Feedback por IA: o feedback formativo à prova dos enviesamentos

A avaliação formativa — aquela que ajuda a aprender em vez de sancionar — vive de uma coisa: um feedback útil, no momento certo. É precisamente isso que a IA pode fornecer à escala: um feedback imediato, detalhado, personalizado sobre um rascunho, um raciocínio, um exercício. Mas a investigação recente revela subtilezas humanas que nenhuma velocidade de geração resolve.

Um feedback que melhora realmente as produções

As provas de eficácia vão surgindo. Num ensaio controlado numa grande turma universitária, os estudantes que receberam feedback mediado por IA produziram revisões de qualidade significativamente superior, com um efeito crescente à medida que os assistentes adotavam as sugestões da IA ^[1]. No plano teórico, uma conceção cuidada das instruções permite aos LLM proporcionar apoios variados — metacognitivos, motivacionais — que sustentam a aprendizagem autorregulada ^[2].

O enviesamento de fonte: quem dá o feedback importa

Mais preocupante ainda: os estudantes avaliam muitas vezes mal a exatidão do feedback. Um estudo que abrange cerca de um milhar de respostas avaliadas por centenas de estudantes mostra que estes têm dificuldade em distinguir um feedback correto de um feedback errado e presumem facilmente que o melhor vem de um humano ^[4]. Por outras palavras, não podemos contar com o aluno para filtrar os erros da IA.

O uso importa mais do que a ferramenta

O efeito depende fortemente da forma como o feedback é utilizado. Um estudo em física mostra que pistas obrigatórias ajudam os alunos mais fracos, mas prejudicam a autorregulação dos mais fortes, ao passo que uma ajuda a pedido beneficia os mais avançados, mas pode erodir a autonomia dos mais frágeis ^[5]. Uma análise junto de professores confirma que os ganhos de velocidade e de personalização são contrabalançados por riscos de enviesamento, de confidencialidade e de enfraquecimento da relação pedagógica ^[6].

• Forte: feedback imediato, apoio à autorregulação, redução da carga de trabalho docente.
• Fraco: perceção enviesada pela fonte, julgamento pouco fiável da qualidade por parte do aluno.
• A dosear: pistas obrigatórias vs a pedido, consoante o nível do aluno.

Um bom feedback não diz apenas o que está errado; torna o aluno capaz de o ver por si próprio da próxima vez.

Síntese Learnya

O consenso emergente é claro: a IA funciona melhor como complemento do professor do que em substituição, sendo os modelos híbridos os mais eficazes ^[7]. Além disso, abordagens neuro-simbólicas tornam o acompanhamento do domínio mais interpretável, ao injetar regras pedagógicas explícitas ^[8]. Rápida, a IA pode sê-lo; digna de confiança, torna-se pela conceção, pela verificação humana e por uma governação de dados controlada.

Tornar o feedback acionável e credível

Um feedback só tem valor se for compreendido e tiver efeito. Ora, a investigação revela um duplo obstáculo humano: os alunos avaliam mal a exatidão de um feedback ^[4] e percecionam-no de forma diferente consoante seja atribuído a um humano ou a uma IA ^[3]. Por outras palavras, um excelente feedback gerado por IA pode ser ignorado apenas por ostentar o rótulo «IA». A transparência quanto à origem e o acompanhamento humano tornam-se, assim, alavancas tanto de adoção como de qualidade.

O efeito depende também, de forma subtil, da dose e do nível do aluno. Pistas impostas podem ajudar os mais fracos, mas prejudicar a autorregulação dos mais avançados, ao passo que uma ajuda a pedido produz o efeito inverso ^[5]. Não existe uma configuração universal: um bom sistema ajusta a quantidade e o momento do apoio e deixa progressivamente o aluno retomar o controlo. O objetivo último do feedback formativo é tornar-se supérfluo.

É por isso que o consenso pende para modelos híbridos, em que a IA amplifica o trabalho do professor em vez de o substituir ^[7]. O professor traz o julgamento, a relação e o conhecimento do contexto; a IA traz a rapidez, a disponibilidade e a cobertura. Além disso, abordagens mais interpretáveis do acompanhamento do domínio ^[8] reforçam a confiança, ao tornar legíveis as razões de uma recomendação. Rápido e credível, um feedback torna-se assim pela conceção, pela verificação e por uma governação de dados controlada.

O feedback, motor discreto da aprendizagem

De entre todas as utilizações da IA na educação, o feedback formativo é talvez a mais promissora, por ser a mais alinhada com aquilo que faz aprender: um feedback útil, frequente, no momento certo. A IA remove o principal obstáculo histórico — o custo em tempo — ao tornar possível um feedback quase imediato para cada aluno, em cada etapa.

Mas as descobertas recentes sobre os enviesamentos de perceção e o julgamento pouco fiável dos alunos recordam que um bom feedback não se resume à sua produção. É preciso torná-lo credível, acionável e adaptado ao nível de cada um, e mantê-lo sob o olhar de um professor. O futuro não pertence à IA que substitui o feedback humano, mas a uma aliança em que cada um traz o que faz de melhor — a rapidez para a máquina, o sentido e a relação para o humano.