esteja no papel.

A inteligência artificial não conhece os estudantes. Ela não sabe como a turma aprende, quais são suas dificuldades, quais exemplos despertam mais interesse, quanto tempo os alunos realmente conseguem sustentar atenção ou que tipo de atividade tende a funcionar melhor naquele contexto. Ela também não conhece os recursos da escola, o espaço disponível, o ritmo da turma, o histórico das aulas anteriores nem o repertório que os estudantes já construíram. Tudo isso pesa no planejamento. E é justamente por isso que a IA pode apoiar, mas não substituir a decisão pedagógica do professor.

Quando usada com critério, a IA pode ser muito útil para organizar a espinha dorsal de uma aula. Imagine, por exemplo, um professor que precisa preparar uma aula de 50 minutos sobre ciclo da água para o 7º ano. Em vez de começar do zero, ele pode pedir à ferramenta uma proposta com objetivo, introdução, desenvolvimento e fechamento. A IA provavelmente entregará algo estruturado, talvez até com sugestões de perguntas e atividade final. Isso pode economizar tempo e ajudar a visualizar o percurso da aula. No entanto, o professor ainda precisará revisar se o objetivo está adequado, se a explicação está correta, se as atividades cabem no tempo e se o nível de linguagem faz sentido para aquela turma específica.

Esse ponto é central: a IA ajuda mais quando o professor já tem alguma clareza sobre o que quer. Quanto mais vago for o pedido, mais vaga tende a ser a resposta. Se alguém digita apenas “faça uma aula sobre água”, a chance de receber algo genérico é enorme. Mas se o pedido informa ano escolar, tempo de duração, objetivo de aprendizagem e perfil da turma, a resposta tende a ser mais útil. Isso não é detalhe técnico; é intencionalidade pedagógica. O professor não precisa aprender uma linguagem complicada para usar IA. Ele precisa aprender a pedir com clareza aquilo que faz sentido para seu contexto.

Por exemplo, existe uma diferença grande entre pedir “crie uma aula sobre frações” e pedir “crie uma proposta de aula de 50 minutos para o 5º ano sobre comparação de frações simples, com exemplo do cotidiano, atividade inicial em duplas e exercício final individual”. No segundo caso, a IA tem muito mais elementos para gerar algo aproveitável. O professor continua sendo o autor da decisão pedagógica, mas usa a ferramenta para ganhar tempo na organização da proposta.

Também vale destacar que a IA pode ser útil em diferentes momentos do planejamento, não apenas na

montagem da aula inteira. Às vezes o professor já sabe o conteúdo e o objetivo, mas precisa de ajuda para pensar em uma atividade inicial que desperte interesse. Em outros casos, precisa de uma maneira mais simples de explicar um conceito difícil. Há momentos em que a maior necessidade é pensar em perguntas para discussão, estratégias de revisão ou formas de retomar o conteúdo da aula anterior. A IA pode colaborar em todas essas partes, desde que o professor saiba exatamente onde está a sua necessidade.

Isso mostra que usar IA no planejamento não significa entregar o planejamento para a máquina. Significa usar uma ferramenta para apoiar etapas específicas de um trabalho que continua sendo humano. O risco aparece quando o professor começa a tratar a resposta gerada como solução final. Nesse momento, o planejamento perde densidade. A aula pode até parecer organizada, mas fica desconectada da realidade da turma. E aula desconectada da realidade dificilmente produz aprendizagem significativa.

Outro cuidado importante é não confundir rapidez com qualidade. A IA responde rápido, mas pedagogia não pode ser guiada apenas pela pressa. Um plano de aula construído em segundos pode esconder problemas sérios: objetivos mal formulados, atividades superficiais, excesso de etapas para pouco tempo, perguntas mal alinhadas ou linguagem inadequada para os alunos. Por isso, revisar não é um detalhe opcional. Revisar é parte da responsabilidade docente. O professor precisa ler o que a IA gerou e se perguntar: isso ensina de verdade? Isso cabe no meu tempo? Isso conversa com o que minha turma já sabe? Isso faz sentido no meu contexto?

Há ainda um ganho formativo interessante no uso consciente da IA para planejar aulas. Quando o professor analisa criticamente uma proposta gerada, ele também aprende mais sobre planejamento. Em vez de só consumir uma resposta pronta, ele passa a observar a lógica da aula, a coerência entre objetivo e atividade, a progressão do conteúdo e a adequação da linguagem. Isso pode ajudar principalmente professores iniciantes, que ainda estão desenvolvendo repertório pedagógico. A ferramenta, nesse caso, deixa de ser apenas um atalho e passa a funcionar também como um espelho: ela mostra possibilidades, mas exige análise, comparação e escolha.

Por outro lado, há um risco real de dependência. Se o professor passa a recorrer à IA para tudo e deixa de exercitar sua própria capacidade de pensar pedagogicamente, o efeito pode ser negativo. A ferramenta

começa como apoio, mas pode virar muleta. E isso é ruim porque enfraquece a autonomia docente. Planejar bem é uma competência profissional. A tecnologia pode ajudar no processo, mas não deveria atrofiar essa habilidade. O professor precisa usar a IA sem renunciar ao próprio olhar, da própria autoria e do próprio julgamento.

Na prática, um uso saudável da IA no planejamento começa com algumas perguntas simples. O que meus alunos precisam aprender nesta aula? O que eles já sabem sobre esse tema? Qual é o objetivo central? Que tipo de atividade faz mais sentido para esse grupo? Quanto tempo eu realmente tenho? Só depois disso a IA entra como apoio. Quando ela entra antes da intenção pedagógica, a tendência é produzir algo genérico. Quando entra depois, como ferramenta de organização e refinamento, a chance de gerar valor é muito maior.

Também é importante lembrar que o planejamento não é um documento para cumprir formalidade. Ele é um mapa de ação. E como todo mapa, precisa fazer sentido para o território real. Um professor pode até receber da IA uma sequência de aula elegante, bem dividida e com linguagem bonita, mas isso não basta se a turma não conseguir acompanhar, se a atividade depender de recursos inexistentes ou se a proposta ignorar o ritmo dos estudantes. O planejamento mais eficiente não é o mais sofisticado no papel, mas o que funciona na prática.

No fundo, a principal contribuição da IA para o planejamento de aulas está em reduzir parte da sobrecarga inicial e ampliar possibilidades de construção. Ela pode ajudar o professor a começar, reorganizar e diversificar ideias. Pode economizar tempo em etapas mais operacionais. Pode oferecer sugestões que talvez não surgissem no primeiro momento. Tudo isso tem valor. Mas esse valor só aparece de verdade quando a ferramenta é usada com intenção clara e com revisão crítica. Sem isso, o professor corre o risco de trocar o trabalho de pensar pelo conforto de copiar.

Por isso, o ponto mais importante desta aula é simples: a IA pode ajudar no planejamento, mas o planejamento continua sendo um ato pedagógico do professor. É ele quem conhece a turma, define prioridades, escolhe estratégias e responde pelo sentido da aula. A ferramenta pode colaborar com o caminho, mas não substitui a decisão de quem ensina. Quando esse equilíbrio é respeitado, a IA deixa de ser ameaça ou ilusão e passa a ser apenas o que realmente deve ser: um recurso de apoio a serviço da prática docente.

Referências bibliográficas

BRASIL. Ministério da Educação. Bloco Temático 3: Inteligência Artificial na Educação. Brasília: MEC, 2025.

COMITÊ GESTOR DA INTERNET NO BRASIL; NIC.br; CETIC.br. Inteligência Artificial na Educação: usos, oportunidades e riscos no cenário brasileiro. São Paulo: CGI.br/NIC.br/Cetic.br, 2025.

CONSELHO NACIONAL DE EDUCAÇÃO. Texto Referência – Inteligência Artificial. Brasília: CNE/MEC, 2025.

MORAN, José Manuel. A educação que desejamos: novos desafios e como chegar lá. Campinas: Papirus, 2007.

PERRENOUD, Philippe. Dez novas competências para ensinar. Porto Alegre: Artmed, 2000.

UNESCO. Guia para a IA generativa na educação e na pesquisa. Paris: UNESCO, 2024.

VALENTE, José Armando. Tecnologias digitais, currículo e práticas pedagógicas. Campinas: NIED/UNICAMP, publicações em português sobre tecnologia educacional.

Aula 2 — Produção de atividades, perguntas e materiais de apoio

Uma das partes mais trabalhosas da rotina docente é transformar conteúdo em material de aprendizagem. Saber um assunto não significa, automaticamente, conseguir criar boas perguntas, atividades interessantes ou materiais de apoio adequados para uma turma específica. Entre o conteúdo e a aprendizagem existe um caminho de mediação, e é justamente nesse caminho que o professor gasta muito tempo. Elaborar questões, adaptar enunciados, organizar exercícios, escrever textos de apoio, diversificar propostas e ajustar o nível de dificuldade são tarefas que exigem atenção, repertório e paciência. Por isso, quando se fala em inteligência artificial na prática docente, um dos usos que mais desperta interesse é justamente este: a possibilidade de produzir materiais com mais agilidade.

De fato, a IA generativa pode ajudar bastante nesse processo. Ela consegue sugerir perguntas, criar listas de exercícios, elaborar propostas de discussão, resumir textos, reorganizar explicações, propor atividades de revisão e até adaptar a linguagem de um material já existente. Em muitos casos, isso representa uma economia real de tempo. O professor deixa de começar do zero e passa a trabalhar sobre uma base inicial. Isso pode ser especialmente útil em semanas mais corridas, em turmas múltiplas ou em momentos em que a criatividade parece travada. Ter uma primeira versão pronta para analisar já reduz bastante a carga mental do planejamento.

Mas é exatamente aí que mora uma armadilha. Quando a ferramenta responde rápido e com boa aparência, surge a tentação de aceitar o material sem crítica suficiente.

Esse é um erro comum e perigoso. A IA costuma produzir textos organizados, bem escritos e coerentes na superfície, mas isso não garante qualidade pedagógica. Uma atividade pode parecer bonita no papel e ainda assim ser fraca, repetitiva, superficial ou inadequada para a turma. Uma pergunta pode estar bem formulada e, mesmo assim, não mobilizar raciocínio relevante. Um resumo pode parecer claro, mas eliminar justamente o que era mais importante no conteúdo. A velocidade da resposta não pode substituir o julgamento do professor.

Produzir materiais didáticos não é apenas preencher folhas com exercícios. É pensar em como o estudante vai entrar em contato com aquele conhecimento, que tipo de esforço intelectual será exigido, que habilidades serão mobilizadas e que tipo de aprendizagem se espera ao final. Quando um professor elabora perguntas, por exemplo, ele não deveria pensar apenas em quantidade, mas em intenção. Perguntas podem servir para verificar compreensão literal, provocar inferência, estimular comparação, incentivar argumentação ou abrir espaço para reflexão crítica. Se a IA gera cinco perguntas e todas elas ficam no nível mais superficial, ela pode até ter produzido “material”, mas não necessariamente contribuiu para uma aprendizagem mais rica.

Por isso, um dos primeiros aprendizados no uso da IA para esse tipo de tarefa é entender que ela funciona melhor quando o pedido é mais específico. Quando o professor escreve algo genérico como “faça perguntas sobre esse texto”, a tendência é receber perguntas previsíveis e pouco sofisticadas. Mas quando ele especifica que quer, por exemplo, duas perguntas literais, duas inferenciais e uma crítica, voltadas para alunos do 8º ano, a qualidade do resultado tende a melhorar. A diferença não está em algum segredo técnico complexo. Está na clareza pedagógica de quem pede. Quanto mais o professor sabe o que quer provocar no aluno, melhor consegue orientar a ferramenta.

Esse ponto é importante porque às vezes se cria a falsa impressão de que usar IA bem exige domínio tecnológico avançado. Não exige. O que exige é raciocínio pedagógico. O professor não precisa virar especialista em tecnologia para usar a ferramenta de maneira produtiva. Ele precisa, isso sim, saber qual é o objetivo da atividade, qual é o nível da turma, que tipo de resposta espera do estudante e qual é o papel daquele material dentro da aula. Se essas coisas estão claras, a IA pode ajudar bastante. Se não estão, a ferramenta apenas devolve algo

genérico com aparência de utilidade.

Pense em um exemplo simples. Uma professora quer trabalhar interpretação de texto com uma turma do 8º ano. Ela pode pedir à IA algo vago, como “crie perguntas sobre esse texto”. Provavelmente receberá um conjunto comum de questões, talvez até úteis, mas sem muita intenção. Agora imagine que ela escreva: “Crie cinco perguntas sobre o texto abaixo para alunos do 8º ano. Quero duas perguntas de compreensão literal, duas de interpretação inferencial e uma de análise crítica, com linguagem clara e nível intermediário”. Nesse caso, a resposta tende a ser muito mais próxima do que ela realmente precisa. A ferramenta não ficou mais inteligente de um pedido para o outro. Quem ficou mais preciso foi o professor.

Além das perguntas, a IA também pode ajudar na produção de atividades diversas. Pode sugerir exercícios de revisão, propostas em duplas, tarefas de fixação, atividades de abertura, pequenos debates, estudos dirigidos e até roteiros de leitura. Isso amplia bastante o repertório, especialmente para quem está começando e ainda não acumulou muitas estratégias de trabalho. Em vez de repetir sempre o mesmo formato, o professor pode testar novas possibilidades com mais facilidade. A IA, nesse sentido, pode funcionar como uma fonte de variação pedagógica. E isso é útil, porque a repetição excessiva de formatos tende a empobrecer a experiência de aprendizagem.

Mas novamente é preciso cautela. Variar não significa simplesmente multiplicar tarefas. Uma atividade diferente nem sempre é uma atividade melhor. Há materiais gerados por IA que parecem criativos, mas servem apenas para ocupar tempo. Outros até têm boa intenção, mas exigem recursos que a escola não possui ou desconsideram o tempo real da aula. O professor precisa filtrar tudo isso. A pergunta central continua a mesma: essa atividade ajuda o aluno a aprender ou apenas dá a impressão de movimento? Nem toda proposta gerada merece ser aplicada. Às vezes ela serve apenas como inspiração para que o professor construa algo melhor.

Outro uso bastante interessante da IA está na produção de materiais de apoio. Muitas vezes, o professor precisa resumir um tema, reorganizar um texto difícil, criar uma explicação mais simples ou apresentar um conteúdo em linguagem mais acessível. A IA pode colaborar bastante nessas tarefas. Ela consegue, por exemplo, transformar um trecho denso em uma explicação mais direta, elaborar exemplos cotidianos, criar pequenos glossários e reescrever

enunciados de forma mais clara. Isso pode ajudar muito em turmas com maior dificuldade de leitura ou em momentos de revisão de conteúdo.

No entanto, essa adaptação precisa ser feita com muito cuidado. Simplificar não pode significar empobrecer demais. Um texto mais acessível ainda precisa preservar os conceitos centrais. Um resumo não pode distorcer o conteúdo original. Um exemplo do cotidiano precisa realmente ajudar a compreender o conceito, e não apenas parecer simpático. O professor deve avaliar se o material gerado manteve o núcleo do que precisava ser ensinado. Do contrário, a suposta ajuda da IA pode criar mais confusão do que clareza.

Também vale observar que a IA pode ser bastante útil para pensar em níveis diferentes de dificuldade dentro do mesmo conteúdo. Isso é valioso porque as turmas são heterogêneas. Em uma mesma sala, alguns alunos conseguem resolver questões mais complexas com autonomia, enquanto outros ainda precisam de apoio em etapas mais básicas. A ferramenta pode ajudar o professor a criar versões mais simples e mais desafiadoras de uma mesma atividade, permitindo uma diferenciação pedagógica inicial. Isso não resolve sozinho o desafio da heterogeneidade, mas pode ser um apoio concreto para lidar com ele.

Ao mesmo tempo, existe um limite que não pode ser ignorado. A IA não conhece os alunos reais. Ela não sabe qual estudante tem mais insegurança, quem costuma interpretar mal os comandos, quem se desorganiza com textos longos, quem precisa de mediação oral ou quem responde melhor a exemplos visuais. Só o professor conhece essas nuances. Por isso, mesmo quando a IA ajuda a produzir variações de material, a decisão final continua dependendo do olhar docente. É o professor quem sabe o que sua turma consegue fazer sozinha, o que precisa de acompanhamento e o que ainda está além do momento de aprendizagem daquele grupo.

Outro risco recorrente é o professor começar a usar a IA como geradora automática de exercícios sem refletir sobre o sentido pedagógico deles. Isso acontece quando a prioridade vira “produzir muito” em vez de “produzir bem”. A ferramenta pode gerar vinte questões em segundos. Mas vinte questões mal pensadas valem menos do que cinco boas perguntas que realmente movimentem a aprendizagem. A abundância de material não garante qualidade. Na verdade, às vezes ela até atrapalha, porque sobrecarrega os alunos com tarefas excessivas e enfraquece o foco do que realmente importa.

Por isso, usar IA para criar atividades e

materiais exige mais seleção do que entusiasmo. O professor precisa aprender a escolher, cortar, adaptar, combinar e até descartar o que foi gerado. Em muitos casos, a melhor contribuição da ferramenta não será entregar o material final, mas oferecer um ponto de partida. A partir daí, entra o trabalho profissional do educador: ajustar o nível, rever a linguagem, alinhar ao objetivo, pensar no tempo, relacionar com a aula e decidir o que realmente vale a pena usar. Sem esse filtro, a IA produz volume. Com esse filtro, ela pode produzir apoio real.

Existe também um ganho interessante para o próprio desenvolvimento docente. Quando o professor analisa criticamente as perguntas e atividades geradas pela IA, ele fortalece sua própria capacidade de construir materiais melhores. Ele começa a perceber com mais clareza o que torna uma questão mais profunda, o que deixa um enunciado confuso, o que diferencia uma atividade mecânica de uma atividade significativa. Em vez de apenas receber respostas prontas, ele pode usar a ferramenta como um espaço de comparação e refinamento. Isso é especialmente útil para professores iniciantes, que ainda estão formando repertório e consolidando segurança na elaboração de propostas didáticas.

No fundo, a principal lição desta aula é simples. A IA pode ajudar muito na produção de atividades, perguntas e materiais de apoio, mas ela não substitui o critério pedagógico do professor. A ferramenta acelera etapas, amplia possibilidades e pode reduzir a sobrecarga em tarefas mais operacionais. Mas a qualidade do material continua dependendo da intenção de quem ensina. O professor é quem sabe o que quer desenvolver, o que faz sentido para a turma e o que realmente contribui para a aprendizagem. Quando essa consciência está presente, a IA deixa de ser um atalho perigoso e passa a ser um recurso útil, prático e bem colocado dentro da prática docente.

Referências bibliográficas

BRASIL. Ministério da Educação. Bloco Temático 3: Inteligência Artificial na Educação. Brasília: MEC, 2025.

COMITÊ GESTOR DA INTERNET NO BRASIL; NIC.br; CETIC.br. Inteligência Artificial na Educação: usos, oportunidades e riscos no cenário brasileiro. São Paulo: CGI.br/NIC.br/Cetic.br, 2025.

CONSELHO NACIONAL DE EDUCAÇÃO. Texto Referência – Inteligência Artificial. Brasília: CNE/MEC, 2025.

LIBÂNEO, José Carlos. Didática. São Paulo: Cortez, 1994.

PERRENOUD, Philippe. Dez novas competências para ensinar. Porto Alegre: Artmed, 2000.

UNESCO. Guia para a IA generativa

para a IA generativa na educação e na pesquisa. Paris: UNESCO, 2024.

VALENTE, José Armando. Tecnologias digitais, currículo e práticas pedagógicas. Campinas: NIED/UNICAMP, publicações em português sobre tecnologia educacional.

Aula 3 — Adaptação de linguagem e apoio à inclusão

Uma das maiores ilusões da prática docente é imaginar que explicar bem significa explicar do mesmo jeito para todos. Na realidade, quem ensina percebe rapidamente que uma mesma turma reúne ritmos, repertórios, dificuldades, interesses e formas de compreensão muito diferentes. Há estudantes que aprendem com mais facilidade por meio de exemplos concretos. Outros precisam de linguagem mais direta. Alguns acompanham bem textos longos, enquanto outros se perdem logo nas primeiras linhas. Há quem precise de mais tempo, mais mediação, mais apoio visual ou mais oportunidades de retomada. É por isso que adaptar a linguagem não é um detalhe do trabalho docente. É parte essencial de ensinar de verdade.

Durante muito tempo, muitos professores fizeram esse trabalho de adaptação sozinhos, na base do esforço, da experiência e do improviso. E continuam fazendo, porque nenhuma ferramenta substitui esse olhar humano. Mas a inteligência artificial generativa pode ajudar bastante nesse processo, especialmente quando o objetivo é reorganizar uma explicação, simplificar a linguagem de um texto, criar versões alternativas de um mesmo conteúdo ou propor exemplos mais próximos do cotidiano do aluno. Para quem trabalha com turmas heterogêneas, isso pode representar um apoio concreto e bastante útil.

A adaptação de linguagem é importante porque compreender um conteúdo não depende apenas da dificuldade do tema, mas também da forma como ele é apresentado. Às vezes o estudante não tem dificuldade com a ideia em si, mas com o vocabulário usado, com a extensão do texto, com a abstração do exemplo ou com a estrutura do enunciado. Nessas situações, mudar a linguagem pode abrir uma porta para a aprendizagem. Não se trata de “facilitar demais” ou de diminuir a exigência. Trata-se de tornar o conhecimento mais acessível, sem perder o que é essencial nele.

É justamente aí que a IA pode colaborar. Um professor pode pedir, por exemplo, que uma explicação técnica seja reescrita em linguagem mais simples, que um texto seja resumido para um nível de leitura mais acessível, que um conceito seja explicado com exemplos do cotidiano ou que um enunciado longo seja reorganizado em frases mais diretas. Isso ajuda

especialmente quando há alunos com dificuldades de leitura, defasagens de aprendizagem, pouca familiaridade com certos termos ou necessidade de apoio adicional para acompanhar a aula. Em vez de reescrever tudo do zero, o professor pode usar a IA para gerar uma primeira adaptação e depois revisar com seu olhar pedagógico.

Mas aqui entra um cuidado decisivo: adaptar linguagem não é sinônimo de empobrecer conteúdo. Esse é um erro comum e sério. Às vezes, na tentativa de “deixar mais fácil”, a explicação perde justamente os conceitos mais importantes. Um texto simplificado demais pode até parecer acessível, mas se ele elimina palavras-chave, reduz excessivamente a complexidade do tema ou distorce o sentido original, ele deixa de cumprir sua função formativa. O desafio do professor não é apenas tornar o conteúdo mais fácil de ler. É torná-lo mais compreensível sem esvaziá-lo.

Imagine, por exemplo, um professor de História trabalhando um texto sobre Revolução Industrial. O material original pode trazer vocabulário difícil, períodos longos e conceitos que exigem mediação. Ao pedir à IA uma versão mais simples, o professor pode ganhar um texto mais leve e mais acessível. Isso é útil. Mas se nessa adaptação desaparecem ideias como transformação do trabalho, urbanização, mecanização e mudanças sociais, então o texto deixou de ajudar e passou a simplificar demais o que precisava ser compreendido. Ou seja: a acessibilidade melhorou na forma, mas piorou no conteúdo. Por isso, a revisão docente continua indispensável.

Outro ponto importante é que a adaptação de linguagem não serve apenas para estudantes com dificuldades mais visíveis. Ela é útil para toda turma. Muitas vezes, mesmo alunos que acompanham bem a aula se beneficiam de explicações mais claras, exemplos mais próximos da realidade e enunciados mais bem organizados. Uma linguagem mais acessível não significa uma linguagem pobre. Significa uma linguagem mais pedagógica. Bons professores sabem disso há muito tempo: clareza não diminui o conhecimento, ela melhora o acesso a ele.

A IA também pode ajudar quando o professor precisa apresentar o mesmo conteúdo de mais de uma forma. Isso é extremamente valioso em contextos inclusivos. Um conceito pode ser explicado em uma versão mais objetiva, em uma linguagem intermediária e em uma formulação mais elaborada, dependendo do perfil dos alunos. A ferramenta pode colaborar na criação dessas versões, permitindo que o docente compare, ajuste e escolha o que faz mais

sentido para cada situação. Isso amplia as possibilidades de mediação e ajuda o professor a não ficar preso a uma única forma de explicar.

Esse recurso é especialmente importante quando pensamos em inclusão pedagógica. Incluir não é apenas colocar todos os alunos no mesmo espaço. Incluir é criar condições reais para que diferentes estudantes tenham acesso à aprendizagem. E isso exige flexibilidade na linguagem, nas estratégias, nos materiais e no ritmo. A IA pode contribuir nesse processo quando ajuda o professor a reorganizar conteúdos de maneira mais acessível, a propor caminhos alternativos de apresentação e a construir materiais com maior chance de compreensão por parte de alunos diversos.

Mas é preciso dizer uma verdade que às vezes é ignorada: inclusão não se resolve com ferramenta. Ferramenta ajuda, mas não substitui sensibilidade pedagógica. Um texto adaptado pela IA não conhece o aluno que vai lê-lo. Não sabe se ele precisa de mediação oral, se se beneficia mais com apoio visual, se entende melhor por comparação, se se desregula com excesso de informação ou se precisa de pausas mais frequentes. Tudo isso só o professor, em diálogo com a prática e com o contexto, consegue perceber. A IA oferece possibilidades; o educador decide o que realmente serve.

Também vale lembrar que muitos enunciados escolares são desnecessariamente complicados. Às vezes o problema da atividade não está no conteúdo, mas na maneira como ela foi escrita. Há comandos longos, ambíguos, mal organizados e cheios de termos que confundem mais do que orientam. Nesses casos, a IA pode ser uma aliada poderosa para reescrever instruções com mais clareza. Isso parece algo pequeno, mas não é. Um enunciado mal formulado pode impedir que o aluno mostre o que sabe. Um enunciado claro, por outro lado, pode abrir espaço para uma participação mais justa e mais significativa.

Outro uso interessante da IA está na criação de exemplos concretos. Muitos estudantes têm dificuldade com explicações excessivamente abstratas. Um conceito fica mais compreensível quando aparece ligado a situações do cotidiano, experiências conhecidas ou imagens mentais mais próximas da realidade do aluno. A ferramenta pode ajudar o professor a gerar exemplos variados, analogias simples e comparações mais acessíveis. Mas, mais uma vez, isso exige critério. Nem todo exemplo gerado pela IA será adequado ao contexto cultural, etário ou social da turma. O professor precisa filtrar e adaptar.

Existe ainda um risco

importante que merece atenção. Às vezes, na tentativa de adaptar linguagem para apoiar a inclusão, o professor pode acabar infantilizando demais o material. Isso acontece quando a versão simplificada trata estudantes mais velhos como se fossem crianças pequenas, reduz o tom do texto a algo artificial ou elimina qualquer desafio cognitivo. Inclusão não é rebaixamento. Tornar um conteúdo acessível não significa tratá-lo de forma empobrecida ou desrespeitosa. O uso da IA precisa evitar esse erro. A adaptação deve preservar a dignidade intelectual do estudante.

Na prática, um bom uso da IA para adaptação de linguagem começa com perguntas objetivas. Para quem esse material será adaptado? O que precisa mudar: vocabulário, extensão, estrutura, exemplos ou tudo isso junto? O que não pode ser perdido no processo? Qual é o conceito central que precisa permanecer? Quando o professor responde a essas perguntas antes de usar a ferramenta, a chance de obter algo útil aumenta bastante. Sem isso, a IA tende a entregar uma simplificação genérica, que nem sempre atende à necessidade real.

Também é importante entender que apoio à inclusão não significa criar um material totalmente diferente para cada estudante o tempo inteiro. Isso seria inviável na maioria dos contextos escolares. O que a IA pode ajudar a fazer é ampliar possibilidades de flexibilização. Ela pode oferecer uma segunda versão de um texto, uma explicação mais simples de um conceito, um resumo para retomada, uma sequência mais direta de instruções ou um conjunto alternativo de exemplos. Isso já representa muito. O professor não precisa dar conta de tudo sozinho, mas também não pode terceirizar esse cuidado para uma ferramenta.

No fundo, a contribuição mais valiosa da IA nesse campo está em apoiar um princípio pedagógico muito importante: ensinar melhor não é dizer mais, e sim dizer de um jeito que o outro possa compreender. Quando a tecnologia ajuda o professor a tornar o conhecimento mais acessível sem empobrecer sua essência, ela tem valor real. Quando apenas simplifica por simplificar, ela atrapalha. O critério que define a diferença entre uma coisa e outra continua sendo humano.

Por isso, a principal ideia desta aula é direta: a IA pode ser uma aliada importante na adaptação de linguagem e no apoio à inclusão, mas ela só funciona bem quando está subordinada ao olhar pedagógico do professor. É o educador quem conhece os alunos, percebe as barreiras, entende o que precisa ser preservado no conteúdo e

decide qual adaptação faz sentido. A ferramenta pode acelerar, sugerir e reorganizar. Mas incluir, no sentido verdadeiro da palavra, continua sendo um trabalho profundamente humano, relacional e pedagógico.

Referências bibliográficas

BRASIL. Ministério da Educação. Bloco Temático 3: Inteligência Artificial na Educação. Brasília: MEC, 2025.

COMITÊ GESTOR DA INTERNET NO BRASIL; NIC.br; CETIC.br. Inteligência Artificial na Educação: usos, oportunidades e riscos no cenário brasileiro. São Paulo: CGI.br/NIC.br/Cetic.br, 2025.

CONSELHO NACIONAL DE EDUCAÇÃO. Texto Referência – Inteligência Artificial. Brasília: CNE/MEC, 2025.

MANTOAN, Maria Teresa Eglér. Inclusão escolar: o que é? por quê? como fazer? São Paulo: Moderna, 2003.

MITTLER, Peter. Educação inclusiva: contextos sociais. Porto Alegre: Artmed, 2003.

UNESCO. Guia para a IA generativa na educação e na pesquisa. Paris: UNESCO, 2024.

VALENTE, José Armando. Tecnologias digitais, currículo e práticas pedagógicas. Campinas: NIED/UNICAMP, publicações em português sobre tecnologia educacional.

Estudo de caso do Módulo 2

Quando a pressa quase transformou a IA em atalho ruim para ensinar

Rafael estava no início da carreira docente e vivia uma rotina que muita gente romantiza de longe, mas que por dentro era bem menos bonita. Dava aula em mais de uma turma, ainda estava aprendendo a organizar o próprio tempo, passava horas tentando montar atividades e quase sempre terminava a semana com a sensação de que trabalhava muito e produzia menos do que precisava. Ele não tinha preguiça. Tinha sobrecarga, insegurança e pouca experiência prática para transformar conteúdos em aulas bem estruturadas.

Foi nesse cenário que ele começou a usar inteligência artificial generativa. No início, a sensação foi quase de alívio. Pela primeira vez, parecia que havia uma ferramenta capaz de ajudá-lo a planejar uma aula em poucos minutos, sugerir perguntas, criar exercícios e até adaptar explicações difíceis para uma linguagem mais simples. Para alguém cansado e pressionado, aquilo parecia a resposta perfeita. E foi justamente aí que começaram os erros.

Na primeira tentativa mais séria, Rafael precisava preparar uma aula sobre leitura e interpretação de texto para uma turma do 8º ano. Sem pensar muito, digitou algo direto e vago: “Crie uma aula sobre interpretação textual”. Em segundos, recebeu uma resposta organizada, com objetivo, atividade inicial, perguntas e encerramento. Achou ótimo. O texto parecia limpo, bem escrito

primeira tentativa mais séria, Rafael precisava preparar uma aula sobre leitura e interpretação de texto para uma turma do 8º ano. Sem pensar muito, digitou algo direto e vago: “Crie uma aula sobre interpretação textual”. Em segundos, recebeu uma resposta organizada, com objetivo, atividade inicial, perguntas e encerramento. Achou ótimo. O texto parecia limpo, bem escrito e profissional. Como estava sem tempo, decidiu aproveitar quase tudo.

Quando aplicou a proposta, a aula não funcionou como esperava. As perguntas estavam genéricas demais, a atividade inicial não tinha relação real com o perfil da turma e o fechamento era tão superficial que mal ajudava os alunos a consolidar alguma aprendizagem. O problema não era só a IA. O problema era que Rafael havia feito um pedido pobre e esperado um resultado pedagogicamente rico. Ele caiu no primeiro erro comum do módulo 2: achar que a ferramenta consegue compensar a falta de clareza do professor.

Depois dessa aula frustrante, ele resolveu tentar de novo, mas de forma mais detalhada. Dessa vez escreveu: “Crie uma aula de 50 minutos para o 8º ano sobre interpretação textual, com foco em inferência, usando um texto curto, uma atividade inicial de leitura em dupla, três perguntas de compreensão e duas inferenciais, com linguagem adequada para adolescentes”. O resultado melhorou muito. Agora havia mais coerência entre objetivo, atividade e proposta de perguntas. Foi aí que Rafael percebeu uma lição importante: a IA responde melhor quando o professor sabe o que está pedindo. Parece óbvio, mas muita gente erra justamente nisso.

Animado com essa melhora, Rafael passou a usar a ferramenta também para produzir materiais de apoio e listas de exercícios. Em poucos dias, começou a montar atividades muito mais rápido do que antes. O problema é que a agilidade começou a enganar. Como a IA entregava materiais com aparência organizada, ele reduziu o tempo de revisão. Em uma dessas ocasiões, pediu uma sequência de questões sobre um texto de ciências. Recebeu perguntas bem redigidas, mas duas delas eram repetitivas, uma estava acima do nível da turma e outra parecia boa, mas na prática não media nada além de cópia literal. Mesmo assim, ele usou quase tudo.

Na correção, percebeu que os alunos tinham respondido mecanicamente. A atividade parecia “bem montada”, mas não provocava raciocínio relevante. Foi então que ele entendeu o segundo erro comum: confundir material pronto com material pedagogicamente bom. A IA consegue

produzir volume com facilidade. Qualidade é outra história. Pergunta bonita não é necessariamente pergunta inteligente. Exercício organizado não é necessariamente exercício útil. Material de apoio bem escrito não é, por si só, bom recurso didático.

Com o tempo, Rafael resolveu usar a IA também para adaptar a linguagem de alguns conteúdos, principalmente porque sua turma era bastante heterogênea. Alguns estudantes acompanhavam bem textos mais densos, mas outros travavam logo nas primeiras linhas. Então ele pediu à ferramenta que simplificasse uma explicação sobre figuras de linguagem. O resultado veio claro, curto e fácil de entender. Só que fácil até demais. Na tentativa de simplificar, a resposta apagou nuances importantes e transformou o conteúdo em algo raso demais. Rafael percebeu isso quando, em sala, os alunos até repetiam a definição, mas não conseguiam reconhecer as figuras nos exemplos.

Ali apareceu o terceiro erro: achar que adaptar linguagem é o mesmo que empobrecer o conteúdo. Esse erro é frequente porque muita gente acredita que acessibilidade significa reduzir tudo ao mais básico possível. Não significa. Tornar um conteúdo mais acessível é reorganizá-lo para facilitar a compreensão sem destruir sua densidade essencial. Quando a IA simplifica demais, o professor precisa corrigir isso. Caso contrário, a adaptação vira distorção.

Em outro momento, Rafael decidiu pedir à ferramenta três versões de uma mesma atividade: uma mais simples, uma intermediária e uma mais desafiadora. A ideia era ótima. O problema foi que ele quase caiu em outro tropeço: ia distribuir as versões sem analisar se realmente correspondiam às necessidades reais dos alunos. Ao revisar com mais calma, notou que a versão “mais simples” estava infantilizada e a “mais avançada” exigia conhecimentos que ainda não haviam sido trabalhados. Foi um bom choque de realidade. A IA podia gerar variações, mas não conhecia a turma. Quem conhece os alunos é o professor. Sem esse olhar, qualquer diferenciação corre o risco de virar improviso malfeito com aparência de personalização.

Rafael também enfrentou um erro menos visível, mas talvez mais perigoso: começou a depender demais da ferramenta. Antes de pensar qualquer atividade, já abria a IA. Antes de formular uma pergunta, já pedia sugestões. Antes de reorganizar um texto, já queria uma versão pronta. Aos poucos, sua autonomia começou a enfraquecer. Ele estava usando a ferramenta para ganhar tempo, mas também estava deixando de

exercitar parte importante do próprio raciocínio pedagógico. Quando percebeu isso, tomou uma decisão simples: passaria a definir primeiro o objetivo da aula, o que queria desenvolver e o perfil da atividade; só depois usaria a IA para apoiar a construção. Essa mudança foi decisiva.

A partir daí, Rafael criou um método mais inteligente de uso. Primeiro, definia claramente o que os alunos precisavam aprender. Depois, pensava no tipo de atividade que faria sentido para aquele grupo. Em seguida, usava a IA para gerar um rascunho inicial. Só então começava a parte mais importante: revisar, cortar excessos, melhorar enunciados, ajustar o nível de dificuldade, adaptar exemplos e verificar se aquilo realmente ajudava a turma a aprender. Esse processo parecia menos “mágico”, mas funcionava muito melhor. A IA deixou de ser uma falsa solução pronta e passou a ser uma ferramenta de apoio colocada no lugar certo.

Ao final de alguns meses, Rafael já não olhava para a IA como milagre nem como ameaça. Olhava como recurso. Percebeu que ela era especialmente útil em três frentes: para estruturar esboços de aula, para gerar primeiras versões de perguntas e atividades, e para reorganizar explicações em linguagens diferentes. Mas também entendeu seus limites. A ferramenta não sabia o que sua turma precisava naquele momento. Não distinguia sozinha uma atividade significativa de uma tarefa só ocupacional. Não avaliava se uma adaptação estava realmente preservando o conteúdo central. E, principalmente, não assumia responsabilidade pedagógica nenhuma. Quem fazia isso era ele.

Erros comuns mostrados no caso

O primeiro erro foi fazer pedidos vagos e esperar respostas precisas. Quando o professor não define ano, objetivo, nível da turma e formato desejado, a tendência é receber algo genérico. Para evitar isso, é preciso pedir com clareza e intenção pedagógica.

O segundo erro foi confiar no material só porque ele parecia bem escrito. A IA costuma produzir textos organizados, mas isso não garante que a atividade seja boa, que a pergunta seja relevante ou que o material de apoio esteja bem alinhado à aprendizagem. Para evitar isso, toda produção precisa passar por revisão crítica.

O terceiro erro foi simplificar demais ao adaptar linguagem. Tornar um conteúdo mais acessível não significa esvaziá-lo. Para evitar isso, o professor precisa verificar se os conceitos centrais continuam presentes após a adaptação.

O quarto erro foi supor que gerar versões diferentes de uma atividade já

quarto erro foi supor que gerar versões diferentes de uma atividade já resolve a heterogeneidade da turma. Não resolve. Sem conhecer os alunos reais, a diferenciação vira aparência. Para evitar isso, a análise do professor sobre o grupo continua indispensável.

O quinto erro foi transformar a IA em muleta. Quando a ferramenta entra antes do pensamento pedagógico, a autonomia docente enfraquece. Para evitar isso, o professor deve definir primeiro o que quer ensinar e só depois usar a IA como apoio.

Como evitar esses erros na prática

O caminho mais sólido é menos glamouroso, mas muito mais eficaz. Primeiro, o professor precisa ter clareza sobre o objetivo da aula. Depois, precisa definir que tipo de material ou atividade faz sentido para a turma. Só então vale acionar a IA para gerar uma proposta inicial. A etapa seguinte é obrigatória: revisar com olhar docente. Isso significa perguntar se a atividade promove aprendizagem real, se o nível está adequado, se a linguagem faz sentido, se o tempo é viável e se o conteúdo foi preservado com fidelidade. Sem esse filtro, a IA produz textos; com esse filtro, ela pode ajudar a construir experiências de aprendizagem melhores.

Reflexão final do estudo de caso

O caso de Rafael mostra um ponto central do módulo 2: a IA pode ajudar muito no planejamento, na produção de atividades e na adaptação de linguagem, mas só quando ocupa o lugar de apoio, não o de comando. O erro mais comum não é usar a ferramenta. O erro mais comum é usá-la sem critério, como se rapidez fosse sinônimo de qualidade. Na prática docente, não é. O professor que entende isso consegue aproveitar a tecnologia sem empobrecer seu trabalho. O que faz diferença não é a ferramenta sozinha, mas a forma como ela é usada dentro de uma intenção pedagógica real.