A professora Adelina Silva, leciona a disciplina de Educação Tecnológica no 3.º Ciclo, e tem vindo a integrar de forma progressiva a literacia digital e a Inteligência Artificial nas suas aulas. Tem sempre o foco no desenvolvimento do pensamento crítico e da responsabilidade ética na adoção da IA generativa. Nesta unidade curricular faz a ligação entre ciência e cidadania, preparando os seus alunos do 9.º ano para um futuro onde a IA está presente, ensinando-os a usar estas ferramentas, a questionar, a verificar a informação gerada, e a agirem com responsabilidade.
Primeira Parte – Introdução e envolvimento
A professora Adelina iniciou a aula com uma atividade de quebra-gelo (5 min) colocando uma questão: ‘Quantas transformações de energia ocorreram desde que acordaste até chegares à escola?’
Os alunos partilham as suas respostas. A professora usa as respostas para introduzir a lei da conservação da energia e os tipos de energia (cinética, potencial, térmica, elétrica, entre outras).
Atividade 1
Cada aluno preenche um mapa conceptual sobre energia com os conceitos que já conhece, na Secção A da Ficha Aula1.
Segunda Parte – Exploração e Aplicação
A professora explica a próxima atividade, que vai ligar o conhecimento que têm sobre a lei da conservação da energia, e a avaliação crítica da IA.
Atividade 2: avaliação da IA em pares
Em pares, os alunos selecionam uma ferramenta de IA generativa com a qual trabalhar (ChatGPT ou Copilot). Na ferramenta escolhida:
- escrevem as perguntas indicadas na Secção B da Ficha Aula1: ‘O que é energia? Quais os tipos de energia que existem e como se transformam?’, sem orientação prévia do professor.
- Preenchimento da Secção B da Ficha A1:
‘Resposta resumida da IA’; Concordo ou discordo e porquê’; ‘O que preciso de verificar’.
Atividade 3: Discussão plenária (5 min)
A professora cria um momento de discussão plenária (5 min), onde todos os alunos poderão partilhar:
A IA respondeu bem? Como sabemos? Que critérios usamos para avaliar a qualidade de uma resposta?
A intenção é começar a pensar nas questões éticas e de integridade académica, ainda que de forma indireta.
Atividade 4: Conceitos-chave sobre IA
No seguimento, a professora apresenta brevemente alguns conceitos que ajudarão os alunos a compreender melhor como funciona a tecnologia da IA:
- Conceito de alucinação da IA e porque acontece.
- Os tipos de IA (narrow AI vs general AI), dando exemplos do dia-a-dia como as recomendações Netflix, filtros de spam no email, tradução automática de textos.
- Explica o que é IA generativa, o que são modelos de linguagem de grande escala (LLM) e dá exemplos de ferramentas como o ChatGPT.
Atividade 5: Contrato Ético da Turma (20 min)
A professora convida os alunos a juntar a experiência, a reflexão e conhecimento que agora têm sobre a IA generativa, e a criarem o Contrato Ético da turma para o uso da IA generativa.
Em grupos heterogéneos de 4 alunos, a turma cria o Contrato Ético para o uso da IA generativa:
- Cada grupo discute e propõe 2-3 regras preenchendo a Secção C da Ficha Aula 1.
- A professora apresenta os princípios do documento EU AI Ethics Guidelines 2026 (transparência, responsabilidade humana, privacidade, não-discriminação, bem-estar) e os grupos refletem: ‘As nossas regras cobrem estes princípios?’
- As regras são votadas e o Contrato Ético é fixado na sala (será revisitado e atualizado na Aula 6): as propostas do Contrato Ético são levadas a sério, independentemente da complexidade linguística.
Diferenciação & Inclusão
Alunos com dificuldades específicas de escrita podem fazer o mapa conceptual em forma oral (gravação áudio) ou com suporte de imagens.
Primeira Parte – Introdução e envolvimento
No início desta aula, a professora fez a demonstração o contraste de resultados gerados, quando se escreve uma prompt ineficaz versus uma prompt eficaz, numa ferramenta de IA generativa. Os alunos identificam as diferenças entre as prompts quanto ao contexto, nível, pedido específico
Prompt ineficaz: “Fala-me de energia solar”
Prompt eficaz: “Qual a eficiência média de painéis fotovoltaicos comerciais em 2024 e como se compara com a eficiência teórica máxima de Shockley-Queisser? Responde em termos simples para alunos de 9.º ano.”
Numa discussão rápida, a turma experimenta em conjunto melhorar as duas prompts (3 min).
Segunda Parte – Exploração e aplicação
Para a fase de investigação, a professora atribui um tema e organiza a turma em grupos de 4 alunos. Os temas são: Energia Solar Fotovoltaica; Energia Eólica Offshore; Energia Hidroelétrica; Biomassa e Biogás; Energia Nuclear; Combustíveis Fósseis (petróleo e gás natural).
Dentro de cada grupo, os alunos devem assumir diferentes papéis: Investigador IA (formula prompts), Verificador (confirma fontes externas), Analista de dados (trata dados quantitativos), Designer (infografia).
Cada grupo inicia o seu trabalho com as atividades:
- Criar prompts: Cada grupo formula no mínimo 3 prompts progressivos, do geral ao específico, registados na Tabela de Prompts da Ficha Aula 2.
- Testar e avaliar as prompts: Testam as prompts numa ferramenta de IA generativa à escolha, e registam a resposta resumida da IA e avaliam a qualidade numa escala de 1 a 5 (muito fraca a excelente).
- Verificação da informação: é obrigatório que cada grupo confirme pelo menos 2 dados numéricos que tenham sido gerados pela IA (eficiência, potencia instalada em Portugal, custo por MWh) numa fonte oficial. Para isso registam URL e data de acesso.
- Síntese gráfica (12 min): cada grupo cria um slide ou infografia com duas secções 1) informação sobre o tema que pesquisarem — fonte de energia, o princípio de funcionamento (explicação física), a eficiência típica, as vantagens e desvantagens desta fonte de energia, custo estimado por MWh, uso em Portugal (%); 2) ‘O que a IA não respondeu bem ou tivemos de verificar’.
- Partilha rápida (1 min): cada grupo tem 1 minuto para apresentar a fonte onde foi verificar a informação e o que questionou na resposta da IA.
Durante a pesquisa, a professora conversa com cada grupo e coloca questões para os ajudar na avaliação da qualidade da prompt e dos resultados gerados pela IA generativa:
De onde vem esse valor de eficiência? É o mesmo que encontraram no site da IEA? Se é diferente, qual confiam mais e porquê?
Diferenciação & Inclusão
Grupos com mais dificuldade recebem uma lista de prompts iniciais pré-elaborados; os grupos mais avançados recebem o desafio adicional de analisar o ciclo de vida completo da fonte (LCA simplificado).
Primeira parte – Introdução e envolvimento
A professora inicia esta aula com um momento de provocação inicial que vai abrir espaço para a questão central desta aula:
Se a IA pode estar errada e parece credível, o que fazemos para proteger a qualidade da nossa investigação?
A professora projeta 3 afirmações sobre energia: duas corretas e uma gerada pela IA com erro deliberado. Os alunos votam verdadeiro ou falso levantando a mão. O efeito surpresa das respostas dá início à discussão.
Segunda Parte 2 – Exploração e Aplicação
Atividade 1: Caça ao Erro (20 min)
Em pares, os alunos recebem a Ficha Aula 3 com 6 afirmações sobre energia geradas por IA, com erros propositados de vários tipos: Dado numérico errado; Informação desatualizada; Generalização incorreta; Confusão de conceitos.
Para cada afirmação: classificam (Verdadeiro / Falso / Não sei), verificam numa fonte externa e corrigem ou confirmam com justificação.
Atividade 2: Partilha em plenário (8 min)
Os alunos são convidados a partilhar quais os erros mais difíceis de detetar? Que tipo de erro é mais perigoso? Que estratégias de verificação usaram?
Atividade 3: Jogo dos Princípios Éticos da União Europeia (UE) (12 min)
A professora pede aos alunos para se organizarem em pares, para jogarem um jogo, sobre o qual vão refletir em conjunto no final.
- Jogo dos Cartões (12 min): cada par recebe um dos 5 princípios éticos que deve ler, identificar como se relaciona com o que fizeram na atividade anterior do ‘Caça ao Erro’, e dar um exemplo concreto de como um utilizador que use uma ferramenta de IA generativa para fazer investigação pode violar ou respeitar esse princípio.
- Apresentação (1 minuto por par) + atualização do Contrato Ético da Turma: a professora articula as contribuições dos alunos com as diretrizes formais da UE.
Atividade 4: Reflexão Individual Escrita (5 min)
No final, a professora pede a cada aluno que faça uma reflexão individual escrita na Ficha A3, onde vai refletir sobre:
‘O que mudei ou vou mudar na forma como uso a IA depois desta aula?’
Diferenciação & Inclusão
Fichas com dois níveis: Nível 1 com afirmações mais óbvias; Nível 2 com erros subtis que requerem conhecimentos prévios (ex.: afirmação errada sobre eficiência termodinâmica). Os alunos escolhem ou o professor distribui conforme o perfil. Versão da ficha com fonte maior para alunos com NEE; possibilidade de trabalhar em trio com apoio de colega.
Primeira parte – Introdução e envolvimento
Nesta aula exploram os que são dados e como são fundamentais para treinar modelos de IA como Machine Learning.
Atividade 1
A aula inicia com a introdução ao conceito de dados, com o desafio de, em conjunto, analisarem dados do setor energético português, com a observação de dados em tempo real (5 min)
A professora projeta o dashboard da REN em tempo real e pede aos alunos para observarem e responderem oralmente: antes: a IA não é uma pessoa, pode errar, não sabe tudo e a informação deve ser confirmada.
O que vemos? Que dados estão a ser mostrados? Quem os usa? Para que serve ter estes dados em tempo real?
Introdução ao conceito de dados (3min)
Dados são a matéria-prima da IA — sem dados de treino não há Machine Learning. O que significa isso para o setor da energia?
Segunda parte – Exploração e aplicação
Para aprofundar conhecimento sobre o impacto da qualidade dos dados, a professora mostra o vídeo curto sobre IA na gestão de redes elétricas (3 min) e facilita uma breve discussão orientada:
Que tipo de dados a IA usa para prever o consumo? O que acontece se os dados forem de má qualidade ou enviesados?
Orientados pela a Ficha Aula 4 a professora apresenta o esquema simplificado do processo de Machine Learning (Dados de treino → Modelo → Predição → Avaliação → Ajuste). Na secção B e pede à turma para identificar cada fase no exemplo concreto.
- Análise de dados reais (15 min): cada grupo de 4 alunos, trabalha com a Ficha A4: gráficos do setor energético português 2015-2024 (composição da matriz energética, evolução das renováveis, consumo por setor, emissões CO2). Questões orientadoras: Que tendências identificas? Em que setores e o consumo maior? O aumento das renováveis coincide com redução de emissões? Que conclusões podes tirar?
- Partilha: cada grupo partilha com a turma apenas uma conclusão principal (5 min).
O paradoxo da IA e a energia (10 min): os alunos usam a calculadora green-algorithms.org para estimar a pegada de carbono de uma interação típica no ChatGPT e de um modelo de IA de grande escala.
A IA que usamos para investigar energia… também gasta energia. Como equilibramos isso? Que responsabilidade temos como utilizadores?
Ligação às diretrizes UE: princípio da sustentabilidade e bem-estar: a IA deve ser usada de forma proporcional e consciente.
Diferenciação & Inclusão
A Ficha A4 tem gráficos em dois níveis: Nível 1 com questões guiadas passo a passo; Nível 2 com questões abertas que exigem correlação entre variáveis.
Primeira parte – Introdução e envolvimento
A professora inicia a aula explicando a atividade de projeto que os alunos vão desenvolver. O desafio partilhado com os alunos foi:
São consultores especializados em energia e sustentabilidade. A Junta de Freguesia da vossa localidade recebeu financiamento para uma iniciativa de energia renovável e pediu a vossa proposta técnica. Têm 30 minutos para a preparar. Amanhã é a Apresentação Pública.
O Guião do Projeto é entregue aos alunos (Ficha Aula 5)
Segunda parte – Exploração e aplicação
Os alunos organizam-se nos grupos de 4, com papéis definidos (rotativos face às aulas anteriores): Arquiteto da solução, Redator (IA + edição), Analista de impacto, Responsável ético (garante preenchimento da grelha). As etapas desta atividade são:
Que tipo de dados a IA usa para prever o consumo? O que acontece se os dados forem de má qualidade ou enviesados?
- Criação com IA (30 min): cada grupo usa ferramentas de IA generativa — ChatGPT ou outro para gerar rascunhos de texto para cada Secção; Canva ou outro para criar infografias e gerar imagens; integram os dados reais verificados nas aulas anteriores. Regra inegociável do grupo: cada parágrafo gerado pela IA tem de ser relido, discutido e editado pelo grupo: a IA propõe, o grupo decide.
- Preenchimento paralelo da Tabela de Prompts na Ficha Aula 5: para cada prompt usado, registam o que a IA gerou, o que o grupo alterou e porquê.
- Grelha de Declaração de Uso de IA (10 min): cada grupo preenche a grelha completa (o que foi gerado por IA / o que o grupo alterou / o que foi decidido exclusivamente pelo grupo / fontes externas usadas para verificar). Esta grelha e parte integrante do produto final.
- A professora circula pelos grupos e faz questões de desafio ético e técnico.
- Preview de 2 minutos por grupo: apresentam o título e a ideia central da proposta para gerar antecipação para a Aula 6.
‘Porque escolheram esta fonte de informação? Que dados vos convencem? Quem pode ser prejudicado por esta solução? A IA considerou as partes interessadas? O que acrescentam vocês?’
Diferenciação & Inclusão
Grupos mais avançados incluem análise de custo-benefício simplificada (investimento estimado vs poupança em 10 anos); grupos com mais dificuldade focam nos elementos obrigatórios básicos.
Primeira parte – Introdução e envolvimento
A aula começa com os alunos a fazerem a preparação final para a apresentação do trabalho desenvolvido pelos grupos na aula anterior. São dados 3 minutos aos grupos para rever a Apresentação e garantir que a Secção ‘Como usamos a IA e o que decidimos nos’ está clara.
A professora recorda os critérios de avaliação e distribui a Ficha Aula 6 (Grelha de Avaliação por Pares) a cada aluno.
Atividade 1
- Apresentações pelos grupos (27 min = 5 grupos x 5 min + 2 min de questões) cada grupo apresenta o seu trabalho, incluindo obrigatoriamente: a fonte de energia, os dados que a fundamentam, a análise de stakeholders e a Secção de declaração de uso de IA. A professora pode colocar 1 pergunta de desafio ético por grupo.
- Avaliação por pares: Durante cada apresentação de grupo, cada aluno da turma preenche a Grelha de Avaliação por Pares.
- Reflexão coletiva: para este momento, a professora cria o ‘Mural do que aprendi’ (10 min), preenchido por um post-it por cada aluno, onde escrevem a resposta a uma das três perguntas à sua escolha: ‘O que aprendi sobre energia?’; ‘O que aprendi sobre a IA?’; ‘O que vou fazer de diferente quando usar IA no futuro?’. Os post-its são afixados num mural em 3 colunas. O professor lê alguns em voz alta e faz a síntese das aprendizagens da Unidade Curricular.
Segunda parte
- Releitura do Contrato Ético (5 min): o Contrato Ético criado na Aula 1 é relido em plenário. Percorrendo cada ponto um a um, os alunos fazem uma votação rápida de braço no ar: mantemos? Acrescentamos algo com base no que aprendemos?
- Atualização do Contrato Ético (5min): O documento é atualizado e aprovado por todos.
A professora Adelina partilha uma citação das EU AI Guidelines 2026 e coloca duas questões finais para serem respondidas por quem quiser:
“Qual é o papel do humano num mundo com IA? Esta unidade curricular ajudou-vos a responder a esta questão?”
Diferenciação & Inclusão
Alunos com dificuldades de comunicação oral podem apresentar uma componente mais visual ou ser apoiados por um colega, o que conta é a contribuição substantiva.
Reflexão da Professora
“A presente proposta pedagógica surge na sequência da implementação de uma atividade anterior sobre a mesma temática, cuja avaliação revelou a necessidade de reestruturação.
Diagnosticou-se que, apesar de os alunos recorrerem frequentemente à Inteligência Artificial para fins académicos, carecem de rotinas e competências metodológicas para validar a fiabilidade da informação gerada pelas ferramentas mais generalistas.
Face a esta lacuna, a atividade foi reformulada para integrar um guião prático focado na literacia digital e no pensamento crítico. O impacto esperado é capacitar os alunos não apenas para a vertente operacional da IA, mas dotá-los de competências essenciais para aferir a qualidade, a ética e a veracidade da informação.”
