O uso de IA leva professor de matemática de UC Berkeley a ver “nenhum sentido” em corrigir tarefas de casa
A afirmação de um professor de matemática de UC Berkeley de que a IA tornou inútil corrigir tarefas de casa provoca uma reavaliação mais ampla de como — e se — o trabalho de curso deve contar para as notas universitárias. Muitos defendem que as tarefas passem a ser apenas prática sem nota, com a aprendizagem sendo avaliada por provas presenciais supervisionadas, defesas orais ou testes frequentes mais difíceis de terceirizar para a IA. Por trás disso há uma questão mais profunda sobre o propósito do ensino superior: ele ainda é прежде de tudo sobre aprender, ou se tornou um sistema de credenciamento e filtragem social que a IA agora ameaça virar do avesso?
Tarefas de casa vs. provas na era da IA
- Muitos argumentam que agora há pouco sentido em corrigir trabalho feito em casa, porque a IA e os bancos de soluções tornam a cola trivial e indetectável.
- Outros observam que isso não é totalmente novo: mesmo antes da IA, estudantes compartilhavam respostas e reutilizavam listas de exercícios; a IA apenas remove a fricção e a negação plausível.
- Uma mudança proposta com frequência: tarefas de casa apenas para अभ्यास/prática, com as notas baseadas quase inteiramente em provas presenciais supervisionadas.
Papel e valor das tarefas de casa
- Defensores de tarefas sem nota dizem que elas são essenciais para praticar, diagnosticar cedo mal-entendidos e construir disciplina.
- Críticos dizem que tarefas avaliadas medem principalmente conscienciosidade e habilidades de “jogo” do sistema, inflacionam as notas e sempre foram um sinal fraco de domínio.
- Vários relatam sistemas em que as tarefas valiam pouco ou nada, e apenas as provas determinavam a nota, muitas vezes com sucesso.
Modelos alternativos de avaliação
- As propostas incluem:
- Testes escritos ou orais frequentes em sala, problemas no quadro e exames orais.
- Provas finais que dominam a nota, com reposições ou repetição para reduzir a sorte de um “dia ruim”.
- Salas de aula invertidas, trabalho baseado em projetos ou avaliação por portfólio.
- Modelos sem notas ou de aprovado/reprovado, enfatizando feedback em vez de ranqueamento.
- Alguns defendem perguntas orais aleatórias sobre as tarefas para verificar a compreensão.
Cola, motivação e responsabilidade do estudante
- Um lado: adultos na faculdade devem se automotivar; se ignoram as tarefas e reprovam na prova, a responsabilidade é deles.
- Outro lado: muitos estudantes capazes, mas despreparados, precisam de incentivos estruturados e feedback precoce; caso contrário, desmoronam na prova final e se desligam.
- As opiniões divergem sobre se depender de “castigos” significa que o estudante “não tem perfil para a faculdade” ou apenas não se ajusta às práticas de ensino atuais.
IA como ameaça e ferramenta
- Preocupações: a IA corrói a avaliação tradicional, pode desvalorizar diplomas e talvez, no fim, reduza a demanda por ensino superior.
- Os otimistas veem uma “idade de ouro” para autodidatas: a IA pode dar tutoria, corrigir demonstrações e fornecer feedback detalhado em escala.
- Há incômodo com o fato de que os estudantes cada vez mais preferem IA a plantões de dúvidas e grupos de estudo humanos, com resultados de aprendizagem mistos.
Temas mais amplos do ensino superior e de políticas públicas
- Debate sobre se as universidades devem principalmente ensinar habilidades para o trabalho, fazer pesquisa, credenciar elites sociais ou fomentar o aprendizado intrínseco.
- Alguns preveem consolidação ou colapso das instituições mais fracas e modelos mais vocacionais ou no estilo de aprendizagem/aprendizagem prática com mestres.
- Longos subfios argumentam sobre provisão estatal vs. privada, política neoliberal e se sistemas públicos são inerentemente ineficientes ou não — as opiniões divergem fortemente.