Como sabemos que uma pessoa aprendeu quando utiliza IA?
O fim do produto final como evidência
Quando qualquer ensaio, relatório, apresentação ou código pode ser gerado ou melhorado rapidamente com IA, o produto final deixa de ser uma evidência confiável de aprendizagem. A EDUCAUSE identifica uma transição para avaliações autênticas e demonstrações de aprendizagem baseadas no processo.
Este será provavelmente um dos espaços de maior procura dos próximos anos: redesenhar a avaliação para observar o que a IA não pode simular de forma sustentada.
O que avaliar agora
A avaliação na era da IA deve observar e valorizar:
- Raciocínio e qualidade das decisões.
- Iterações e evolução do trabalho.
- Transferência para contextos novos.
- Defesa oral do conhecimento.
- Contribuição individual no trabalho colaborativo.
- Reflexão metacognitiva.
- Qualidade do uso da IA como ferramenta.
- Evidências do processo, não apenas do resultado.
Do perfil de egresso às evidências
A lógica skills-first está a ganhar relevância: as competências demonstráveis pesam cada vez mais do que as credenciais tradicionais na relação entre formação e emprego. As universidades precisarão de perfis de egresso observáveis, mapas de competências, evidências longitudinais, portefólios verificáveis e sistemas para explicar o que uma pessoa graduada sabe realmente fazer.
Trabalho a cadeia completa: perfil de egresso → progressão de competências → experiências de aprendizagem → avaliação → evidências → credenciais conectadas com o emprego.
Metacognição e rastreabilidade
A minha experiência em avaliação por competências, avaliação 360º, metacognição e rastreabilidade do processo — desenvolvida na BeChallenge e no SkillsTracker — permite desenhar sistemas de avaliação que geram evidências úteis para o estudante, os docentes, a acreditação e o empregador.