IA obriga universidades a repensar trabalhos acadêmicos: o problema da cola é mais antigo que o ChatGPT

A chegada do ChatGPT e de outros modelos generativos não criou do zero o problema dos trabalhos universitários desonestos. Na avaliação da doutora Nafisa Baba-Ahmed, a IA apenas tornou massivo e conveniente um jeito de «tirar o raciocínio de dentro do aluno» que já existia nas universidades muito antes do boom atual.

O problema não é novo

É fácil entender a irritação dos professores com o impacto da IA no pensamento crítico. Em muitas universidades já há uma conversa preocupada sobre como preservar o trabalho autônomo dos alunos se um bot consegue montar rapidamente uma redação, a estrutura de um argumento e até um estilo acadêmico polido. Mas Baba-Ahmed propõe olhar não só para a nova tecnologia, e sim para o velho modelo de avaliação, no qual o texto final podia ser obtido, havia muito tempo, sem usar totalmente a própria cabeça.

No trabalho com estudantes de escrita acadêmica, ela descreve, em essência, um quadro conhecido da era pré-IA generativa. Quando o formato da tarefa permite, o raciocínio é terceirizado: uns encomendam redações, outros usam arquivos de anos anteriores, outros repassam entre turmas respostas-modelo bem-sucedidas, e outros dependem demais de tutores, amigos ou colegas mais velhos. Ou seja, o problema não é que a IA corrompeu um sistema perfeito, mas que ela chegou a um sistema com brechas já abertas.

Como a IA acelerou o processo

Para ela, a principal mudança não está na natureza da infração, mas na escala. Antes, esse atalho exigia dinheiro, contatos, tempo de busca ou um modelo pronto de uma turma anterior. Agora, muito se obtém em minutos: gerar um rascunho, pedir ao modelo que reorganize um argumento, polir o estilo ou adaptar um texto antigo a uma nova tarefa. A IA não inventou o atalho, mas reduziu drasticamente seu custo e sua barreira de entrada.

«A IA não inventou esse comportamento.

Ela apenas colocou em linha de produção uma forma já existente de cortar caminho».

Por isso, a discussão sobre se a «IA mata o pensamento» fica estreita demais. Se a universidade avalia, antes de tudo, a fluidez do texto final e não a autonomia do raciocínio, a tecnologia apenas deixa uma velha vulnerabilidade mais visível. O problema aparece não porque os alunos de repente pararam de pensar, mas porque o sistema confundiu com frequência demais um resultado bem apresentado com prova de compreensão real. Por isso, o pânico atual parece menos uma doença nova e mais um diagnóstico tardio.

O que as universidades devem avaliar

Daí surge para as universidades uma pergunta mais incômoda, porém mais útil: o que exatamente um trabalho de curso, uma redação ou outro texto escrito deve demonstrar? Se o objetivo é ver se o aluno entendeu a matéria, se sabe conectar ideias, construir um argumento e tirar conclusões, um texto caprichado pode não bastar. A IA simplesmente obriga a dizer isso em voz alta e a parar de fingir que o formato anterior media tudo de forma confiável.

Baba-Ahmed propõe não romantizar o passado pré-IA. Em vez de tentar «voltar ao que era», as universidades terão de redefinir o que querem ver no trabalho do aluno e onde passa a fronteira entre a ajuda de uma ferramenta e a substituição do pensamento próprio. Na prática, isso significa rever não só as regras, mas a própria lógica da tarefa. Não se trata mais de proibições cosméticas, e sim de uma resposta mais honesta sobre o que conta aqui como prova de aprendizagem.

• Compreensão do tema, e não só uma apresentação bonita
• Argumento próprio, e não uma montagem de frases prontas
• Capacidade de analisar, e não de reescrever um modelo
• Coerência pessoal do raciocínio, e não um tom impecável
• Demonstração real de pensamento, e não só o arquivo final

O que isso significa

Para as universidades, a IA se mostrou menos a causa original de uma crise e mais um teste de estresse para os velhos métodos de avaliação. Ela mostrou que a questão não é mais proibir mais uma ferramenta, e sim quais tarefas realmente exigem pensamento autônomo e permitem distinguir compreensão de uma imitação cuidadosamente montada.