Um artigo em primeira pessoa publicado no Reino Unido argumenta que o uso crescente de ferramentas como ChatGPT por estudantes universitários não é sinal de preguiça ou decadência intelectual, mas resposta pragmática a um sistema educacional marcado por exames caóticos no pós-Covid, avaliações online instáveis e pressão financeira sem precedentes.
O QUE HÁ DE NOVO: A estudante britânica Elsie McDowell, vencedora de um prêmio de jornalismo estudantil, publicou um relato detalhado no The Guardian sobre como sua geração, marcada pelos anos de pandemia, está incorporando inteligência artificial generativa ao cotidiano acadêmico. Em vez de focar apenas em casos de cola, o texto reconstrói a trajetória de mudanças nos exames do ensino médio e da universidade no Reino Unido, mostra como avaliações online e abertas a consulta permaneceram após a reabertura dos campi e relaciona esse cenário à rápida popularização de ferramentas de IA para pesquisa, estruturação de projetos e redação de trabalhos.
COMO FUNCIONA: No contexto descrito, a IA generativa entra na vida acadêmica sobretudo como apoio à escrita e ao estudo, não necessariamente como atalho para burlar avaliações. Estudantes usam sistemas como ChatGPT para organizar ideias, sugerir estruturas de ensaio, revisar argumentos e, em alguns casos, para tirar dúvidas conceituais em disciplinas nas quais tiveram lacunas de conteúdo durante a pandemia. Essa interação acontece fora da sala de aula tradicional, em casa ou em bibliotecas, com pouca orientação institucional clara sobre limites de uso em trabalhos avaliativos.
Ao mesmo tempo, universidades britânicas passaram por uma transição acelerada de formatos de avaliação: exames presenciais foram substituídos por provas online e abertas, depois retomados de forma parcial ou total em papel, muitas vezes com decisões tomadas tardiamente. Em algumas instituições, estudantes da mesma disciplina fazem provas em formatos diferentes, dependendo do ano em que ingressaram. Esse mosaico de regras e prazos, somado à ampliação de avaliações remotas, cria condições em que ferramentas de IA se tornam mais fáceis de usar, mais difíceis de monitorar e, para muitos alunos, mais justificáveis como recurso de sobrevivência acadêmica.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: A narrativa coloca em evidência que o avanço da IA na educação superior não pode ser entendido isoladamente da experiência escolar da geração Covid. Alunos que perderam meses de aula presencial, tiveram provas nacionais canceladas e enfrentaram mudanças sucessivas nas regras de avaliação chegam à universidade com lacunas de conteúdo, menos confiança em exames tradicionais e forte percepção de injustiça em relação às coortes anteriores. Nesse contexto, sistemas de IA aparecem como compensação de fragilidades do percurso formativo, oferecendo síntese rápida de conteúdos, modelos de resposta e apoio estruturado para quem sente que não teve a preparação adequada.
Para o trabalho docente e a gestão universitária, o artigo funciona como alerta: tratar o uso de IA apenas como problema disciplinar tende a ignorar causas estruturais. Professores lidam com turmas que estudaram sob currículos incompletos, convivem com regras de avaliação em constante revisão e recebem orientações difusas sobre como enquadrar a IA em políticas de integridade acadêmica. Sem diretrizes claras, cada disciplina adota soluções próprias, o que aumenta a percepção de arbitrariedade entre estudantes. Do ponto de vista de políticas educacionais, a experiência britânica sugere que marcos regulatórios sobre IA precisam dialogar com reformas mais amplas em avaliação, financiamento estudantil e suporte acadêmico pós-pandemia.
INSIGHT CENTRAL: O ponto central do argumento é que a IA não está transformando sozinha o que significa ser estudante; ela chega a um sistema que já vinha sendo transformado, de forma desordenada, pelas respostas à Covid e por mudanças econômicas que encareceram a vida universitária. Segundo o relato, a maioria dos colegas não enxerga a IA como substituta da aprendizagem, mas como ferramenta pragmática diante de um ambiente em que o tempo disponível para estudar diminuiu, as regras de avaliação parecem instáveis e a pressão por desempenho permanece alta. Em vez de ser motor da crise, a IA seria um sintoma visível de falhas acumuladas na organização dos exames e no desenho do apoio acadêmico.
Esse enquadramento desloca o debate da pergunta “como evitar que alunos colem com IA?” para “o que torna a IA tão atraente para estudantes hoje?”. Ao olhar para a história recente de cancelamentos de exames, correções de notas, transição para avaliações online e retorno parcial às provas presenciais, o texto sugere que boa parte da demanda por IA nasce da sensação de estar permanentemente em desvantagem, especialmente entre alunos de escolas públicas e de baixa renda, que sofreram mais com o ensino remoto de baixa qualidade e agora carregam dívidas estudantis maiores e prazos mais longos de pagamento.
PRINCIPAIS RESULTADOS: Embora não seja um estudo quantitativo, o artigo reúne dados e evidências pontuais que ajudam a dimensionar o cenário. A autora lembra que, cinco anos após o início da pandemia, cerca de 70% das universidades britânicas ainda mantêm algum tipo de avaliação online, o que amplia o espaço potencial para uso de IA durante provas e trabalhos. Ela também cita que 68% dos estudantes têm empregos de meio período, o maior percentual em uma década, o que reduz o tempo dedicado exclusivamente aos estudos. No campo financeiro, destaca que sua coorte será a primeira a quitar empréstimos estudantis ao longo de 40 anos, e não 30, aumentando a pressão para se formar rapidamente e maximizar retorno econômico do diploma.
Do ponto de vista da trajetória educacional, o texto descreve uma sequência de decisões de governo que afetaram diretamente a percepção de justiça das avaliações: cancelamento de exames nacionais em 2020 e 2021, substituídos por notas atribuídas por professores que favoreceram escolas privadas, seguido de um endurecimento para conter “inflação de notas” em 2023. Na prática, isso produziu gerações que não passaram por exames tradicionais, outras avaliadas em regime excepcional e, por fim, uma coorte submetida a critérios mais rigorosos. Ao chegar à universidade, esses grupos convivem sob regras diferentes de avaliação, o que reforça a ideia de um sistema em transição permanente.
SIM, MAS… (limitações e riscos): A leitura proposta pela estudante não elimina preocupações legítimas sobre o uso da IA na educação. O texto reconhece que há abusos e uso excessivo de modelos de linguagem em avaliações, com potencial de minar o desenvolvimento de pensamento crítico e habilidades de escrita própria. Como se trata de um artigo opinativo baseado em experiência pessoal, não há dados sistemáticos sobre a extensão da cola mediada por IA ou sobre diferenças entre cursos e instituições, o que limita a generalização para outros contextos, inclusive fora do Reino Unido.
Além disso, o argumento de que a IA é resposta a problemas estruturais não garante que sua adoção espontânea pelos estudantes resulte em melhor aprendizagem. Sem orientação, alunos podem usar ferramentas generativas para substituir leituras e exercícios, reduzir a prática de argumentação própria ou depender de respostas potencialmente errôneas ou enviesadas. Há ainda riscos ambientais, mencionados pela autora, relacionados ao elevado consumo de energia e água dos data centers que sustentam os grandes modelos de linguagem, aspecto pouco presente nos debates educacionais, mas relevante para políticas públicas responsáveis.
EXEMPLOS NA PRÁTICA EDUCACIONAL: A partir do cenário descrito, é possível imaginar usos concretos da IA em diferentes tipos de curso. Em disciplinas com avaliações por ensaio, estudantes tendem a pedir à IA que sugerira planos de texto, tópicos de parágrafo ou formas de reformular argumentos, especialmente quando se sentem perdidos em temas cuja matéria foi mal coberta durante o ensino médio remoto. Em provas online abertas, há quem utilize a tecnologia para sintetizar rapidamente leituras extensas ou conferir respostas antes do envio, o que tensiona fronteiras entre apoio legítimo e violação das regras de integridade acadêmica.
Na gestão universitária, o relato reforça a necessidade de políticas claras de uso de IA em avaliações, diferindo, por exemplo, entre tarefas de aprendizagem formativa, em que a ferramenta pode ser encorajada como apoio, desde que documentada, e exames somativos de alta relevância, nos quais o uso pode ser restrito ou proibido. Instituições que mantêm avaliações online podem desenhar questões que exijam aplicação original de conceitos a contextos específicos, tornando menos eficaz o simples copiar e colar de respostas geradas por IA. Ao mesmo tempo, programas de apoio acadêmico podem ensinar estudantes a usar ferramentas generativas para revisão crítica de textos, e não apenas para produzir respostas prontas.
O QUE VEM DEPOIS: O artigo termina com um apelo para que universidades definam e mantenham formatos de avaliação mais estáveis e, quando optarem por provas abertas ou trabalhos, explicitem claramente o que consideram um uso “proporcional” de IA. Para pesquisadores e formuladores de políticas, isso abre uma agenda de questões ainda em aberto: quais combinações de avaliação presencial, online e baseada em projetos funcionam melhor em contextos de ampla disponibilidade de IA? Que tipos de orientação ajudam estudantes a desenvolver autonomia intelectual ao mesmo tempo em que se beneficiam das novas ferramentas?
Também permanece em aberto como diferentes sistemas nacionais de ensino vão incorporar a experiência da geração que atravessou a pandemia na escola e chega agora ao ensino superior. A percepção de injustiça em relação às notas, a heterogeneidade de trajetórias e a pressão financeira se repetem, com variações, em vários países. Construir políticas de IA na educação que ignorem esse pano de fundo tende a produzir respostas apenas repressivas, com foco em detecção de plágio, mas pouco efetivas para apoiar aprendizagem profunda. O desafio para universidades e governos, sugerido indiretamente pelo texto, é alinhar debates sobre IA à revisão mais ampla dos modelos de avaliação, financiamento e suporte estudantil no pós-Covid.
Fonte: It’s true that my fellow students are embracing AI, but this is what the critics aren’t seeing
Fonte(s): https://www.theguardian.com/commentisfree/2025/jun/29/students-ai-critics-chatgpt-covid-education-system
