IA nas universidades: um chatbot socrático que obriga a pensar

Nos EUA, uma nova vaga de ferramentas de IA está a chegar às universidades. Se muitos estudantes recorrem a chatbots para obter respostas prontas para trabalhos e exercícios, um sistema recente faz precisamente o inverso: recusa dar soluções directas e obriga a pessoa a construir o raciocínio passo a passo.

Como um método antigo serve de treinador-chefe à IA

Uma equipa de investigação da University of Wisconsin–La Crosse criou um chatbot com inspiração num filósofo da Antiguidade. Em vez de vídeos explicativos ou resoluções-modelo, o sistema usa um guião de perguntas alinhado com o chamado método socrático - uma espécie de “parteira” do pensamento.

Um exemplo típico: se um estudante perguntar como se calcula a taxa de crescimento do Produto Interno Bruto, a IA não debita a fórmula. Em vez disso, começa por questões que parecem simples:

• O que é que o Produto Interno Bruto mede, ao certo?
• Que grandezas estás a comparar quando falas em crescimento?
• Em que intervalo de tempo estás a observar a mudança?

Resposta após resposta, o chatbot vai aproximando o estudante do resultado, mas sem antecipar o último passo.

"O núcleo do sistema: nada de conhecimento mastigado, mas um questionamento consistente até que a ficha caia por iniciativa própria."

O sistema foi treinado com transcrições integrais das aulas de macroeconomia da universidade. A IA só pode trabalhar com esse material e não tem acesso à Internet. Assim, o conteúdo mantém-se colado ao currículo oficial, evitando fontes aleatórias ou “meias-verdades” recolhidas online.

O que acontece quando a IA não pode dar respostas

Os investigadores quiseram perceber como este tipo de ajuda - muitas vezes sentida como “irritante” - se reflecte no desempenho em testes. Na primavera de 2025, dividiram 140 estudantes de uma disciplina de macroeconomia em quatro grupos:

Grupo	Forma de trabalho
1	Sozinho com o chatbot de perguntas
2	Apenas trabalho de grupo tradicional, sem IA
3	Primeiro trabalhar com o chatbot, depois discutir em grupo
4	Grupo de controlo, sem apoio específico

A análise, publicada num working paper na SSRN, mostra diferenças nítidas. E há um detalhe crucial: não é apenas “usar IA” que importa; a forma como se usa faz toda a diferença.

"Quem pergunta de forma activa e pensa junto, ganha claramente. Quem se deixa ‘alimentar’ de modo passivo pela IA, fica para trás."

Utilizadores activos sobem, utilizadores passivos caem a pique

O melhor resultado apareceu no grupo misto: estudantes que começaram por trabalhar com a IA e, a seguir, continuaram o tema em equipa. No terceiro teste, a média ficou 12 pontos acima da do grupo de controlo - uma melhoria considerável para um único semestre.

O cenário foi bem diferente para quem se habituou a respostas convenientes e tratou a ferramenta como um gerador de soluções. Quando essa muleta deixou de estar disponível num exame posterior, as notas desceram, em média, 8 pontos.

Os investigadores descrevem este efeito como uma “muleta cognitiva”: quando a pessoa passa a resolver tarefas com um clique, o treino do próprio raciocínio e da capacidade de resolução de problemas enfraquece. Se a ajuda desaparece de repente, a falta de autonomia torna-se evidente.

O erro como sinal de partida para novas perguntas

Um aspecto particularmente interessante é a forma como o sistema lida com respostas erradas. O chatbot não “corrige” de modo frontal; usa o erro como ponto de partida para uma nova sequência de perguntas.

Se, por exemplo, um estudante confundir PIB real com PIB nominal, não recebe uma resposta do tipo “isto está errado”. Em vez disso, a IA abre outra ronda:

• O que descreve um índice de preços?
• Como é que esse índice muda ao longo do tempo?
• Que papel tem o nível de preços quando comparas crescimento?

O mesmo padrão aplica-se a temas mais difíceis, como a inflação. Se a resposta indicar que não estão claros os vínculos entre a massa monetária, a velocidade de circulação e o nível de preços, seguem-se três ou quatro perguntas dirigidas. O objectivo é que o estudante identifique sozinho qual a peça do raciocínio que não encaixa.

"A IA não acende uma luz verde ou vermelha - limita-se a segurar um espelho e obriga à autocorrecção."

O que a combinação com trabalho de grupo acrescenta

O modelo mais eficaz foi aquele em que a IA funcionou apenas como primeiro passo. Os estudantes começavam por trabalhar individualmente com o chatbot, avançando através das perguntas. Depois reuniam-se em pequenos grupos e expunham o seu caminho de pensamento.

Esta combinação gera vários efeitos de aprendizagem:

• Cada pessoa chega ao grupo com um percurso de solução próprio.
• Contradições tornam-se rapidamente visíveis e são debatidas.
• Conceitos e fórmulas fixam-se melhor, porque têm de ser explicados por palavras próprias.
• Estudantes mais tímidos ganham segurança graças à preparação com a IA e conseguem contribuir.

A equipa remete para trabalhos de Harvard que já tinham mostrado que o questionamento guiado consolida conhecimento a longo prazo melhor do que simplesmente “atirar” informação. O novo estudo reforça essa ideia e evidencia como o efeito se intensifica quando entra uma componente social.

Porque esta IA funciona de forma tão diferente do ChatGPT & Co.

Modelos de linguagem como o ChatGPT tendem a responder de forma directa. É isso que os torna apelativos - e, ao mesmo tempo, problemáticos no contexto educativo. Muitos estudantes pedem formulações para ensaios, passos de cálculo para exercícios ou até soluções completas de programação, sem processarem verdadeiramente a matéria.

O novo sistema inverte essa lógica. Principais características:

• Sem soluções prontas, apenas perguntas de retorno
• Restrição ao conteúdo da própria unidade curricular
• Os erros não são “apagados”; são aproveitados de forma produtiva
• O foco é compreender, não fazer depressa

Para as universidades, isto abre uma possibilidade interessante: integrar IA nas disciplinas sem receio de que os trabalhos se transformem em exercícios de copiar e colar. Em vez disso, as ferramentas passam a funcionar como parceiro de treino para pensamento estruturado.

Oportunidades e riscos no dia-a-dia universitário

Ainda assim, o equilíbrio é delicado. Se o chatbot for demasiado rígido e frustrante, os estudantes perdem motivação rapidamente. Se for demasiado permissivo e deixar escapar meias soluções, volta a deslizar para uma máquina de respostas.

Mesmo assim, o estudo sugere que, com algumas balizas claras, há muito a ganhar:

• A IA nunca deve ser a única referência; precisa de ensino presencial e troca de ideias.
• Os docentes têm de tornar o uso transparente - o que é permitido e o que não é.
• As tarefas devem ser desenhadas para que copiar não seja suficiente.

Ao mesmo tempo, surge a questão da justiça: se parte dos estudantes usa sistemas rigorosos baseados em perguntas e outros recorrem livremente a chatbots mais “poderosos”, criam-se condições desiguais. Por isso, algumas universidades discutem disponibilizar tutores de IA de forma central e impor limites mais fortes a bots de resposta aberta durante períodos de avaliação.

Como levar o conceito para outras disciplinas

A macroeconomia encaixa bem neste formato de perguntas em degraus, porque conceitos como inflação, crescimento ou produtividade assentam numa lógica de construção progressiva. Ainda assim, o princípio pode ser aplicado de forma bem mais ampla:

• Matemática: derivar provas passo a passo em vez de receber o caminho completo.
• Informática: perguntar por estruturas de dados e algoritmos antes de gerar código.
• Direito: verificar quais os elementos do tipo legal estão preenchidos antes de apresentar um resultado.
• Medicina: recolher sintomas e explorar diagnósticos diferenciais sem avançar de imediato para uma conclusão.

A questão interessante é a rapidez com que docentes conseguem montar os seus próprios conjuntos de perguntas. Quanto mais fácil for carregar materiais de aula para estes sistemas e controlar o seu comportamento, mais realista se torna uma adopção alargada - também em universidades alemãs.

No fim, sobra uma ideia simples, embora incómoda: a IA não substitui o pensamento; no máximo, consegue provocá-lo. A discussão já não é se os estudantes vão usar ajudas digitais, mas para quê - como automatizador de respostas ou como sparring persistente para o próprio cérebro.