Professora mostra falhas do ChatGPT ao corrigir dissertação de filosofia

O contexto do experimento

Teste aplicado durante exame real

A proposta consistia em pedir ao ChatGPT que simulasse o desempenho de um estudante do ensino médio francês na prova de filosofia. A IA foi instruída a elaborar uma dissertação completa com estrutura tradicional: introdução, desenvolvimento argumentativo e conclusão. O tema foi retirado de uma das questões reais do exame.

Leia mais:

Erros comuns ao usar o ChatGPT e como evitá-los de forma eficaz

Correções divergentes

Após gerado o texto, dois tipos de correções foram realizados:

• Uma professora experiente avaliou o texto como se fosse uma dissertação normal, sem saber que havia sido produzida por uma IA.
• Sistemas automatizados de avaliação textual, comuns em plataformas educacionais, também atribuíram notas.

Enquanto a professora foi rigorosa com erros conceituais e estrutura de argumentação, as ferramentas digitais valorizaram sobretudo a fluência gramatical e a organização formal.

Erros apontados pela avaliação humana

Introdução com erros conceituais

Segundo a professora, o texto apresentava um erro já na problematização inicial. A introdução tentava parecer filosófica, mas caía em generalizações e conceitos mal definidos.

Desenvolvimento raso

Durante o desenvolvimento, as ideias não se aprofundavam nem estabeleciam conexões claras entre as premissas e a tese. A argumentação foi considerada superficial, faltando consistência lógica — algo essencial numa prova de filosofia.

Conclusão genérica

O encerramento foi visto como “vago e circular”. Em vez de retomar a discussão com uma síntese crítica, limitou-se a reafirmar o que já havia sido dito, sem trazer nova reflexão.

Por que a IA atribuiu nota alta

Critérios baseados na forma

Ferramentas automatizadas costumam atribuir peso maior à gramática, ortografia, estrutura e uso de conectivos. Por esse motivo, um texto “bem escrito” no aspecto linguístico pode receber nota alta mesmo que o conteúdo seja fraco.

Incapacidade de avaliar profundidade conceitual

A IA não compreende, de fato, o que é dito. Ela avalia com base em padrões estatísticos. Assim, erros conceituais não são penalizados se a redação mantiver uma aparência formal aceitável.

O papel do professor na avaliação

Avaliação crítica e pedagógica

O professor é capaz de detectar argumentos falhos, raciocínios contraditórios e falta de referências pertinentes. Além disso, fornece feedback detalhado e construtivo, ajudando o aluno a melhorar.

Complementaridade com a IA

A IA pode apoiar professores em tarefas repetitivas, como verificação ortográfica e padronização de estrutura. Mas não substitui a análise interpretativa do conteúdo, fundamental na formação crítica dos estudantes.

Limites atuais da inteligência artificial na educação

Avaliação qualitativa ainda depende de humanos

Apesar de avanços no uso de IA para ensino e correção, sua atuação ainda está limitada ao campo da forma e do padrão. Compreensão crítica, interpretação de sentido e criatividade permanecem sob domínio humano.

Risco de avaliações imprecisas

Confiar unicamente em correções automáticas pode prejudicar a formação do estudante, que não percebe seus próprios erros conceituais e repete padrões sem reflexão.

Prejuízo à aprendizagem

A IA pode reforçar erros se não for supervisionada por um professor. Um estudante que recebe nota alta de uma ferramenta automatizada pode acreditar que está no caminho certo mesmo quando comete falhas graves de argumentação.

Caminhos possíveis: IA como apoio, não como juiz final

Modelos híbridos

O futuro da avaliação educacional pode estar em sistemas híbridos, em que a IA realiza uma pré-correção e o professor valida ou ajusta as pontuações. Isso traria agilidade sem comprometer a profundidade crítica.

Treinamento da IA com base em rubricas humanas

Desenvolver modelos de IA com base em critérios humanos — como profundidade do argumento, uso de referências e construção lógica — pode melhorar a qualidade das correções automatizadas.

Transparência e explicabilidade

Ferramentas que mostram por que deram determinada nota e quais critérios foram aplicados ajudam os professores a entender a lógica da máquina e tomar decisões com base em dados objetivos.

Experimentos semelhantes pelo mundo

Estudos com avaliações automatizadas nos EUA

Pesquisas conduzidas em universidades norte-americanas mostraram que ferramentas automatizadas são eficazes para avaliar gramática e estilo, mas cometem erros significativos na análise de argumentação e coerência temática.

Uso crescente da IA em vestibulares simulados

Plataformas de estudo para vestibulares no Brasil e Europa já testam IAs para corrigir redações de estudantes, mas todas mantêm um revisor humano como responsável pela validação final da nota.

Conclusão

A experiência francesa expõe de maneira clara os limites da inteligência artificial na correção de textos escolares. Enquanto a IA pode ajudar em aspectos técnicos e formais, ainda está longe de substituir o julgamento humano em tarefas que exigem interpretação, senso crítico e avaliação conceitual.

A tecnologia é bem-vinda como aliada — e não como substituta — da atuação docente. Professores continuam sendo insubstituíveis no processo de ensino-aprendizagem, especialmente em áreas como filosofia, onde o que importa não é só como se escreve, mas o que se está dizendo.