QUEM ENUNCIA QUANDO A MÁQUINA RESPONDE? DIALOGISMO, AUTORIA, PRODUÇÃO DE SENTIDOS E AVALIAÇÃO EM INTERAÇÕES ENTRE ESTUDANTES E INTELIGÊNCIA ARTIFICIAL GENERATIVA NA EDUCAÇÃO PROFISSIONAL E TECNOLÓGICA

REGISTRO DOI: 10.70773/revistatopicos/788640883

RESUMO
A incorporação da inteligência artificial generativa aos processos educacionais modifica não apenas as formas de produzir textos e resolver problemas, mas também as condições discursivas em que estudantes formulam perguntas, negociam sentidos, avaliam respostas e constroem posições de autoria. Na Educação Profissional e Tecnológica (EPT), essa transformação coloca em questão a capacidade das práticas avaliativas tradicionais de tornar visível a aprendizagem quando parte das operações de leitura, escrita, síntese e elaboração pode ser realizada por sistemas generativos. Este artigo discute essa problemática a partir de uma abordagem qualitativa e bibliográfica, configurada como revisão narrativa da literatura, articulando estudos sobre inteligência artificial na educação, letramento em IA, prompt literacy, avaliação, autoria e formação docente a uma perspectiva discursiva da linguagem. Em diálogo com pressupostos bakhtinianos, propõe-se compreender o prompt como enunciado situado e a interação estudante–IA como uma cadeia de enunciados na qual intenção, resposta, reformulação, avaliação e tomada de posição participam da produção de sentidos. A partir dessa articulação, preserva-se e amplia-se o modelo conceitual I-F-I-A-A — Intenção, Formulação, Interação, Avaliação e Apropriação —, originalmente proposto para organizar evidências processuais de aprendizagem. Defende-se que o valor pedagógico de uma interação não reside na extensão ou sofisticação técnica do prompt, mas na participação discursiva e intelectual do estudante, na capacidade de responder ao outro, avaliar o que recebe, justificar escolhas e sustentar o conhecimento produzido. Conclui-se que a presença da IA desafia a avaliação educacional e, simultaneamente, convoca os estudos da linguagem a investigar novas formas de enunciação, alteridade, autoria e produção de sentidos em ambientes mediados por tecnologias generativas.
Palavras-chave: Inteligência Artificial Generativa; Dialogismo; Enunciado; Autoria; Produção de sentidos; Avaliação da aprendizagem; Educação Profissional e Tecnológica.

ABSTRACT
The incorporation of generative artificial intelligence into educational processes alters not only the ways texts are produced and problems solved but also the discursive conditions under which students formulate questions, negotiate meanings, evaluate responses, and construct positions of authorship. In Vocational and Technological Education (VTE), this transformation challenges the ability of traditional assessment practices to make learning visible when operations such as reading, writing, synthesis, and elaboration can be performed by generative systems. This article addresses this issue through a qualitative, bibliographic approach—structured as a narrative literature review—by linking studies on artificial intelligence in education, AI literacy, prompt literacy, assessment, authorship, and teacher training with a discursive perspective on language. Drawing on Bakhtinian concepts, the study proposes viewing the prompt as a situated utterance and the student-AI interaction as a chain of utterances in which intention, response, reformulation, evaluation, and stance-taking contribute to the production of meaning. Based on this framework, the I-F-I-A-A conceptual model—Intention, Formulation, Interaction, Evaluation, and Appropriation—originally proposed to organize process-based evidence of learning, is preserved and expanded. The article argues that the pedagogical value of an interaction lies not in the length or technical sophistication of the prompt, but in the student's discursive and intellectual engagement—specifically, their ability to respond to the other, evaluate the output received, justify choices, and substantiate the knowledge produced. It concludes that the presence of AI challenges educational assessment while simultaneously calling upon language studies to investigate new forms of enunciation, otherness, authorship, and meaning-making in environments mediated by generative technologies.
Keywords: Generative Artificial Intelligence; Dialogism; Utterance; Authorship; Meaning-making; Learning assessment; Vocational and Technological Education.

1. INTRODUÇÃO

A expansão das ferramentas de inteligência artificial generativa introduziu uma alteração significativa nas práticas contemporâneas de produção e circulação do conhecimento. Sistemas capazes de gerar textos, explicar conceitos, resumir documentos, propor soluções, revisar produções e responder a solicitações formuladas em linguagem natural passaram a participar de atividades que, em contextos escolares, eram tradicionalmente tomadas como evidências diretas da aprendizagem do estudante.

Na Educação Profissional e Tecnológica, essa mudança ganha especial relevância. A formação profissional exige que o estudante não apenas execute procedimentos, mas compreenda situações, formule problemas, selecione informações, comunique-se, tome decisões e justifique soluções. Quando parte dessas operações é delegada a um sistema generativo, o produto final pode apresentar elevado grau de correção formal sem necessariamente tornar visível o percurso intelectual realizado pelo estudante.

O problema, portanto, não se reduz à pergunta sobre se o estudante utilizou ou não inteligência artificial. Tampouco parece suficiente transformar a avaliação em uma busca pela identificação de textos produzidos por máquinas. A questão pedagógica central passa a ser: que evidências permitem compreender o que o estudante efetivamente aprendeu quando uma inteligência artificial participa da produção de uma atividade?

Essa pergunta conduz diretamente ao campo da linguagem. Antes de receber uma resposta de um sistema generativo, o estudante precisa formular aquilo que deseja realizar. Precisa delimitar uma finalidade, selecionar informações, estabelecer relações e transformar uma intenção em um enunciado dirigido a um interlocutor. A resposta recebida, por sua vez, pode provocar concordância, estranhamento, correção, rejeição, reformulação ou uma nova pergunta. O processo assume, assim, uma dimensão interativa e discursiva.

Nesse enquadramento, o prompt deixa de ser compreendido exclusivamente como comando técnico destinado a melhorar uma resposta. Ele pode ser tomado como um enunciado situado, produzido por um sujeito que pretende realizar algo em determinadas condições de interação. O interesse deixa de estar apenas na eficiência do comando e passa a incluir aquilo que o estudante revela sobre seu problema, sua posição, seus conhecimentos, suas expectativas e suas decisões ao longo da interação.

A perspectiva dialógica da linguagem oferece instrumentos produtivos para essa discussão. Em Bakhtin, o enunciado constitui-se em relação ao outro e participa de uma cadeia de respostas. O dizer não existe de forma isolada: responde a dizeres anteriores, antecipa possíveis respostas e se insere em condições sociais concretas. Sem atribuir à IA uma subjetividade humana, essa perspectiva permite investigar como sistemas generativos passam a ocupar, nas práticas educacionais, uma posição interlocutiva que interfere na organização dos dizeres do estudante.

Desse modo, o foco deste artigo desloca-se da oposição simplificada entre produção humana e produção artificial para a análise do processo pelo qual estudante e sistema generativo participam de uma sequência de enunciados. A questão da autoria passa a ser relacionada à posição assumida pelo estudante diante das respostas recebidas: ele aceita, questiona, reformula, seleciona, rejeita, justifica e sustenta aquilo que produz?

Este estudo tem como objetivo discutir, por meio de uma revisão narrativa da literatura, como os estudos recentes sobre inteligência artificial generativa, letramento em IA, prompt literacy, avaliação e autoria podem ser articulados a uma perspectiva discursiva da linguagem, especialmente aos conceitos de enunciado, dialogismo, alteridade e autoria. Busca-se, ainda, preservar e aprofundar o modelo conceitual I-F-I-A-A — Intenção, Formulação, Interação, Avaliação e Apropriação — como possibilidade de organizar evidências do percurso de aprendizagem em atividades mediadas por IA na Educação Profissional e Tecnológica.

2. FUNDAMENTAÇÃO TEÓRICA

2.1. Educação, Aprendizagem e Inteligência Artificial Generativa

A incorporação de tecnologias aos processos educacionais não constitui fenômeno recente. A especificidade da inteligência artificial generativa, entretanto, está na possibilidade de participar diretamente de operações que anteriormente constituíam parte importante das tarefas escolares: escrever, resumir, comparar, explicar, traduzir, propor argumentos e produzir respostas.

A UNESCO (2024) defende uma formação para a era da IA centrada no ser humano, articulando competências de compreensão, aplicação, criação, ética e julgamento crítico. A orientação desloca o debate de uma perspectiva meramente instrumental para uma concepção na qual o sujeito permanece responsável pelas decisões tomadas com o auxílio da tecnologia.

A OCDE (2026), ao discutir o uso de IA generativa na educação, chama atenção para a distinção entre melhoria do desempenho em uma tarefa e aprendizagem efetiva. A ferramenta pode elevar a qualidade de um produto sem que isso implique desenvolvimento equivalente da capacidade do estudante de realizar a tarefa de modo autônomo. Essa distinção é decisiva para repensar a avaliação.

Na EPT, o problema se torna particularmente expressivo porque as atividades de formação articulam conhecimentos conceituais, linguagens especializadas, resolução de problemas e tomada de decisão. O uso da IA pode apoiar esses processos, mas também pode substituir precisamente as operações que se pretendia desenvolver.

2.2. Do Produto Final Ao Processo de Aprendizagem

Uma das consequências mais evidentes da IA generativa para a avaliação é a diminuição da capacidade do produto final de representar, sozinho, o percurso cognitivo e discursivo do estudante. Se uma redação, um relatório ou uma explicação pode ser produzido em segundos por um sistema, o texto entregue deixa de constituir evidência inequívoca de que o estudante realizou todas as operações envolvidas em sua produção.

Xia et al. (2024) identificam, em revisão de escopo, a necessidade de transformar práticas avaliativas diante da IA generativa, favorecendo aprendizagem autorregulada, responsabilidade e integridade. Estudos mais recentes também defendem estratégias processuais e híbridas capazes de tornar mais observáveis as competências desenvolvidas.

O framework DRIVE, por exemplo, aproxima-se da proposta deste artigo ao considerar as próprias interações com sistemas generativos como potenciais evidências de aprendizagem. A diferença entre uma utilização passiva, baseada na delegação integral da tarefa, e uma interação em que o estudante desenvolve ideias e direciona o sistema torna-se pedagogicamente relevante.

Assim, o desafio do chamado 'copiar e colar' não deve ser reduzido a uma questão de fiscalização. Ele pode representar uma terceirização das operações cognitivas e discursivas que constituíam o objetivo da atividade. A avaliação precisa, portanto, perguntar não apenas qual foi o produto, mas como o estudante chegou a ele, que decisões tomou e se consegue responder pelo resultado.

2.3. Linguagem, Enunciado e Dialogismo na Interação com a IA

A aproximação com os estudos da linguagem permite aprofundar a discussão. Em uma perspectiva bakhtiniana, o enunciado é uma unidade concreta da comunicação discursiva e caracteriza-se por sua orientação a um outro, por sua inserção em uma situação e por sua relação com enunciados anteriores e posteriores. O sentido não se encontra isolado nas palavras, mas se produz nas relações que constituem a comunicação.

Tomar o prompt como enunciado situado significa, portanto, deslocar o olhar de sua estrutura técnica para sua dimensão discursiva. Um estudante que escreve 'faça um resumo' produz um enunciado diferente daquele que solicita um resumo para determinada finalidade, estabelece critérios, define um público e questiona aspectos específicos da resposta. A diferença não está apenas na quantidade de palavras, mas na posição discursiva assumida diante da tarefa.

A interação com a IA também pode ser compreendida como uma cadeia de enunciados. O prompt inicial recebe uma resposta; essa resposta pode provocar uma nova pergunta; a nova pergunta retoma, corrige ou contesta elementos anteriores; a resposta seguinte altera novamente as condições da interação. O estudante, nesse movimento, não apenas obtém informações: ele responde ao que recebeu e produz novos dizeres.

É necessário, contudo, evitar uma antropomorfização da IA. A concepção dialógica proposta aqui não depende de atribuir ao sistema uma consciência ou uma intenção equivalente à humana. O interesse analítico está no modo como a presença tecnológica reorganiza a situação interlocutiva e passa a produzir efeitos sobre os dizeres, escolhas e posicionamentos do estudante.

A noção de alteridade torna-se igualmente relevante. O estudante pode descobrir limites de sua própria formulação quando confrontado com uma resposta inesperada. Pode perceber que não delimitou suficientemente o problema, que utilizou um conceito de maneira imprecisa ou que sua pergunta continha pressupostos que precisavam ser revistos. O outro, nesse caso, funciona como condição para a revisão do próprio dizer.

É nesse movimento que a linguagem deixa de ser apenas meio de comunicação com a ferramenta e passa a constituir parte do próprio processo de aprendizagem. Formular, responder, reformular e sustentar sentidos são operações linguísticas e intelectuais que podem tornar o percurso de aprendizagem mais observável.

2.4. Prompt Literacy e Explicitação da Intenção

A literatura recente sobre prompt engineering e prompt literacy reconhece a capacidade de formular, refinar e avaliar prompts como componente relevante do letramento em IA. Lee e Palmer (2025), assim como revisões posteriores, discutem possibilidades de integração dessas competências aos currículos.

Este artigo, entretanto, propõe ir além da ideia de que o estudante precisa aprender a elaborar prompts tecnicamente mais eficientes. O interesse pedagógico está na relação entre intenção, formulação e resposta. Um prompt longo não é necessariamente melhor, assim como um prompt curto não representa necessariamente pouca aprendizagem.

A explicitação da intenção pode constituir uma evidência relevante porque exige que o estudante delimite aquilo que pretende fazer antes de delegar qualquer operação à IA. A questão investigativa não é afirmar que a qualidade do prompt mede diretamente a aprendizagem, mas perguntar o que a formulação do enunciado revela sobre a compreensão inicial da tarefa.

Essa hipótese deve ser tratada com cautela. Um estudante pode utilizar linguagem sofisticada sem compreender profundamente o problema, assim como pode formular uma solicitação simples e demonstrar domínio conceitual. Por isso, a análise precisa considerar a cadeia completa: intenção, formulação, interação, avaliação e apropriação.

2.5. Autoria, Vozes e Responsabilidade Pelo Dizer

A IA generativa também desloca a discussão tradicional sobre autoria. Hau (2025) argumenta que os sistemas generativos desafiam pressupostos tradicionais sobre autoria e avaliação, uma vez que os textos podem resultar da combinação entre trabalho humano e geração automática.

Em uma perspectiva discursiva, contudo, a autoria não precisa ser reduzida à origem material de cada frase. É possível compreendê-la em relação à posição assumida pelo sujeito diante do dizer. O estudante que recebe uma sugestão, avalia sua pertinência, rejeita uma formulação, reformula um argumento e consegue explicar suas escolhas participa de modo diferente daquele que apenas transfere a primeira resposta para o trabalho final.

A discussão sobre vozes sociais também permite ampliar a análise. As respostas geradas pela IA não surgem fora da circulação social de discursos. Elas reorganizam informações, formulações e modos de dizer presentes em diferentes fontes e tradições discursivas. Para a pesquisa em linguagem, interessa observar como essas formulações são incorporadas, recusadas, transformadas ou tensionadas pelos estudantes.

Desse modo, a pergunta 'quem escreveu?' pode ser deslocada para perguntas mais produtivas: que posição o estudante assume diante do que a IA diz? Que dizeres ele incorpora? Quais rejeita? Como justifica suas escolhas? Que marcas de apropriação aparecem na produção final? A autoria passa, então, a ser relacionada à responsabilidade pelo percurso e pela tomada de posição.

2.6. Avaliação Docente e Mediação Pedagógica

A avaliação talvez seja a dimensão educacional mais diretamente afetada pela popularização da IA generativa. Trabalhos escritos, relatórios, projetos e respostas discursivas continuam relevantes, mas seu valor como evidência isolada precisa ser reconsiderado.

Pesquisas recentes com professores apontam dificuldades para identificar com segurança conteúdos produzidos com auxílio de IA. Além disso, a simples detecção não responde à questão pedagógica fundamental: o estudante compreendeu o que apresentou?

Por essa razão, avaliações autênticas, processuais e híbridas ganham importância. O professor pode solicitar uma breve documentação do processo, registros de reformulações, justificativas, reflexão escrita, apresentação oral ou defesa das escolhas realizadas. O objetivo não é burocratizar todas as atividades, mas selecionar evidências proporcionais à complexidade da tarefa.

Essa mudança redefine também o papel docente. Em vez de atuar prioritariamente como fiscal da presença da IA, o professor pode assumir a função de mediador de práticas discursivas e avaliador das decisões intelectuais do estudante. A questão passa de 'foi a IA que escreveu?' para 'como o estudante participou da construção deste dizer e por que consegue responder por ele?'

3. METODOLOGIA

Este estudo caracteriza-se como pesquisa bibliográfica, de abordagem qualitativa, desenvolvida por meio de revisão narrativa da literatura. O delineamento foi mantido porque o objetivo consiste em reunir, interpretar e articular contribuições de diferentes campos para construir uma compreensão conceitual do problema, sem pretensão de produzir síntese estatística ou validar empiricamente o modelo proposto.

Foram considerados estudos e documentos relacionados à inteligência artificial generativa na educação, AI literacy, GenAI literacy, prompt literacy, prompt engineering, avaliação da aprendizagem, autoria, escrita acadêmica e formação docente. Entre as fontes mobilizadas estão revisões sistemáticas e de escopo publicadas entre 2024 e 2026, trabalhos conceituais e estudos sobre interação estudante–IA, além dos frameworks de competências da UNESCO e do OECD Digital Education Outlook 2026.

A análise foi organizada em quatro eixos articulados: (a) IA generativa e aprendizagem; (b) linguagem, enunciado e dialogismo na interação estudante–IA; (c) autoria, prompt literacy e explicitação da intenção; e (d) avaliação processual e mediação docente. A partir da comparação entre os estudos, buscaram-se convergências, tensões e lacunas que fundamentassem o aprofundamento do modelo I-F-I-A-A.

Não foram realizadas entrevistas, observação de aulas ou coleta de interações com estudantes. Consequentemente, as relações estabelecidas entre formulação discursiva, qualidade da interação e aprendizagem são apresentadas como proposições teóricas e hipóteses para investigações futuras. O modelo não é apresentado como instrumento validado, mas como estrutura conceitual que poderá orientar pesquisas empíricas.

4. RESULTADOS E DISCUSSÃO

4.1. Da Eficiência do Prompt à Qualidade da Interação

A literatura analisada permite identificar uma convergência: o problema educacional contemporâneo não está apenas no acesso à IA, mas na qualidade da relação estabelecida entre estudante, tarefa e sistema generativo. Essa relação inclui competências técnicas, mas também julgamento crítico, capacidade de formular problemas, avaliar respostas e assumir responsabilidade pelas decisões.

Quando o prompt é tomado como enunciado situado, sua análise deixa de buscar apenas características formais. Interessa observar a relação entre o que o estudante pretende realizar e o que efetivamente diz ao sistema. Interessa igualmente observar como a resposta recebida altera o percurso e como o estudante responde a ela.

A interação produtiva, portanto, é iterativa. O estudante pode dividir o problema, solicitar exemplos, contestar uma resposta, pedir fundamentação, identificar contradições ou reformular a questão. Cada movimento acrescenta uma nova etapa à cadeia discursiva e pode tornar mais visíveis conhecimentos e dificuldades que o produto final ocultaria.

4.2. O Modelo I-F-I-A-A Ampliado

A partir da literatura analisada e do aprofundamento discursivo proposto neste artigo, preserva-se o modelo I-F-I-A-A — Intenção, Formulação, Interação, Avaliação e Apropriação. A ampliação consiste em compreender cada dimensão não apenas como etapa pedagógica, mas também como espaço de produção de enunciados, respostas, posicionamentos e decisões.

Quadro 1. Modelo conceitual I-F-I-A-A ampliado para análise de processos de aprendizagem mediados por IA generativa.

A Intenção constitui o momento anterior à interação. O estudante precisa conseguir dizer o que pretende realizar. Essa etapa pode ser produzida sem IA e oferece ao professor uma evidência da compreensão inicial da tarefa.

Na Formulação, a intenção transforma-se em enunciado dirigido ao sistema. O interesse não está em premiar prompts longos, mas em observar sua relação com a intenção declarada. A Formulação permite investigar como o estudante delimita sentidos, estabelece condições e antecipa o tipo de resposta que considera pertinente.

Na Interação, o foco recai sobre a cadeia de respostas. O estudante aceita, contesta, reformula e direciona a conversa. Essa dimensão é particularmente próxima da perspectiva dialógica, pois torna observável a resposta do sujeito diante do dizer do outro.

Na Avaliação, o estudante precisa assumir uma posição diante do conteúdo recebido. A IA pode produzir informações incompletas, incorretas, enviesadas ou inadequadas ao contexto. Identificar esses problemas exige conhecimento e capacidade crítica.

Na Apropriação, finalmente, pergunta-se se o estudante consegue sustentar o resultado. Uma apresentação oral, uma justificativa, a aplicação a um novo problema ou a explicação das razões pelas quais determinadas sugestões foram aceitas ou rejeitadas podem tornar essa apropriação observável.

4.3. Da Terceirização Cognitiva à Terceirização Discursiva

O uso de IA como mecanismo de cópia pode ser compreendido não apenas como problema de integridade acadêmica, mas como terceirização das operações cognitivas e discursivas que a atividade pretendia desenvolver. Se o estudante delega à ferramenta a formulação do problema, a seleção dos argumentos, a organização do texto e sua revisão, o produto final pode esconder a ausência de participação intelectual.

A perspectiva linguístico-discursiva acrescenta uma dimensão a esse problema. Ao delegar integralmente a produção do dizer, o estudante também pode delegar ao sistema parte da construção da posição discursiva que deveria assumir. A questão não é apenas quem forneceu as palavras, mas quem definiu o que deveria ser dito, a partir de qual finalidade, com quais critérios e sob qual responsabilidade.

Isso não significa que toda utilização de IA seja prejudicial. A ferramenta pode funcionar como interlocutora, fonte de hipóteses, objeto de crítica, apoio à revisão ou espaço para experimentação linguística. O problema pedagógico aparece quando a tecnologia substitui justamente a operação intelectual e discursiva que constituía o objetivo da atividade.

4.4. Implicações para o Trabalho Docente

Se o I-F-I-A-A for utilizado como referência, a avaliação pode deixar de depender exclusivamente de um arquivo final. O estudante pode apresentar, de forma proporcional à tarefa, o objetivo inicial, o primeiro prompt, algumas reformulações relevantes, exemplos de respostas avaliadas e uma justificativa das decisões finais.

Em atividades de linguagem, o professor pode ainda solicitar que o estudante compare versões, identifique alterações de sentido, explique escolhas lexicais, reconheça inadequações discursivas e justifique a manutenção ou rejeição de sugestões da IA. Essas práticas transformam a própria linguagem em objeto de reflexão.

A defesa oral é outra possibilidade. O estudante apresenta o resultado e responde a questões sobre seu percurso. A estratégia não deve funcionar como punição, mas como oportunidade de tornar observáveis compreensão, autoria, posicionamento e responsabilidade pelo dizer.

Os detectores de IA podem continuar existindo como recursos complementares, mas não devem ocupar o lugar da avaliação da aprendizagem. A probabilidade de geração automática não demonstra compreensão. Uma avaliação processual, por outro lado, pode produzir evidências mais próximas daquilo que a escola efetivamente deseja conhecer.

4.5. Uma Agenda de Pesquisa para Validação Futura

Como este estudo é bibliográfico, o modelo I-F-I-A-A permanece como proposição conceitual. A literatura oferece fundamentos para investigá-lo, mas não permite afirmar que qualquer uma de suas dimensões seja, isoladamente, indicador válido de aprendizagem em todos os contextos.

Pesquisas futuras podem constituir corpora de interações reais entre estudantes e sistemas generativos, incluindo prompts, respostas, reformulações e versões finais dos textos. Esse material permitiria investigar linguisticamente como se organizam os enunciados, quais movimentos de resposta aparecem, como posições autorais são construídas e que vozes são incorporadas, tensionadas ou recusadas.

Também seria possível comparar atividades centradas exclusivamente no produto final com atividades que exijam registro do processo. Poderiam ser analisadas diferenças na capacidade de explicar decisões, identificar erros, transferir conhecimentos e sustentar oralmente os resultados.

Outra frente consiste em investigar a percepção docente: quais marcas linguísticas e processuais os professores consideram suficientes para reconhecer autoria, compreensão e aprendizagem? A partir dessas pesquisas, poderiam ser desenvolvidas rubricas de avaliação processual articuladas a categorias discursivas.

5. CONSIDERAÇÕES FINAIS

A inteligência artificial generativa modifica as condições em que estudantes produzem e circulam conhecimento. Seu impacto educacional não decorre apenas de sua capacidade de gerar textos, mas do fato de que atividades tradicionalmente utilizadas como evidências de aprendizagem podem ser parcialmente realizadas por sistemas generativos.

A revisão narrativa realizada neste estudo aponta para a necessidade de desenvolver competências críticas de uso da IA, preservar a participação intelectual do estudante e repensar avaliações centradas exclusivamente no produto final. Ao mesmo tempo, a aproximação com os estudos da linguagem permite compreender que a transformação não é apenas tecnológica ou pedagógica: ela também é discursiva.

A partir dessa perspectiva, o prompt pode ser compreendido como enunciado situado e a interação estudante–IA como uma cadeia na qual o sujeito formula, responde, reformula, avalia e assume posições diante dos dizeres produzidos. A IA não é tratada como sujeito humano, mas como presença tecnológica que interfere nas condições da interlocução e reorganiza práticas de produção de sentidos.

O modelo I-F-I-A-A — Intenção, Formulação, Interação, Avaliação e Apropriação — é preservado e ampliado como estrutura conceitual para tornar observáveis essas dimensões. Sua contribuição não está em estabelecer uma nova teoria da aprendizagem, mas em articular evidências pedagógicas e linguístico-discursivas que podem orientar práticas avaliativas e pesquisas futuras.

Desse modo, a pergunta 'quem escreveu?' pode ser deslocada para uma questão mais produtiva: quem responde pelo dizer produzido? Em contextos mediados por IA, a autoria educacional pode ser observada na capacidade de formular uma intenção, dirigir-se ao outro, responder ao que recebe, avaliar possibilidades, fazer escolhas e sustentar sentidos.

Em síntese, o desafio contemporâneo talvez não seja ensinar o estudante apenas a perguntar melhor para uma máquina, mas ajudá-lo a compreender melhor aquilo que deseja dizer, por que deseja dizê-lo, a quem se dirige, como responde ao que recebe e pelo que pode responder. Nesse movimento, a linguagem deixa de ser apenas o meio de acesso à tecnologia e passa a constituir uma dimensão central da própria aprendizagem.

REFERÊNCIAS BIBLIOGRÁFICAS

ASSESSING EFL STUDENTS’ GENAI-ASSISTED WRITING: teachers’ pains, perceptions and practices. Assessing Writing, v. 67, 100996, 2026. DOI: 10.1016/j.asw.2025.100996.

ASSESSING STUDENTS’ DRIVE: a framework to evaluate learning through interactions with generative AI. Computers and Education: Artificial Intelligence, v. 9, 100497, 2025. DOI: 10.1016/j.caeai.2025.100497.

BAKHTIN, Mikhail. Estética da criação verbal. 6. ed. São Paulo: WMF Martins Fontes, 2011.

BAKHTIN, Mikhail. Os gêneros do discurso. São Paulo: Editora 34, 2016.

CHEN, Shuzhen; CHEUNG, Alan C. K. Effect of generative artificial intelligence on university students learning outcomes: a systematic review and meta-analysis. Educational Research Review, 2025. DOI: 10.1016/j.edurev.2025.100737.

HAU, Mark F. Writing with machines? Reconceptualizing student work in the age of AI. Frontiers in Communication, v. 10, 2025. DOI: 10.3389/fcomm.2025.1598988.

LEE, Daniel; PALMER, Edward. Prompt engineering in higher education: a systematic review to help inform curricula. International Journal of Educational Technology in Higher Education, v. 22, art. 7, 2025. DOI: 10.1186/s41239-025-00503-7.

MIAO, Fengchun; CUROKOVA, Mutlu. AI competency framework for teachers. Paris: UNESCO, 2024.

MIAO, Fengchun; SHIOHIRA, Kelly; LAO, Natalie. AI competency framework for students. Paris: UNESCO, 2024.

MISHRA, Punya; KOEHLER, Matthew J. Technological pedagogical content knowledge: a framework for teacher knowledge. Teachers College Record, v. 108, n. 6, p. 1017-1054, 2006.

OECD. OECD Digital Education Outlook 2026: Exploring Effective Uses of Generative AI in Education. Paris: OECD Publishing, 2026. DOI: 10.1787/062a7394-en.

PETERS, Martine; ANGELOV, Dimitar. Redefining assessment tasks to promote students’ creativity and integrity in the age of generative artificial intelligence. International Journal for Educational Integrity, v. 21, art. 25, 2025.

PLAATJIES, Bernadictus; VAN WYK, Micheal. Prompt Literacy as an Enhancer of Students’ Academic Writing in Higher Education Institutions: A Systematic Literature Review. Journal of Teaching and Learning, v. 19, n. 4, 2025. DOI: 10.22329/jtl.v19i4.10017.

QIAN, Yufeng. Pedagogical Applications of Generative AI in Higher Education: A Systematic Review of the Field. TechTrends, v. 69, p. 1105–1120, 2025.

ROJO, Roxane (org.). Escola conectada: os multiletramentos e as TICs. São Paulo: Parábola Editorial, 2013.

SELWYN, Neil. Should Robots Replace Teachers? AI and the Future of Education. Cambridge: Polity Press, 2019.

XIA, Qi et al. A scoping review on how generative artificial intelligence transforms assessment in higher education. International Journal of Educational Technology in Higher Education, v. 21, art. 40, 2024. DOI: 10.1186/s41239-024-00468-z.

ZAWACKI-RICHTER, Olaf et al. Systematic review of research on artificial intelligence applications in higher education – where are the educators? International Journal of Educational Technology in Higher Education, v. 16, art. 39, 2019.