Uma revisão sistemática publicada em março de 2026 analisou como ferramentas de inteligência artificial vêm sendo combinadas com avaliação formativa na formação inicial de professores entre 2020 e 2025. Ao mapear 30 estudos, o trabalho identifica cinco usos pedagógicos recorrentes, de feedback imediato a apoio à autorregulação, e aponta que, apesar do avanço, a integração ainda é parcial e frequentemente concentrada na automação, com participação limitada dos estudantes nas decisões avaliativas.
O QUE HÁ DE NOVO: O estudo reuniu evidências recentes sobre a convergência entre IA e avaliação formativa em cursos de formação docente, um recorte mais específico do que revisões amplas sobre IA na educação. A análise cobriu publicações em inglês e espanhol localizadas em Scopus, Web of Science e Dialnet, resultando em 30 artigos selecionados de um total de 775 registros inicialmente identificados, após triagem e leitura integral conforme o protocolo PRISMA.
COMO FUNCIONA: A revisão adotou critérios para avaliar o quanto os estudos realmente incorporavam IA em processos avaliativos formativos, considerando se havia feedback mediado por IA, uso ao longo do processo de avaliação, clareza de critérios para os estudantes e participação discente na própria avaliação com apoio de IA. Em seguida, os artigos foram organizados por análise temática, chegando a cinco categorias de uso: feedback imediato e adaptativo; desenvolvimento de competências docentes; suporte à escrita acadêmica e ao pensamento crítico; co-desenho e gestão da avaliação por professores; e promoção de avaliação compartilhada e autorregulação.
PRINCIPAIS RESULTADOS: No conjunto de estudos, a evidência mais consistente aparece no uso de IA para oferecer feedback em tempo real, frequentemente associado a economia de tempo para docentes e a ciclos mais rápidos de revisão por parte dos estudantes. Em aplicações com processamento de linguagem natural, a IA é descrita como capaz de localizar problemas de escrita e argumentação e sugerir melhorias; em outros casos, ferramentas analisam apresentações e indicam pontos específicos (até por marcação temporal) em que o desempenho em determinada competência falha, como aspectos de expressividade.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula universitária na formação docente, o mapeamento sugere que a IA tende a fortalecer a lógica da avaliação formativa quando usada para tornar o feedback mais rápido, específico e orientado à melhoria, favorecendo revisões sucessivas e aprendizagem mais autorregulada. Para o trabalho do professor formador, a promessa mais imediata é redistribuir esforço: menos tempo em tarefas repetitivas de correção e mais tempo em mediação pedagógica, acompanhamento individual e desenho de experiências de aprendizagem, especialmente em contextos em que a escala de turmas pressiona a oferta de devolutivas de qualidade.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: O estudo também coloca a avaliação como um eixo estratégico na “alfabetização em IA” de futuros professores. Como há indícios de transferência entre métodos de avaliação vividos na formação inicial e práticas adotadas depois na escola, experiências de avaliação formativa mediada por IA podem influenciar, para o bem ou para o mal, o que esses profissionais reproduzirão na prática, desde rotinas de feedback até a forma de envolver estudantes em critérios, autoavaliação e co-responsabilidade.
INSIGHT CENTRAL: A principal contribuição analítica do trabalho é tratar a IA não apenas como “ferramenta de correção”, mas como um conjunto de usos pedagógicos dentro de um sistema de avaliação formativa e compartilhada. Ao separar o fenômeno em cinco funções, a revisão ajuda programas de formação docente a distinguir adoções superficiais (automação) de integrações mais alinhadas à intenção formativa (reflexão, julgamento avaliativo e participação discente), oferecendo um vocabulário para desenhar intervenções e avaliar maturidade de implementação.
SIM, MAS…: Apesar do crescimento de publicações entre 2020 e 2025, os autores indicam que a base de evidências ainda é relativamente escassa por se tratar de um tema recente. Além disso, a integração relatada é frequentemente parcial: muitos estudos descrevem a IA como suporte técnico para automatizar feedback ou gerir dados, enquanto práticas mais exigentes, como participação ativa dos estudantes nas decisões de avaliação e dinâmicas robustas de avaliação compartilhada, aparecem menos, o que limita conclusões sobre mudanças mais profundas na cultura avaliativa.
O QUE VEM DEPOIS: A revisão aponta como próximo passo avançar de usos instrumentais para experiências em que a IA seja integrada de modo deliberado a processos formativos completos, com foco no uso criativo, crítico e reflexivo da tecnologia. Na prática, isso tende a exigir desenho pedagógico explícito, clareza de critérios e atividades que incorporem autoavaliação e avaliação por pares com qualidade, além de estudos que testem essas abordagens em mais contextos, línguas e formatos de publicação para reduzir lacunas do panorama atual.
