Um estudo analisa como diretrizes universitárias sobre IA generativa, embora criadas para orientar estudantes em um cenário de rápida mudança, também produzem “economias afetivas” de entusiasmo, ambivalência e ansiedade. Ao examinar sete documentos institucionais do Reino Unido, a pesquisa sugere que a linguagem usada para promover oportunidades e, ao mesmo tempo, ameaçar punições por má conduta acadêmica desloca a responsabilidade para o aluno e pode afetar equidade, inclusão e desenho de avaliações.
O QUE HÁ DE NOVO: O artigo “Affective economies of AI in digitalised higher education” propõe olhar para a adoção de IA generativa no ensino superior por uma lente menos comum no debate atual: a de como emoções circulam em textos institucionais e moldam o que estudantes entendem como “uso aceitável”. Em vez de mapear desempenho acadêmico ou eficácia de ferramentas, o trabalho analisa documentos de orientação a alunos produzidos por universidades britânicas, em um contexto de incerteza, restrição orçamentária e mudanças aceleradas na avaliação e na integridade acadêmica, que alguns autores já descrevem como um cenário de “pós-plágio”.
COMO FUNCIONA: A pesquisa realiza uma análise discursiva detalhada de sete guias institucionais selecionados a partir de um conjunto maior de diretrizes de 20 universidades e de princípios do Russell Group. Os documentos, anonimizados, foram escolhidos por refletirem temas recorrentes e por trazerem exemplos particularmente “evocativos” de como a IA é enquadrada. A leitura atenta procurou identificar marcadores de linguagem emotiva, tom, hipérboles, adjetivos e advérbios, além do uso de endereçamento direto ao leitor, para rastrear como termos e “objetos de sentimento” se fixam e circulam no discurso sobre IA.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para gestores e equipes pedagógicas, a análise chama atenção para um ponto prático: orientações sobre IA não são apenas informativas; elas também configuram comportamentos ao ativar medo, urgência e expectativas de “autogestão” do estudante. Em sala de aula, isso pode influenciar como alunos decidem usar (ou evitar) ferramentas, que tipo de apoio buscam e o quanto arriscam experimentar. Para o trabalho docente, evidencia-se um dilema institucional: promover letramento e inovação enquanto se mantém a credibilidade da avaliação, muitas vezes com linguagem punitiva, tende a aumentar o custo emocional e cognitivo para quem precisa interpretar regras pouco claras, sobretudo quando cada disciplina ou tarefa exige critérios diferentes.
INSIGHT CENTRAL: O conceito de “economias afetivas” ajuda a explicar por que guias de IA frequentemente parecem operar em uma “corda bamba”: entusiasmo e promessa de futuro (empregabilidade, liderança em um mundo “AI-enabled”) aparecem lado a lado com advertências sobre investigações, reprovação, suspensão e até expulsão. Essa justaposição, argumenta o estudo, não é só um efeito colateral do momento; ela é um mecanismo discursivo que alinha o estudante a duas identidades simultâneas, a do futuro profissional que precisa dominar IA e a do potencial infrator sob vigilância, criando ambivalência e ansiedade como elementos estruturantes do cotidiano acadêmico.
PRINCIPAIS RESULTADOS: Nos documentos analisados, o tom otimista se repete em expressões que tratam a IA como “oportunidade” e como habilidade essencial para a carreira, reforçando a ideia de que não acompanhar a tecnologia significa perder espaço no mercado. Em seguida, muitos textos mudam para um registro de autoridade e conformidade, descrevendo consequências severas para uso “inapropriado”, inclusive com menções a investigações de integridade acadêmica e, em alguns casos, a possibilidade de revisar trabalhos mesmo após a formatura. O estudo também identifica uma divisão discursiva entre “a universidade” e “você”, em que o aluno é interpelado a assumir responsabilidade individual por interpretar limites, frequentemente descritos com termos vagos como “apropriado”, “responsável” ou “discerning”, e por navegar um emaranhado de políticas, briefs de avaliação e orientações locais.
SIM, MAS… O trabalho enfatiza que a análise não pretende desqualificar as diretrizes, que são produzidas por educadores tentando oferecer apoio em um período de mudança real e rápida. Ainda assim, há limites importantes: a leitura é interpretativa e depende da seleção de textos, além de estar situada no contexto do Reino Unido. Outro alerta é que, quando a instituição define “letramento em IA” como uma habilidade individual a ser “adquirida”, pode reforçar uma visão estreita de literacias como competências técnicas, deixando em segundo plano dimensões epistemológicas, sociais e de poder, o que tende a penalizar estudantes com menor familiaridade com normas acadêmicas e com a “linguagem implícita” das avaliações.
O QUE VEM DEPOIS: A implicação prática mais imediata é que políticas e guias ganham em efetividade quando deixam de transferir para o aluno a tarefa de adivinhar “onde está a linha” e passam a explicitar expectativas no nível de cada avaliação e disciplina. O estudo aponta como caminho promissor o redesenho estrutural de avaliações, incorporando evidências de processo e desenvolvimento, e não apenas o produto final, para reduzir ambiguidade e, com isso, a carga emocional do “trabalho de fronteira” que estudantes fazem ao decidir, caso a caso, como usar GenAI. Em paralelo, recomenda-se que universidades experimentem linguagens mais colaborativas, criando espaços seguros para aprendizagem sobre IA e evitando discursos excessivamente binários e punitivos quando o objetivo é formar julgamento e práticas responsáveis.
Fonte: Affective economies of AI in digitalised higher education
