Planear no meio da tempestade: reflexão crítica sobre o Plano de Projeto Final

Reflexão sobre a conceção do trabalho final da unidade curricular de Metodologia de Projetos em eLearning, o Plano de Projeto Final (v1.1), intitulado «Literacia em IA Generativa para Docentes de Línguas: Um Problema de Formação em eLearning».

Há trabalhos que se fazem e trabalhos que nos fazem. Ao encerrar o Plano de Projeto Final da unidade curricular de Metodologia de Projetos em eLearning, custa-me distinguir com clareza em qual das categorias este se inscreve. Aquilo que começou como a resposta a um enunciado académico converteu-se, ao longo do semestre, num exercício de disciplina intelectual que alterou a forma como penso a minha própria prática docente. É sobre esse percurso, e não apenas sobre o produto, que esta reflexão se debruça.

O ponto de partida: um problema que me habitava

O projeto nasceu de um incómodo concreto e não de uma escolha temática de conveniência. A inteligência artificial generativa entrou nas escolas sem pedir licença e, sobretudo, sem que os docentes tivessem recebido qualquer formação estruturada para lidar com ela de forma crítica, ética e pedagogicamente fundamentada. No caso específico dos professores de línguas, percebi que o desafio era de outra natureza: a linguagem é simultaneamente o objeto do nosso ensino e a matéria-prima destas ferramentas. Um professor de matemática pode olhar para a IA como um auxiliar externo; um professor de línguas vê-a produzir exatamente aquilo que avalia. Essa singularidade epistemológica tornou-se o eixo em torno do qual todo o plano se organizou.

Reconheço, retrospetivamente, que a maior tentação nesta fase foi a de resolver o problema depressa demais. Sabia, enquanto praticante, o que «funcionava» na minha experiência, e essa familiaridade poderia facilmente ter contaminado o desenho do diagnóstico. A metodologia obrigou-me a suspender essa certeza. Ao adotar a postura de investigador-praticante, tive de aceitar que aquilo que julgava saber não dispensa a evidência: pelo contrário, exige-a com maior exigência, precisamente porque o risco de enviesamento é maior quando conhecemos bem o terreno.

Da intuição ao método: a aprendizagem mais dura

Se tivesse de nomear a aprendizagem mais transformadora deste trabalho, apontaria a passagem da intuição para o método. O modelo ADDIE (Branch, 2009) forneceu a espinha dorsal do projeto (Análise, Design, Desenvolvimento, Implementação e Avaliação), mas foi na fase de análise que enfrentei a resistência mais produtiva. Comprometer-me com uma Revisão Sistemática da Literatura segundo o protocolo PRISMA 2020 (Page et al., 2021) significou renunciar ao conforto da leitura seletiva.

A decisão que melhor ilustra esta maturação foi a escolha do tipo de revisão. A tipologia de Grant e Booth (2009) apresentava-me três caminhos plausíveis, e a tentação da scoping review era real, dada a natureza emergente do campo. Optei, ainda assim, pela revisão sistemática por uma razão que só compreendi verdadeiramente ao formulá-la: as minhas perguntas não eram de mapeamento, mas de decisão. Não me bastava saber o que existe; precisava de saber o que funciona e em que condições, porque cada resposta alimentava uma opção concreta do plano de ação. Esta distinção, aparentemente técnica, ensinou-me algo mais vasto sobre o pensamento projetual: o método não é um ornamento de legitimação, é o que garante que cada decisão tem origem rastreável na evidência e não no gosto do autor.

Foi também aqui que aprendi a assumir os limites como parte integrante do rigor, e não como confissão de fraqueza. Sendo um projeto individual, a triagem por um único revisor é uma limitação face às boas práticas; em vez de a ocultar, incorporei um procedimento de verificação interna em duas fases e o registo auditável de todas as decisões. Compreendi que a honestidade metodológica não enfraquece um trabalho: fortalece a sua credibilidade.

A arquitetura como argumento

O coração do plano é o programa de formação LIA-Línguas: cinco módulos ao longo de oito semanas e vinte e cinco horas, da ambientação aos fundamentos técnicos da IA, da análise crítica de outputs ao design pedagógico, da ética às novas estratégias de avaliação. Confesso que, no início, encarava a arquitetura instrucional como uma questão de organização. Percebi, ao construí-la, que a arquitetura é ela própria um argumento.

Alinhar cada objetivo de aprendizagem com uma área do DigCompEdu (Redecker, 2017), com uma dimensão de literacia em IA (Long & Magerko, 2020) e com uma evidência de avaliação concreta obrigou-me a um alinhamento construtivo (Biggs & Tang, 2011) que não admite espaços vazios. Sempre que uma célula da matriz de alinhamento ficava por preencher, percebia que havia uma incoerência escondida no meu raciocínio. O TPACK (Mishra & Koehler, 2006) e o Modelo Pedagógico Virtual da Universidade Aberta (Pereira et al., 2007) deixaram de ser referências citadas por dever e passaram a funcionar como instrumentos de decisão. Foi uma das lições mais úteis do semestre: um referencial teórico só se justifica quando produz consequências visíveis no desenho.

Avaliar aquilo que quase todos omitem

A componente que mais me obrigou a crescer foi o plano de avaliação. Ao adotar o modelo de quatro níveis de Kirkpatrick e Kirkpatrick (2016), confrontei-me com uma tentação comum e comodista: ficar-me pelos níveis da reação e da aprendizagem, os mais fáceis de medir. Decidi incluir explicitamente os níveis do comportamento e dos resultados (a transferência para a sala de aula e o impacto institucional) precisamente porque são os mais frequentemente omitidos. Prever um follow-up de transferência três meses após o final da formação foi uma opção deliberada de rigor, ainda que me obrigue a aceitar que, sem grupo de controlo, esses resultados devem ler-se como indícios e não como demonstração causal.

Esta decisão ensinou-me que a ambição metodológica se mede menos pelo que prometemos alcançar e mais pela honestidade com que qualificamos aquilo que conseguimos demonstrar. Cruzar Kirkpatrick com a lógica de avaliação diagnóstica, de processo e de produto de Miranda e Cabral (2012) deu-me, além disso, um vocabulário que passei a reconhecer na minha prática quotidiana.

O incómodo produtivo da dimensão crítica

Não teria sido honesto conceber uma formação sobre IA a partir de uma perspetiva meramente instrumental. As leituras de Selwyn (2019, 2022) e de Holmes et al. (2019) funcionaram como um contrapeso salutar ao entusiasmo tecnológico, obrigando-me a integrar dimensões éticas, políticas e institucionais que, de outro modo, teria subestimado. As orientações da UNESCO (2023) para a IA generativa na educação, cruzadas com as exigências do RGPD, traduziram-se em decisões concretas de design: instruções explícitas de proteção de dados, proibição da introdução de dados pessoais de alunos, escolha de ferramentas de acesso gratuito para garantir a replicabilidade no contexto real dos participantes.

O que mais me marcou foi perceber que a postura crítica não é um discurso que se acrescenta no fim, mas um princípio que reorganiza o desenho desde o início. Formar docentes para um uso crítico da IA exige que a própria formação seja, ela mesma, um exercício de criticidade.

Ancorar o projeto no real

Um plano de eLearning que ignore o sistema em que se insere corre o risco de ser academicamente elegante e praticamente inútil. Ancorar o programa no regime jurídico da formação contínua de professores e nas modalidades reconhecidas pelo CCPFC, ponderar a acreditação como o principal incentivo à participação no contexto português, prever parcerias com centros de formação de associação de escolas: tudo isto me ensinou que a exequibilidade é uma componente do rigor, e não uma preocupação menor. A análise de sustentabilidade, nos planos pedagógico, técnico e institucional, obrigou-me a olhar para além do meu próprio entusiasmo e a reconhecer, por exemplo, que a dependência de um único formador é o principal risco do projeto, mitigável apenas pela documentação integral do design.

O que fica

Ao reler a versão final, reconheço nela uma maturação que não existia nos temas anteriores. Os materiais dispersos que fui produzindo ao longo do semestre não foram simplesmente agregados: foram reelaborados criticamente até formarem um documento coerente, cuja rastreabilidade entre diagnóstico e design considero o seu maior mérito. Não escondo, porém, o que permanece por demonstrar. A validação empírica das minhas opções depende, por natureza, da execução do diagnóstico no segundo ano do curso. E é aqui que reside, talvez, a aprendizagem mais duradoura: planear não é fixar um destino imutável, mas fixar um rumo fundamentado que a própria execução me obrigará, previsivelmente, a rever. Essa revisão futura não será um desvio ao plano; será a confirmação de que compreendi, finalmente, o que significa a metodologia de projeto.

Se este trabalho me fez, foi neste ponto preciso: ao ensinar-me a conviver com a incerteza sem abdicar do rigor, a planear no meio da tempestade sem a ilusão de a controlar.

Para ler o trabalho na íntegra, navegue pelo leitor abaixo:

Referências

Biggs, J., & Tang, C. (2011). Teaching for quality learning at university (4.ª ed.). Open University Press.

Branch, R. M. (2009). Instructional design: The ADDIE approach. Springer. https://doi.org/10.1007/978-0-387-09506-6

Grant, M. J., & Booth, A. (2009). A typology of reviews: An analysis of 14 review types and associated methodologies. Health Information & Libraries Journal, 26(2), 91–108. https://doi.org/10.1111/j.1471-1842.2009.00848.x

Holmes, W., Bialik, M., & Fadel, C. (2019). Artificial intelligence in education: Promises and implications for teaching and learning. Center for Curriculum Redesign.

Kirkpatrick, J. D., & Kirkpatrick, W. K. (2016). Kirkpatrick’s four levels of training evaluation. ATD Press.

Long, D., & Magerko, B. (2020). What is AI literacy? Competencies and design considerations. In Proceedings of the 2020 CHI Conference on Human Factors in Computing Systems (pp. 1–16). ACM. https://doi.org/10.1145/3313831.3376727

Miranda, B., & Cabral, M. (2012). Projetos educativos: Conceção, gestão e avaliação. Universidade Aberta.

Mishra, P., & Koehler, M. J. (2006). Technological pedagogical content knowledge: A framework for teacher knowledge. Teachers College Record, 108(6), 1017–1054. https://doi.org/10.1111/j.1467-9620.2006.00684.x

Page, M. J., McKenzie, J. E., Bossuyt, P. M., Boutron, I., Hoffmann, T. C., Mulrow, C. D., … Moher, D. (2021). The PRISMA 2020 statement: An updated guideline for reporting systematic reviews. BMJ, 372, Artigo n71. https://doi.org/10.1136/bmj.n71

Pereira, A., Quintas-Mendes, A., Morgado, L., Amante, L., & Bidarra, J. (2007). Modelo pedagógico virtual da Universidade Aberta: Para uma universidade do futuro. Universidade Aberta.

Redecker, C. (2017). European framework for the digital competence of educators: DigCompEdu. Publications Office of the European Union. https://doi.org/10.2760/159770

Selwyn, N. (2019). Should robots replace teachers? AI and the future of education. Polity Press.

Selwyn, N. (2022). The future of AI and education: Some cautionary notes. European Journal of Education, 57(4), 620–631. https://doi.org/10.1111/ejed.12532

UNESCO. (2023). Guidance for generative AI in education and research. UNESCO Publishing.