DOI 10.5281/zenodo.20394597

Edit: thank you, Aidan Kehoe, for suggesting a native-speaker editorial change to the title.

Perhaps artificial intelligence will finally force us to take seriously an old educational ambition.

Not the tiny ambition of using one more tool, nor the dazzled eagerness to stamp “Now with lemon scent and AI” on everything we already do. I mean an older ambition: deep understanding, reflection, the creation of personal meaning, developing the ability for transfer across contexts, for active participation in a community, for critical thinking decision-making. In short: the ambition of teaching for the development of each person and their purpose. Teaching for freedom: the freedom to decide that comes from awareness and knowledge.

That ambition was not born now with AI. It was not even born in this century or the last. We can see it clearly in John Dewey’s My Pedagogic Creed1, from 1897.

John Dewey, excerpts from “My Pedagogic Creed” (1897).

But Dewey was not an alien from outer space; and modern education has not remained frozen since then. Over these more than one hundred and twenty years, many people, schools, pedagogical movements, universities, and education systems — including in environments caricaturized as rigid but that are in fact demanding, such as corporate and military settings — have tried to move teaching from repetition to understanding, from mechanical training to adequacy to what is experienced, from the canonical answer to situated thinking, from pre-determined action to contextualised decision... and even towards developing individuals’ ability to consciously determine their own personal and cognitive evolution. Yes, I am thinking of proposals such as Paulo Freire’s pedagogy of autonomy, Seymour Papert’s constructionism, or Virginia Kastrup’s inventive cognition, among many others.

Education has changed enormously. Just look at today’s materials, objectives, technologies, modes of participation, disciplines, relationship with work and society; look at the presence of projects, laboratories, online platforms, networks, and digital resources. Today’s school is not the school of one hundred years ago. Nor of seventy years ago. Nor of fifty.

But it is also true that it has not changed as much as it aspired to.

There is a simple reason, although there is nothing simplistic about it: turning a pedagogical ambition into everyday practice is much harder than merely proclaiming that one will adopt it. It branches far beyond what happens directly between the educator and the learner.

There are logistical difficulties: preparatory and follow-up tasks, large classes, packed calendars, many assignments or activities for a teacher to follow, many students needing guidance and advice, in short... many tasks, something terribly difficult to organise, requiring time and attention.

There are systemic difficulties: contradictory objectives that must be answered (”cover the syllabus”, “prepare students for higher-education admission exams”, “make sure they understand at least this, even if we do not reach that”, “avoid complaints”, “do not fall behind with grading”, “have a life”, etc.), inequalities, institutional pressures, opportunistic behaviours, different levels of availability or willingness to collaborate.

There are organisational difficulties: how can teachers and students be managed when learning is less standardised? How can parents or team managers follow open-ended processes, with no exact endpoint, with no clear references for comparison? How can we compare activities that are not alike, or that respond to different purposes? How can fairness be ensured when what is valued is more subtle, complex, and undefined, with more opinion-based criteria, than a predicted answer or a planned state?

And there are governance difficulties: making sense of what is happening, following it, deciding, and intervening when the scale is not just one class or one team we deal with, but a whole school, a whole university, a company, a region, a country.

That is why, throughout this long ambition for change, education has relied on operational shortcuts. Patches, let us call them: responses to the realities and contingencies that made it possible to operate at scale.

The habit of focusing assessment on delivered products is one of those shortcuts.

An essay, a test, a report, a solved exercise, a computer program, a presentation. All this required effort and could function as a reasonable approximation of the thinking we could not observe directly. It was not perfect. It never was. But it was useful enough to organise teaching, assessment, certification, management, and governance.

Another shortcut followed from that one, although it was rarely admitted, and perhaps people even swore that it did not happen: letting form affect substance. Well-built rhetoric, an answer neatly aligned with the rubric, code that ran on the first try, an elegant synthesis, or a well-formatted report, all often seemed acceptable indicators of effort and dedication, and therefore indicators of understanding. In other words: a shoddy piece of work, in any of these dimensions, might be expected to contain more factual or argumentative errors; a piece of work with carefully crafted grandiloquence might be approached with the expectation that it came from someone with stronger work habits and therefore, more probably, with problems at a higher level rather than serious inaccuracies. This helped manage the focus, and therefore the time and effort, of assessment, interpretation, feedback...

AI, fortunately, destroys these shortcuts. First it corrodes them, then it undoes them.

When AI, whether free or very cheap (for example, monthly costs below the price of a night out with friends), can produce fluent text, plausible code, organised syntheses, convincing images, work plans, and well-turned explanations; when AI can tick all the requested points in a prompt or rubric, and reach all the expected technical quality, the appearance of competence is assured. Not because writing well, programming well, or presenting well has become irrelevant. On the contrary: those abilities still matter. It is just that displaying the baseline of competence in a product is now assured. The final product, by itself, has become too fragile as an approximation of the thinking of the person who submits it.

If we ignore this, the outcome is a worsening of superficiality, of course: with AI, someone who knows they are only required to submit an assessment “product” can produce vacuities — things that shine, but represent nothing from anyone. Answers without reflection. The most immediate and generic options. A focus on products as samples of what one thinks, of what one knows, does not distinguish between those who know how to question, revise, choose, and judge, and those who merely accept the first plausible formulation. But the existence of AI also does something useful: it removes the comfort of continuing to treat appearance as if it were relevant to understanding.

There is a phrase I have been using in presentations and other public sessions: reach for understanding, not rhetoric. I think we can draw on several analogies. For example, the arrival of the calculator in mathematics. In the 1970s, some feared that calculators would destroy the learning of mathematics, as a January 6, 1975 article in Time neatly summarised2. The fear had a logic: if the machine does the arithmetic, what happens to the student’s competence in doing it? Does it become useless? Will people become unable to use mathematics? Yes and no. Yes, most people stopped being able to do the kind of calculations people used to do. But society itself changed in its uses and expectations of what mattered, and school changed with it. Instead of regular arithmetic calculation at ever more complex levels, which came to be done mechanically, all children now train mental calculation techniques that were once mostly practised in grocery shops or among traders: estimates, quick approximations to decide or detect problems, immediate calculations for intuitive response... and society opened new paths: bookkeepers became accountants, mere record-keeping for final reporting gave way to scenario simulation, assessment of alternatives, exploration of possibilities, modelling the world with numbers. We can think of what happened to art when photography and cinema appeared, what happened to hunting when agriculture emerged, what happened to farm work with mechanisation.

With the emergence of AI finally accessible to society at large, we are facing a transition at this level. A large part of academic and professional production can now be automated: writing, explaining, summarising, programming, drawing, arguing, revising, translating, planning. Society will therefore change, expectations will change too, and so will what we learn.

If all we want is an undifferentiated but competent product, AI will quickly become that finishing machine for everyone. If we want understanding or reflection, we must create processes in which understanding or reflecting is necessary in order to conduct them. Processes in which assuming, differentiating, judging, imagining, valuing, and maintaining coherence or changing position are part of the path.

In other words, before we exhaust ourselves imagining how to assess old objectives in a new world, we need to discover the new objectives and design instruction for them. For that, we need to re-centre learning on value.

A decision does not occur in a vacuum. For a person to be the one deciding, they need an objective of their own. To have an objective that is their own, they need to appropriate it. Only then can they have criteria to evaluate alternatives. Criteria that are not merely words inherited from someone else, but criteria that arise from valuing something of their own: an idea, a problem, a community, a work, a question, a person (perhaps themselves), a future they long for.

This is the old ambition that AI makes almost inevitable: we are facing an unprecedented pedagogical opportunity. Yes, AI can do much (or all) of the student’s current work: Excel also does the bookkeeper’s sums. Yes, AI can also replace much of what the teacher does today: photography also came to take all the portrait miniatures and locket portraits. But AI can also make it practicable to create or expand a learning ecology where students, teachers, peers, tools, materials, ideas, institutions, and artificial agents interact to reach goals of appropriation, understanding, valuation, and initiative that today we can only dream of. A cognitive ecosystem (as I call it with my colleague Eliane Schlemmer3, whom I thank for awakening me to the relevance of this idea) today not only in some distant future: an educational context that is a habitat, where knowledge emerges from the relations among the entities that inhabit it, not only from or in someone’s isolated head.

To make this concrete, we need to change the design of educational activities.

It is not enough to tell students to use or not use AI. It is also not enough to tell them to be creative or to choose projects that are “theirs” or “that interest you”. Giving freedom without providing structure ends up being negligence and abandonment: yes, some students move forward with intrinsic energy; but others hesitate, or avoid differentiating themselves, through discouragement, fears or hesitations, scheming, or simply a lack of horizons. Personal appropriation needs space, purposes, resources, constraints, interlocutors, moments of intellectual confrontation, and criteria that help make ambition practicable. And perhaps many other things we still need to discover.

For example, in an object-oriented programming course in a software engineering degree, the question is no longer simply whether the code runs with object-oriented syntax and mechanics. The code must run with those aspects, of course. But that is so little — it always was so little. What matters today, as it mattered before, though perhaps we did not dare to aspire beyond utopia, is that the student has an objective for their project, understands themselves, reflects on why they choose one structure rather than another, is able to assume a decision about the structure of the program, identifies future consequences far beyond the immediate, and identifies the constraints they face and the limits they must assume in relation to them.

Another example: in a literature review for a master’s dissertation or doctoral thesis, it matters little if the student is merely accumulating more or less well-written summaries of a collection of texts. That is so little — it always was so little. The ambition today can be the one that existed decades ago, before the massification of these degrees, and that today had almost been pushed back into utopia: that each student, in that review process, truly discovers the terrain before them. Not only the diversity of concepts, contexts, and perspectives, but their contradictions, their alternatives and complementarities, the areas that remain unclear, the possibilities. And in that discovery, they will have to discover themselves: faced with that contradictory, nebulous, vast terrain, what do they really want, what is their intention? What are they willing to dare, what ambition do they take on? The literature review can once again be, as it should always have been, a discovery of intellectual meaning.

These examples need development, not merely one paragraph each. They will come here in future texts of their own. Today I will stay with the idea I have developed as a starting point: AI leads us towards an education in which the delivered product does not represent learning, but rather stages of a process, of a path.

This does not mean that assessment becomes a kind of infinite surveillance of the process, which would be a perversion, an elimination of the construction of value, imprisoned in a myriad indicators to satisfy. It means that we should focus on designing processes that, if followed, promote quality and value. A process in which there is appropriation, purpose, confrontation, reformulation, creation, and transfer across contexts then lets us see more clearly what interests us. Each part of that process helps us glimpse these aspects.

Please do not read this as a celebration of AI, as if we were setting off fireworks and running after the spent sticks. I do not ignore that any transformation carries risks, problems, challenges, and yes, suffering as well as joys. What I assume is that AI forces us to be more demanding about what we call learning. Since the nineteenth century, so-called “modern” education has aspired to form people capable of understanding, judging, participating, creating, and acting. For a long time, that ambition has been limited by the difficulty of making it concrete in large systems, with finite resources and contradictory demands, but I have already spoken of that above and will not return to it here.

Those difficulties remain, in this time of AI, but the balance has shifted. It becomes unsustainable to continue confusing appearance with thought. And, if we know how to work with them, new forms of support, questioning, simulation, revision, creation, and discussion open up.

That is why the most useful question for a teacher today is neither “was it really the student who did this?” nor “what product should students submit?”, but rather:

What old educational ambition does this process finally take seriously?

And, since we are at it (“since we are at it”, I admit, being the riskiest and most expensive phrase in a process):

What process leads the student to value, decide, revise, and assert?

If AI pushes us towards these questions, perhaps it will make us adopt something we have been promising that was just about to arrive, since the nineteenth century.

DOI 10.5281/zenodo.20394412

Talvez a inteligência artificial nos obrigue, finalmente, a levar a sério uma antiga ambição da educação.

Não a ambição pequenina de usar mais uma ferramenta, não a ambição do deslumbramento, da ânsia de carimbar “Lava com cheiro a limão e IA” em tudo o que já se faz. Uma ambição mais antiga: a de compreensão profunda, de reflexão, de criar um sentido pessoal, de desenvolver a capacidade de transferência entre contextos, de participação ativa numa comunidade, de decisão com critério, enfim: a ambição de ensinar para o desenvolvimento pessoal e do propósito de cada um. Ensinar para a liberdade: a liberdade de decidir que advém da consciência e conhecimento.

Essa ambição não nasceu agora com a IA. Nem sequer nasceu neste século. Podemos vê-la claramente em John Dewey, no seu My Pedagogic Creed1, de 1897.

(...) o indivíduo, gradualmente, passa a participar nos recursos intelectuais e morais que a humanidade conseguiu congregar. (...) um herdeiro do capital acumulado da civilização. (...) a base primária da educação está nas capacidades da criança em ação, segundo as mesmas linhas construtivas gerais que deram origem à civilização. (...) tornar a criança consciente da sua herança social é capacitá-la para realizar esses tipos fundamentais de atividade que fazem da civilização aquilo que ela é. (...) a ciência tem valor porque confere a capacidade de interpretar e controlar a experiência já vivida. Deve ser introduzida, não como um novo corpo de matéria a estudo, mas como forma de revelar os fatores já envolvidos na experiência anterior e para proporcionar ferramentas pelas quais essa experiência possa ser regulada de forma mais fácil e eficaz. — John Dewey, 1897, O Meu Credo Pedagógico

Mas nem Dewey é um extraterreste isolado, nem a educação moderna ficou congelada desde então. Ao longo destes mais de cento e vinte anos, muitas pessoas, escolas, movimentos pedagógicos, universidades e sistemas educativos — inclusivamente em ambientes caricaturalmente rígidos mas na verdade exigentes, como os empresariais e militares — tentaram deslocar o ensino da repetição para a compreensão, do treino mecânico para a adequação ao que se vivencia, da resposta canónica para o pensamento situado, da ação pré-determinada para a decisão contextualizada… e até para desenvolver a capacidade do indivíduo determinar conscientemente a sua própria evolução pessoal e cognitiva (sim, estou a pensar em propostas como a pedagogia da autonomia, de Paulo Freire, o construcionismo de Seymour Papert, ou a cognição inventiva de Virgínia Kastrup, entre muitos outros).

A educação mudou imenso. Basta olhar hoje para os materiais, os objetivos, as tecnologias, os modos de participação, as disciplinas, a relação com o mundo do trabalho e a sociedade, a presença de projetos, laboratórios, plataformas online, redes e recursos digitais. A escola de hoje não é a escola de há cem anos. Nem a de há setenta. Nem a de há cinquenta.

Mas também é verdade que não mudou tanto quanto ambicionava.

Há uma razão simples, embora nada simplista: transformar uma ambição pedagógica numa prática quotidiana é muito mais difícil do que apenas proclamar que se vai adotá-la. É algo que se ramifica por espaços muito além do que aquilo que se passa diretamente entre um educador e um aluno.

Há dificuldades logísticas: tarefas preparatórias e consequentes, turmas numerosas, calendários preenchidos, muitos trabalhos ou atividades para um professor acompanhar, muitos estudantes a precisar de orientação e aconselhamento, enfim… muitas tarefas, de dificílima organização, a requerer tempo e atenção.

Há dificuldades sistémicas: objetivos contraditórios a que é preciso dar resposta (“cumprir o programa”, “preparar para os exames de acesso ao superior”, “que entendam bem pelo menos isto, mesmo que não se chegue àquilo”, “que não surjam reclamações”, “que não me atrase nas notas”, “que possa ter vida em família”, etc.) , desigualdades, pressões institucionais, comportamentos oportunistas, níveis diferentes de disponibilidade ou vontade de colaboração.

Há dificuldades organizacionais: como se podem gerir professores e alunos quando a aprendizagem é menos padronizada? Como podem pais ou gestores de equipas acompanhar processos abertos, sem término exato, sem referências de comparação? Como se comparam atividades que não são parecidas ou respondem a propósitos diferentes? Como se garante que há justiça quando se valoriza algo mais subtil, complexo e indefinido, com critérios mais opinativos, do que uma resposta prevista ou um estado planeado?

E há dificuldades de governação: conseguir perceber, acompanhar, decidir e intervir quando a escala não é apenas a de uma turma, de uma equipa com quem lidamos, mas de uma escola inteira, uma universidade inteira, uma empresa, uma região, um país.

Por isso, ao longo de todo este tempo de ambição de mudança, a educação recorreu a atalhos operacionais. Remendos, chamemos-lhes: respostas às realidades e contingências para se poder funcionar em larga escala.

O hábito de focarmos a avaliação na entrega de produtos é um desses atalhos.

Um texto, um teste, um relatório, um exercício resolvido, um programa de computador, uma apresentação. Tudo isto requeria esforço e podia funcionar como uma aproximação razoável ao pensamento que não conseguíamos observar diretamente. Não era perfeito. Nunca foi. Mas era suficientemente útil para organizar o ensino, a avaliação, a certificação, a gestão e a governança.

Outro atalho decorrente desse, embora raramente assumido, ou até fossem feitas juras de que tal não acontecia, era de deixar a forma afetar a substância: a retórica bem montada, a resposta bem alinhada com as rubricas, o código que corria à primeira, a síntese elegante ou o relatório bem formatado pareciam, muitas vezes, indícios aceitáveis de empenho e dedicação, logo indícios de compreensão. Ou seja: um trabalho atamancado, em qualquer destas dimensões, poderia ser visto com uma expetativa de conter mais erros factuais ou argumentativos; um trabalho com uma prosápia bem trabalhada poderia ser encarado com expetativa de vir de alguém que tivesse mais hábitos de trabalho e, por isso, mais provavelmente incorrendo em problemas de nível mais elevado do que em incorreções graves. Isto permitia gerir o foco (e dessa forma, o tempo e esforço) do labor de avaliação, interpretação, comentário…

A IA felizmente destrói estes atalhos. Primeiro corrói-os, mas logo a seguir desfá-los.

Quando a IA, seja gratuitamente seja com custos muito baixos (por exemplo, custos por mês inferiores a um jantar de amigos) consegue produzir texto fluente, código plausível, sínteses organizadas, imagens convincentes, planos de trabalho e explicações bem gizadas, e picar todos os pontos pedidos num enunciado ou rubrica, atingir toda a qualidade técnica expectável, a aparência de competência está assegurada. Não porque tenha passado a ser irrelevante escrever bem, programar bem ou apresentar bem. Pelo contrário: essas capacidades continuam a importar, só que apresentar num produto a linha basilar de competência fica assegurada. O produto final, por si só por si, tornou-se demasiado frágil como aproximação ao pensamento de quem o entrega.

Se ignorarmos isto, o efeito é agravar a superficialidade, claro: com a IA, alguém que sabe que só lhe é exigido que entregue um “produto” de avaliação pode produzir vacuidades: coisas que brilham, mas não representam nada de ninguém. Respostas sem reflexão, as opções mais imediatas e generalistas. O foco nos produtos como amostragem do que se pensa, do que se sabe, não permite distinguir entre quem sabe interpelar, rever, escolher e ajuizar, e quem apenas aceita a primeira formulação plausível. Mas também faz algo útil: retira-nos o conforto de continuarmos a tratar a aparência como se fosse relevante para entendimento.

Há uma frase que tenho usado em apresentações e outras sessões públicas: alcançar o entendimento, não a retórica. Creio que podemos fazer mão de várias analogias. Por exemplo, com a chegada da calculadora à matemática. Nos anos 70, havia quem receasse que a calculadora destruísse a aprendizagem da matemática, como bem o resumia um artigo de 6 de janeiro de 1975 na revista Time2. O receio tinha uma lógica: se a máquina faz a contas, o que acontece à competência do aluno para tal? Torna-se inútil? Ficarão as pessoas incapazes de usar a matemática? Sim e não. Sim, as pessoas deixaram de conseguir, na sua maioria, fazer o tipo de contas que se faziam dantes. Mas a própria sociedade mudou no uso e expetativas daquilo que interessava, e a escola com ela. Em vez de cálculo aritmético regular a níveis cada vez mais complexos, que passou a ser feito maquinalmente, todas as crianças treinam técnicas de cálculo mental, dantes só treinadas ou passadas em mercearias ou entre negociantes: estimativas, aproximações rápidas para decidir ou detetar problemas, cálculos imediatos para resposta intuitiva… e na sociedade abriram-se novos caminhos: os guarda-livros passaram a ser contabilistas, o mero registo para relato final passou a dar lugar à simulação de cenários, à avaliação de alternativas, à exploração de possibilidades, à modelação do mundo com números. Podemos pensar no que ocorreu à arte quando surgiu a fotografia e o cinema, o que aconteceu à caça quando surgiu a agricultura, o que sucedeu ao trabalho dos campos com a mecanização.

Com a emergência da IA finalmente acessível à sociedade em geral, estamos perante uma transição deste nível. Grande parte da produção académica e profissional passa a poder ser automatizada: escrever, explicar, resumir, programar, desenhar, argumentar, rever, traduzir, planear. Então a sociedade mudará, as expetativas também e aquilo que vamos aprender também.

Se queremos apenas um produto indiferenciado mas competente, a IA será rapidamente essa máquina de acabamento para todos. Se queremos compreensão ou reflexão, temos de criar processos em que compreender ou refletir seja necessário para os conduzir. Processos em que assumir, diferenciar, ajuizar, idealizar, valorar e manter a coerência ou mudar de posição façam parte do caminho.

Ou seja, antes de nos esvairmos a imaginar como avaliar os objetivos antigos num mundo novo, precisamos de descobrir os objetivos novos e fazer o desenho instrucional para eles. Para isso, precisamos de recentrar a aprendizagem no valor.

Uma decisão não ocorre no vazio. Para ser ela a decidir, uma pessoa precisa de um objetivo seu. Para ter um objetivo que seja seu, precisa de se apropriar dele. Assim pode ter critérios para avaliar alternativas. Critérios que não sejam apenas palavras herdadas de alguém, critérios que advenham de dar valor a alguma coisa sua: a uma ideia, a um problema, a uma comunidade, a uma obra, a uma pergunta, a uma pessoa (talvez a si mesma), a um futuro que se anseia.

Esta é a ambição antiga que a IA torna quase inevitável: estamos perante uma oportunidade pedagógica inédita. Sim, a IA pode fazer muito (ou todo) o trabalho atual do estudante: o Excel também faz as somas do guarda-livros. Sim, a IA também pode substituir muito do que faz hoje o professor: também a fotografia passou a fazer todas as fotografias “tipo passe” ou “à la minute”. Mas a IA também pode tornar praticável criar ou ampliar uma ecologia de aprendizagem onde estudantes, professores, colegas, ferramentas, materiais, ideias, instituições e agentes artificiais interagem para atingir objetivos de apropriação, compreensão, valoração e iniciativa que hoje só podemos sonhar. Um ecossistema cognitivo, como digo com a minha colega Eliane Schlemmer3, a quem agradeço ter-me despertado para a pertinência desta ideia hoje, não apenas num futuro longínquo: um contexto educativo que é um habitat, onde o conhecimento emerge das relações entre estas entidades que o habitam, não apenas da ou na cabeça isolada de alguém.

Para concretizarmos isto, temos de mudar o desenho das atividades educativas.

Não basta dizer aos estudantes para usarem ou não usarem IA. Também não basta dizer para serem criativos nem para escolherem projetos “seus” ou “que vos interessem”. Só dar liberdade sem proporcionar estrutura acaba por ser negligência e abandono: sim, alguns estudantes avançam com energia intrínseca; mas outros hesitam, ou evitam diferenciar-se, por desânimo, receios vários, calculismo ou simples falta de horizontes. A apropriação pessoal precisa de espaço, propósitos, recursos, restrições, interlocutores, momentos de confronto intelectual e critérios que ajudem a tornar a ambição praticável. E talvez muitas outras coisas que teremos de descobrir.

Por exemplo, numa unidade curricular de programação por objetos no ensino superior de engenharia informática, a questão deixa de ser apenas se o código corre com a sintaxe e mecânicas de orientação a objetos. O código tem de correr com esses aspetos, claro. Mas isso é pouco — sempre foi pouco. Importa hoje, como importava antes, mas se calhar não se ambicionava além da utopia, que o estudante tenha um objetivo para o seu projeto, que se perceba a si mesmo, que reflita por que motivo escolhe uma estrutura e não outra, que consiga assumir uma decisão de estruturação do programa, que identifique consequências futuras muito além do imediato, que identifique os constrangimentos que tem e os limites que deve assumir face a eles.

Outro exemplo: numa revisão da literatura para uma dissertação de mestrado ou tese de doutoramento, interessa pouco se o aluno estiver apenas a acumular resumos mais ou menos bem escritos de uma coletânea de textos. Isso é pouco — sempre foi pouco. A ambição pode hoje ser a que era há décadas, antes da massificação destes graus, e que hoje estava quase remetida à utopia: que cada aluno nesse processo de revisão descubra realmente o terreno que tem perante si: não apenas a diversidade de conceitos, contextos e perspetivas, mas as suas contradições, as suas alternativas e complementaridades, as zonas que ficam pouco claras, as possibilidades. E nessa descoberta, terá de se descobrir a si mesmo: perante esse terreno contraditório, nebuloso, vasto, o que quer, realmente, qual será o seu intuito? A que está disposto a atrever-se, o que assume ambicionar? A revisão de literatura pode voltar a ser, como deveria sempre ter sido, um descobrir de sentido intelectual.

Estes exemplos carecem de desenvolvimento, não de apenas um parágrafo cada um. Esses virão aqui futuramente, em textos próprios. Fico-me hoje pela ideia que desenvolvi como ponto de partida: a IA leva-nos a uma educação em que o produto entregue não representa a aprendizagem, mas sim etapas de um processo, de um caminho.

Isto não significa que a avaliação passa a ser uma espécie de vigilância infinita do processo, o quer seria uma perversão, uma eliminação da construção de valor, aprisionada numa miríade de indicadores a cumprir. Significa que nos devemos focar em desenhar processos que promovam, se seguidos, a qualidade e o valor. Um processo em que há apropriação, propósito, confronto, reformulação, criação e transferência entre contextos deixa depois ver melhor aquilo que nos interessa. Cada parte desse processo ajuda-nos a vislumbrar estes aspetos.

Por favor, não leiam isto como um festejo à IA, a lançarmos foguetes e a apanhar as canas. Eu não ignoro que qualquer transformação acarreta riscos, problemas, desafios, e sim, sofrimento além de alegrias. Assumo é que a IA nos obriga a ser mais exigentes com o que chamamos aprendizagem. Desde o século XIX que a educação dita “moderna” ambiciona formar pessoas capazes de compreender, ajuizar, participar, criar e agir. Durante muito tempo, essa ambição tem vindo a ser limitada pela dificuldade de a concretizar em sistemas grandes, com recursos finitos e exigências contraditórias, mas disso já falei acima e a isso não regresso aqui.

Essas dificuldades mantêm-se, neste tempo de IA, mas com um equilíbrio alterado. Torna-se insustentável continuar a confundir aparência com pensamento. E abre, se as soubermos trabalhar, novas formas de apoiar, interpelar, simular, rever, criar e discutir.

Por isso, a pergunta mais útil para um professor, hoje, não é nem “será que foi o aluno que fez isto?” nem “que produto devem entregar os estudantes?”, mas sim:

Que ambição educativa antiga este processo leva finalmente a sério?

E, já agora (“já agora” que, reconheço, é a frase mais arriscada e cara de um processo):

Que processo leva a que o estudante tenha de valorar, decidir, rever e assumir?

Se a IA nos empurrar para estas perguntas, talvez nos faça adotar algo que já andávamos a prometer desde o século XIX que vinha aí já a seguir.

Portugal está a definir as estratégias nacionais de investigação e inovação no âmbito da criação da nova Agência para a Investigação e Inovação, AI². De uma forma pouco praticada em Portugal, este processo está muito aberto a contributos públicos: podemos sugerir, votar, argumentar, numa plataforma de debate e votação online.

Estas estratégias vão influenciar a forma como o financiamento público de ciência e inovação será aplicado, afetando o país futuro que queremos criar. Além de definir domínios estratégicos, também dá forma e molde aos tipos de investigação que terão condições reais para se desenvolver e como.

Já muita gente contribuiu, pelo que optei por colocar três propostas que apontem para aspetos a meu ver ignorados mas muito mais transformadores do país do que os meramente administrativos. Venho aqui apelar a que colegas do ensino superior, da investigação, dos centros de I&D, das empresas e das instituições locais as lessem, comentassem e, se concordarem, as apoiassem.

As três propostas têm um ponto em comum: procuram evitar que na nova agência se reproduzam os enviesamentos do sistema atual.

A primeira proposta é de articulação com o tecido socioeconómico local e regional de baixa densidade. Defende que projetos de investigação e inovação devem poder ser valorizados quando contribuem para inserir doutorados no tecido socioeconómico local e regional de baixa densidade. Não se trata apenas de levar a ciência ao território, a lógica é de criar incentivos concretos para que empresas desses concelhos participem em projetos de I&D e desenvolvam capacidades internas, próprias, para produção de maior valor, mais diferenciadora, mais competitiva, mais transformadora do nosso país tão macrocéfalo. Ou seja, dar incentivos para que haja participação das empresas fora dos grandes centros, que envolva a criação de infraestruturas e emprego científico nesses territórios.

A segunda proposta é de criar regras e painéis próprios para propostas interdisciplinares e transdisciplinares. Aborda um problema muito conhecido por quem trabalha em zonas de interseção científica: a investigação interdisciplinar e transdisciplinar é frequentemente elogiada nos discursos estratégicos, mas depois é avaliada por painéis de financiamento organizados de forma setorial. Avaliada por regras, pessoas e tabelas, matrizes e outros instrumentos que têm a perspetiva de apenas um setor. O resultado… já todos conhecemos, é previsível e constatável: quem trabalha entre áreas científica acaba elogiado mas penalizado. As equipas são levadas a manter uma linha disciplinar clássica, para sobreviver institucionalmente, tratando a investigação interdisciplinar como atividade lateral, quase como desvio ou devaneio, isto quando é aí que estão dos problemas científicos e sociais mais relevantes.

A terceira proposta é que haja uma percentagem pequena de financiamento reservado para propostas ousadas e de rotura. A ideia parte de uma frase simples muito referida, que parafraseio como “a lâmpada não surgiu por otimização da vela”. A avaliação científica competitiva tende a ser conservadora. Se há regras, baseiam-se no que já se faz, por isso, sendo a avaliação competente e honesta, favorece frequentemente propostas que sejam reconhecíveis, metodologias já legitimadas e trajetórias próximas do que cada área considera normal. Por isso, defendo que uma pequena percentagem do financiamento seja reservada a propostas ousadas ou de rotura, sujeitas apenas a uma verificação mínima de credibilidade, vulgo “sanity check”, e depois atribuída por sorteio, não por avaliação tradicional, precisamente para reduzir o viés da tradição.

Estas propostas nascem da ideia de que precisamos de critérios diferentes para obter resultados diferentes. Se queremos que todo o nosso território se desenvolva e contribua para o país, precisamos de incentivos para o seu desenvolvimento, não de esmolas. Se quando queremos mesmo que haja interdisciplinaridade, precisamos de ter painéis e regras adequados a ela. Se queremos que haja rasgos de inovação e diferença, temos de dar ar ao que ainda não está sustentado, não podemos avaliar a novidade absoluta com as métricas do passado.

Por isso, deixo-vos o convite à leitura, comentário e crítica das três propostas. E, se assim o entenderem, apoiem-nas. São detalhes, é certo. Creio, contudo, que são detalhes que podem ser mais transformadores e determinantes do que muitas parangonas habituais.

• Articulação com o tecido socioeconómico local e regional de baixa densidade

• Regras e painéis próprios para propostas interdisciplinares e transdisciplinares

• Percentagem pequena de financiamento reservado para propostas ousadas e de rotura