Gerar avaliações e feedback
Nesta página
Avaliações alinhadas e correção mais rápida
Criar avaliações significativas e corrigir os trabalhos dos alunos são duas tarefas essenciais, mas extremamente demoradas, e a carga de trabalho atinge sempre o seu pico nas piores alturas do ano. O ChatGPT apoia ambas as extremidades deste processo: ajuda-o a construir avaliações rigorosas e acelera a correção, sem nunca o substituir. Esta distinção é crucial, pois delegar a correção significaria abdicar do único momento em que vê exatamente o que cada aluno compreendeu. É também uma regra: a CNIL (autoridade francesa de proteção de dados) lembra aos professores que não podem delegar a sua autoridade avaliativa numa ferramenta de IA, e as políticas de utilização da OpenAI proíbem qualquer decisão avaliativa tomada pelo modelo sem intervenção humana.
Conceber perguntas de escolha múltipla que ensinem
Uma boa pergunta de escolha múltipla (MCQ) não é apenas uma resposta correta e três erradas. O seu valor diagnóstico reside inteiramente nos distratores: se forem absurdos, os alunos encontram a resposta por eliminação e o professor não aprende nada sobre o seu raciocínio; se refletirem erros realistas, cada resposta errada indica qual o caminho equivocado que o aluno seguiu. O ChatGPT gera facilmente este segundo tipo de distrator, desde que especifique os erros esperados em vez de esperar que ele os adivinhe.
“Crie um teste de escolha múltipla com 15 perguntas sobre funções lineares para uma turma do 9.º ano. Para cada pergunta, os distratores devem corresponder a erros frequentes dos alunos (confusão com funções afins, erros de sinal, declive invertido). Forneça uma grelha de correção com uma explicação para cada distrator.”
A explicação solicitada para cada distrator é o que transforma a MCQ numa ferramenta de remediação. Quando revê as respostas na aula, já tem o comentário pronto para os alunos que escolheram B em vez de C, e a sessão de revisão deixa de ser uma leitura da grelha de correção para se tornar num trabalho sobre os erros que os alunos realmente cometeram.
Avaliar por competência e variar formatos
Para uma avaliação formativa ou sumativa baseada em competências, quatro requisitos devem constar no seu prompt. Especifique as competências-alvo utilizando os termos exatos do referencial do programa, para que o vocabulário da grelha de avaliação corresponda ao boletim de notas. Peça que cada exercício vise apenas uma competência de cada vez: assim que um exercício mobiliza duas, o trabalho de um aluno com dificuldades torna-se impossível de interpretar. Exija uma grelha de competências associada com indicadores observáveis, em vez de juízos de valor. Por fim, solicite exercícios de complexidade crescente para cada competência, permitindo que um aluno com dificuldades demonstre o que domina antes de encontrar um obstáculo intransponível.
Os prompts para produção escrita seguem a mesma lógica. O ChatGPT gera enunciados de argumentação com documentos de apoio, temas de comentário literário com ângulos de leitura sugeridos, estudos de caso contextualizados para ciências económicas e sociais, ou problemas abertos para ciências e matemática. Os ângulos de leitura sugeridos merecem uma revisão cuidadosa: são geralmente precisos, mas muito escolares, e é preferível mantê-los na sua grelha de correção em vez de os distribuir com o enunciado, sob risco de receber trinta cópias idênticas.
A grelha de avaliação baseada em critérios
Uma grelha útil descreve cada nível de domínio com um descritor observável, de modo que dois corretores diferentes classifiquem o mesmo trabalho da mesma forma. Peça ao ChatGPT para produzir esta grelha com base nos seus critérios e verifique depois se os descritores descrevem o que realmente vê no trabalho, e não a impressão que este deixa.
| Critério | Insuficiente | Frágil | Satisfatório | Especialista |
|---|---|---|---|---|
| Argumentação | Nenhum argumento identificável | Argumentos presentes mas não justificados | Argumentos justificados com exemplos | Argumentação nuanceada e estruturada |
| Língua | Erros frequentes que dificultam a legibilidade | Erros ocasionais | Expressão correta | Estilo preciso e elegante |
Observe a progressão na linha “Argumentação”: vai da ausência à presença, depois da presença à justificação e, finalmente, da justificação à nuance. Cada passo adiciona um requisito verificável. É esta gradação que deve verificar em qualquer grelha gerada, pois o modelo produz por vezes quatro formulações que dizem a mesma coisa, alterando apenas o advérbio — “corretamente”, “bem”, “muito bem”, “perfeitamente” — e tal grelha não distingue nada.
Acelerar a correção
A poupança de tempo mais clara resulta de uma grelha de correção modelo produzida antes de abrir o primeiro trabalho do aluno. Peça-lhe que gere a resposta esperada para cada pergunta, os erros frequentes a antecipar, os pontos de pontuação detalhados e exemplos de comentários para cada nível de resposta. Corrige então reconhecendo casos que já identificou, em vez de reinventar os seus standards para cada trabalho, o que melhora tanto a velocidade como a equidade entre os alunos no topo e na base da pilha.
Para o feedback individual, o ChatGPT escreve um comentário construtivo assim que lhe fornecer o erro observado. “O aluno cometeu este erro no exercício de física: confundiu massa e peso. Escreva um feedback encorajador de 3 a 4 linhas que explique a diferença e sugira um mnemónico para evitar voltar a confundi-las.” A divisão de tarefas está correta: identifica o erro, pois só o professor leu o trabalho, e a ferramenta trata da redação — a parte que consome tempo sem exigir a sua perícia na matéria. O prompt não contém nomes nem cópias: nunca cole um trabalho de aluno identificado numa ferramenta pública.
Vale a pena guardar estes comentários em vez de os reescrever todos os anos. Construa gradualmente um banco que cubra cada tipo de erro recorrente na sua disciplina, com formulações positivas, sugestões concretas de melhoria e encorajamento adaptado a diferentes perfis. No terceiro ano, corrigir uma pilha de testes consiste largamente em montar blocos já validados que personaliza com uma única frase.
A sua vez
A sua primeira MCQ revista.
- Peça ao ChatGPT para criar um teste de escolha múltipla com dez perguntas sobre um tema à sua escolha, nomeando os erros esperados
- Verifique cada item: a resposta correta é precisa, os distratores são plausíveis, o nível é adequado?
- Corrija o que for necessário e conte as suas correções
- Peça-lhe que produza a grelha de avaliação baseada em critérios e verifique a gradação dos descritores
- Anote o seu número de correções: indica o grau de confiança a depositar num prompt não revisto
Fontes oficiais: Getting started with ChatGPT as an educator (Centro de Ajuda da OpenAI) · Teacher: How to use an AI system in the course of your duties? (CNIL)
Pontos-chave
- Os distratores das MCQ devem refletir erros realistas que nomeia no prompt
- Crie grelhas de avaliação baseadas em critérios com descritores precisos para cada nível de domínio
- Uma grelha de correção modelo detalhada antes da correção acelera significativamente o processo
- Identificar erros e atribuir notas permanecem da sua responsabilidade; a ferramenta pode tratar da redação
- Construa um banco de comentários reutilizáveis em vez de escrever cada feedback do zero