Modelos e Desenho de Avaliação na Educação Online | Atividade 4_Avaliação em Contextos eLearning

      Ilustração criada com recurso a IA generativa (ChatGPT/DALL·E, OpenAI, 2026).

1. Contextualização

A atividade decorreu ao longo do mês de junho de 2026 e organizou-se em duas fases articuladas. Na Fase 1 (11 a 17 de junho), dedicámo-nos à leitura e discussão em fórum de dois textos fundadores: Amante, Oliveira e Pereira (2017), sobre o Modelo PrACT, e Bearman et al. (2016), sobre o Assessment Design Decisions Framework (ADDF). Nesta fase, mais do que resumir os textos, procurámos aprofundar aspetos menos explorados — a natureza distribuída da decisão avaliativa, a distinção entre o PrACT como referencial normativo e o ADDF como referencial processual, e o paradoxo entre mudança conceptual e mudança prática — sempre em diálogo com colegas como Sérgio Trigo, Raquel Santos, Isa, José, Esmeralda e Rui, entre outros, o que enriqueceu a nossa própria leitura dos modelos.

A Fase 2 pediu um passo mais aplicado: partindo do quadro teórico consolidado, o grupo teve de definir e fundamentar um plano de avaliação. propus aos meus colegas de grupo  Filomena Rodrigues, Pedro Alves e Susana Luís que desenvolvêssemos o plano de avaliação sobre a Unidade de Competência UC00033 — Comunicar e Interagir em Contexto Profissional, do curso de Cabeleireiro/a Especialista de Nível 5, ministrado em eLearning na Academia Comenius. Agradeço aos três terem embarcado nesta análise, sobretudo porque implicava trabalhar sobre um contexto que só eu conhecia em profundidade.

Contextualizando a minha atividade profissional: sou coordenadora pedagógica do curso de Cabeleireiro/a Especialista de Nível 5 na Academia Comenius, o que significa que este trabalho não partiu de um cenário hipotético, mas de uma realidade que acompanho diariamente. Ter proposto este módulo ao grupo foi, também, uma forma de trazer para o espaço académico uma inquietação que já vinha de há algum tempo: tenho referido algumas vezes, na minha entidade formadora, que o modelo COM-TEC® é interessante do ponto de vista da usabilidade e da padronização pedagógica, mas que a avaliação precisa de ser trabalhada. Este trabalho deu-me finalmente um enquadramento teórico rigoroso — o Modelo PrACT — para transformar essa perceção intuitiva numa análise fundamentada.

O trabalho do grupo culminou na produção do Plano de Avaliação Grupo 4, seguido de uma fase de partilha e comentário cruzado em fórum com os restantes grupos da turma (nomeadamente os grupos de Raquel Santos e Sérgio Trigo, de Eliane Marquezoni, Fernanda, Luz e Rui, de Carla, Paula e Marta, e de José, Júlia, Esmeralda e Judite), o que nos obrigou a rever, esclarecer e por vezes reformular partes da proposta em resposta a questões legítimas levantadas pelos colegas.

Este diário de bordo pretende, assim, registar o meu percurso reflexivo ao longo destas duas fases — as decisões tomadas, as dificuldades sentidas, as aprendizagens teóricas e metodológicas, e o modo como a experiência profissional e a formação académica se foram cruzando ao longo do processo.

2. O processo de trabalho

Olhando para trás, o processo não foi linear — foi mais um vaivém entre leitura, escrita, discussão e revisão, com o grupo a trabalhar sobretudo em Teams e a consolidar tudo em documentos partilhados.

Da teoria à aplicação. A Fase 1 deixou-nos com um vocabulário comum — PrACT, ADDF, avaliação sustentável — mas foi só quando decidimos ancorar o trabalho na UC00033 que esse vocabulário ganhou corpo. Escolher um módulo real da Academia Comenius em vez de um cenário hipotético trouxe vantagens (podíamos verificar factos concretos: a plataforma COM-TEC®, o peso dos testes de escolha múltipla, o momento em que os critérios da tarefa final são comunicados) mas também exigiu mais rigor de mim: como coordenadora pedagógica do próprio curso, não podia assumir nada sobre o sistema atual sem confirmar em documentos oficiais — o referencial da UC, o regulamento de progressão —, precisamente porque o grupo estava a avaliar criticamente uma prática que eu conheço por dentro e sobre a qual tenho responsabilidade direta.

Múltiplas versões, um só fio condutor. O trabalho passou por várias iterações visíveis nos ficheiros que fomos guardando — de um primeiro Plano de Avaliação e de uma segunda versão, com anexos de apoio trabalhados em paralelo, até à versão consolidada final. Cada iteração obrigou a rever se as peças ainda encaixavam: se a matriz de Amante e Oliveira (2019) continuava a estruturar o documento, se o PrACT estava a ser usado como critério de validação e não como mais uma lista solta de conceitos, se a rubrica analítica proposta para a UC00033 continuava coerente com as competências realmente trabalhadas no módulo (comunicação assertiva, escuta ativa, comunicação não verbal, empatia, reflexão metacognitiva).

A discussão em fórum como motor de revisão. A fase mais reveladora do processo, para mim, não foi escrever o plano, mas discuti-lo publicamente. Depois de submetido, o nosso trabalho foi comentado por vários grupos, e essas críticas, sempre construtivas, apontaram exatamente para os pontos que sabíamos ser mais frágeis: a praticabilidade de um dispositivo avaliativo denso, a necessidade de tornar mais explícita a ligação entre competências, critérios de rubrica e evidências, e o cuidado ético, de autoria e de transparência que a integração da IA generativa exige. Responder a estas observações obrigou-nos a rever pontos concretos do plano e a justificar com mais precisão decisões que, até então, nos pareciam óbvias mas não estavam suficientemente explicadas no texto.

O papel de "crítica" que também tivemos de assumir. Comentar os planos dos colegas foi, talvez, o exercício mais formativo de todos, porque nos obrigou a aplicar o mesmo grau de exigência teórica aplicamos ao nosso trabalho. Tivemos de aprender a formular essas observações de forma rigorosa mas respeitosa, mantendo sempre o registo formal e construtivo que caracteriza este espaço de fórum.

3. Fundamentação teórica

O trabalho assentou num conjunto de referenciais que se foram articulando em camadas, cada um respondendo a uma pergunta diferente do desenho avaliativo.

A matriz de Amante e Oliveira (2019) funcionou como eixo estruturante do plano, organizando-o em torno das perguntas fundamentais de qualquer desenho avaliativo: o que avaliar, como avaliar, quem avalia, com que critérios e como comunicar os resultados. Foi esta matriz que nos deu a arquitetura do documento, evitando que os vários referenciais teóricos se sobrepusessem sem hierarquia — um risco que, aliás, identificámos como fragilidade no trabalho de outro grupo.

O Modelo PrACT (Amante, Oliveira & Pereira, 2017) foi o referencial de validação da qualidade da proposta, através das suas quatro dimensões interdependentes: Praticabilidade (exequibilidade, custo-benefício — a dimensão mais facilmente negligenciada, mas que pode inviabilizar todas as outras), Autenticidade (proximidade das tarefas com o contexto profissional real do cabeleireiro/a especialista), Consistência (alinhamento entre competências, instrução e avaliação, multiplicidade de indicadores e avaliadores) e Transparência (partilha antecipada de critérios, envolvimento do formando). Usámos estas quatro dimensões também como grelha de análise crítica do sistema de avaliação atual da UC00033, o que permitiu identificar com mais precisão onde o sistema falha.

Sobre rubricas e feedback, cruzámos três autores que se complementam: Cano (2015), que alerta para o risco de as rubricas se tornarem instrumentos meramente formais se não forem verdadeiramente usadas ao longo do processo; Fernandes (2021), que defende critérios claros e descritores de desempenho explícitos como condição para uma avaliação baseada em critérios; e Panadero e Jonsson (2013), cuja revisão sobre o uso formativo das rubricas nos deu talvez o argumento mais forte do trabalho — a ideia de que os critérios só têm valor regulador quando partilhados com antecedência suficiente para serem interiorizados pelos formandos, e não apenas comunicados no momento da prescrição da tarefa.

Pereira e Oliveira (2022), sobre avaliação digital de competências, reforçou a exigência de tornar visível o desempenho real do formando, articulando instrumentos avaliativos com momentos de reflexão e autorregulação — uma ideia central na forma como desenhámos os momentos intermédios de simulação comunicacional.

Olhando para o conjunto, o que mais me marcou teoricamente foi perceber que estes referenciais não competem entre si — cada um responde a uma pergunta distinta (o PrACT avalia o produto, o ADDF interroga o processo, a matriz organiza, as rubricas operacionalizam) — e que a maturidade de um plano de avaliação se revela precisamente na forma como esses referenciais são articulados sem sobreposição.

4. A avaliação crítica

A parte do trabalho que mais me interpelou pessoalmente foi a análise crítica do sistema de avaliação atualmente em vigor na UC00033, precisamente porque, como coordenadora pedagógica, sou também, em parte, responsável por esse sistema. Aplicar as quatro dimensões do PrACT ao dispositivo existente foi um exercício de distanciamento deliberado: tive de ler o que já conhecia como se o visse pela primeira vez, apoiando cada afirmação em documentos concretos e não em impressões acumuladas ao longo do tempo.

Na dimensão da Praticabilidade, o sistema atual revelou-se o seu ponto mais forte: os cinco testes sumativos de escolha múltipla são automatizados, de correção imediata e de gestão simples no Moodle, e a estrutura padronizada do COM-TEC® reduz a carga cognitiva de formadores e formandos. Esta constatação confirmou algo que já intuía: o modelo é, de facto, muito bem pensado do ponto de vista da exequibilidade operacional.

Foi na Autenticidade que encontrámos a fragilidade mais significativa. Os testes de escolha múltipla avaliam sobretudo o reconhecimento de informação, não a mobilização de competências comunicacionais em contexto — e esta fragilidade agrava-se com a disseminação de ferramentas de IA generativa, capazes de responder com facilidade a questões de natureza declarativa sem que o formando precise de mobilizar qualquer competência real. A tarefa de demonstração de competências da Parte 2 representa um avanço nesta dimensão, mas, isolada, não é suficiente para compensar o peso da Parte 1.

Na Consistência, o alinhamento revelou-se apenas parcial: o referencial da UC00033 exige demonstração de desempenho em situação, mas os instrumentos da Parte 1 não avaliam isso, e entre os testes sumativos e a tarefa final não existem momentos intermédios de avaliação formativa que permitam ao formando perceber como está a evoluir.

Na Transparência, o sistema mostrou-se claro nas regras de progressão — condições de aprovação, penalizações, prazos e mecanismos de recuperação estão bem descritos — mas opaco nos critérios de qualidade: na Parte 2, a grelha de critérios só é comunicada no momento da prescrição da tarefa final, quando já chega tarde demais para orientar a aprendizagem ao longo do percurso.

Esta análise confirmou-me que o problema do sistema atual não está na ausência de instrumentos, mas na coerência das decisões que os articulam. E, do ponto de vista profissional, deu-me pela primeira vez uma linguagem técnica e um enquadramento teórico sólido para justificar, junto da entidade formadora, algo que até aqui eu só conseguia argumentar de forma intuitiva: que a avaliação da UC00033, tal como está hoje, precisa de ser trabalhada — não porque falte estrutura, mas porque falta autenticidade, articulação entre momentos avaliativos e comunicação atempada de critérios.

5. O diálogo com os colegas

O momento de partilha em fórum foi, sem dúvida, o mais enriquecedor de todo o processo, porque transformou um trabalho de grupo fechado numa conversa académica alargada a toda a turma.

Recebemos comentários muito cuidados de colegas como Raquel Santos e Sérgio Trigo, que destacaram a organização do nosso plano e a centralidade atribuída ao feedback, mas também nos desafiaram a explicitar melhor a ligação entre competências, critérios das rubricas e evidências de aprendizagem, a aprofundar a dimensão ética do uso da IA e a rever a praticabilidade de um dispositivo com tantos momentos avaliativos distribuídos ao longo de poucas semanas. O grupo de Esmeralda, José, Judite e Júlia reconheceu a solidez teórica da nossa articulação entre o PrACT, o ADDF e a matriz de Amante e Oliveira, mas alertou-nos, com razão, para o mesmo risco de sobrecarga avaliativa — uma observação que nos obrigou a repensar o número de momentos de avaliação previstos.

Também Ana Sousa e Paula Coelho comentaram o nosso trabalho. O comentário de Paula Coelho, em particular, levou-nos a rever o plano de avaliação e a introduzir nele a seguinte frase: esclarecer que a UC00033 é uma UC transversal a vários referenciais do Catálogo Nacional de Qualificações, mas que no âmbito esta foi trabalhada para o percurso de (N5).

Do lado inverso, comentar os trabalhos dos colegas ensinou-me talvez ainda mais. Ao analisarmos o plano de Carla, Marta e Paula, tivemos de identificar que a mobilização simultânea de muitos referenciais teóricos, sem hierarquização clara, prejudicava a legibilidade da proposta — uma observação que, na prática, nos obrigou a olhar de novo para o nosso próprio plano e a confirmar que a matriz de Amante e Oliveira (2019) estava, de facto, a funcionar como eixo estruturante e não apenas como mais uma referência entre outras. Ao comentarmos o plano de Ana Isa e Laura, tivemos de assinalar, com o maior cuidado possível, incorreções conceptuais relevantes — a confusão entre as dimensões do PrACT e os critérios de autenticidade, a atribuição incorreta da autoria do ADDF — o que me obrigou a rever, uma vez mais, os textos-base com todo o rigor, para ter a certeza de que a crítica que fazíamos era justa e bem fundamentada.

Este exercício de dupla perspetiva — receber crítica e produzir crítica — ensinou-me que a qualidade de um plano de avaliação não se mede apenas pelo que o grupo consegue justificar entre si, mas pela forma como resiste ao escrutínio de quem lê com outros olhos e outras prioridades. As perguntas dos colegas foram, no fundo, tão formativas para nós como o próprio Modelo PrACT que estávamos a aplicar: obrigaram-nos a explicitar o que ainda estava implícito e a justificar o que ainda estava apenas pressuposto.

6. Aprendizagens e próximos passos

Deste percurso retiro aprendizagens em dois planos que, para mim, são inseparáveis: o académico e o profissional.

No plano académico, aprendi a distinguir com clareza referenciais normativos de referenciais processuais, a usar uma matriz estruturante sem a deixar competir com os restantes referenciais teóricos, e a compreender que rubricas, feedback e autorregulação só têm valor formativo real quando comunicados atempadamente e usados ao longo de todo o percurso — não apenas no momento da classificação final. Aprendi também, através do diálogo em fórum, a argumentar teoricamente com rigor perante pares que não hesitam em desafiar as nossas escolhas, o que me obrigou a consolidar muito melhor os fundamentos das decisões tomadas no plano.

No plano profissional, este trabalho deu-me algo que vou levar diretamente para a Academia Comenius: um enquadramento teórico e uma linguagem técnica para propor mudanças concretas na avaliação da UC00033 e, possivelmente, de outras unidades de competência do curso de Cabeleireiro/a Especialista e quem sabe a revolução do modelo COMTEC. Os próximos passos que perspetivo, na minha função de coordenadora pedagógica, passam por partilhar esta análise com a gestão de topo, propor a antecipação da comunicação dos critérios da tarefa final, explorar a introdução de momentos intermédios de avaliação formativa entre os testes sumativos e a tarefa final, e ponderar, com cautela e sem sobrecarregar formadores e formandos, a introdução de uma rubrica analítica partilhada desde o início do módulo.

Fico também com uma aprendizagem mais pessoal: a de que é possível — e valioso — olhar com distanciamento crítico para um sistema que ajudo a gerir. Este trabalho não foi apenas um exercício académico sobre um caso hipotético; foi uma oportunidade rara de aplicar rigor teórico a uma responsabilidade profissional real, e de transformar uma inquietação que já sentia há tempo numa proposta fundamentada e comunicável.

7. Reflexão final crítica

Chegada ao fim desta atividade, a reflexão que mais se impõe é a de que a avaliação em contextos digitais não se resolve com um único modelo, por mais robusto que seja. O PrACT deu-nos critérios de qualidade; o ADDF deu-nos consciência da natureza distribuída e não linear das decisões avaliativas; a matriz de Amante e Oliveira (2019) deu-nos uma estrutura; Cano, Fernandes e Panadero e Jonsson deram-nos instrumentos operacionais. Nenhum destes referenciais, isoladamente, teria sido suficiente para produzir uma análise tão completa como a que o grupo conseguiu construir em conjunto — e é essa articulação, mais do que qualquer modelo isolado, que considero a principal aprendizagem teórica deste trabalho.

Do ponto de vista do processo, o que mais valorizo foi a natureza dialógica de toda a atividade — dentro do grupo, mas sobretudo entre grupos. A avaliação, tal como a entendemos ao longo deste trabalho, não é um ato solitário do docente, mas um processo que ganha em rigor quando é sujeito a leitura externa. Foi isso, precisamente, que a Fase 2 nos proporcionou: um espaço de crítica mútua que reproduziu, à escala da turma, o próprio princípio de transparência e de participação ativa que defendemos no plano proposto para a UC00033.

Por fim, não posso deixar de assinalar o valor que este trabalho teve para mim enquanto coordenadora pedagógica. Raramente tive oportunidade de analisar, com este nível de profundidade teórica e com o distanciamento crítico que a academia exige, um sistema de avaliação que integro e pelo qual sou, em parte, responsável. Esta dupla posição — de estudante e de profissional — não facilitou o trabalho, mas tornou-o mais exigente e, por isso mesmo, mais significativo. Levo comigo não apenas um plano de avaliação bem fundamentado para apresentar à unidade curricular, mas também uma ferramenta concreta para melhorar, na prática, a avaliação da UC00033 na Academia Comenius.

Uma última palavra de agradecimento: ao meu grupo, Filomena Rodrigues, Pedro Alves e Susana Luís, por terem embarcado comigo nesta análise e pelo empenho e rigor com que a construímos em conjunto; e às Professoras Doutoras Lúcia Amante e Elizabeth Souza, pela  pelo enquadramento teórico que tornaram possível este percurso de aprendizagem.

Referências Bibliográficas

Amante, L.; Oliveira, I.; Pereira, A. (2017). Cultura da Avaliação e Contextos Digitais de Aprendizagem: O modelo PrACT. Revista Docência e Cibercultura, 1(1), 135-150.

Amante, L.; Oliveira, I. (2019). Avaliação e Feedback. Desafios Atuais. e-book, MPV_Inovaç@o, Universidade Aberta Lisboa. ISBN 978-972-674-846-5.

Bearman, M.; Dawson, P.; Boud, D.; Bennett, S.; Hall, M.; Molloy, E. (2016). Support for assessment practice: developing the Assessment Design Decisions Framework. Teaching in Higher Education. https://doi.org/10.1080/13562517.2016.1160217

Cano, E. (2015). Las Rúbricas como Instrumento de Evaluación de Competencias en la Educación Superior: ¿Uso o Abuso? Profesorado. Revista de Currículum y Formación de Profesorado, 19(2), 265–280. https://www.redalyc.org/articulo.oa?id=56741181017

Fernandes, D. (2021). Rubricas de Avaliação. Folha de apoio à formação — Projeto MAIA. Ministério da Educação/Direção-Geral da Educação.

Panadero, E.; Jonsson, A. (2013). The use of scoring rubrics for formative assessment purposes revisited: A review. Educational Research Review, 9, 129–144. https://doi.org/10.1016/j.edurev.2013.01.002

Pereira, A.; Oliveira, I. (2022). Avaliação Digital de Competências: elementos para uma estratégia. In Oliveira, I., Pereira, A., Amante, L., Oliveira, R. (Orgs.), A Prática em Avaliação Digital de Competências. Universidade Aberta.

Pereira, A.; Quintas-Mendes, A.; Morgado, L.; Amante, L.; Bidarra, J. (2007). Modelo Pedagógico Virtual da Universidade Aberta: Para uma Universidade do Futuro. Universidade Aberta.

Link para Plano de Avaliação

____________________________________________

Disciplina: Avaliação em Contextos de eLearning 

Grupo 4: Filomena Rodrigues, Pedro Alves, Susana Luís e Tânia Santos

Mestrado em Pedagogia do eLearning

Inteligência Artificial e Práticas de Avaliação | Atividade 3_Avaliação em Contextos eLearning

 

                   Ilustração criada com recurso a IA generativa (ChatGPT/DALL·E, OpenAI, 2026).

1. Contextualização

A Atividade 3 propôs a elaboração de um ensaio individual sobre o Tema 3 — Inteligência Artificial e Práticas de Avaliação — com uma exigência que distingue este trabalho de todos os anteriores: a co-autoria explícita e documentada com uma ferramenta de IA, incluindo uma secção prévia dedicada a descrever e avaliar criticamente esse processo. Ao contrário da Atividade 1, em que a IA foi usada como objeto de análise a partir de uma única pergunta genérica, e do Guia de Boas Práticas do Grupo 4, em que a IA teve um papel de apoio à forma, este ensaio exigiu que eu documentasse, prompt a prompt, como o pensamento foi construído em diálogo com a máquina — tornando a própria metodologia de trabalho parte do objeto avaliado.

Escolhi como ferramenta o Claude Sonnet 4.6, pela sua capacidade de processar múltiplas fontes bibliográficas numa mesma sessão, pela qualidade do raciocínio argumentativo e pela possibilidade de um diálogo iterativo. Este registo documenta o processo de construção do ensaio, a fundamentação teórica mobilizada, a interação com os colegas no fórum e a aprendizagem retirada de todo o percurso — servindo de atualização ao meu portfolio digital.

2. O processo de trabalho: da co-autoria à redação

O processo de coautoria desenvolveu-se em três etapas sequenciais, que documentei detalhadamente na secção prévia do ensaio. Na primeira etapa, apresentei à ferramenta o enunciado integral da atividade, incluindo objetivos, competências e referências bibliográficas, pedindo-lhe que assumisse o papel de colega de trabalho num mestrado em pedagogia do eLearning. Na segunda etapa, orientei a IA para analisar separadamente os dois grupos de textos propostos — um sobre os desafios gerais da IA na avaliação (Felix & Webb, 2024; O'Dea & O'Dea, 2023; Swiecki et al., 2022) e outro sobre respostas conceptuais possíveis —, pedindo-lhe que justificasse qual destes últimos se articulava melhor com o texto de Kickbusch et al. (2025) que eu própria tinha escolhido como âncora. A ferramenta identificou Oliveira e Pereira (2021) como o texto de maior afinidade conceptual, pelo foco partilhado na autenticidade da avaliação em contextos digitais — uma sugestão que validei e da qual me apropriei criticamente.

A terceira etapa foi, na minha avaliação, a mais formativa de todo o processo: antes de avançar para a redação, usei o diálogo com a IA para testar a robustez das minhas próprias ideias, colocando perguntas mais exigentes sobre se a IA generativa tinha criado uma crise na avaliação ou apenas tornado visíveis problemas já existentes, e que mudanças conceptuais seriam necessárias para pensar a avaliação num contexto mediado por IA. Foi deste confronto que nasceu a ideia central do ensaio: a de que a IA não criou o problema da avaliação no ensino superior, mas retirou-lhe o véu, expondo fragilidades — superficialidade, desadequação ao mundo real, incapacidade de acompanhar a aprendizagem como processo vivo — que já lá estavam.

3. Fundamentação teórica: da deteção ao redesenho

O ensaio estrutura-se em três movimentos argumentativos, cada um sustentado por um conjunto distinto de referências.

O primeiro movimento parte do diagnóstico da literatura sobre IA e avaliação. Felix e Webb (2024) mapeiam as possibilidades e os riscos da IA no ensino superior, identificando a linha cada vez mais ténue entre assistência legítima e substituição do esforço intelectual, bem como a fragilidade das próprias ferramentas de deteção. O'Dea e O'Dea (2023), apoiando-se nos modelos TPACK e UTAUT, adotam uma postura mais cética, argumentando que a tecnologia por si só não transforma práticas pedagógicas — são a formação, a reflexão crítica e a cultura institucional que o fazem. Swiecki et al. (2022) oferecem o diagnóstico mais sistematizado das limitações da avaliação tradicional, mostrando que esta já avaliava, antes da IA existir, competências que os próprios humanos delegavam em ferramentas computacionais — o que torna a sua pertinência questionável independentemente da tecnologia disponível.

O segundo movimento mobiliza Oliveira e Pereira (2021) para propor um quadro de resposta: a avaliação digital autêntica, que se orienta para evidências de competência em contextos de aplicação significativa, e que é, por definição, menos suscetível de ser transferida para ferramentas de IA — uma defesa oral ou um portefólio reflexivo implicam sempre a presença e o julgamento do próprio estudante.

O terceiro movimento aprofunda esta resposta com Kickbusch et al. (2025), que propõem deslocar o foco da deteção para o design: em vez de policiar o uso da IA, redesenhar as tarefas para que os estudantes exerçam julgamento sobre os seus outputs. Este argumento é reforçado por três conceitos complementares que fui buscar à literatura sobre avaliação sustentável e autorregulação: o evaluative judgement de Boud e Soler (2015), entendido como a capacidade de apreciar e regular autonomamente a qualidade do próprio trabalho; os instrumentos de auto e heteroavaliação de Panadero et al. (2016), que descrevo como simultaneamente mais resistentes à delegação em IA e mais formativos; e a ideia de Rodríguez-Gómez e Ibarra-Sáiz (2015) de que avaliar é, antes de tudo, capacitar os estudantes para aprenderem de forma autónoma e sustentada.

4. A avaliação crítica do uso da IA

Um dos aspetos que considero mais relevantes neste trabalho foi ter documentado, com honestidade, as tensões da experiência de coautoria, e não apenas os seus benefícios. Registei que a ferramenta demonstrou notável capacidade de síntese e organização argumentativa, mas que delegar nela as tarefas intelectualmente mais exigentes comprometeria precisamente as competências que a atividade pretendia desenvolver — o ensaio tem valor formativo não pelo resultado, mas pelo processo de ler, comparar, relacionar e argumentar que exige.

Identifiquei também uma assimetria estrutural na interação: a IA responde com fluência, mas não questiona nem propõe alternativas espontaneamente, faltando-lhe o conflito argumentativo que, numa coautoria entre pares humanos, é ele próprio gerador de conhecimento. Esta constatação tornou-se, no fundo, a prova viva do argumento central do ensaio — se a IA não consegue gerar esse conflito produtivo, é o estudante quem precisa de o criar ativamente, questionando e testando as respostas da máquina em vez de as aceitar.

5. O diálogo com os colegas

A interação no fórum foi particularmente rica nesta atividade, tanto pelos comentários que fiz aos ensaios dos colegas como pelos que recebi no meu.

Ao comentar o ensaio da Filomena Rodrigues, destaquei a profundidade conceptual do texto e a forma como a articulação entre Swiecki et al., Boud e Soler, Oliveira e Pereira, Panadero et al. e Félix e Webb permitia compreender a IA não apenas como ameaça, mas como elemento que expõe fragilidades históricas dos modelos avaliativos. No ensaio do Rui Silva, sublinhei a posição de "ambivalência tecnológica" que ele manteve ao longo do texto, evitando tanto o entusiasmo acrítico como o alarmismo, e a força de conceitos como "pedagogia da vigilância" e "erosão tecnocrática do ato de educar". No ensaio da Susana Luís, elaborado em coautoria com o NoteBookLM, destaquei o equilíbrio entre potencialidades e riscos e a defesa de uma integração pedagógica da IA baseada na supervisão humana e no fortalecimento do pensamento crítico.

No meu próprio ensaio, recebi comentários especialmente estimulantes da Júlia Reis e do Rui Silva. A Júlia interpelou-me sobre como garantir que todos os docentes e estudantes desenvolvem a literacia crítica necessária para integrar a IA de forma ética, sobretudo em contextos institucionais sem políticas claras nem formação adequada. Respondi assumindo que não existe garantia universal ou rápida para essa questão, mas defendendo que essa literacia não precisa de ser prévia à mudança — pode ser construída no próprio processo de transformação das práticas, tal como a minha secção prévia sobre coautoria com IA foi, ela própria, um exemplo desse desenvolvimento em ato. O Rui, por sua vez, questionou como as instituições podem capacitar os docentes no design de tarefas autênticas sem gerar sobrecarga de trabalho incomportável. Respondi que este esforço não pode continuar a ser uma "aventura individual" de cada docente isolado, defendendo antes um trabalho de equipa partilhado, e critiquei modelos de formação pontual e superficial — como o "bootcamp" de uma tarde sobre IA que referi ter vivido no meu próprio contexto profissional — como insuficientes face à complexidade da mudança que este redesenho da avaliação exige.

6. Aprendizagens e próximos passos

Este trabalho consolidou, de forma mais madura, uma ideia que já vinha a construir-se desde a Atividade 1: a de que a resposta à IA na avaliação não é a proibição nem a vigilância, mas o redesenho de tarefas que tornem visível o julgamento do estudante. O que esta atividade acrescentou de novo foi a experiência, em primeira pessoa, de praticar esse mesmo princípio — usar a IA de forma criticamente informada durante a construção do próprio ensaio, e não apenas defender essa prática em abstrato.

Para os próximos trabalhos, proponho-me:

1. Continuar a documentar de forma transparente e crítica os processos de coautoria com IA, incluindo as suas tensões e limitações, e não apenas os seus resultados;

2. Aprofundar, em resposta às questões deixadas pelos colegas, a dimensão institucional do problema — como transformar a literacia crítica em IA de responsabilidade individual em objetivo coletivo e sustentado;

3. Continuar a procurar, nos diálogos do fórum, ocasiões de genuíno conflito argumentativo — aquilo que identifiquei faltar na interação com a IA, mas que os colegas, felizmente, souberam proporcionar.

7. Reflexão final crítica

Olhando para este percurso, sinto que a Atividade 3 fechou um ciclo que começou na Atividade 1. Ali, aprendi a confrontar criticamente uma resposta de IA com a literatura científica; no Guia de Boas Práticas, aprendi a gerir de forma transparente o seu uso como apoio à forma; agora, neste ensaio, aprendi a usar a IA como parceira de pensamento, documentando o processo com o mesmo rigor crítico que exijo do conteúdo. A metáfora que usei no ensaio — a IA como espelho que devolve a pergunta "para que serve, afinal, avaliar?" — aplica-se também, por extensão, ao meu próprio percurso de aprendizagem: cada atividade não me deu apenas respostas sobre avaliação em eLearning, devolveu-me perguntas cada vez mais exigentes sobre o meu próprio papel enquanto estudante que usa IA.

Uma limitação que reconheço é que a "interação assimétrica" que identifiquei na coautoria com a IA — a ausência de conflito argumentativo espontâneo — não foi, no fundo, plenamente resolvida no ensaio: apesar de a ter identificado com lucidez, o texto final continua a refletir, em grande medida, a estrutura de raciocínio que emergiu do diálogo com a ferramenta, e não um contraponto genuinamente independente. A pergunta que a Júlia me deixou sobre a literacia crítica institucional e a que o Rui me deixou sobre a sobrecarga docente ficam, por isso, como convites a continuar este trabalho para lá do ensaio: não basta reconhecer a assimetria da interação com a IA — é preciso, também, encontrar formas concretas e sustentáveis de a compensar, tanto a nível individual como institucional.

________________________________________

Referências Bibliográficas

Boud, D., & Soler, R. (2015). Sustainable assessment revisited. Assessment & Evaluation in Higher Education, 41(3), 400–413. https://doi.org/10.1080/02602938.2015.1018133

Felix, J., & Webb, L. (2024). Use of artificial intelligence in education delivery and assessment (POST Note 712). UK Parliament, Parliamentary Office of Science and Technology. https://doi.org/10.58248/PN712

Kickbusch, S., Ashford-Rowe, K., Kemp, A., Boreland, J., & Huijser, H. (2025). Beyond detection: Redesigning authentic assessment in an AI-mediated world. Education Sciences, 15(11), 1537. https://doi.org/10.3390/educsci15111537

O'Dea, X., & O'Dea, M. (2023). Is artificial intelligence really the next big thing in learning and teaching in higher education? A conceptual paper. Journal of University Teaching & Learning Practice, 20(5). https://doi.org/10.53761/1.20.5.06

Oliveira, I., & Pereira, A. (2021). Avaliação digital autêntica: questões e desafios. RE@D — Revista de Educação a Distância e eLearning, 4(2), 22–40. https://doi.org/10.34627/vol4iss2pp22-40

Panadero, E., Jonsson, A., & Strijbos, J. W. (2016). Scaffolding self-regulated learning through self-assessment and peer assessment: Guidelines for classroom implementation. In D. Laveault & L. Allal (Eds.), Assessment for learning: Meeting the challenge of implementation (pp. 311–326). Springer. https://doi.org/10.1007/978-3-319-39211-0_18

Rodríguez-Gómez, G., & Ibarra-Sáiz, M. S. (2015). Assessment as learning and empowerment: Towards sustainable learning in higher education. In M. Peris-Ortiz & J. M. Merigó Lindahl (Eds.), Sustainable learning in higher education: Developing competencies for the global marketplace (pp. 1–20). Springer. https://doi.org/10.1007/978-3-319-10804-9_1

Swiecki, Z., Khosravi, H., Chen, G., Martinez-Maldonado, R., Lodge, J. M., Milligan, S., Selwyn, N., & Gašević, D. (2022). Assessment in the age of artificial intelligence. Computers and Education: Artificial Intelligence, 3, 100075. https://doi.org/10.1016/j.caeai.2022.100075

                                                 Link para o Ensaio

________________________

Disciplina: Avaliação em Contextos de eLearning 

Mestrado em Pedagogia do eLearning

Guia de Boas Práticas | Atividade 2_Avaliação em Contextos eLearning

 

   Infografia criada com recurso a IA generativa (NotebookLM, 2026).

Diário de Bordo — Atividade 2 

1. Contextualização

Este trabalho teve como base a análise dos capítulos 7 e 8 da obra de Conrad e Openo (2019), Assessment strategies for online learning: Engagement and authenticity, tendo o grupo ficado responsável por desenvolver o Capítulo 3 do Guia de Boas Práticas — dedicado ao planeamento, às tecnologias e ao feedback na avaliação online. Diferente da Atividade 1, em que o ponto de partida era uma pergunta lançada a uma IA, este trabalho partiu diretamente da leitura de uma obra de referência, cabendo à IA um papel de apoio à organização e à escrita, e não de gerador de conteúdo teórico. Este registo documenta o processo de construção do capítulo, as opções tomadas em grupo e a forma como geri, em concreto, a utilização da IA — servindo de atualização ao meu blogue digital.

2. O processo de trabalho

O primeiro desafio foi decidir como organizar um capítulo inteiro a partir de uma leitura densa, sem perder o fio condutor entre os vários conceitos que Conrad e Openo (2019) apresentam. Optámos por uma estrutura que parte do enquadramento teórico geral (a avaliação como génese do planeamento) até à aplicação prática (um exemplo concreto numa unidade curricular de Gestão), passando pelos conceitos-chave, pelo desenvolvimento do tema e pela articulação com os desafios atuais.

Um dos conceitos que mais me interpelou foi o de avaliação como génese do planeamento, que rompe com a lógica tradicional de organizar primeiro os conteúdos e só depois pensar na avaliação. Conrad e Openo (2019) defendem que deve ser o docente a clarificar, antes de mais, o que pretende que os estudantes aprendam e que evidências podem demonstrar essa aprendizagem — sendo essa clarificação que deve orientar a escolha de conteúdos, atividades e ferramentas digitais. Esta ideia aproxima-se do conceito de design reverso de Wiggins e McTighe (2005), que também discutimos no capítulo: planear a partir do fim, definindo primeiro os resultados de aprendizagem esperados, para só depois organizar conteúdos, tarefas e instrumentos de avaliação. Vi aqui uma ligação direta ao princípio do alinhamento construtivo de Biggs (2003), que sustenta que o processo se torna mais coerente quando existe uma relação clara entre resultados esperados, estratégias de ensino e avaliação.

3. Fundamentação teórica: da avaliação autêntica à monitorização do percurso

O trabalho procurou não ficar apenas pelo enquadramento conceptual, mas mostrar como estes princípios se traduzem em práticas concretas de avaliação online.

Um dos pilares foi o conceito de avaliação autêntica (Wiggins, 1998), que privilegia tarefas com significado e aplicabilidade, em vez de atividades centradas na reprodução teórica — mobilizando o conhecimento em contextos próximos da realidade profissional. Cruzámos esta ideia com a hierarquia de resultados de aprendizagem de Costa e Garmston (2013), que distingue diferentes níveis de complexidade cognitiva, indo além do domínio factual para incluir disposições como o pensamento crítico, a autonomia e a responsabilidade.

Outro ponto central foi o papel das tecnologias digitais — wikis, fóruns, blogs, e-portefólios — não como espaços de mera entrega de trabalhos, mas como instrumentos capazes de tornar visível o processo de aprendizagem. Aqui apoiámo-nos em Amante e Oliveira (2016), que sublinham que avaliar não é apenas classificar, mas acompanhar o percurso dos estudantes, perceber dificuldades e usar essa informação para melhorar o ensino. As wikis, em particular, permitem identificar o contributo individual em trabalhos colaborativos, tornando visível a construção coletiva do conhecimento; os blogs e portefólios, por sua vez, facilitam a reflexão crítica e o registo da evolução da aprendizagem — o que é, de resto, precisamente a função que este próprio diário de bordo cumpre no meu percurso.

O papel do feedback foi outro eixo importante do capítulo. Apoiámo-nos em Nicol e Macfarlane-Dick (2006), que defendem que o feedback contínuo e orientador contribui para a autorregulação da aprendizagem e para a melhoria progressiva do desempenho dos estudantes — o que só é possível se a avaliação for pensada como processo, e não como classificação isolada no final da unidade curricular.

Por fim, situámos a discussão nos desafios atuais, nomeadamente os associados à Inteligência Artificial. Apoiámo-nos na UNESCO (2023) e no relatório do JISC (2020) para argumentar que, mais do que reforçar mecanismos de controlo e deteção, importa desenvolver estratégias de avaliação autênticas e contextualizadas — difíceis de reproduzir de forma mecânica, precisamente porque mobilizam experiência pessoal e profissional que não é externalizável nem delegável. Esta conclusão dialoga diretamente com o que já tínhamos discutido na Atividade 1, a propósito da distinção entre avaliar o produto e avaliar o julgamento crítico do estudante.

4. O uso da IA e a sua avaliação crítica

Ao contrário da Atividade 1, em que a IA foi o ponto de partida do trabalho, neste capítulo a IA foi usada sobretudo como ferramenta de apoio: na exploração inicial do tema, na estruturação do capítulo, na síntese de conceitos e na revisão linguística. O conteúdo teórico foi sempre baseado na leitura direta da obra de Conrad e Openo (2019), cabendo à IA um papel de reformulação textual e revisão da correção linguística em português de Portugal académico — nunca de substituição do trabalho intelectual do grupo.

Esta distinção pareceu-me importante de registar no diário: usámos a IA de forma crítica e consciente do seu papel, coerente com aquilo que já tínhamos concluído na Atividade 1 sobre os limites de aceitar acriticamente uma resposta de IA. Na avaliação que fizemos do próprio uso da ferramenta, identificámos como principal limitação a tendência da IA para gerar respostas demasiado genéricas ou excessivamente estruturadas, exigindo reformulação para garantir um estilo mais natural. Não identificámos "alucinações" relevantes, mas todas as informações foram validadas com base na leitura direta da obra de referência e de outras fontes credíveis — um procedimento de validação que considero ter sido decisivo para a integridade científica do trabalho.

5. O trabalho em grupo

Este trabalho envolveu, pela primeira vez neste percurso, um grupo de quatro elementos (Filomena Rodrigues, Pedro Alves, Susana Luís e eu própria), o que trouxe uma dinâmica diferente da anterior, feita a pares. A divisão de tarefas e a necessidade de conciliar diferentes leituras de um mesmo capítulo obrigou a um esforço adicional de coordenação, mas também enriqueceu a discussão — cada elemento trazia um ângulo ligeiramente distinto sobre os mesmos conceitos, o que ajudou a tornar o texto final mais completo do que se tivesse sido escrito por uma só pessoa.

6. Aprendizagens e próximos passos

Este trabalho reforçou uma ideia que já vinha da Atividade 1, mas agora vista de outro ângulo: a de que a avaliação, para ser coerente, precisa de ser pensada desde o início do planeamento, e não acrescentada no final como um momento isolado de classificação. Se na Atividade 1 a questão central era distinguir entre avaliar o produto e avaliar o julgamento crítico do estudante, neste trabalho a questão central foi perceber que essa distinção só é operacionalizável se a avaliação estiver alinhada, desde a génese do planeamento, com os resultados de aprendizagem e com as tecnologias escolhidas — ideia sustentada tanto por Conrad e Openo (2019) como por Biggs (2003) e Wiggins e McTighe (2005).

Para os próximos trabalhos, proponho-me:

1. Continuar a documentar de forma transparente o uso da IA, distinguindo claramente entre apoio à forma (estruturação, revisão linguística) e apoio ao conteúdo (o que deve continuar a resultar de leitura direta e discussão crítica em grupo);
2. Explorar com mais detalhe exemplos práticos de aplicação dos conceitos teóricos, à semelhança do exemplo da unidade curricular de Gestão que desenvolvemos neste capítulo;
3. Manter, também no trabalho em grupos maiores, a mesma exigência de problematização autónoma que identifiquei como área a melhorar na Atividade 1.

7. Reflexão final crítica

Olhando para este trabalho em conjunto com a Atividade 1, sinto que o meu percurso na disciplina está a construir um fio condutor coerente: primeiro, aprendi a confrontar criticamente uma resposta de IA com a literatura científica; agora, aprendi a gerir de forma transparente e crítica o uso da IA como ferramenta de apoio, sem a deixar substituir o trabalho intelectual do grupo. Estas são, na prática, duas faces do mesmo problema — o de garantir que a tecnologia serve a aprendizagem e o pensamento crítico, e não o contrário.

Uma limitação que reconheço neste trabalho é que, por ter sido construído a partir de uma única obra de referência (Conrad & Openo, 2019), a discussão ficou por vezes mais próxima de uma sistematização dos conceitos do autor do que de um confronto crítico entre diferentes perspectivas teóricas — ao contrário do que acontecera na Atividade 1, em que o confronto entre duas fontes distintas (Amante et al., 2014; Kickbusch et al., 2025) tinha gerado uma reflexão mais problematizadora. Fica como aprendizagem para trabalhos futuros a necessidade de, mesmo quando a base é uma única obra, procurar ativamente vozes divergentes ou complementares que permitam testar os seus limites — tal como já fizemos, com mais sucesso, no confronto entre a IA e a literatura na primeira atividade.

 

Referências Bibliográficas

Amante, L., & Oliveira, I. (Coords.). (2016). Avaliação das aprendizagens: Perspetivas, contextos e práticas. Universidade Aberta.

Biggs, J. (2003). Teaching for quality learning at university: What the student does (2nd ed.). Open University Press.

Conrad, D., & Openo, J. (2019). Assessment strategies for online learning: Engagement and authenticity. Athabasca University Press. https://doi.org/10.15215/aupress/9781771992329.01

Costa, A. L., & Garmston, R. J. (2013). Cognitive coaching: Developing self-directed leaders and learners (3rd ed.). Rowman & Littlefield.

JISC. (2020). Assessment and feedback in a digital age. Joint Information Systems Committee. https://www.jisc.ac.uk/reports/assessment-and-feedback-in-a-digital-age

Nicol, D. J., & Macfarlane-Dick, D. (2006). Formative assessment and self-regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199–218. https://doi.org/10.1080/03075070600572090

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO. https://unesdoc.unesco.org/ark:/48223/pf0000386693

Wiggins, G. (1998). Educative assessment: Designing assessments to inform and improve student performance. Jossey-Bass.

Wiggins, G., & McTighe, J. (2005). Understanding by design (Expanded 2nd ed.). ASCD.

Link para guia

Disciplina: Avaliação em Contextos de Elearning 

Mestrado em Pedagogia do eLearning Grupo 4: Filomena Rodrigues, Pedro Alves, Susana Luís e Tânia Santos

Estado da Arte da Avaliação em eLearning | Atividade 1__Avaliação em Contextos eLearning

                 Ilustração criada com recurso a IA generativa (ChatGPT/DALL·E, OpenAI, 2026).

Diário de Bordo — Atividade 1

 

1. Contextualização

A Atividade 1 desafiou-nos a explorar o estado da arte da avaliação pedagógica em contextos de eLearning, partindo de uma pergunta-base lançada pela professora Lúcia Amante: qual é o estado da arte da avaliação pedagógica em contextos de eLearning e quais são, atualmente, os principais desafios enfrentados?

Optámos por trabalhar com uma ferramenta de IA como ponto de partida, usando a sua resposta não como um fim em si mesma, mas como um objeto de análise — algo a confrontar, problematizar e confirmar (ou não) à luz da literatura científica selecionada. Este registo documenta o processo, as opções tomadas e as aprendizagens retiradas, servindo de atualização ao meu portfólio digital e de exercício de metacognição sobre o meu próprio percurso de aprendizagem.

2. O processo de trabalho

O ponto de partida foi a pergunta lançada à IA, que devolveu duas subquestões orientadoras: uma sobre a viabilidade pedagógica da transição de modelos somativos para modelos formativos e contínuos em turmas de grande dimensão, e outra sobre os desafios éticos e pedagógicos associados ao uso de learning analytics e IA na avaliação online.

A síntese da resposta da IA apontava para uma evolução clara: de uma avaliação sumativa para uma abordagem contínua e formativa, valorizando evidências múltiplas (interações, projetos, portfólios) e práticas participativas como a autoavaliação e a avaliação entre pares. O maior desafio nesta fase do trabalho não foi obter a resposta da IA, mas decidir o que fazer com ela: resistir à tentação de a aceitar como verdade estabelecida e transformá-la, em vez disso, num ponto de partida para uma reflexão crítica sustentada em literatura científica.

3. A reflexão crítica: confrontar a IA com a literatura

Escolhemos dois textos-âncora para este confronto direto com a resposta da IA:

• Amante, Oliveira e Gomes (2014), sobre avaliação digital nas universidades públicas portuguesas, que ofereceu um quadro edumétrico situado sobre autenticidade e praticabilidade da avaliação;
• Kickbusch, Ashford-Rowe, Kemp, Boreland e Huijser (2025), Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World, que trouxe uma perspetiva disruptiva sobre o papel da IA na avaliação.

3.1. Convergências entre a IA e a literatura

A resposta da IA revelou uma forte convergência com a literatura no que toca à mudança de paradigma da avaliação sumativa para a formativa. O modelo de Amante et al. (2014) já apontava para a necessidade de tarefas significativas, ideia que a IA confirmou ao destacar a centralidade do processo de aprendizagem. Esta visão é corroborada por Kickbusch et al. (2025), que defendem que, num mundo mediado por IA, a força avaliativa deve residir em evidências de percurso — portfólios, projetos — e não em testes isolados. A literatura confirmou ainda a importância da avaliação participativa (autoavaliação e avaliação entre pares) e do uso de learning analytics para personalizar o feedback, elementos que a IA identificou como tendências estruturantes. A própria ideia da IA sobre o "professor como designer" de avaliação encontrou eco direto na dimensão da autenticidade de Amante et al. (2014), em que o docente é entendido como o arquiteto de contextos que ligam a academia ao mundo real.

3.2. Limitações e simplificações da resposta da IA

Foi, no entanto, no confronto com estas limitações que a reflexão crítica mais se aprofundou. Em primeiro lugar, na dimensão da autenticidade e da integridade: enquanto a IA focava a sua resposta na dificuldade de garantir a autoria — uma visão essencialmente defensiva —, Kickbusch et al. (2025) propõem um salto qualitativo que a IA ignorava: o redesenho da própria tarefa de avaliação para que a IA seja uma parceira de co-criação crítica. A resposta da IA simplificava assim o desafio, não percebendo que "avaliar", num contexto mediado por IA, implica também avaliar o julgamento do estudante sobre o output da máquina, e não apenas a autenticidade do produto final.

Em segundo lugar, identificámos que a IA negligenciava a tensão entre praticabilidade e escala. Amante et al. (2014) sublinham o equilíbrio necessário entre o esforço docente e o benefício pedagógico — equilíbrio que a resposta da IA ignorava ao apresentar a automatização como solução facilitadora, sem reconhecer que a avaliação formativa de qualidade exige proximidade pedagógica, o que colide diretamente com a tendência de massificação característica do eLearning.

Por fim, quanto à validade e à ética do uso de dados, a IA tratou estas questões de forma predominantemente técnica, enquanto a literatura as apresenta como dilemas bem mais complexos: como garantir que a "datificação" — a recolha sistemática de logs e interações dos estudantes — não compromete a equidade e a privacidade, e como assegurar que não estamos, na prática, a medir apenas "atividade" em vez de "competência" real. Este ponto revelou-se, para mim, um dos mais importantes de todo o trabalho: a facilidade com que uma resposta tecnicamente correta pode, ainda assim, escamotear o que está eticamente em jogo.

Em síntese, a IA mostrou-se eficaz a mapear o estado da arte da avaliação em eLearning, mas falhou em captar a profundidade ética e política que a avaliação, enquanto ato pedagógico, sempre implica. A literatura de Amante et al. (2014) e Kickbusch et al. (2025) revelou-se indispensável para preencher este vazio, demonstrando que a tecnologia deve servir para potenciar a agência humana, e não para automatizar processos de exclusão.

4. O diálogo com os colegas

A interação no fórum foi um momento particularmente rico deste percurso. Os comentários da Carla Miranda e do Rui Silva ajudaram a validar — e a aprofundar — uma das ideias centrais do trabalho: a de que avaliar em contextos mediados por IA implica sempre avaliar o pensamento crítico e o julgamento do estudante sobre o uso da tecnologia, e não apenas controlar a autoria do produto final.

A Carla acrescentou um ângulo importante, sublinhando que este caminho implica também repensar os próprios critérios de avaliação, deslocando o foco do produto final para os processos de decisão, justificação e validação das escolhas do estudante, sobretudo quando mediadas pela tecnologia — uma ideia que aprofunda exatamente a distinção entre avaliar o produto e avaliar o processo que tínhamos retirado do confronto entre a IA e Kickbusch et al. (2025). O Rui, por sua vez, destacou como muito positiva a forma como explorámos a ideia de que avaliar, num contexto mediado por IA, implicará sempre avaliar o julgamento crítico do aluno sobre o uso da própria tecnologia, reforçando a pertinência da articulação entre a resposta da IA e a literatura selecionada.

Respondi a ambos procurando não apenas agradecer, mas devolver a discussão ao ponto que mais me parecia central: a avaliação como processo formativo, ético e intencional, em que a tecnologia só tem valor pedagógico quando ao serviço da aprendizagem e da reflexão crítica — e não como um fim em si mesma.

5. Feedback recebido e autoavaliação

A análise individual recebida sobre o trabalho foi globalmente muito positiva, destacando:

• boa compreensão da temática e dos desafios da IA na avaliação;
• estrutura clara e cumprimento dos elementos solicitados;
• a reflexão crítica como ponto forte do trabalho, evidenciando capacidade de análise e problematização, sem se limitar a descrever as ideias da IA;
• uma articulação pertinente com a literatura.

Foram também identificadas áreas de melhoria, que assumo como aprendizagem para as próximas atividades:

• maior capacidade de condensação na síntese da resposta da IA, tornando-a mais focada e alinhada com os limites propostos;
• aprofundar ainda mais as implicações pedagógicas de algumas ideias, em vez de as explorar apenas superficialmente;
• reforçar a articulação com os conceitos mobilizados, com uma exploração mais consistente ao longo de todo o texto, e não apenas nos momentos dedicados à reflexão crítica.

No que toca à minha participação individual no fórum, foi-me reconhecido rigor científico e pertinência nas interpelações aos colegas — nomeadamente ao levantar questões sobre a autenticidade da avaliação em contextos de IA. Foi também identificado, com justiça, que a minha participação foi sobretudo validativa, centrada no reforço do consenso já existente no grupo, e que poderia beneficiar de maior iniciativa crítica e problematização autónoma — ou seja, arriscar mais em levantar dúvidas ou contrapontos, em vez de apenas confirmar e aprofundar o que já estava bem dito.

6. Aprendizagens e próximos passos

Este trabalho consolidou uma ideia que me parece central para todo o mestrado: a avaliação em contextos de eLearning não pode ser pensada como um problema técnico de deteção de fraude ou de automatização de processos. É, acima de tudo, uma questão de intencionalidade pedagógica — decidir o que queremos efetivamente avaliar (o produto ou o processo, a autoria ou o julgamento crítico) antes de decidir como o vamos avaliar. Esta conclusão é sustentada tanto pelo quadro edumétrico de Amante et al. (2014) como pela perspetiva disruptiva de Kickbusch et al. (2025), o que reforça a robustez do argumento construído ao longo de todo o trabalho.

Para a próxima atividade, proponho-me:

1. Ter mais capacidade de síntese, sem perder rigor;
2. Assumir posições mais problematizadoras e autónomas no fórum, mesmo quando isso implica discordar ou questionar consensos já estabelecidos no grupo;
3. Trabalhar a articulação teórica de forma mais integrada ao longo de todo o texto, mobilizando desde cedo os conceitos dos autores de referência, e não apenas no momento da reflexão crítica final.

7. Reflexão final crítica

Chegada ao fim desta primeira atividade, sinto que o maior ganho não foi tanto o conteúdo sobre avaliação em eLearning — que, em grande parte, já intuía a partir da prática — mas sim a forma como aprendi a relacionar-me criticamente com uma resposta de IA. É fácil ler uma síntese bem escrita, coerente e aparentemente completa, e confundir fluência com profundidade. O exercício de a confrontar sistematicamente com Amante et al. (2014) e Kickbusch et al. (2025) obrigou-me a distinguir aquilo que a IA descreve bem (a mudança de paradigma sumativo para formativo, a valorização de evidências de percurso) daquilo que ela simplifica ou evita (a dimensão ética da datificação, a tensão entre escala e proximidade pedagógica, o redesenho da própria tarefa de avaliação). Esta distinção entre descrição precisa e compreensão profunda é, a meu ver, a competência mais transferível que retiro desta atividade — e é também, ironicamente, o próprio objeto de estudo do trabalho: avaliar não é verificar se algo está corretamente descrito, é avaliar a capacidade de julgar o que essa descrição deixa de fora.

Reconheço, contudo, limitações neste percurso. Em primeiro lugar, a nossa reflexão crítica, apesar de sólida, ficou concentrada essencialmente no confronto direto com a resposta da IA, sem explorar tão a fundo como esta discussão se aplicaria a um caso concreto — uma disciplina real, um instrumento de avaliação específico. A crítica manteve-se, em parte, no plano conceptual, quando poderia ter ganho mais força ao ser testada contra um exemplo prático. Em segundo lugar, e revendo o feedback recebido sobre a minha participação no fórum, reconheço que tendi a validar e aprofundar as ideias dos colegas em vez de as questionar. Foi uma escolha talvez confortável — reforçar o consenso do grupo — mas que me deixou pouco à vontade em relação ao papel de problematização que a própria literatura que mobilizámos defende: se Kickbusch et al. (2025) argumentam que avaliar implica julgar criticamente e não apenas validar, seria coerente que eu tivesse aplicado esse mesmo princípio à minha postura no fórum, e não apenas ao conteúdo do trabalho escrito.

Fica também uma questão em aberto que gostaria de levar para as próximas atividades: se, como concluímos, a avaliação mediada por IA exige avaliar o julgamento do estudante sobre o output da máquina, como se operacionaliza isso na prática, sem transformar essa avaliação num exercício igualmente superficial de "mostrar que se pensou criticamente"? Esta é, para mim, a fronteira ainda por explorar entre o discurso sobre avaliação autêntica em contextos de IA e a sua tradução em critérios, tarefas e ins
trumentos concretos — e é também onde sinto que o meu percurso de aprendizagem, e o do grupo, ainda tem um caminho significativo a percorrer.

 

Bibliografia

Amante, L., Oliveira, I., & Gomes, M. J. (2014). Avaliação digital nas universidades públicas portuguesas: perspectivas de professores e de estudantes [Comunicação]. EUTIC 2014, Universidade Nova de Lisboa, Portugal.

Kickbusch, S., Ashford-Rowe, K., Kemp, A., Boreland, J., & Huijser, H. (2025). Beyond detection: Redesigning authentic assessment in an AI-mediated world. Education Sciences, 15(11), 1537. https://doi.org/10.3390/educsci15111537

Link para o Relatório

Disciplina: Avaliação em Contextos de Elearning 

Mestrado em Pedagogia do eLearning Grupo C: Susana Luís e Tânia Santos