Universidades australianas divididas sobre o uso de IA para correção de trabalhos acadêmicos

Políticas institucionais divergentes

Um claro cisma surgiu entre os provedores de ensino superior da Austrália quanto ao uso de inteligência artificial generativa na avaliação de entregas estudantis. A University of New South Wales, a University of Melbourne e a University of Sydney emitiram proibições abrangentes que impedem o corpo docente de empregar ferramentas de IA para avaliar trabalhos. Em contraste, a University of Adelaide, a University of Newcastle, a Deakin University e a RMIT adotaram uma abordagem condicional que permite o uso de correção assistida por IA, desde que o acadêmico mantenha a responsabilidade final pela nota e pelo feedback.

Essas posturas contrastantes refletem avaliações de risco diferentes e prioridades estratégicas distintas. O grupo que proíbe cita preocupações sobre integridade acadêmica e a confiabilidade das avaliações geradas por máquinas, enquanto as instituições permissivas enfatizam os potenciais ganhos de eficiência e a possibilidade de a IA servir como revisora auxiliar.

Uso condicional e mecanismos de exclusão

Quando a assistência de IA é permitida, as universidades introduzem salvaguardas. A University of Newcastle, por exemplo, oferece aos estudantes o direito de optar por não ter seu trabalho avaliado por IA, garantindo que a avaliação seja feita exclusivamente por avaliadores humanos. A Deakin University declara explicitamente que o corpo docente pode usar IA para melhorar a eficiência e apoiar atividades de avaliação, mas o sistema não pode atribuir notas de forma autônoma. A Western Sydney University reforça um modelo "centrado no humano", insistindo que a concessão de notas, avaliações e feedback permaneça sempre sob responsabilidade do professor.

Essas políticas buscam equilibrar o desejo de alívio da carga de trabalho com a necessidade de preservar padrões acadêmicos e a confiança dos estudantes. Ao manter o julgamento final humano, as instituições tentam mitigar o risco de resultados errôneos ou tendenciosos da IA, ao mesmo tempo em que exploram o papel de apoio da tecnologia.

Instituições ainda em fase exploratória

Várias universidades ainda não implantaram IA para correção, mas estão integrando a tecnologia em práticas mais amplas de ensino e avaliação. A Monash University, a University of Wollongong e a James Cook University relatam que a IA ainda não é usada no processo de marcação, porém está sendo incorporada para apoiar a aprendizagem dos estudantes por meio de assistentes de escrita e geradores de feedback personalizados. A University of Queensland está desenvolvendo políticas que garantam explicitamente que os acadêmicos continuem avaliando o trabalho diretamente, sinalizando uma abordagem cautelosa à automação.

Esses passos exploratórios ilustram uma curva de adoção tímida, onde as instituições pilotam a IA em contextos de baixo risco antes de considerar qualquer expansão para decisões de avaliação de alto impacto.

Críticos alertam para um possível "ciclo de baixa qualidade"

Oponentes da correção massiva por IA argumentam que isso pode desencadear um "ciclo de baixa qualidade", no qual os estudantes enviam cada vez mais trabalhos gerados por IA que são, por sua vez, avaliados por IA. Esse loop de feedback pode levar a um desvio de verificação, onde a autenticidade do trabalho se torna mais difícil de confirmar, e conteúdos alucinado podem passar despercebidos. Os críticos sustentam que tal ciclo pode manchar a reputação das universidades se submissões de baixa qualidade ou fabricadas forem aceitas como produção acadêmica legítima.

O alerta destaca um risco sistêmico: uma vez que a IA se torne avaliadora principal, o incentivo dos estudantes a depender da geração automática pode se intensificar, potencialmente reduzindo o desenvolvimento de habilidades críticas de pensamento e escrita.

Pressões de carga de trabalho e a promessa de um "par de olhos" adicional

Professores de toda a Austrália relatam estar sobrecarregados, com a correção consumindo uma parte substancial de seu tempo limitado. Alguns docentes veem a IA como um potencial "par de olhos" adicional capaz de sinalizar inconsistências ou plágio, aliviando o fardo manual. Contudo, os benefícios permanecem em grande parte não testados, e membros do corpo docente expressaram preocupação de que a dependência da IA possa resultar em um "desastre" caso a tecnologia falhe em capturar o julgamento nuançado exigido por tarefas complexas.

A tensão entre eficiência potencial e confiabilidade ainda não comprovada sublinha a necessidade de avaliações rigorosas antes de escalar a correção assistida por IA.

Projeto de elevação de avaliação da QUT e preocupações do corpo docente

A Queensland University of Technology (QUT) lançou um "projeto de elevação de avaliação" projetado para manter a avaliação autêntica, confiável, escalável e voltada ao futuro em um ambiente habilitado por IA. Embora a iniciativa busque modernizar as práticas de avaliação, o corpo docente manifestou apreensão de que o projeto possa reduzir o volume de correção humana necessária, ameaçando a principal fonte de renda dos professores temporários que dependem das cargas de marcação.

O caso da QUT ilustra como estratégias institucionais para incorporar IA podem se cruzar com considerações trabalhistas, suscitando questões sobre o futuro papel dos docentes contratados.

Resistência estudantil à avaliação impulsionada por IA

O sentimento estudantil adiciona outra camada de complexidade. Alex Cameron, estudante de escrita criativa da QUT, expressou forte objeção à correção por IA, afirmando que não pagaria por um diploma se a marcação fosse feita por máquinas. O comentário de Cameron reflete uma resistência mais ampla dos estudantes à avaliação baseada em IA, especialmente em disciplinas onde o feedback detalhado é valorizado.

Tal resistência indica que qualquer avanço rumo à correção automatizada deve considerar as expectativas dos estudantes por interação humana e mentoria.

Eficácia incerta e falta de dados empíricos

Representantes universitários reconhecem que a eficácia da correção assistida por IA em escala ainda é desconhecida. Alegações de melhoria de qualidade ou eficiência permanecem em grande parte não testadas, e nenhum dado empírico sobre resultados ou confiabilidade foi apresentado. Essa admissão deixa o impacto da IA na avaliação aberto a avaliações adicionais e ressalta a importância de pesquisas sistemáticas antes de implementações institucionais.

Sem evidências robustas, decisões políticas correm o risco de ser guiadas por especulação ao invés de benefícios demonstráveis.

Implicações práticas para organizações

Para organizações que se relacionam com ou empregam graduados de universidades australianas, o cenário atual sinaliza a necessidade de vigilância. Empregadores devem estar cientes de que os padrões de avaliação podem variar amplamente conforme a política de IA da instituição, potencialmente afetando a consistência das competências dos graduados. Onde a correção por IA é permitida, as organizações podem considerar complementar a verificação de credenciais com avaliações de habilidades adicionais para garantir que os graduados tenham passado por avaliações humanas rigorosas. Por outro lado, instituições que proíbem a correção por IA podem produzir graduados com experiências de feedback mais tradicionais, o que pode ser vantajoso para cargos que exigem habilidades analíticas refinadas. Em todos os casos, a comunicação transparente com parceiros educacionais sobre práticas de avaliação pode ajudar a alinhar expectativas e mitigar riscos associados a abordagens divergentes de marcação.

• University of New South Wales, University of Melbourne, University of Sydney – proíbem a correção por IA.
• University of Adelaide, University of Newcastle, Deakin University, RMIT – permitem assistência de IA com supervisão humana.
• Queensland University of Technology – projeto de elevação de avaliação visando autenticidade habilitada por IA.
• Monash University, University of Wollongong, James Cook University – integram IA no ensino, mas não na correção.