A professora e cientista de dados Susana Brás, na unidade curricular de Introdução à Aprendizagem Automática do 3.º ano da Licenciatura em Informática na Universidade de Aveiro, transformou o trabalho de grupo num percurso de aprendizagem ao longo do semestre, em vez de um produto a entregar no fim. A IA generativa não é proibida, é incentivada, mas com regras.
Os/as estudantes escolhem um problema aberto do seu interesse e desenvolvem-no por etapas, como sprints num contexto profissional: entregas faseadas, feedback intermédio da professora, reformulação e, por fim, relatório, debate oral e avaliação entre pares. Os grupos planearam em que tarefas iriam usar IA, e no relatório nomearam quais as ferramentas, justificaram a escolha, explicaram o critério de uso e descreveram como verificaram os resultados. O princípio é simples: a IA pode apoiar a pesquisa, a programação, a escrita ou a análise, mas a responsabilidade intelectual pelo trabalho continua a ser do estudante.
Este projeto da UC acontece em paralelo com as aulas, habitualmente três semanas após o seu início, quando os/as estudantes já se familiarizaram com o tema e o conteúdo. Vai decorrendo de forma mais ou menos paralela e autónoma, com checkpoints programados e entregas preliminares de validação. As últimas 3 a 4 aulas da unidade curricular são práticas e inteiramente dedicadas ao projeto, com a professora a circular por todos os grupos para debater e acompanhar.
A professora apresentou o guião e explicou como o trabalho seria organizado em sprints, cada um com uma entrega e feedback, e que as mudanças entre versões dos trabalhos entregues eram esperadas e valorizadas.
Apresentou também as regras de uso da IA: pode ser utilizada, mas tem de ser planeada, declarada e verificada. Explicou as duas secções obrigatórias do relatório final (Discussão e análise crítica e ferramentas IA) para que, desde o primeiro dia, os grupos soubessem que teriam de justificar cada decisão.
Os grupos começaram a explorar possíveis problemas e fontes de dados que lhes interessassem.
O ponto de partida é um problema suficientemente aberto para permitir que os/as estudantes façam escolhas. Sempre que possível, são incentivados a selecionar um tema ou problema que desperte o seu interesse e a definir uma estratégia adequada para o estudar. Esta liberdade de escolha foi acompanhada por orientação da professora e por critérios claros:
- as escolhas devem ser tecnicamente fundamentadas,
- as escolhas devem ser coerentes com os objetivos definidos
- as escolhas devem ser analisadas criticamente.
Seguiu-se a regra usada também em aula: primeiro planear, depois executar e consultar quando necessário. Planear incluiu as tarefas em que pensavam usar IA e porquê.
A transparência sobre a utilização de IA passa, assim, a fazer parte do trabalho. Dependendo do contexto, pode incluir a identificação das ferramentas utilizadas, das tarefas em que apoiaram o grupo e até o registo das interações relevantes. O princípio subjacente é que a IA pode apoiar pesquisa, exploração, programação, escrita ou análise, mas não deve substituir a compreensão do problema, a interpretação dos resultados nem a responsabilidade pelas decisões tomadas.
Na entrega intermédia, a professora deixou comentários, questões, sugestões e dúvidas ao trabalho dos/as estudantes. O objetivo do feedback não era confirmar se o grupo tinha encontrado a solução “certa”, mas ajudar os/as estudantes a identificar fragilidades e alternativas.
Articulação entre projeto e aprendizagem em aula
O projeto decorre em paralelo com as atividades letivas, permitindo que os novos conteúdos sejam progressivamente incorporados no trabalho.
“À medida que novas metodologias são discutidas nas aulas, os estudantes podem questionar as decisões tomadas anteriormente, experimentar alternativas e reformular a sua abordagem. O projeto transforma-se, assim, num elemento agregador da unidade curricular, em vez de constituir uma atividade independente realizada apenas no final do semestre. Esta integração procura favorecer uma aprendizagem menos fragmentada.” Professora Susana Brás
Um dos princípios centrais desta abordagem é deslocar parte da atenção do resultado final para o processo que conduziu a esse resultado.
A segunda entrega
Nesta segunda entrega, os grupos apresentaram a metodologia escolhida e os resultados preliminares, explicando porque tinham escolhido determinados dados, métodos e formas de avaliação.
A professora voltou a comentar e questionar, levando os/as estudantes a pensar para além da nota quantitativa. Obter um resultado tecnicamente correto não chegava. Tinham de perceber porque a solução que tinham proposto funcionava, em que condições deixaria de funcionar e que outras opções poderiam ter considerado.
“Ao início foi um desafio, mas os estudantes acabaram por perceber a importância.” Professora Susana Brás
As últimas 3 a 4 aulas práticas da UC foram inteiramente dedicadas ao projeto. A professora circulou por todos os grupos para debater decisões, acompanhar o progresso e desafiar o raciocínio com perguntas como:
“Esta decisão faz sentido para o problema?”
“Que alternativa poderia ter sido considerada?”
“Qual é a limitação mais importante desta abordagem?”
Os grupos trabalharam o relatório, que tinha de ter em conta o feedback das entregas intermédias.
A professora não abdicou do relatório escrito, porque saber escrever e organizar informação continua a ser essencial. O documento tinha de contar uma história coerente, apoiada na evidência dos dados, e incluir duas secções obrigatórias:
- A secção Discussão e análise crítica: descreve o que o grupo aprendeu e percebeu, as limitações, o que foi impossível evitar, as decisões que não foram consensuais e, acima de tudo, porquê.
- A secção Ferramentas IA: nomeia as ferramentas usadas, mas sobretudo justifica a escolha, o critério de uso e a estratégia de verificação. Pode incluir o registo das interações mais relevantes, o que funcionou e o que deu resultados inadmissíveis.
A professora valorizou os relatórios em que os/as estudantes demonstraram capacidade de identificar, compreender e corrigir o erro ao longo das versões do documento que entregaram. Alterações entre as diferentes versões do trabalho são não só permitidas como esperadas, e valorizadas como evidência de aprendizagem.
Cada grupo apresentou à turma o seu trabalho: expôs o problema, explicou as principais decisões, interpretou os resultados e reconheceu limitações e possíveis extensões. Seguiu-se o debate com a professora e os colegas. Os/as estudantes que não estavam a apresentar participaram com questões, comentários e propostas alternativas.
A avaliação foi também feita pelos colegas da turma, e todos tinham de conseguir seguir a estratégia e o raciocínio de cada grupo. Isto obrigou a comunicar ideias complexas com clareza e a avaliar não só os resultados técnicos, mas também a argumentação, a colaboração e a forma como a IA foi usada.
A avaliação final procura refletir a maturidade global do projeto, e não apenas a qualidade de uma métrica, de um gráfico ou de um resultado isolado.
Conclusão
Ao longo do semestre, no ano letivo 2025/2026, os/as estudantes integraram conteúdos que de outra forma veriam como técnicas isoladas, tomaram decisões perante problemas sem uma única solução e aprenderam a justificá-las. A IA passou de assunto tabu a objeto de reflexão: deixaram de ter receio de dizer que a usaram e passaram a argumentar como a usaram, o que funcionou e o que não funcionou. O valor do projeto não esteve em alcançar uma solução perfeita, mas em construir uma solução fundamentada, compreender as suas limitações e comunicar esse raciocínio com clareza.
Reflexão da Professora
“Uma mudança que fiz com a IA foi simples… Não proíbo, incentivo, mas com regras. Acredito que este método tenha algum impacto porque eles deixaram de ter receio de dizer que usaram, para passar a argumentar como, o que funcionou, o que deu resultados inadmissíveis.
Porquê utilizar esta abordagem?A principal intenção é transformar o trabalho de grupo de um produto a entregar num percurso de aprendizagem.
Ao criar espaço para experimentar, errar, receber feedback e reformular sem que todas as etapas estejam imediatamente associadas a uma classificação, procura-se incentivar uma relação mais reflexiva com a aprendizagem.
Ao mesmo tempo, a existência de um problema comum ao longo de várias semanas fornece um contexto no qual os estudantes podem integrar conteúdos que, de outra forma, poderiam ser percecionados como independentes.
Finalmente, ao exigir que expliquem e defendam as próprias decisões, incluindo a forma como utilizaram ferramentas de inteligência artificial, procura-se reforçar uma ideia essencial: a responsabilidade intelectual pelo trabalho continua a pertencer ao estudante.
O valor do projeto não está, portanto, em alcançar uma solução perfeita. Está na capacidade de construir uma solução fundamentada, compreender as suas limitações, aprender com o processo e comunicar esse raciocínio de forma clara.” Professora Susana Brás
