Professores de Vermont enfrentam os dilemas de aprendizagem da IA em sala de aula

Os professores de Vermont começaram o novo ano letivo com um conflito que agora se espalha pelo Google News: os estudantes podem usar inteligência artificial para aprender mais rápido ou para evitar aprender por completo. A distinção parece simples. Aplicá-la a diferentes idades, disciplinas, tarefas e softwares, não.

Uma reportagem sobre IA em sala de aula de 1º de setembro, da WCAX, retratou essa divergência por meio de educadores que atuam em Vermont e arredores. Alguns ensinam os estudantes a examinar trabalhos gerados por IA em busca de erros e vieses. Outros querem pouco ou nenhum uso em sala de aula, especialmente antes do ensino médio.

Este não é um debate familiar entre entusiastas da tecnologia e professores tradicionais. Ambos os lados reconhecem que os estudantes encontrarão IA fora da escola. A divergência diz respeito a quando a exposição se torna educação, quando a assistência se torna substituição e quem deve decidir.

Vermont já publicou orientações estaduais, mas deliberadamente evita resolver todas as decisões de sala de aula. Distritos, gestores escolares e professores ainda precisam transformar princípios amplos em regras práticas. Isso os deixa administrando a tensão entre julgamento educacional e políticas consistentes.

A questão imediata não é se a IA pertence a algum lugar da educação. É se as escolas conseguem definir usos que preservem o raciocínio que uma tarefa foi criada para desenvolver.

O debate em sala de aula em Vermont foi além das proibições

O novo desenvolvimento é uma mudança de perguntar se as escolas devem bloquear a IA para decidir quais usos apoiam um objetivo específico de aprendizagem.

A WCAX informou que Claudine Bedell, professora de educação no St. Michael’s College, pede aos estudantes que critiquem materiais produzidos por uma ferramenta de IA. Os estudantes rapidamente encontram erros e possíveis vieses, disse ela. O exercício faz da avaliação, e não da geração, o foco da tarefa.

Essa distinção importa porque a IA generativa cria texto, imagens, áudio ou código a partir de padrões nos dados de treinamento. Ela pode produzir respostas fluentes sem demonstrar que são precisas. Uma atividade em sala de aula pode expor essa limitação quando os estudantes têm conhecimento suficiente da disciplina para questionar o resultado.

A abordagem de Bedell trata o letramento em IA como letramento crítico. Os estudantes precisam identificar alegações sem sustentação, perspectivas ausentes e linguagem que parece convincente sem ser confiável. O modelo se torna um objeto de estudo, e não um autor invisível.

Christina Asquith, cofundadora da organização sem fins lucrativos Hack Club, sediada em Burlington, descreveu uma posição mais restritiva. O Hack Club ensina ciência da computação a adolescentes, e os participantes usam IA para escrever código. No entanto, Asquith disse à WCAX que os estudantes às vezes entregam projetos que não entendem.

O Hack Club rejeita esses projetos. Segundo Asquith, três quartos desses estudantes reenviam o trabalho em uma ou duas semanas com uma compreensão melhor do próprio código. A organização permite a ferramenta, mas se recusa a aceitar o resultado como prova de aprendizagem.

Esse exemplo captura o problema central. Um programa funcional mostra que o software produziu um resultado operacional. Não demonstra que um estudante consegue explicar o programa, depurá-lo ou recriar sua lógica.

Asquith afirmou que os participantes do Hack Club produziam código cerca de 100 vezes mais rápido do que em 2023. Esse número é o relato da organização, não uma medida independente de aprendizagem. Uma produção mais rápida pode coexistir com uma compreensão mais fraca.

Por isso, ela traça um limite muito mais estreito para a sala de aula. Asquith disse à WCAX que a IA não tem papel algum do jardim de infância ao oitavo ano e deveria ter um papel muito limitado no ensino médio.

A divergência é real, mas há pontos em comum. Bedell e Asquith rejeitam a aceitação passiva do resultado produzido por máquinas. Ambas querem que os estudantes compreendam o trabalho diante deles.

Uma abordagem desenvolve essa compreensão por meio de crítica estruturada. A outra limita o acesso até que os estudantes tenham bases mais sólidas. O Google News apresenta a divergência como uma história local oportuna, mas as escolas de Vermont precisam transformá-la em regras operacionais duradouras.

Google News destaca uma lacuna nas orientações estaduais

Vermont tem uma estrutura estadual, mas as decisões consequentes continuam nas mãos dos distritos, gestores escolares e professores individuais.

A Agência de Educação de Vermont publicou, em 23 de janeiro de 2026, um guia educacional sobre IA de 50 páginas. Ele aborda trabalho administrativo, aprendizagem personalizada, letramento em IA, uso responsável, avaliação de ferramentas e acesso adequado ao desenvolvimento.

O documento oferece direcionamento sem declarar uma política universal para a sala de aula. Ele orienta educadores a consultar listas de softwares aprovados, equipes distritais de tecnologia, liderança escolar e requisitos de privacidade aplicáveis.

Essa flexibilidade respeita o julgamento educacional local. Ela também pode produzir respostas diferentes para estudantes que cursam disciplinas semelhantes em distritos vizinhos.

O guia estadual separa as expectativas por faixa de ensino. Educadores do ensino fundamental devem se concentrar principalmente em usar a IA para tornar seu próprio trabalho mais eficiente. O ensino fundamental II é descrito como um ponto de transição em que os estudantes precisam de orientação estruturada. Estudantes do ensino médio podem assumir tarefas mais exigentes com apoio de IA após desenvolver letramento em IA.

Essas distinções tornam a prontidão para o desenvolvimento um elemento central. Uma ferramenta adequada para um exercício de programação no ensino médio pode ser inadequada para uma aula de redação no ensino fundamental. Mesmo dentro de uma mesma série, a prontidão varia conforme o estudante, a disciplina e a tarefa.

A estrutura também distingue acesso de supervisão. Um distrito pode aprovar um chatbot voltado à educação, mas a aprovação não define como um professor deve usá-lo. A questão pedagógica continua sendo se a ferramenta fortalece a habilidade visada.

Considere uma tarefa de redação. A IA pode sugerir um roteiro, oferecer feedback ou produzir uma resposta completa. Essas ações ocorrem na mesma interface, mas têm consequências educacionais diferentes.

Um professor pode permitir brainstorming, mas proibir prosa gerada. Outro pode pedir aos estudantes que comparem um rascunho de IA com o próprio texto. Um terceiro pode proibir a ferramenta porque a tarefa mede raciocínio sem assistência.

Essas diferenças se tornam confusas quando as escolas comunicam apenas se a IA é “permitida”. Os estudantes precisam de expectativas no nível da tarefa: o que podem fazer, o que precisam declarar e quais partes do trabalho devem continuar sendo suas.

Reportagens nacionais mostram que essa ambiguidade vai além de Vermont. Uma análise sobre honestidade acadêmica da Associated Press descreveu estudantes encontrando regras diferentes sobre IA em salas de aula distintas. Correção gramatical, elaboração de roteiros, reescrita e geração de ideias frequentemente ficam em território incerto.

Uma política útil deve, portanto, descrever ações em vez de marcas. Bloquear um chatbot não responde se os estudantes podem usar recursos de IA incorporados a mecanismos de busca, softwares de escrita, editores de documentos ou plataformas de aprendizagem.

O mesmo princípio se aplica ao uso pelos professores. Uma escola pode permitir assistência no planejamento de aulas sem permitir correção ou feedback automatizados. A política deve identificar quais responsabilidades exigem julgamento profissional direto.

As orientações de Vermont dão às escolas um vocabulário para essas decisões. Elas não eliminam o trabalho difícil de tomá-las.

A verdadeira divisão é aprendizagem versus substituição

O conflito principal não é entre professores e tecnologia. É entre aprendizagem assistida por IA e substituição assistida por IA.

A substituição ocorre quando uma ferramenta realiza o trabalho cognitivo que uma tarefa pretende avaliar. Se os estudantes precisam construir um argumento, gerar o argumento inteiro substitui esse processo. Se precisam aprender sintaxe, aceitar código gerado pode ocultar se entendem a linguagem.

A assistência apoia o processo sem deslocar seu propósito. Um estudante pode pedir a um chatbot que crie questões para praticar, explique um erro ou conteste uma conclusão. O estudante ainda precisa avaliar a resposta e demonstrar compreensão independente.

O limite muda conforme a tarefa. Uma calculadora pode apoiar a matemática avançada e, ao mesmo tempo, prejudicar um exercício criado para desenvolver fluência aritmética. O relatório estadual sobre política de IA de Vermont, de 2024, usou essa comparação ao discutir IA generativa.

A analogia é útil, mas incompleta. Uma calculadora executa operações definidas com resultados previsíveis. Um modelo de linguagem gera respostas probabilísticas que podem conter erros factuais, vieses ou detalhes inventados.

Essa diferença aumenta a importância da verificação. Os estudantes precisam ter conhecimento suficiente para reconhecer quando uma resposta bem elaborada está errada. Sem essa base, “verificar a IA” pode se resumir a aceitar sua confiança.

O exercício de sala de aula de Bedell aborda diretamente essa fragilidade. Os estudantes primeiro examinam o material gerado e depois identificam suas falhas. O valor de aprendizagem vem da crítica, não de obter texto mais rapidamente.

O Hack Club usa um mecanismo diferente. Ele testa a compreensão depois que os estudantes desenvolvem algo com IA. Rejeitar projetos sem explicação força os estudantes a voltar ao código, onde precisam construir uma explicação sobre o que o sistema produziu.

Ambos os casos mudam a avaliação. Os professores não podem tratar um documento finalizado ou um programa funcional como prova suficiente. Precisam examinar o processo por trás dele.

Isso pode incluir rascunhos, anotações de fontes, explicações orais, históricos de versões, trabalho feito em sala ou breves reflexões que descrevam como uma ferramenta foi usada. Esses métodos são mais informativos do que uma pontuação de detecção de IA.

Softwares de detecção tentam estimar se um modelo gerou uma passagem. Essas estimativas não revelam o que um estudante aprendeu, e falsos positivos podem prejudicar a confiança. Evidências do processo dão aos professores uma base mais sólida para avaliar autoria e compreensão.

Uma declaração clara também importa. Os estudantes devem saber quando precisam identificar uma etapa assistida por IA e quão detalhada essa declaração deve ser. Professores que usam materiais gerados por IA devem seguir expectativas comparáveis.

Essa reciprocidade está surgindo como uma questão importante em Vermont. Uma pesquisa com educadores de Vermont publicada pelo Seven Days informou que alguns estudantes se sentiram menos motivados quando professores atribuíram materiais gerados por IA. Os estudantes questionaram por que seu próprio trabalho enfrentava regras mais rígidas do que o trabalho de seus professores.

A preocupação não é meramente simbólica. Uma ficha de atividades imprecisa pode espalhar erros por uma turma inteira. Uma aula genérica também pode deixar de refletir os estudantes, o currículo ou a discussão que um professor conhece de perto.

A supervisão dos professores, portanto, deve significar mais do que apertar um botão e ler o resultado uma vez. Os educadores continuam responsáveis pela precisão, acessibilidade, adequação pedagógica e tratamento das informações dos estudantes.

Uma sala de aula transparente pode tornar essa responsabilidade visível. Os professores podem explicar quando a IA ajudou a preparar um recurso, quais partes modificaram e por que o material final atende à aula. Os estudantes podem documentar seus próprios usos permitidos seguindo o mesmo princípio.

Este modelo não atribui responsabilidades idênticas a estudantes e professores. Os professores planejam a instrução e avaliam a aprendizagem. Ainda assim, ele estabelece um padrão compartilhado: nenhum dos lados deve apresentar resultados de máquina não examinados como trabalho original e verificado.

Privacidade e limites de idade complicam a IA na sala de aula

Mesmo uma atividade de aprendizagem bem concebida pode se tornar inaceitável quando uma ferramenta de IA coleta dados sensíveis ou ultrapassa o nível de maturidade de um estudante.

Sistemas de IA generativa frequentemente retêm prompts, geram registros de uso ou vinculam interações a contas de usuários. Um estudante pode revelar dados pessoais, dificuldades acadêmicas, informações sobre deficiência ou trabalhos ainda não publicados durante uma conversa comum.

Isso transforma a aprovação de ferramentas em uma decisão de governança de dados. As escolas precisam entender quais informações um fornecedor coleta, por quanto tempo as retém e se utiliza as entradas para aprimorar seus modelos.

A orientação de Vermont direciona educadores a ferramentas aprovadas pelo distrito e às equipes de tecnologia. Ela faz referência a exigências federais de privacidade, incluindo a Family Educational Rights and Privacy Act e a Children’s Online Privacy Protection Act.

Professores não podem resolver de forma independente todas as questões contratuais ou técnicas. Os distritos precisam de um processo de revisão que abranja tratamento de dados, segurança, acessibilidade, controles de conta e restrições de idade antes do início do uso em sala de aula.

O design do produto introduz outra complicação. Um chatbot de uso geral pode incentivar conversas abertas, enquanto uma aplicação específica para educação pode restringir o modelo a uma disciplina ou atividade definida. Um sistema mais limitado reduz alguns riscos, mas não os elimina.

O guia estadual cita exemplos como triagem de alfabetização e tutoria voltada ao currículo. Também alerta que líderes escolares devem examinar a aplicação real, em vez de presumir que um rótulo educacional garante segurança.

A supervisão continua limitada. O guia de Vermont discute lacunas na capacidade de administradores revisarem conversas de estudantes em algumas plataformas amplamente utilizadas. Uma escola não pode prometer supervisão significativa se sua equipe não consegue ver como os estudantes interagem com uma ferramenta.

A idade torna essas limitações mais relevantes. Estudantes mais jovens têm menos experiência para avaliar persuasão, incerteza factual e linguagem emocional simulada. Eles podem atribuir compreensão ou autoridade a um sistema que produz respostas conversacionais sem consciência humana.

Isso ajuda a explicar o apelo de Asquith por nenhuma IA em sala de aula do jardim de infância ao oitavo ano. Sua posição enfatiza a proteção da aprendizagem e do desenvolvimento fundamentais antes que os estudantes encontrem ferramentas capazes de realizar o trabalho por eles.

A orientação estadual de Vermont adota uma abordagem mais gradual. Ela concentra o uso no ensino fundamental em tarefas de educadores, introduz alfabetização estruturada em IA durante o ensino médio e permite uso mais amplo no ensino secundário após os estudantes demonstrarem preparo.

Nenhuma das posições foi definida por evidências de longo prazo em sala de aula. Ferramentas de IA generativa só se tornaram amplamente disponíveis no fim de 2022, deixando as escolas com pesquisas longitudinais limitadas sobre aprendizagem, dependência e desenvolvimento.

Essa incerteza deve moderar as afirmações de ambos os lados. As escolas não podem presumir que a exposição precoce cria automaticamente alfabetização. Tampouco podem presumir que evitar ferramentas em sala de aula impede que os estudantes as usem em outros lugares.

A equidade acrescenta outra pressão. Estudantes com contas pagas, dispositivos pessoais ou maior apoio em casa podem obter acesso independentemente das regras escolares. Uma proibição simples pode, portanto, deslocar o uso de IA para ambientes sem supervisão sem fazê-lo desaparecer.

Por outro lado, o uso obrigatório pode sobrecarregar famílias preocupadas com privacidade, vieses, exposição a telas ou acessibilidade. Também pode prejudicar estudantes que aprendem melhor com instrução humana e prática direta.

Uma política defensável precisa oferecer alternativas. Se uma atividade permite ou exige IA, os estudantes devem ter uma forma de alcançar o mesmo objetivo de aprendizagem sem entregar dados pessoais a um serviço não aprovado.

As escolas também devem evitar tratar toda adaptação como permissão para geração irrestrita. O apoio à acessibilidade pode ser rigorosamente definido em torno da necessidade documentada de um estudante, preservando ao mesmo tempo o propósito da atividade.

A verdade difícil é que “IA segura” não é uma categoria permanente de produto. Fornecedores mudam recursos, políticas, modelos e controles de conta. A aprovação distrital deve ser revista quando essas condições mudarem.

Os professores agora são o ponto de pressão

A abordagem flexível de Vermont coloca o julgamento profissional no centro, mas também pede aos professores que administrem responsabilidades que nenhuma sala de aula individual pode resolver sozinha.

Os professores precisam decidir se um uso apoia a aprendizagem, explicar essa decisão aos estudantes, aplicar regras de integridade acadêmica, revisar resultados em busca de erros e proteger as informações dos estudantes. Precisam fazer isso enquanto recursos de IA se espalham por softwares familiares.

Uma proibição completa parece mais fácil de administrar. Ainda assim, os estudantes podem acessar ferramentas por contas pessoais, interfaces de busca, assistentes de escrita e celulares. A fiscalização então se transforma em uma tarefa de vigilância cada vez mais ampla.

O acesso irrestrito evita esse ônus de fiscalização, mas cria outro problema. Os estudantes podem terceirizar o próprio raciocínio que as escolas deveriam desenvolver.

O meio-termo viável exige mais planejamento, não menos. As atividades precisam de limites explícitos para a IA, evidências significativas do processo e métodos de avaliação que revelem compreensão. Isso aumenta as demandas de preparação antes de reduzir qualquer carga de trabalho.

Por isso, o desenvolvimento profissional é importante. Os professores precisam de tempo para testar ferramentas em disciplinas que conhecem profundamente. Isso lhes permite identificar erros típicos, citações fracas, pressupostos enviesados e padrões de linguagem genérica.

A formação também deve abranger quando não usar IA. Uma sessão focada apenas em prompts corre o risco de tratar a adoção como objetivo predeterminado. Os educadores precisam ter autoridade para rejeitar uma ferramenta quando ela não atende seus estudantes.

Reportagens locais mostram distritos de Vermont em diferentes estágios. Champlain Valley School District desenvolveu princípios voltados à aprendizagem equitativa, ao apoio aos educadores e ao uso ético. Educadores de Harwood trabalharam para construir uma filosofia compartilhada destinada a reduzir regras inconsistentes.

Esses esforços mostram por que um documento estadual não pode ser a camada final. Os distritos precisam de orientações para atividades, listas de ferramentas aprovadas, práticas de divulgação, comunicação com famílias e procedimentos para revisar trabalhos contestados.

Líderes escolares também precisam definir a responsabilização. Um professor deve saber quem aprova uma nova ferramenta e quem responde se dados de estudantes forem expostos. Os estudantes devem saber como contestar uma acusação relacionada à IA ou solicitar esclarecimentos antes de entregar um trabalho.

As famílias precisam de explicações claras sobre o que uma ferramenta faz. Nomes de produtos e afirmações amplas sobre aprendizagem personalizada não respondem se um estudante conversará com um modelo, enviará trabalhos ou receberá feedback automatizado.

O debate também tem consequências para os fornecedores. Empresas de educação enfrentam pressão para oferecer visibilidade administrativa, controles adequados à idade, acessibilidade e práticas claras de dados. Um chatbot projetado para adultos não se torna adequado para a sala de aula apenas por meio de branding.

Google, Microsoft, OpenAI e fornecedores voltados à educação competem por espaço nos fluxos de trabalho escolares. Seus produtos diferem, mas a questão institucional é a mesma: um distrito consegue controlar o uso sem transferir a autoridade educacional para o software?

As escolas devem avaliar esses sistemas de acordo com objetivos locais de aprendizagem. Um recurso que economiza tempo de planejamento não é automaticamente adequado para estudantes. Uma interface de tutoria não é automaticamente confiável o bastante para uso independente.

Os professores continuam responsáveis pela relação que o software não consegue oferecer. Eles percebem frustração, conhecimentos prévios, contexto social e mudanças no trabalho de um estudante ao longo do tempo. A IA pode processar entradas, mas não assume esse dever profissional.

É por isso que a pressão atual não pode ser resolvida apenas por meio de compras e contratação. O experimento de Vermont depende de as instituições darem aos professores políticas, formação e tempo suficientes para exercer o julgamento que lhes é pedido.

O que as escolas de Vermont devem observar a seguir

A próxima fase será medida por políticas distritais, evidências em sala de aula e confiança dos estudantes, e não pelo número de ferramentas de IA adotadas.

O primeiro sinal é se os distritos transformam orientações amplas em regras no nível das atividades. Os estudantes devem ver categorias claras para uso proibido, limitado, declarado e obrigatório. Se essas categorias aparecerem em diferentes disciplinas, Vermont estará avançando rumo à consistência sem impor uma única regra a todas as aulas.

O segundo sinal é se a avaliação muda. Escolas que continuarem a avaliar apenas produtos finais terão dificuldade para distinguir aprendizagem de substituição. Mais explicações orais, rascunhos documentados e demonstrações em sala de aula indicariam que a política está influenciando a prática pedagógica.

O terceiro sinal é se professores e estudantes relatam maior clareza. Uma política pode parecer completa enquanto deixa questões cotidianas sem resposta. Os distritos devem perguntar se os estudantes entendem os usos permitidos e se os professores sabem como responder de forma consistente.

Esses sinais importam mais do que números de adoção. Uma alta taxa de uso não comprova benefício educacional. Uma taxa baixa não prova que os estudantes estão aprendendo sem IA fora da escola.

Os legisladores de Vermont também continuam fazendo parte do cenário. O senador estadual Seth Bongartz disse ao Seven Days que desejava uma política-modelo, ao mesmo tempo em que demonstrava relutância em relação a uma proibição generalizada. Futura ação legislativa revelará se o estado mantém as orientações voluntárias ou estabelece exigências mais firmes.

Mudanças dos fornecedores merecem revisão contínua. Um distrito pode aprovar uma ferramenta sob uma política de privacidade e encontrar novos recursos mais tarde. Compartilhamento de conversas, agentes automatizados, funções de memória ou recursos sociais podem alterar o cálculo de risco.

As escolas devem documentar datas e gatilhos de revisão. A aprovação deve expirar ou retornar para avaliação quando um fornecedor alterar materialmente recursos voltados aos estudantes, práticas de dados ou controles administrativos.

Os educadores também devem coletar evidências concretas em sala de aula. Os estudantes retiveram conceitos após prática apoiada por IA? Conseguiram explicar código gerado? O feedback melhorou a revisão, ou substituiu a conversa com um professor?

Essas perguntas são mais difíceis do que contar logins, mas abordam o propósito da educação. Elas também protegem as escolas de confundirem atividade com aprendizagem.

Os estudantes devem fazer parte do processo de avaliação. Eles podem descrever quando as regras parecem inconsistentes, quando a IA torna uma atividade menos significativa e quando o uso estruturado os ajuda a praticar. Seu feedback não deve decidir todas as políticas, mas excluí-lo ocultaria uma parte essencial da realidade da sala de aula.

O debate público de Vermont é valioso porque resiste a uma narrativa simples de adoção. Os educadores destacados pelo Google News não estão decidindo se a IA é impressionante. Eles estão decidindo quando ela é educacional.

Esse padrão abre espaço para respostas diferentes em sala de aula. Um clube de programação pode permitir código gerado por IA e exigir uma defesa técnica. Uma aula de redação pode proibir prosa gerada, permitindo ao mesmo tempo comparação de fontes. Uma sala de aula do ensino fundamental pode manter a IA voltada aos estudantes inteiramente fora da aula.

A consistência deve dizer respeito ao processo de decisão, não a resultados idênticos. Todo uso permitido deve ter um propósito de aprendizagem, uma justificativa de idade, uma revisão de privacidade e um método para verificar a compreensão.

Para estudantes que gerenciam pesquisas, anotações e material de fontes, um espaço de trabalho para estudantes privado pode apoiar a organização sem substituir o raciocínio exigido por uma atividade. Qualquer que seja a ferramenta utilizada, o estudante deve continuar capaz de explicar o trabalho final.

A pergunta mais útil para os professores é, portanto, específica: que tipo de pensamento os estudantes precisam praticar aqui e quais partes devem realizar por conta própria?

Se as as escolas de Vermont conseguirem responder a isso antes de escolher uma ferramenta, suas políticas continuarão úteis à medida que os produtos mudarem. Caso contrário, as recomendações e proibições continuarão variando entre as salas de aula, enquanto os alunos aprendem a navegar por essas lacunas.