Relatório da OCDE sobre IA na Educação Constata que Alunos que Usam IA Geralmente Têm Notas Mais Baixas

O relatório da OCDE sobre IA na educação revelou um conflito difícil: a maioria dos alunos que usam chatbots para trabalhos escolares obteve notas abaixo das dos alunos que os evitaram. O padrão apareceu em uma avaliação de 2025 envolvendo 760.000 jovens de 15 anos em 91 países e economias.

Essa manchete não significa que todos os alunos devam fechar o ChatGPT ou o Gemini. Usuários moderados às vezes tiveram desempenho melhor do que usuários ocasionais ou intensivos. Usuários frequentes também obtiveram uma pequena vantagem quando as escolas os ensinaram a avaliar informações geradas por IA.

A verdadeira divisão, portanto, não está entre usuários e não usuários de IA. Está entre terceirização cognitiva e prática orientada. Um chatbot pode produzir uma resposta bem elaborada sem garantir que seu usuário compreenda a pergunta, as evidências ou o raciocínio por trás dela.

Essa distinção pressiona escolas, famílias e desenvolvedores de IA a reconsiderarem o que a adoção educacional deve medir. Trabalhos de casa mais rápidos e entregas com aparência melhor não representam automaticamente aprendizado. O desempenho independente continua sendo o teste mais difícil e mais importante.

O Que o Relatório da OCDE sobre IA na Educação Realmente Encontrou

Alunos que evitaram a IA para trabalhos escolares geralmente superaram os usuários, mas o resultado descreve uma associação, e não um dano comprovado.

A OCDE publicou seus resultados do PISA 2025 em 8 de setembro de 2026. O PISA, Programa Internacional de Avaliação de Estudantes, mede como jovens de 15 anos aplicam conhecimentos a problemas desconhecidos.

A avaliação de 2025 foi a maior edição do programa. Ela abrangeu 760.000 estudantes em 91 países e economias participantes. Ciências foi a disciplina principal, enquanto leitura e matemática forneceram medidas adicionais de conhecimentos fundamentais.

Pela primeira vez, o PISA coletou informações detalhadas sobre a frequência com que estudantes usavam chatbots de IA para trabalhos escolares. As perguntas cobriam quatro atividades comuns.

Os estudantes relataram se usavam chatbots para ajudá-los a aprender, pesquisar um novo tema, resumir leituras atribuídas ou elaborar trabalhos escritos. A pesquisa também distinguiu uso ocasional, moderado, semanal e quase diário.

A IA já havia se tornado normal para a maioria dos estudantes. Nos países da OCDE, apenas 14% relataram nunca, ou quase nunca, usar chatbots em todas as atividades de trabalho escolar examinadas.

Ainda assim, os não usuários geralmente obtiveram notas mais altas em ciências do que os usuários. Estudantes que não usavam IA para elaborar trabalhos também superaram aqueles que relataram usá-la para esse fim.

O padrão variou conforme a atividade e a frequência. Estudantes que usavam IA semanalmente para ajudá-los a aprender alcançaram notas ajustadas em ciências semelhantes às dos não usuários. Aqueles que a usavam quase diariamente, ou apenas ocasionalmente, tendiam a obter notas mais baixas.

Para resumir e fazer pesquisa preliminar, usuários moderados tiveram desempenho melhor do que usuários limitados e intensivos. A OCDE definiu uso moderado para essas tarefas como entre uma vez por mês e duas vezes por semana.

A elaboração de textos mostrou uma versão mais fraca dessa vantagem do uso intermediário. Estudantes que evitavam redigir com chatbots ainda mantinham a liderança geral mais clara.

Essas comparações ajustaram as notas previstas em ciências à condição socioeconômica dos estudantes. Esse ajuste importa porque a adoção da IA não foi distribuída de forma uniforme.

Usuários frequentes tendiam a vir de contextos mais favorecidos. Não usuários tinham maior probabilidade de enfrentar desvantagens socioeconômicas, incluindo acesso limitado a dispositivos, conexões confiáveis à internet ou serviços pagos de IA.

Mesmo considerando a origem socioeconômica, o comportamento dos usuários e suas disposições para aprender permaneceram difíceis de separar. Um estudante com dificuldades pode recorrer à IA porque o trabalho já é difícil. O uso intenso de IA também pode reduzir o esforço necessário para desenvolver competências independentes.

O relatório não consegue determinar qual direção predomina. Ele oferece evidências transversais, o que significa que a pesquisa capturou uso e desempenho durante o mesmo período de avaliação.

A OCDE, portanto, não afirma que abrir um chatbot reduza diretamente a nota de um estudante. Sua conclusão mais forte é mais prática: o acesso por si só não prevê melhor aprendizado.

Essa conclusão desafia uma suposição comum por trás da adoção de IA em sala de aula. A disponibilidade é fácil de contabilizar, enquanto a compreensão é muito mais difícil de medir.

Trabalhos de Casa Melhores Podem Ocultar um Aprendizado Mais Fraco

A IA generativa pode elevar a qualidade do trabalho concluído enquanto enfraquece a prática que prepara os estudantes para trabalhar de forma independente.

As conclusões da OCDE se encaixam em um corpo mais amplo de pesquisas experimentais. Chatbots de uso geral frequentemente melhoram o resultado imediato produzido durante uma tarefa assistida. Esses ganhos podem desaparecer quando a assistência é removida.

A perspectiva sobre educação digital da organização descreve esse problema como uma lacuna entre desempenho e aprendizado. O desempenho mede se um estudante concluiu com sucesso a tarefa de hoje. O aprendizado mede se o estudante consegue aplicar esse conhecimento depois.

Um estudante pode pedir a um chatbot que resuma um capítulo e receber uma resposta precisa e legível. Esse resultado diz pouco sobre se o estudante identificou o argumento principal, ponderou as evidências ou reteve o material.

A elaboração de textos cria um conflito ainda mais evidente. Um chatbot pode transformar uma breve instrução em uma redação estruturada em segundos. A entrega resultante pode exibir vocabulário e organização que o estudante não consegue reproduzir de forma independente.

O produto visível melhora, mas o processo oculto de aprendizado encolhe. O estudante passa menos tempo recuperando informações, resolvendo incertezas, escolhendo evidências e revisando raciocínios fracos.

Essas etapas podem parecer ineficientes. Elas também são onde boa parte do aprendizado acontece.

Esse mecanismo ajuda a explicar a curva incomum de frequência nos dados do PISA. O uso moderado pode complementar um processo de aprendizado ativo. O uso intensivo cria mais oportunidades para substituir esse processo.

Usuários ocasionais também podem obter notas mais baixas por vários motivos. Alguns podem abrir um chatbot apenas quando estão confusos ou atrasados. Sua frequência de uso, então, reflete uma dificuldade já existente em vez de causá-la.

A OECD Digital Education Outlook examinou um estudo controlado de matemática envolvendo estudantes do ensino médio na Türkiye. Os estudantes receberam durante a prática uma interface geral do GPT-4 ou uma versão de tutoria especialmente desenvolvida.

O sistema de tutoria melhorou o desempenho na prática em 127% em relação aos estudantes sem acesso à IA. O chatbot geral o melhorou em 48%.

No entanto, estudantes que praticaram com o chatbot geral tiveram pontuação 17% menor em uma prova sem consulta do que estudantes que nunca receberam acesso à IA. O grupo de tutoria evitou a maior parte dessa penalidade.

O estudo controlado de matemática subjacente oferece uma comparação importante. Ambos os sistemas usavam a mesma família de modelos subjacente, mas seu comportamento incentivava ações diferentes dos estudantes.

A interface geral fornecia respostas prontamente. O tutor incluía salvaguardas destinadas a orientar os estudantes pelos problemas sem concluir imediatamente o trabalho.

Essa diferença leva o debate além da precisão do modelo. Mesmo uma resposta correta pode prejudicar o aprendizado quando chega antes de o estudante formular e testar uma abordagem independente.

A IA educacional, portanto, precisa de outra medida de qualidade. Os desenvolvedores normalmente avaliam se um modelo responde corretamente, segue instruções e satisfaz usuários. Um sistema de aprendizado também deve preservar o esforço produtivo.

Esforço produtivo não exige reter todas as respostas. Significa estimular a recuperação, solicitar uma explicação, identificar um equívoco e adiar a assistência até que o aluno tente resolver o problema.

Um chatbot convencional otimiza a utilidade imediata. Um tutor educacional às vezes precisa resistir a esse impulso.

Isso cria um conflito desconfortável de produto. Os estudantes frequentemente preferem ferramentas que reduzem o trabalho, enquanto as escolas precisam de ferramentas que melhorem a capacidade independente.

Uso, velocidade de conclusão e satisfação podem recompensar o design errado. Um sistema que torna tarefas sem esforço pode parecer bem-sucedido em um painel enquanto enfraquece o desempenho em provas.

As notas dos estudantes no PISA sobre IA tornam esse problema de medição visível em escala global. As escolas não podem avaliar a tecnologia educacional apenas pela adoção ou pela qualidade das tarefas entregues.

Elas precisam de evidências de que as competências se transferem para situações em que o chatbot está ausente, restrito ou incapaz de fornecer uma resposta pronta.

A Alfabetização em IA Muda o Resultado

Os estudantes mais se beneficiaram quando as escolas combinaram o uso frequente de IA com prática explícita para questionar as informações que ela produzia.

Cerca de seis em cada dez estudantes nos países da OCDE relataram receber tarefas em sala de aula que envolviam avaliar informações geradas por IA. As proporções nacionais variaram de 31% a mais de 80%.

Entre esses estudantes, 46% disseram que às vezes realizavam essas atividades. Cerca de 33% o faziam frequentemente, enquanto 22% relataram fazê-lo com muita frequência.

Os estudantes receberam mais prática para avaliar informações online comuns. Aproximadamente oito em cada dez disseram que as aulas lhes pediram para avaliar a qualidade das informações encontradas na internet.

Essa distinção importa porque o resultado da IA cria desafios específicos. Um chatbot produz linguagem fluente mesmo quando seu raciocínio ou suas evidências estão incompletos.

Avaliá-lo exige competências comuns de leitura e alguma compreensão de como sistemas generativos constroem respostas. Os estudantes precisam examinar afirmações, rastrear fontes, reconhecer incertezas e comparar respostas com material confiável.

O PISA identificou uma reversão modesta, mas relevante, entre estudantes que receberam essas oportunidades. Usuários frequentes que aprenderam a avaliar informações de IA superaram ligeiramente não usuários e estudantes que usavam IA duas vezes por mês ou menos.

O resultado não prova que as aulas de avaliação causaram a melhora. Escolas que oferecem uma instrução mais forte em IA também podem ter professores melhores, mais recursos ou apoio acadêmico mais amplo.

No entanto, ele enfraquece a ideia de que o uso de IA é uniformemente prejudicial. O contexto educacional e o comportamento do estudante parecem moldar o resultado.

As conclusões sobre alfabetização em IA da OCDE enfatizam a interpretação, e não o consumo passivo. Esse foco coloca a capacidade de leitura no centro do uso eficaz de chatbots.

Um exercício útil em sala de aula poderia apresentar aos estudantes uma explicação gerada por IA contendo afirmações precisas, suposições sem respaldo e uma citação falsa. Os estudantes então anotariam e verificariam cada afirmação.

Outra tarefa poderia exigir que os alunos escrevessem uma primeira resposta sem IA. Depois, eles poderiam pedir críticas a um chatbot e explicar quais sugestões aceitaram ou rejeitaram.

Essas atividades preservam a autoria dos estudantes. O modelo se torna um objeto de análise ou uma fonte de feedback, em vez de uma máquina automática de respostas.

Elas também criam evidências que os professores podem examinar. Uma redação final sozinha pode ocultar quanto raciocínio veio do estudante. Rascunhos, prompts, anotações de fontes e julgamentos escritos expõem o processo.

É nesse ponto que práticas pessoais de gestão do conhecimento podem apoiar o uso responsável. Estudantes que preservam fontes e suas próprias anotações podem comparar respostas de IA com um histórico de evidências.

Um espaço de trabalho estruturado para estudantes pode ajudar a manter leituras, anotações e perguntas conectadas. O valor para a aprendizagem ainda depende de como o estudante usa esse material.

A avaliação crítica não pode se tornar uma aula pontual sobre segurança em IA. Ela precisa aparecer nas tarefas cotidianas de ciências, história, escrita e pesquisa.

Os estudantes também precisam de permissão para questionar uma resposta fluente. Chatbots se comunicam com confiança, e usuários mais jovens podem confundir linguagem polida com autoridade.

Os professores podem neutralizar esse efeito ao recompensar a verificação e a correção. Um estudante que identifica uma alegação sem fundamento de um modelo deve receber crédito pelo raciocínio, e não apenas por chegar à resposta esperada.

O objetivo não é a desconfiança por si só. É uma confiança calibrada, baseada em evidências, no tipo de tarefa e na incerteza.

Essa abordagem corresponde melhor ao impacto real da IA na aprendizagem. O mesmo modelo pode tanto encurtar o pensamento quanto oferecer feedback que o amplia.

A Diferença de Pontuação Não Prova que a IA Causou o Declínio

Os dados da OCDE identificam um sinal de alerta, mas não conseguem separar os chatbots das muitas forças que afetam o desempenho dos estudantes.

Manchetes sobre usuários de IA com notas mais baixas podem facilmente ir além das evidências. O PISA não designou aleatoriamente centenas de milhares de estudantes para usar ou evitar chatbots.

Os estudantes descreveram o próprio comportamento. A frequência relatada pode ser imprecisa, e os participantes podem interpretar “me ajudar a aprender” de formas diferentes.

Um estudante pode usar IA para gerar respostas prontas. Outro pode pedir questões para praticar, feedback ou uma explicação alternativa. Ambos podem entrar na mesma categoria ampla de uso.

As notas em ciências também representam conhecimento acumulado, não apenas atividades concluídas durante 2025. Os estudantes chegaram à avaliação com escolas, professores, apoio familiar, motivação e desempenho anterior diferentes.

A causalidade reversa continua plausível. Estudantes com menor desempenho podem recorrer a chatbots com mais frequência porque precisam de ajuda adicional. Esse padrão produziria notas mais baixas entre usuários sem provar que a IA criou a diferença.

A OCDE reconhece abertamente essa limitação. Ela afirma que as relações não indicam necessariamente que a IA afeta negativamente o desempenho em ciências.

Tendências mais amplas de desempenho também começaram antes da adoção generalizada de IA generativa. Nos países da OCDE, as notas de leitura caíram 28 pontos entre 2015 e 2025. As de matemática caíram 22 pontos.

A OCDE equipara essas mudanças a aproximadamente um ano e meio de aprendizagem em leitura e pouco mais de um ano em matemática.

O ChatGPT só se tornou publicamente disponível no fim de 2022. Ele não pode explicar sozinho um declínio de uma década.

Disrupção causada pela pandemia, frequência escolar, engajamento familiar, distração digital, mudanças curriculares e condições de aprendizagem fazem parte da análise. Os resultados do PISA não atribuem uma parcela precisa do declínio a cada fator.

O desempenho em ciências permaneceu estável entre 2022 e 2025 na média da OCDE. Essa estabilidade torna ainda mais complexas as alegações de que a adoção de chatbots provocou um colapso geral imediato.

Ao mesmo tempo, a ausência de prova causal não deve apagar o alerta. O padrão observado favorece repetidamente o não uso, o uso moderado ou o uso orientado em vez de assistência intensiva e sem orientação.

Estudos controlados também fornecem mecanismos que tornam crível uma penalidade na aprendizagem. Quando estudantes recebem respostas antes de tentar recuperar informações e raciocinar, praticam menos as habilidades posteriormente medidas sem assistência.

A posição mais sólida, portanto, está entre o pânico e a complacência. O PISA não prova que a IA torna os estudantes menos inteligentes. Ele mostra que a adoção comum não trouxe uma vantagem acadêmica generalizada.

Essa constatação deve mudar o ônus da prova. As escolas não devem presumir que um chatbot é educacional apenas porque os estudantes o usam para trabalhos escolares.

Os desenvolvedores de IA também precisam de evidências que vão além do engajamento. Se uma empresa comercializa um produto de aprendizagem, ela deve demonstrar ganhos duradouros por meio de avaliações tardias e independentes.

Esses testes devem comparar chatbots gerais, ferramentas de tutoria com restrições, uso orientado por professores e prática sem IA. Também devem acompanhar se os benefícios persistem entre disciplinas e grupos de estudantes.

A equidade acrescenta outra incerteza. Estudantes desfavorecidos tinham menos probabilidade de receber tarefas em sala de aula que envolvessem a avaliação de informações geradas por IA.

Eles também tinham mais probabilidade de não usar essas ferramentas, possivelmente devido ao acesso limitado. Ampliar o acesso sem ampliar a orientação pode substituir uma desigualdade por outra.

O risco central não é simplesmente que alguns estudantes tenham modelos melhores. É que alguns aprendam a questionar modelos, enquanto outros recebem apenas respostas instantâneas.

As Escolas Precisam Redesenhar Tarefas, Não Apenas Policiar Chatbots

As conclusões deslocam a pressão de decisões amplas sobre acesso para o desenho de atividades, avaliações e produtos de IA.

Inicialmente, as escolas trataram a IA generativa sobretudo como um problema de integridade acadêmica. Essa preocupação continua substancial.

Em uma pesquisa separada da OCDE com professores, 72 por cento dos docentes do ensino secundário inferior afirmaram que a IA pode prejudicar a integridade ao permitir que estudantes apresentem trabalhos gerados como se fossem seus.

A detecção, por si só, oferece uma resposta fraca. Detectores de IA estimam se um texto se parece com uma escrita assistida por máquina, mas não reconstroem de forma confiável como um estudante produziu uma tarefa.

Um estudante pode usar IA para brainstorming, feedback gramatical, elaboração sem sustentação ou substituição completa. O texto final raramente revela essas diferenças com clareza.

O desenho da avaliação pode captar evidências mais úteis. Professores podem solicitar roteiros, anotações de fontes, versões intermediárias, explicações orais ou breves acompanhamentos supervisionados.

Esses métodos tornam o raciocínio visível. Eles também continuam úteis quando uma escola permite algumas formas de assistência por IA.

Provas sem consulta fornecem uma medida da capacidade independente. Elas não devem se tornar a única resposta, porque aprender também inclui pesquisa, colaboração, revisão e uso de ferramentas.

Um sistema equilibrado pode avaliar os dois modos. Os estudantes devem demonstrar conhecimento fundamental sem IA e aplicação responsável com IA.

O comunicado global da OCDE defende um uso de tecnologia intencional e moderado. Ele também alerta contra a substituição de atenção, esforço e compreensão.

Esse princípio oferece às escolas um padrão viável. Uma tarefa deve especificar qual trabalho cognitivo cabe ao estudante e onde a IA pode contribuir.

Por exemplo, um professor pode proibir a IA durante a resolução inicial de problemas, mas permiti-la durante a revisão. Os estudantes poderiam então comparar sua abordagem com a resposta do modelo.

Uma tarefa de história poderia permitir a exploração do tema, exigindo ao mesmo tempo que cada alegação factual se conecte a uma fonte aprovada. Os estudantes apresentariam uma breve explicação sobre quaisquer sugestões de IA rejeitadas.

Um curso de escrita poderia usar chatbots como críticos, e não como autores. O modelo poderia sinalizar passagens pouco claras, mas o estudante decidiria como revisá-las.

Esses desenhos tornam o uso de IA mais lento do que copiar uma resposta. Essa fricção é valiosa quando obriga os estudantes a examinar o próprio pensamento.

Os desenvolvedores enfrentam um desafio de desenho paralelo. Modos educacionais precisam de mais do que um tom amigável, explicações simplificadas ou controles de interface específicos para cada idade.

Um tutor confiável deve diagnosticar equívocos, pedir que os estudantes se comprometam com uma resposta e ajustar as pistas gradualmente. Ele deve evitar concluir cedo demais a tarefa intelectual central.

Os professores também precisam ter visibilidade sobre a interação. Um sistema útil para a sala de aula poderia resumir os conceitos tentados, as pistas solicitadas e os erros corrigidos sem expor dados pessoais desnecessários.

Privacidade e segurança continuam importantes, especialmente para menores de idade. As escolas precisam de regras claras sobre retenção de dados, treinamento de modelos, adequação etária e acesso às conversas dos estudantes.

A preparação de professores é outro ponto de pressão. A OCDE relata que 37 por cento dos docentes do ensino secundário inferior usaram IA em seu trabalho em 2024.

Os professores não podem orientar o comportamento dos estudantes apenas por meio de documentos de política. Eles precisam de exemplos específicos por disciplina que mostrem quando a IA apoia a aprendizagem e quando elimina prática essencial.

A abordagem correta varia conforme a disciplina. Uma assistência semelhante à de uma calculadora pode ser apropriada após o domínio de um conceito matemático, mas prejudicial durante sua introdução.

Estudantes de idiomas podem se beneficiar da prática conversacional. Ainda precisam de oportunidades para recuperar vocabulário e construir frases sem conclusão automática.

A questão, portanto, não é se todas as salas de aula devem adotar ou proibir a IA. É se cada uso preserva a ação mental que a aula pretende desenvolver.

Três Sinais Mostrarão se a IA Educacional Está Melhorando

A próxima fase deve ser julgada pela aprendizagem independente, pelo acesso ao uso orientado e pelo comportamento dos produtos, e não pela mera adoção de chatbots.

O primeiro sinal é o desempenho sem assistência. Escolas e pesquisadores precisam de avaliações tardias que testem se os estudantes retêm e transferem habilidades após usar IA.

A qualidade imediata da tarefa é insuficiente. Um sistema útil deve melhorar os resultados quando a ferramenta não está disponível e quando a pergunta difere do exemplo de prática.

Se futuros estudos randomizados mostrarem ganhos sustentados entre disciplinas, o alerta da OCDE perderá força. Se trabalhos de casa bem acabados continuarem a anteceder provas mais fracas, ele se fortalecerá.

O segundo sinal é o acesso a instrução explícita de avaliação de IA. O PISA constatou que cerca de seis em cada dez estudantes receberam alguma prática em sala de aula para avaliar informações geradas por IA.

Essa proporção deve aumentar, mas a participação por si só não basta. Pesquisadores devem medir a qualidade, a frequência e a integração disciplinar dessas aulas.

Também devem acompanhar a lacuna socioeconômica. Estudantes desfavorecidos atualmente relatam menos oportunidades de avaliar resultados de IA durante as aulas.

Se essa lacuna diminuir enquanto usuários orientados melhoram, a alfabetização em IA parecerá uma intervenção significativa. Se o acesso se expandir sem ganhos independentes, as escolas precisarão de mudanças instrucionais mais profundas.

O terceiro sinal é se os produtos educacionais resistem à substituição das respostas. Os desenvolvedores devem explicar como os modos de tutoria preservam o raciocínio dos estudantes e como medem a aprendizagem após o fim da assistência.

Evidências úteis incluiriam avaliações independentes, desenhos de estudo transparentes e comparações com chatbots comuns. Números de engajamento não podem responder à questão educacional.

O comportamento do produto também importa no uso cotidiano. O tutor pede uma tentativa antes de fornecer uma solução? Ele solicita evidências e revela incerteza?

Os professores podem configurar o tipo de ajuda disponível para cada tarefa? Os estudantes podem revisar como seu raciocínio mudou, em vez de receber apenas uma resposta pronta?

Essas escolhas determinarão se a IA se tornará um atalho, um tutor ou uma combinação desigual dos dois.

O relatório da OCDE sobre educação e IA não justifica fingir que os chatbots desaparecerão das escolas. A maioria dos estudantes pesquisados já os havia usado, e a fiscalização não pode reverter essa realidade.

Ele justifica um padrão mais elevado. Os estudantes devem sair de uma tarefa assistida por IA sabendo mais do que sabiam antes, e não apenas com um texto melhor.

Pais e estudantes podem aplicar o mesmo teste imediatamente. Depois de usar um chatbot, feche-o e explique a ideia, resolva um problema relacionado ou defenda a resposta com fontes.

Se a compreensão desaparece com a janela do chat, a ferramenta concluiu o trabalho, mas não apoiou a aprendizagem. A próxima questão é se escolas e desenvolvedores vão projetar para essa distinção.