O National Council of Teachers of Mathematics (NCTM) lançou uma tomada de posição oficial sobre o impacto da Inteligência Artificial (IA) generativa no ensino da matemática. O documento foca-se na forma como os Modelos de Linguagem de Grande Escala (LLM) e a Aprendizagem Automática (ML) estão a transformar a dinâmica das salas de aula. Longe de substituir o papel dos professores, a organização internacional defende que o futuro exige docentes com conhecimentos pedagógicos e matemáticos ainda mais profundos para guiar os alunos na era digital.
Do “Calcular” ao “Verificar”: O Fim da Avaliação Superficial
A disseminação de ferramentas baseadas em IA generativa traz novos desafios para os Departamentos de Matemática e Conselhos de Turma. Tal como aconteceu no passado com a introdução das calculadoras em 1980 ou de aplicações como o Photomath em 2015, o surgimento da IA obriga a repensar as estratégias de avaliação.
A IA destaca-se na resolução de problemas computacionais puros. Por isso, o relatório alerta para a urgência de evitar as “avaliações superficiais” — focadas apenas no cálculo mecânico — e propõe uma mudança metodológica: em vez de apenas resolverem, os alunos devem ser ensinados a misturar a resolução com a verificação. Quando os problemas tradicionais dos manuais escolares podem ser facilmente resolvidos pela IA, cabe ao professor desafiar os alunos a criar exemplos que verifiquem se a resposta gerada pela máquina é logicamente razoável.
A nível de apoio a alunos com dificuldades, as ferramentas de IA trazem o potencial inédito de identificar a lógica do pensamento do estudante, mesmo quando este apresenta respostas incorretas, ajudando a diagnosticar lacunas na aprendizagem.
Redução de Trabalho na Preparação de Aulas
Para a gestão de tempo e trabalho diário dos docentes, a IA generativa assume-se como um verdadeiro assistente de ensino. Um dos maiores benefícios reais é a redução drástica do esforço administrativo e pedagógico na criação de materiais diferenciados. A tecnologia permite gerar rapidamente múltiplas versões do mesmo teste ou ficha de trabalho, mantendo o mesmo objetivo de aprendizagem, mas adaptando o contexto dos problemas aos interesses específicos ou vivências de cada aluno.
No entanto, o documento deixa um aviso claro: os professores devem ensinar os estudantes a serem céticos. A IA tem tendência a “alucinar” (inventar respostas incorretas com aparência de verdade) e replica preconceitos dos dados com que foi treinada, além de não fornecer fontes e citações de forma consistente.
Destaques e Funcionalidades-Chave
- Personalização em Larga Escala: Capacidade de ajustar problemas matemáticos aplicados aos interesses e experiências de vida dos alunos.
- Múltiplas Explicações: Geração de diferentes abordagens e níveis de explicação para o mesmo conceito ou fórmula matemática.
- Combate ao Trabalho Repetitivo: Eficiência na criação de variantes de testes e fichas de exercícios para dinâmicas de diferenciação pedagógica.
- Análise Interpretativa: Potencial para detetar o raciocínio lógico por trás dos erros cometidos pelos alunos.
Sugestão de Uso na Próxima Planificação
Na sua próxima planificação de unidade curricular, experimente não banir a IA, mas integrá-la na avaliação formativa. Peça aos alunos que utilizem um modelo de IA para resolver um problema geométrico ou algébrico complexo. A tarefa da turma não será copiar o resultado, mas sim atuar como “auditor da máquina”: os alunos deverão redigir um pequeno parágrafo a demonstrar se a solução apresentada pela IA é razoável, identificando possíveis falhas ou explicando o conceito matemático subjacente que valida a resposta.
