorrente da rapidez das trocas informacionais e o enviesamento da percepção provocado pela superficialidade do processamento. A recomendação que formulam é significativa para os fins deste trabalho: a resposta adequada não seria a interdição, mas o fortalecimento de competências interpessoais e estratégicas do professor, que passaria a atuar menos como transmissor e mais como consultor, analista e pesquisador da própria prática.

Essa interpretação encontra respaldo nos dados brasileiros mais recentes. Santos e Silva (2026) verificaram que, embora predomine entre os docentes uma visão instrumental e operacional da inteligência artificial, as resistências registradas associam-se ao desconhecimento conceitual e à insegurança, e não a uma recusa fundamentada. Trata-se, portanto, de resistência por ausência de mediação formativa, e não por convicção pedagógica. A distinção é decisiva, pois indica que o problema comporta solução institucional.

2.2. A Ética Como Fundamento Pedagógico e Não Como Cláusula Restritiva

Um dos equívocos mais persistentes no debate sobre inteligência artificial na educação consiste em reduzir a dimensão ética a um conjunto de proibições. Nessa leitura, agir eticamente equivale a abster-se, e a política institucional se esgota na enumeração daquilo que é vedado. Barbosa et al. (2026c) contestam frontalmente essa redução ao demonstrarem que a presença massiva das tecnologias digitais na educação não é neutra e carrega implicações éticas relativas à privacidade, à equidade, à autonomia e à formação do pensamento crítico, o que torna insuficiente qualquer abordagem meramente instrumental ou técnica.

A consequência dessa constatação é relevante. Se a tecnologia não é neutra, a abstenção institucional tampouco o é. Omitir-se diante da inteligência artificial não constitui posição de neutralidade ética, mas decisão com efeitos éticos determinados, entre os quais a transferência integral do juízo valorativo ao usuário menos preparado para exercê-lo. A formação ética, nesse sentido, não é anexo moralizante do currículo, mas condição de possibilidade do uso crítico e responsável, conforme sustentam os autores ao proporem o letramento digital crítico como eixo articulador.

Cavalcante e Lemos (2023) situam a mesma questão no terreno específico da produção do conhecimento acadêmico. As autoras discutem os problemas de autoria, originalidade e compromisso ético na construção textual, atribuindo ao professor papel central nesse processo. A pergunta que formulam não é se o estudante deve ou não utilizar a ferramenta, mas sob quais condições a utilização preserva a autoria intelectual. Deslocar a discussão da permissão para a condição constitui, precisamente, o movimento que a resistência por interdição impede.

Do ponto de vista normativo, essa concepção encontra amparo no ordenamento jurídico brasileiro. A Constituição Federal de 1988, ao estabelecer os princípios sobre os quais o ensino deve ser ministrado, consagra a liberdade de aprender, ensinar, pesquisar e divulgar o pensamento, a arte e o saber, bem como o pluralismo de ideias e de concepções pedagógicas (Brasil, 1988). A Lei de Diretrizes e Bases da Educação Nacional, por sua vez, define com precisão as finalidades da educação superior:

Art. 43. A educação superior tem por finalidade: I - estimular a criação cultural e o desenvolvimento do espírito científico e do pensamento reflexivo; II - formar diplomados nas diferentes áreas de conhecimento, aptos para a inserção em setores profissionais e para a participação no desenvolvimento da sociedade brasileira, e colaborar na sua formação contínua; III - incentivar o trabalho de pesquisa e investigação científica, visando o desenvolvimento da ciência e da tecnologia e da criação e difusão da cultura, e, desse modo, desenvolver o entendimento do homem e do meio em que vive (Brasil, 1996).

A leitura conjunta desses dispositivos é esclarecedora. O legislador não atribui à educação superior a função de certificar a ausência de auxílio tecnológico, mas a de estimular o pensamento reflexivo e de formar profissionais aptos a participar do desenvolvimento social. Um egresso incapaz de operar criticamente com as ferramentas que estruturam o exercício contemporâneo de sua profissão não cumpre a finalidade prevista no inciso II, ainda que tenha sido rigorosamente impedido de utilizá-las durante a graduação. A interdição generalizada, nesse sentido, apresenta-se em tensão com a própria teleologia legal do ensino superior.

O ordenamento avançou ainda mais na direção da mediação com a promulgação da Lei nº 14.533, de 2023, que instituiu a Política Nacional de Educação Digital e acrescentou à Lei de Diretrizes e Bases dispositivo segundo o qual as relações entre o ensino e a aprendizagem digital deverão prever técnicas, ferramentas e recursos digitais que fortaleçam os papéis de docência e aprendizagem do professor e do aluno e que criem espaços coletivos de mútuo desenvolvimento (Brasil, 2023). A formulação legal é inequívoca ao situar a tecnologia digital como elemento de fortalecimento, e não de substituição, da relação pedagógica.

2.3. Erosão Epistêmica: O Problema Real por Trás da Reação Institucional

Seria intelectualmente desonesto tratar a resistência docente como pânico infundado. Existe um núcleo empírico consistente que sustenta a preocupação, e ignorá-lo enfraqueceria a própria argumentação aqui desenvolvida. Barbosa et al. (2026b) sistematizam esse núcleo ao investigarem a relação entre o uso intensivo de inteligência artificial generativa por universitários e aquilo que denominam erosão do conhecimento real, entendida como o esvaziamento progressivo das competências cognitivas que o ensino superior pretende formar.

Os achados reunidos pelos autores convergem para um padrão. Estudos com mensuração neural, levantamentos de larga escala e análises de desempenho acadêmico associam o uso dependente da ferramenta à redução da conectividade neural, ao descarregamento cognitivo e à queda em indicadores de pensamento crítico e de rendimento. A investigação conduzida por Kosmyna et al. (2025) é ilustrativa desse conjunto: mediante eletroencefalografia aplicada a cinquenta e quatro participantes divididos em três condições experimentais, os pesquisadores verificaram que o grupo que redigiu sem qualquer auxílio apresentou as redes neurais mais fortes e distribuídas, o grupo que utilizou mecanismo de busca apresentou engajamento intermediário e o grupo que utilizou modelo de linguagem exibiu a conectividade mais fraca. Os participantes do último grupo relataram ainda o menor senso de autoria sobre os textos produzidos e demonstraram maior dificuldade em citar trechos daquilo que haviam acabado de escrever.

A conclusão a que chegam Barbosa et al. (2026b) é, entretanto, precisamente aquela que a resistência por interdição não incorpora. Os autores sustentam que o problema não reside na ferramenta, mas no modo de uso: a inteligência artificial empregada como substituta do esforço cognitivo, e não como apoio, converte-se em vetor de erosão epistêmica, o que exige redesenho avaliativo e formação em literacia crítica. A variável determinante, portanto, não é a presença ou ausência da tecnologia, mas a qualidade da mediação que organiza sua utilização. Proibir sem mediar não altera essa variável; apenas retira do professor a possibilidade de intervir sobre ela.

2.4. Desigualdade Digital e o Efeito Regressivo da Interdição

A discussão sobre proibição e mediação não pode ser conduzida em abstração das condições materiais de acesso. Barbosa et al. (2026a) analisam a inclusão digital como condição de efetividade do direito fundamental à educação em contexto de disseminação acelerada da inteligência artificial, apoiando-se em dados secundários das pesquisas TIC Domicílios e TIC Educação. Os autores evidenciam um contraste significativo: embora noventa e seis por cento das escolas brasileiras disponham de acesso à internet, apenas vinte e dois por cento dos indivíduos contam com conectividade significativa, isto é, com condições efetivas de uso qualificado.

O dado tem implicação direta sobre o problema aqui examinado. Quando a instituição opta pela interdição, o resultado prático não é a supressão do uso, mas sua estratificação. Estudantes com melhores condições materiais, maior repertório linguístico e acesso a versões pagas das ferramentas continuam utilizando-as com baixa probabilidade de detecção, ao passo que estudantes em situação de vulnerabilidade, que dependeriam mais intensamente de mediação formativa qualificada, permanecem sem orientação e mais expostos a acusações. A proibição, nesse sentido, opera como mecanismo regressivo: pune com maior severidade quem já dispunha de menos recursos.

3. METODOLOGIA

A presente pesquisa caracteriza-se como revisão bibliográfica de natureza qualitativa, com finalidade exploratória e abordagem analítico-crítica. A opção metodológica justifica-se pela natureza do objeto: trata-se de fenômeno recente, em curso e ainda insuficientemente sistematizado, cuja compreensão demanda o mapeamento e a articulação crítica da produção acadêmica disponível, e não a mensuração de variáveis previamente estabilizadas.

O levantamento bibliográfico foi conduzido nas bases Scientific Electronic Library Online, Portal de Periódicos da Coordenação de Aperfeiçoamento de Pessoal de Nível Superior, Scopus, Directory of Open Access Journals e Google Acadêmico, complementadas por repositórios institucionais de acesso aberto. Adotaram-se como descritores, em português e em inglês, as expressões inteligência artificial generativa, resistência docente, ensino superior, integridade acadêmica, letramento em inteligência artificial e redesenho avaliativo, combinadas por operadores booleanos.

O recorte temporal compreendeu publicações do período de 2021 a 2026, em conformidade com a exigência de atualidade das fontes em pesquisas da área de ciências humanas, admitindo-se como exceção obras clássicas e documentos normativos cuja vigência independe da data de promulgação. Foram estabelecidos como critérios de inclusão: pertinência temática direta ao objeto; disponibilidade do texto integral em acesso aberto; publicação em periódico com avaliação por pares ou em documento institucional de organismo reconhecido. Foram excluídos textos de natureza estritamente opinativa, publicações sem identificação autoral e materiais de divulgação comercial.

Ao corpus bibliográfico agregou-se corpus documental composto pela Constituição Federal de 1988, pela Lei de Diretrizes e Bases da Educação Nacional, pela Lei nº 14.533, de 2023, pelo Projeto de Lei nº 2.338, de 2023, em tramitação no Congresso Nacional, e pelas orientações internacionais sobre inteligência artificial generativa em educação e pesquisa. A inclusão desse corpus atende à necessidade de confrontar as práticas institucionais identificadas na literatura com os parâmetros normativos que as vinculam.

O tratamento do material seguiu os procedimentos da análise de conteúdo, organizados em três etapas. Na pré-análise, procedeu-se à leitura flutuante do material recuperado e à constituição do corpus definitivo. Na exploração, os textos foram codificados segundo unidades de registro temáticas. Na etapa de tratamento e interpretação, as unidades foram agrupadas em cinco categorias analíticas, a saber: configurações da resistência docente; sustentação técnica do paradigma da detecção; efeitos formativos do vácuo pedagógico; legitimidade epistêmica da preocupação docente; e parâmetros de mediação. Essas categorias organizam a seção seguinte.

Cumpre registrar, por fim, os limites do desenho adotado. Por tratar-se de revisão bibliográfica, os achados aqui apresentados possuem caráter analítico e não permitem generalização estatística. A investigação não produziu dados primários sobre práticas docentes em instituições brasileiras específicas, lacuna que se indica como agenda para estudos posteriores de natureza empírica.

4. RESULTADOS E DISCUSSÕES

4.1. As Configurações Típicas da Resistência Docente

A análise do material permitiu identificar quatro configurações recorrentes por meio das quais a resistência docente se manifesta na prática institucional. Essas configurações não são mutuamente excludentes e frequentemente coexistem na mesma instituição, ou mesmo no mesmo curso, o que reforça a hipótese de ausência de política institucional coordenada.

Quadro 1. Configurações típicas da resistência docente à inteligência artificial generativa

Fonte: elaborado pelos autores a partir de Miao e Holmes (2023), Silva et al. (2025), Santos e Silva (2026) e Corbin, Dawson e Liu (2025).

A distribuição dessas configurações não é aleatória. Corbin, Dawson e Liu (2025) propõem distinção analítica que auxilia a compreendê-la, ao separarem mudanças discursivas, que operam pela comunicação de expectativas aos estudantes, de mudanças estruturais, que alteram a natureza, o formato ou a mecânica das próprias tarefas avaliativas. As quatro configurações identificadas no Quadro 1 partilham uma característica comum: nenhuma delas é estrutural. Todas atuam sobre a superfície do problema, seja pela via normativa, seja pela via fiscalizatória, seja pela via da omissão, sem redesenhar aquilo que efetivamente determina a possibilidade de substituição do esforço cognitivo, isto é, a arquitetura da avaliação.

4.2. A Inviabilidade Técnica do Paradigma da Detecção

Entre as quatro configurações, a fiscalização automatizada merece exame detido, por ser aquela que se apresenta com maior pretensão de objetividade técnica e, simultaneamente, aquela cuja sustentação empírica é mais frágil. A promessa implícita nos softwares de detecção é a de que a autoria de um texto pode ser determinada por análise estatística de suas propriedades formais. Os dados disponíveis não sustentam essa promessa.

Weber-Wulff et al. (2023) conduziram um dos testes mais abrangentes já realizados sobre o tema, submetendo quatorze ferramentas de detecção a um conjunto documental original que incluía textos humanos, textos gerados por sistemas de inteligência artificial, textos traduzidos automaticamente e textos submetidos a técnicas de ofuscação. A conclusão dos autores é categórica: as ferramentas disponíveis não são nem acuradas nem confiáveis, apresentam viés sistemático na direção da classificação de conteúdos como humanos e têm seu desempenho significativamente deteriorado por procedimentos simples de reescrita. Em termos práticos, isso significa que o instrumento falha justamente contra o usuário sofisticado, que conhece as técnicas de evasão, e acerta com maior frequência contra o usuário ingênuo.

O achado de Liang et al. (2023) agrava consideravelmente o quadro ao revelar dimensão discriminatória do problema. Os pesquisadores submeteram a sete detectores amplamente utilizados um conjunto de redações produzidas por candidatos ao exame de proficiência em língua inglesa e um conjunto de redações produzidas por estudantes estadunidenses. Enquanto o segundo grupo foi classificado com acurácia próxima da perfeição, mais da metade das redações do primeiro grupo foi incorretamente rotulada como gerada por inteligência artificial, com taxa média de falso positivo de sessenta e um vírgula três por cento. Dezoito das noventa e uma redações foram unanimemente classificadas como artificiais por todos os detectores, e noventa e sete vírgula oito por cento delas foram assinaladas por ao menos um deles.

A explicação técnica oferecida pelos autores é tão relevante quanto o dado. Redatores não nativos apresentam menor variabilidade lexical e sintática, o que se traduz em textos de menor perplexidade estatística, propriedade que os classificadores interpretam como indício de geração automática. Os detectores, portanto, não medem autoria: medem sofisticação linguística e penalizam sistematicamente quem dispõe de menor repertório expressivo. A transposição desse instrumento para o contexto brasileiro, marcado por profunda heterogeneidade de trajetórias escolares prévias, produziria efeito socialmente regressivo de magnitude previsível.

A articulação entre esse achado e os dados de desigualdade digital sistematizados por Barbosa et al. (2026a) revela a dimensão completa do problema. O estudante oriundo de escola pública, com repertório linguístico formado em condições precárias e sem acesso a conectividade significativa, é simultaneamente aquele que menos recebe mediação formativa e aquele com maior probabilidade de ser falsamente acusado pelo instrumento de fiscalização. A política de detecção, concebida para proteger a integridade acadêmica, converte-se em mecanismo de reprodução da desigualdade que a educação superior deveria contribuir para reduzir.

4.3. O Vácuo Pedagógico e a Transferência da Decisão Ética

A quarta configuração identificada, o silêncio institucional, é a menos visível e possivelmente a mais consequente. Diferentemente da interdição e da fiscalização, que ao menos explicitam uma posição, o silêncio produz aquilo que aqui se designa por vácuo pedagógico: espaço no qual a prática discente ocorre sem qualquer referência normativa, formativa ou valorativa fornecida pela instituição.

A dimensão desse vácuo é mensurável. Se, conforme Miao e Holmes (2023), menos de dez por cento das instituições dispunham de orientação formal sobre o tema, e se, conforme Barbosa et al. (2026b), a adoção entre universitários brasileiros aproxima-se de setenta por cento, segue-se que a esmagadora maioria dos estudantes brasileiros utiliza cotidianamente uma tecnologia sobre a qual sua instituição de ensino jamais se pronunciou. O estudante é assim colocado em posição insustentável: precisa decidir, sozinho e sem formação prévia, questões de autoria, de honestidade intelectual e de responsabilidade epistêmica que a comunidade acadêmica levou séculos para estabilizar.

Cavalcante e Lemos (2023) situam com precisão a natureza do que se perde nesse processo, ao identificarem o compromisso ético na construção textual como objeto legítimo do trabalho docente. Quando esse compromisso não é tematizado, o que o estudante aprende não é a abster-se, mas a ocultar. A competência efetivamente desenvolvida pelo vácuo pedagógico é a dissimulação, e não a integridade. Trata-se de resultado formativo, ainda que não intencional, e é precisamente por não ser intencional que ele escapa à avaliação institucional.

Barbosa et al. (2026c) apontam a alternativa ao demonstrarem que a formação ética constitui condição para o uso crítico e responsável das tecnologias educacionais, e não restrição externa a ele. A ausência dessa formação não produz neutralidade: produz delegação. E a delegação, em matéria ética, equivale à abdicação da função docente naquilo que ela tem de mais próprio, que é a mediação entre o sujeito em formação e os critérios de validade partilhados por uma comunidade de conhecimento.

4.4. A Legitimidade Epistêmica da Preocupação Docente

A crítica desenvolvida nas subseções anteriores incidiu sobre os instrumentos da resistência, não sobre as razões que a motivam. Essa distinção precisa ser explicitada, sob pena de a argumentação incorrer no erro simétrico ao que denuncia, substituindo o alarmismo pelo entusiasmo acrítico. As preocupações docentes são, em seu núcleo, epistemicamente legítimas e encontram sustentação empírica robusta.

A evidência mais consistente diz respeito ao descarregamento cognitivo. Os achados de Kosmyna et al. (2025), somados ao conjunto de estudos sistematizados por Barbosa et al. (2026b), indicam que a delegação sistemática de operações de elaboração a sistemas generativos correlaciona-se com redução mensurável de engajamento neural, com enfraquecimento do senso de autoria e com queda em indicadores de pensamento crítico. Não se trata de conjectura pedagógica, mas de resultado obtido por instrumentação neurofisiológica e por análise de desempenho.

Cabe, contudo, registrar as limitações desses achados, sob pena de conferir-lhes peso probatório superior ao que suportam. O estudo de Kosmyna et al. (2025) operou com amostra reduzida, especialmente na sessão final, na qual apenas dezoito dos cinquenta e quatro participantes iniciais completaram o protocolo. Os efeitos foram observados em tarefa específica de redação dissertativa, em contexto experimental controlado, e sua generalização para a diversidade de práticas do ensino superior requer cautela. A prudência metodológica não invalida o achado, mas recomenda que ele seja tratado como indício consistente, e não como demonstração conclusiva.

Há, ademais, uma segunda ordem de preocupação legítima, de natureza propriamente epistemológica. A escrita acadêmica não é registro de um pensamento previamente constituído; é o próprio processo pelo qual o pensamento se constitui. Quando o estudante delega a redação, não delega apenas a tarefa de transcrever ideias, mas o trabalho intelectual de formá-las. A perda, nesse caso, não é de produto, mas de processo, e é precisamente por isso que ela se torna invisível a instrumentos avaliativos centrados no produto.

O reconhecimento dessa legitimidade fortalece, e não enfraquece, a tese aqui defendida. Se o risco de erosão epistêmica é real, então a resposta institucional precisa ser eficaz, e a proibição comprovadamente não o é. A crítica à interdição não decorre de subestimação do risco, mas do reconhecimento de que a interdição não o mitiga. Como sustentam Barbosa et al. (2026b), a variável decisiva é o modo de uso, e o modo de uso somente pode ser conformado por mediação, jamais por vedação.

4.5. Da Interdição à Mediação: Parâmetros para o Redesenho Institucional

A superação do impasse identificado exige a substituição da pergunta que orienta as políticas institucionais. Enquanto a questão for se o estudante deve ou não utilizar a ferramenta, a resposta oscilará entre proibição inaplicável e permissão irrestrita, ambas pedagogicamente estéreis. A pergunta produtiva é outra: quais capacidades a instituição precisa assegurar que o egresso desenvolveu por si, e quais tarefas podem ser legitimamente realizadas em colaboração com sistemas automatizados.

Corbin, Dawson e Liu (2025) formalizam essa reorientação ao sustentarem que mudanças meramente discursivas são insuficientes e que a integridade avaliativa depende de alterações estruturais na arquitetura das tarefas. A proposta que articulam organiza o percurso formativo em duas vias complementares. Na primeira, concentram-se as avaliações destinadas a assegurar o desenvolvimento efetivo das capacidades nucleares, realizadas em condições de segurança avaliativa que permitam autenticação da autoria. Na segunda, situam-se as tarefas nas quais a colaboração com sistemas de inteligência artificial é não apenas permitida, mas deliberadamente ensinada, avaliada e problematizada.

A operacionalização dessa arquitetura em nível de tarefa individual encontra instrumento adequado na escala proposta por Perkins et al. (2024), que estabelece níveis progressivos de utilização, desde a vedação integral até o emprego criativo e exploratório, exigindo do docente que explicite, para cada atividade, o patamar autorizado e a justificativa pedagógica correspondente. O mérito do instrumento não reside na taxonomia em si, mas na obrigação que impõe ao professor de fundamentar sua decisão, o que interrompe tanto o automatismo da proibição quanto o da permissividade.

Complementarmente, Bearman et al. (2024) deslocam o foco para o desenvolvimento do juízo avaliativo discente, entendido como capacidade de reconhecer qualidade em produções próprias e alheias. Essa competência assume relevância acrescida em contexto no qual o estudante depara-se rotineiramente com textos fluentes cuja fiabilidade é incerta. Formar o juízo avaliativo significa habilitar o estudante a verificar, contestar e recusar o produto do sistema, competência que a proibição, ao impedir o contato mediado, torna impossível de desenvolver.

Quadro 2. Deslocamentos requeridos na transição da lógica de interdição para a lógica de mediação

Fonte: elaborado pelos autores a partir de Corbin, Dawson e Liu (2025), Perkins et al. (2024), Bearman et al. (2024), Miao e Holmes (2023) e Barbosa et al. (2026a, 2026b, 2026c).

Os deslocamentos sistematizados no Quadro 2 não constituem receituário de aplicação imediata, e sua implementação depende de condições institucionais que muitas instituições brasileiras ainda não reúnem, notadamente em matéria de formação continuada docente e de infraestrutura. O ponto que interessa reter é de outra ordem: nenhum desses deslocamentos é viável enquanto a inteligência artificial permanecer classificada como objeto de interdição. A mediação pressupõe o reconhecimento institucional da presença da tecnologia, e é exatamente esse reconhecimento que a resistência recusa.

O cenário normativo torna a inércia progressivamente insustentável. O Projeto de Lei nº 2.338, de 2023, aprovado pelo Senado Federal em dezembro de 2024 e ainda em tramitação na Câmara dos Deputados, estrutura-se sobre classificação de sistemas por nível de risco e sobre direitos de transparência, explicação e contestação atribuídos aos afetados por decisões automatizadas (Brasil, 2023b). Convergentemente, as orientações formuladas por Miao e Holmes (2023) sustentam abordagem humanista centrada na preservação da agência humana e recomendam que as instituições educacionais assumam posição explícita quanto à validação pedagógica e ética dessas ferramentas. Em ambos os casos, a omissão institucional deixa de ser opção legítima e passa a configurar descumprimento de dever.

5. CONSIDERAÇÕES FINAIS

O problema que orientou esta investigação indagava em que medida a resistência docente à inteligência artificial generativa, ao converter essa tecnologia em objeto de interdição disciplinar e não de mediação pedagógica, compromete a formação crítica que pretende proteger. A análise desenvolvida autoriza resposta afirmativa, ainda que qualificada.

A resistência compromete a formação crítica por três mecanismos distintos e cumulativos. O primeiro é técnico: o paradigma da detecção automatizada carece de sustentação empírica, apresenta taxas de erro incompatíveis com a gravidade das sanções que fundamenta e penaliza de modo desproporcional os estudantes com repertório linguístico menos sofisticado, produzindo efeito socialmente regressivo. O segundo é comportamental: a interdição não suprime a prática, apenas a desloca para fora do campo de visibilidade institucional, substituindo a formação da integridade pela aprendizagem da dissimulação. O terceiro é formativo: o silêncio institucional transfere ao estudante uma decisão ética complexa para cujo exercício ele não foi preparado, invertendo a relação pedagógica na exata medida em que a responsabilidade migra do mediador para o mediado.

A resposta é qualificada porque as preocupações que fundamentam a resistência não são infundadas. A evidência disponível sobre descarregamento cognitivo, redução do engajamento neural e enfraquecimento do senso de autoria confere legitimidade epistêmica ao receio docente, e seria intelectualmente frágil descartá-lo como conservadorismo. O que a análise demonstra não é a inexistência do risco, mas a ineficácia do instrumento escolhido para enfrentá-lo. Reconhecer a legitimidade do diagnóstico e recusar a adequação da terapêutica são operações compatíveis e, no caso examinado, necessárias.

Os objetivos específicos foram atendidos. Caracterizaram-se quatro configurações típicas da resistência, a saber, a interdição normativa, a fiscalização automatizada, a regressão instrumental e o silêncio institucional, tendo-se verificado que nenhuma delas opera alterações estruturais na arquitetura avaliativa. Examinou-se a sustentação técnica do paradigma da detecção, concluindo-se por sua inviabilidade. Analisaram-se os efeitos do vácuo pedagógico. Reconheceu-se a legitimidade das preocupações docentes e delimitaram-se seus alcances. Por fim, sistematizaram-se parâmetros de transição da lógica de interdição para a lógica de mediação, organizados em torno do redesenho estrutural das tarefas, da explicitação dos níveis autorizados de utilização, do desenvolvimento do juízo avaliativo discente e da incorporação curricular do letramento crítico.

A tese que o trabalho sustenta pode ser assim sintetizada: a ferramenta não determina o resultado formativo, o modo de uso o determina, e o modo de uso é conformado por mediação. Proibir sem mediar não protege o pensamento crítico; apenas retira do docente a possibilidade de intervir sobre as condições em que ele é ou não exercido. A universidade que se recusa a discutir a inteligência artificial não impede que seus estudantes a utilizem, apenas garante que a utilizem sem critério.

Reconhecem-se as limitações do estudo. Por tratar-se de revisão bibliográfica, os achados possuem alcance analítico e não permitem inferência estatística sobre o conjunto das instituições brasileiras. Parte relevante da evidência empírica mobilizada provém de contextos anglófonos, cuja transposição para a realidade nacional exige cautela, e a produção brasileira sobre a agência docente diante da inteligência artificial no ensino superior ainda é escassa. Como agenda de pesquisa, sugere-se a realização de estudos empíricos de abordagem mista junto a docentes de instituições brasileiras, com atenção às diferenças entre áreas do conhecimento, entre instituições públicas e privadas e entre modalidades presencial e a distância, bem como investigações longitudinais capazes de avaliar os efeitos formativos de políticas de mediação efetivamente implementadas.

REFERÊNCIAS BIBLIOGRÁFICAS

BARBOSA, Nathacha Ferreira et al. Inclusão digital como condição de efetividade do direito fundamental à educação na era da inteligência artificial. Revista Ibero-Americana de Humanidades, Ciências e Educação, São Paulo, v. 12, n. 7, p. 1-13, 2026a. DOI: 10.51891/rease.v12i7.29045. Disponível em: https://periodicorease.pro.br/rease/article/view/29045. Acesso em: 29 jul. 2026.

BARBOSA, Nathacha Ferreira et al. Quem pensa quando a IA pensa? A erosão do conhecimento real entre universitários no uso da inteligência artificial generativa. Revista Ibero-Americana de Humanidades, Ciências e Educação, São Paulo, v. 12, n. 7, p. 1-25, 2026b. DOI: 10.51891/rease.v12i7.28727. Disponível em: https://periodicorease.pro.br/rease/article/view/28727. Acesso em: 29 jul. 2026.

BARBOSA, Nathacha Ferreira et al. Tecnologias educacionais e formação ética: caminhos para um uso crítico e responsável. Revista Ibero-Americana de Humanidades, Ciências e Educação, São Paulo, v. 12, n. 7, p. 1-26, 2026c. DOI: 10.51891/rease.v12i7.28939. Disponível em: https://periodicorease.pro.br/rease/article/view/28939. Acesso em: 29 jul. 2026.

BEARMAN, Margaret et al. Developing evaluative judgement for a time of generative artificial intelligence. Assessment & Evaluation in Higher Education, London, p. 1-13, 2024. DOI: 10.1080/02602938.2024.2335321.

BRASIL. Congresso Nacional. Senado Federal. Projeto de Lei nº 2.338, de 2023. Dispõe sobre o uso da Inteligência Artificial. Brasília, DF, 2023b. Disponível em: https://www25.senado.leg.br/web/atividade/materias/-/materia/157233. Acesso em: 29 jul. 2026.

BRASIL. Constituição da República Federativa do Brasil de 1988. Brasília, DF: Presidência da República, 1988. Disponível em: https://www.planalto.gov.br/ccivil_03/constituicao/constituicao.htm. Acesso em: 29 jul. 2026.

BRASIL. Lei nº 14.533, de 11 de janeiro de 2023. Institui a Política Nacional de Educação Digital e altera as Leis nºs 9.394, de 20 de dezembro de 1996, e 9.998, de 17 de agosto de 2000. Brasília, DF: Presidência da República, 2023a.

BRASIL. Lei nº 9.394, de 20 de dezembro de 1996. Estabelece as diretrizes e bases da educação nacional. Brasília, DF: Presidência da República, 1996. Disponível em: https://www.planalto.gov.br/ccivil_03/leis/l9394.htm. Acesso em: 29 jul. 2026.

CAVALCANTE, Ilane Ferreira; LEMOS, Elizama das Chagas. Reflexões sobre a produção do conhecimento em face da Inteligência Artificial. Revista de Educação PUC-Campinas, Campinas, v. 28, e8671, 2023. DOI: 10.24220/2318-0870v28e2023a8671.

CORBIN, Thomas; DAWSON, Phillip; LIU, Danny. Talk is cheap: why structural assessment changes are needed for a time of GenAI. Assessment & Evaluation in Higher Education, London, p. 1-11, 2025. DOI: 10.1080/02602938.2025.2503964.

FREIRE, Paulo. Pedagogia da autonomia: saberes necessários à prática educativa. São Paulo: Paz e Terra, 1996.

KOSMYNA, Nataliya et al. Your brain on ChatGPT: accumulation of cognitive debt when using an AI assistant for essay writing task. Cambridge: MIT Media Lab, 2025. arXiv:2506.08872. Disponível em: https://arxiv.org/abs/2506.08872. Acesso em: 29 jul. 2026.

LIANG, Weixin et al. GPT detectors are biased against non-native English writers. Patterns, Cambridge, v. 4, n. 7, e100779, 2023. DOI: 10.1016/j.patter.2023.100779.

MIAO, Fengchun; HOLMES, Wayne. Guidance for generative AI in education and research. Paris: UNESCO, 2023. Disponível em: https://www.unesco.org/en/articles/guidance-generative-ai-education-and-research. Acesso em: 29 jul. 2026.

PARREIRA, Artur; LEHMANN, Lúcia; OLIVEIRA, Mariana. O desafio das tecnologias de inteligência artificial na Educação: percepção e avaliação dos professores. Ensaio: Avaliação e Políticas Públicas em Educação, Rio de Janeiro, v. 29, n. 113, p. 975-999, 2021. DOI: 10.1590/S0104-40362020002803115.

PERKINS, Mike et al. The Artificial Intelligence Assessment Scale (AIAS): a framework for ethical integration of generative AI in educational assessment. Journal of University Teaching and Learning Practice, v. 21, n. 6, p. 49-66, 2024. DOI: 10.53761/q3azde36.

PERKINS, Mike; ROE, Jasper; FURZE, Leon. Reimagining the Artificial Intelligence Assessment Scale (AIAS): a refined framework for educational assessment. Journal of University Teaching and Learning Practice, v. 22, n. 7, 2025.

SANTOS, Z.; SILVA, R. S. R. da. Percepções sobre a Inteligência Artificial na Educação: um olhar a partir de professores da educação básica. Educitec: Revista de Estudos e Pesquisas sobre Ensino Tecnológico, Manaus, v. 12, e275526, 2026.

SILVA, R. R. da et al. Inteligência artificial generativa para docentes na educação superior: revisão sistemática da literatura de 2020 a 2025. Caderno Pedagógico, v. 22, n. 11, e20062, 2025. DOI: 10.54033/cadpedv22n11-241.

UNESCO. Recomendação sobre a Ética da Inteligência Artificial. Paris: UNESCO, 2021. Disponível em: https://www.unesco.org. Acesso em: 29 jul. 2026.

WEBER-WULFF, Debora et al. Testing of detection tools for AI-generated text. International Journal for Educational Integrity, v. 19, n. 26, p. 1-39, 2023. DOI: 10.1007/s40979-023-00146-z.