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:
- 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);
- Explorar com mais detalhe exemplos práticos de
aplicação dos conceitos teóricos, à semelhança do exemplo da unidade
curricular de Gestão que desenvolvemos neste capítulo;
- 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.
Sem comentários:
Enviar um comentário