Seleção e tradução de Júlio Marques Mota
6 min de leitura
Texto 18 – Podemos salvar o que importa na escrita — mas isso tem um preço
Por Ted Underwwod
Publicado por 
em 31 de Julho de 2025 (original aqui)
Escrever é uma forma de aprender. E podemos salvar o que realmente importa nisso, se estivermos dispostos a aprender algo nós mesmos
Está a começar a tornar-se evidente que a inteligência artificial generativa vai forçar os professores a mudar os seus trabalhos escritos neste outono. O texto publicado no blog de Corey Robin é um exemplo de franqueza sobre o assunto. Há alguns meses, ele achava que seria difícil para os alunos usarem IA para responder às suas propostas de exercícios. (Pelo menos, exigiria tanto esforço que os alunos teriam que aprender, na prática, tudo o que ele queria ensinar.) Então ele pediu à sua filha de 15 anos que testasse os seus exercícios. “[A] minha filha começou a refinar as entradas, acrescentando mais parâmetros e instruções. As redações ficaram melhores, mais específicas, mais incisivas.”
Talvez nem todo adolescente de 15 anos conseguiria o mesmo resultado. Mas, ainda assim. Robin está a planear usar provas presenciais “até que surja uma opção melhor”. É uma boa solução de curto prazo.
Neste texto, eu gostaria de refletir sobre as “melhores opções” de que talvez precisaremos a longo prazo, se quisermos que os estudantes realizem mais reflexões do que o que cabe num único período de prova.
Se o docente procura uma solução pragmática imediata, já existem bons conselhos disponíveis sobre como ajustar atividades de escrita. As instituições não têm estado inertes. A minha própria universidade publicou um guia prático, e a Modern Language Association e a Conference on College Composition and Communication redigiram (com mérito) rapidamente um documento de trabalho sobre o assunto que evita o pânico e faz várias sugestões sensatas. Um tema recorrente em muitos desses documentos é “o valor do ensino focado no processo” (“Working Paper”, p. 10).
Porquê centramos a nossa atenção no processo?
Uma maneira cínica de pensar sobre isso é que documentar o processo de escrita torna mais difícil para os estudantes fazerem batota. Há muitos ensaios de cinco páginas bem acabados por aí para serem imitados, mas há menos modelos que traçam a evolução de uma ideia — desde a ideia inicial, passando pelas dúvidas, até chegar a um rascunho final dialético.
Tornar mais difícil fazer batota não é uma má ideia. Mas o grupo de trabalho da MLA-CCCC não se detém nesse ponto de vista cínico. Em vez disso, eles sugerem que devemos dar ênfase ao “conhecimento do processo” e à “metacognição”, porque essas coisas sempre foram o verdadeiro objetivo do ensino da escrita. Essa é basicamente a mesma tese que Corey Robin explora no final do seu texto, quando compara a escrita à psicoterapia: “Somente no divã fui levado a externalizar-me, a projetar os meus pensamentos e sentimentos numa tela e a observá-los, a vê-los como algo outro, fria e distanciadamente — da mesma forma como faço quando escrevo”.
O giro de Robin sobre esta ideia é elegíaca: ao não enviar ensaios para trabalho de casa, podemos perder uma oportunidade de ensinar autocrítica. O grupo de trabalho torna-o de forma mais otimista, sugerindo que podemos encontrar maneiras de preservar a metacognição e até mesmo maneiras de usar LLMs (grandes modelos de linguagem) para ajudar os alunos a pensar sobre o processo de escrita.
Eu prefiro o seu giro otimista. Mas, é claro, pode-se imaginar uma resposta ainda mais elegíaca ao relatório da task force. “A IA não irá eventualmente encontrar formas de simular a própria metacognição crítica, escrevendo a reflexão do (falso) processo juntamente com o ensaio final?”
Sim, isso pode acontecer. Portanto, é aqui que alcançamos o giro um pouco mais ousado que eu sinto que precisamos colocar em “ensinar o processo” — que é que, a longo prazo, só podemos salvar o que importa sobre a escrita se estivermos dispostos a aprender algo nós mesmos. Não é uma boa estratégia a longo prazo abordarmos estas questões com a atitude de que nós (professores) temos um repositório fixo de sabedoria — e a única coisa que a IA nos deve forçar a discutir é como transmitir essa sabedoria de forma eficaz aos alunos. Se tomarmos essa abordagem, então sim, o jogo acaba assim que um modelo aprende o que sabemos. Tornar-se-á possível “enganar” simulando a aprendizagem.
Mas se o objetivo da educação é realmente aprender coisas novas — e estamos a aprender essas coisas juntamente com os nossos alunos — então simular o processo não é algo a temer. Considere exercícios que assumem a forma de uma experiência, por exemplo. As experiências podem ser falsificadas. Mas você não vai muito longe fazendo isso, porque experiências falsas não se replicam. Se uma experiência simulada se replicar de forma confiável no mundo real, não chamamos a isso “trapaça” — mas sim “pesquisa por computador que nos ensinou algo novo”.
Se os humanistas e os cientistas sociais conseguirem encontrar processos cognitivos análogos à experiência — processos em que uma simulação bem documentada da aprendizagem é a mesma coisa que a aprendizagem – estaremos na posição invejável que Robin pensava inicialmente ocupar: os estudantes que podem simular o processo de realização de uma tarefa terão efectivamente completado a tarefa.
Eu não acho que a maioria dos ensaios para levar para casa realmente ocupe essa posição segura ainda, porque, na realidade, os nossos exercícios muitas vezes pedem aos alunos que reinventem uma roda, ou ensaiem um debate que já foi trabalhado por alguma geração anterior. Uma série de respostas válidas (ou talvez contraditórias) à nossa pergunta já está registada. O verbo “ensaiar” pode parecer desdenhoso, mas não quero dizer isso com desdém. Pode ter um valor real andar na pele das gerações passadas. Por vezes, a ontogenia precisa de recapitular a filogenia, e devemos continuar a pedir aos alunos que o façam, ocasionalmente — mesmo que tenham de o fazer com lápis sobre papel.
Mas também precisaremos de conceber novos tipos de perguntas para estudantes avançados — perguntas que são difíceis de responder mesmo com assistência de IA, porque ninguém sabe qual é a resposta ainda. Uma abordagem é pedir aos alunos que recolham e interpretem novas provas, fazendo etnografia, entrevistando pessoas, cavando caixas de arquivo, organizando corpus para análise de texto, etc. Trata-se de tarefas de um tipo mais exigente do que as que normalmente atribuímos aos alunos de graduação, mas é esse o ponto. Algumas coisas são realmente mais fáceis agora, e as faculdades podem ter que apertar ainda mais os alunos para desafiá-los.
“Reunir novas evidências” coloca a ênfase nos dados empíricos e preserva efetivamente o ensaio para levar para casa, transformando-o numa experimentação. E quanto a outras partes da educação humanista: reflexão interpretativa, teoria, crítica, debate normativo? Penso que tudo isso importa também. Ainda não posso dizer como vamos preservá-los. Não é o tipo de problema que uma pessoa poderia resolver. Mas estou disposto a arriscar que a meta-resposta seja: preservaremos esses aspectos da educação aprendendo com o desafio e adaptando essas tarefas para que não possam ser cumpridas apenas ensaiando as ideias recebidas. Talvez, por exemplo, os modelos de linguagem possam ajudar os escritores a refletir explicitamente sobre as rodas que estão a reinventar e reconhecer que o seu argumento normativo requer outra reviravolta antes de realmente abrir novos caminhos. Em caso afirmativo, isso não é apenas um remendo para escrever exercícios — mas um avanço para todo o nosso projeto intelectual.
Compreendo que esta é uma tese incómoda. Se retirarmos o enquadramento delicado, digo que nós, professores, teremos de mudar a nossa forma de pensar para podermos responder à IA generativa. Isso é uma coisa presunçosa a dizer sobre disciplinas que existem há centenas de anos, perseguindo objetivos que permaneceram relativamente constantes enquanto as novas tecnologias iam e vinham.
No entanto, essa tese incómoda é aquilo em que eu acredito. A aprendizagem automática não é apenas mais uma tecnologia, e a aplicação de remendos na pedagogia não será uma resposta suficiente. (Como Marc Watkins observou recentemente, remendar a pedagogia com vigilância é uma cura pior do que a doença). Desta vez, só podemos salvar o que importa sobre as nossas disciplinas se estivermos dispostos a aprender algo no processo. O melhor que posso fazer para tornar essa afirmação menos irritante é acrescentar que penso que estamos prontos para o desafio. Eu não me sinto como uma voz chorando no deserto sobre isso. Vejo muitos sinais recentes – desde o admirável trabalho do MLA e do CCCC até livros como The Ends of Knowledge (eds. Scarborough and Rudy) – que os professores pensam criativamente sobre uma ampla gama de desafios recentes e são capazes de responder de maneiras que são ao mesmo tempo críticas e autocríticas. Aprender é o nosso trabalho. É o que temos.
________
Referências
Center for Innovation in Teaching and Learning, UIUC. “Artificial Intelligence Implications in Teaching and Learning.” Champaign, IL, 2023.
MLA-CCCC Joint Task Force on Writing and AI, “MLA-CCCC Joint Task Force on Writing and AI Working Paper: Overview of the Issues, Statement of Principles, and Recommendations,” July 2023.
Robin, Corey. “How ChatGPT Changed My Plans for the Fall,” July 30, 2023.
Rudy, Seth, and Rachel Scarborough King, The Ends of Knowledge: Outcomes and Endpoints across the Arts and Sciences. London: Bloomsbury, 2023.
Watkins, Marc. “Will 2024 look like 1984?” July 31, 2023.
O autor: Ted Underwood é Professor de Ciências da Informação e Inglês na Universidade de Illinois, Urbana-Champaign. Recebeu formação de romancista mas atualmente a sua investigação é tanto sobre ciência da informação como crítica literária. Está especialmente interessado em aplicar a aprendizagem de máquina a grandes coleções digitais. Como as “grandes coleções digitais” ainda não existem na forma que se precisaria para uma pesquisa literária interessante, muito do seu trabalho envolve corrigi-las e enriquecê-las. Recentemente, terminou um livro sobre as novas perspectivas abertas pelas grandes bibliotecas digitais, chamado Distant Horizons: digital Evidence and Literary Change (Univ de Chicago, Primavera de 2019). É autor de Why Literary Periods Mattered: Historical Contrast and the Prestige of English Studies. Stanford, CA: Stanford University Press, 2013 e de The Work of the Sun: Literature, Science, and Political Economy, 1760-1860. New York: Palgrave, 2005.