O SLS é hoje uma peça central dessa estratégia. Segundo o Ministério da Educação de Singapura (MOE), estudantes do ensino primário ao pré-universitário têm acesso a recursos alinhados ao currículo e a funções habilitadas por IA voltadas ao ensino e à aprendizagem. Relatórios do governo descrevem essas ferramentas como instrumentos para personalizar atividades e dar aos professores mais visibilidade sobre as necessidades dos alunos, com salvaguardas de segurança e uso adequado à idade.

Isso cria um desafio maior do que simplesmente distribuir dispositivos: os estudantes precisam aprender a questionar as respostas de um sistema de IA, identificar erros e decidir quando o uso da ferramenta desvirtua o objetivo de uma tarefa.

O risco real é terceirizar o esforço cognitivo

A chamada terceirização cognitiva não é automaticamente prejudicial. As pessoas usam ferramentas externas o tempo todo para reduzir uma carga mental desnecessária. Calculadoras, livros de referência e corretores ortográficos, por exemplo, podem liberar atenção para tarefas mais complexas.

O problema surge quando o aluno delega a operação central da aprendizagem antes de tentar realizá-la sozinho. Isso pode acontecer quando pede à IA que formule o argumento, interprete as evidências, resolva um problema desconhecido ou escreva a explicação antes de desenvolver uma resposta preliminar.

A diferença é importante porque uma entrega bem-acabada pode esconder uma aprendizagem frágil. A IA pode aumentar a velocidade, a fluidez e a precisão aparente do texto, mas deixar o estudante sem o modelo mental necessário para:

• detectar uma afirmação plausível, porém falsa;
• adaptar uma ideia a um problema novo;
• explicar por que um argumento é convincente;
• perceber que faltam evidências; ou
• defender o trabalho sem a ferramenta.

É nesse contexto que educadores falam em esforço produtivo: lembrar, tentar, errar, receber feedback e revisar. Retirar todas as etapas difíceis pode tornar uma atividade mais fácil — e, ao mesmo tempo, eliminar justamente a prática que desenvolve o raciocínio.

O que as pesquisas mostram — e o que ainda não mostram

As evidências justificam preocupação, mas não sustentam a afirmação simples de que a IA sempre enfraquece o pensamento crítico.

Uma revisão de escopo sobre IA generativa no ensino superior identifica benefícios para escrita, feedback, resolução de problemas e pesquisa, mas também preocupações com terceirização cognitiva, dependência e autonomia do estudante. Uma revisão sistemática mais ampla, que analisou 89 estudos, encontrou efeitos condicionais, e não uniformes: resultados positivos apareceram em 40,4% dos trabalhos, enquanto 23,6% registraram efeitos mistos ou dependentes do contexto. Nessa análise, dependência excessiva, menor autonomia analítica e terceirização cognitiva estavam entre os principais riscos relatados.

Outras revisões chegam a uma conclusão igualmente cautelosa. Uma síntese de pesquisas sobre aprendizagem em sala de aula alerta que competências de ordem superior — como análise, raciocínio e criatividade — podem ser prejudicadas quando uma IA de uso geral contorna o esforço necessário para adquirir habilidades. O estudo recomenda consolidar conhecimentos básicos antes de introduzir essas ferramentas, ensinar alfabetização em IA e estruturar progressivamente seu uso.

Ao mesmo tempo, a base de pesquisa ainda está em formação. As revisões apontam definições inconsistentes de pensamento crítico e diferenças entre disciplinas, faixas etárias, tarefas e tipos de assistência oferecida pela IA. Por isso, a conclusão mais defensável é condicional:

A IA tende a apoiar a aprendizagem quando funciona como suporte, parceira de feedback ou desafio ao raciocínio do estudante — e tende a prejudicá-la quando substitui a interpretação e a análise fundamentais.

A lacuna mais importante pode estar entre desempenho na tarefa e aprendizagem duradoura. Um aluno pode concluir um trabalho com mais eficiência sem adquirir o conhecimento ou o discernimento que a atividade pretendia desenvolver.

Da detecção de plágio ao desenho da aprendizagem

Depois do lançamento público do ChatGPT, em 2022, muitas instituições concentraram sua reação inicial em cola, plágio e detecção de textos gerados por IA. As políticas das universidades de Singapura agora indicam um modelo mais diferenciado. O uso da ferramenta pode ser permitido em algumas atividades, mas as regras variam conforme a disciplina e o aluno continua responsável pela precisão, pela integridade e pela atribuição do trabalho entregue.

As orientações da Universidade Nacional de Singapura (NUS) dizem que os estudantes devem reconhecer o uso de IA, confirmar as expectativas com os professores e responder pela qualidade e pela integridade do próprio trabalho. A política da instituição considera inadequados tanto o uso direto de uma saída da IA quanto a paráfrase não declarada desse conteúdo.

Também estão ficando mais claros os limites dos detectores. A Universidade Tecnológica de Nanyang (NTU) informou que encerrará seu detector institucional de IA a partir de 2027, citando falta de confiabilidade e de validade empírica para comprovar má conduta acadêmica. A universidade pretende dar mais peso à documentação do processo de trabalho e a declarações padronizadas sobre o uso de IA.

Essa mudança aponta para outra filosofia de avaliação. Em vez de tentar deduzir a autoria apenas pelo texto final, professores podem observar como o aluno chegou à conclusão por meio de:

• tentativas iniciais sem auxílio;
• rascunhos sucessivos e históricos de revisão;
• fontes anotadas;
• registros reflexivos do processo;
• explicações ou defesas orais;
• evidências locais, específicas da disciplina ou ligadas à experiência do aluno; e
• tarefas que exijam aplicar conceitos a situações novas.

O objetivo não é tornar a avaliação “à prova de IA”. É tornar visível a aprendizagem que está sendo avaliada.

Como usar IA sem abrir mão do próprio raciocínio

Uma regra prática para os estudantes é direta: use a IA depois, ao lado ou contra o seu pensamento — nunca no lugar dele.

Para estudantes

1. Comece sem a ferramenta. Faça um esboço, tente resolver o problema, identifique fontes relevantes ou formule uma posição provisória antes de abrir um aplicativo de IA.
2. Use a IA como parceira de raciocínio. Peça contra-argumentos, identificação de pressupostos, sugestões de termos de pesquisa, perguntas para praticar ou críticas a um rascunho.
3. Trate a resposta como uma afirmação, não como evidência. Confira fatos, citações, referências, cálculos e interpretações em fontes primárias ou confiáveis.
4. Registre o uso da IA. Anote a ferramenta, os prompts principais, os trechos relevantes, o que foi aceito ou rejeitado e como o conteúdo foi verificado. As orientações da NUS já exigem reconhecimento do uso e responsabilidade pessoal, enquanto alguns departamentos pedem declarações mais detalhadas.
5. Mantenha domínio independente. O estudante deve conseguir explicar e defender cada argumento importante sem depender da ferramenta.

Para professores e instituições

Escolas e universidades podem deixar as expectativas mais claras ao definir um nível de permissão para cada atividade:

• Proibido: quando a tarefa mede memória, cálculo, escrita ou outra habilidade básica sem auxílio.
• Permitido com declaração: quando a IA pode apoiar pesquisa, feedback ou edição, desde que o aluno registre o uso e verifique o resultado.
• Esperado: quando os estudantes são avaliados pela capacidade de questionar, aperfeiçoar ou contestar uma resposta da IA.

Um fluxo de trabalho consistente pode seguir estas etapas: primeira tentativa sem auxílio, feedback orientado da IA, revisão independente e reflexão sobre os pontos em que a ferramenta acertou, errou ou ficou incompleta.

Também é importante separar a habilidade de escrever bons prompts da compreensão do conteúdo. Um prompt sofisticado não prova que o aluno domina uma disciplina. Já uma decisão bem justificada de rejeitar uma resposta plausível da IA pode ser uma evidência mais forte de aprendizagem.

Para crianças e adolescentes, a posição declarada pelo MOE é que o uso de IA deve beneficiar a aprendizagem, ser intencional, adequado à idade e ao desenvolvimento, seguro e responsável. Reportagens recentes também descrevem a introdução gradual, a partir do Primary 4, de ferramentas desenvolvidas pelo ministério sob supervisão docente, além de treinamento ampliado para professores. Isso significa que os alunos mais novos precisam de uso guiado em sala de aula e apoio adulto, não de acesso privado e sem limites.

Ter acesso não é o mesmo que saber usar IA

A infraestrutura digital centralizada de Singapura pode ajudar a reduzir desigualdades no acesso a dispositivos e ferramentas educacionais aprovadas. O MOE afirma que as escolas recebem apoio para infraestrutura digital, equipamentos e softwares, e que os estudantes podem usar o SLS em todo o sistema.

Mas acesso igual não garante uso crítico igual. Famílias com mais tempo, confiança ou experiência educacional podem oferecer mais ajuda para questionar uma resposta, verificar uma fonte ou reconhecer quando uma explicação é superficial. Sem ensino explícito, essas diferenças podem se transformar em uma nova forma de desigualdade educacional.

As escolas podem reduzir essa distância tornando o comportamento de usuários experientes visível e ensinável:

• demonstrar em sala como verificar informações e avaliar fontes;
• oferecer prompts estruturados e exemplos de usos fortes e fracos da IA;
• ensinar metacognição, inclusive como o aluno sabe que realmente entendeu algo;
• disponibilizar acesso supervisionado a ferramentas administradas pela instituição; e
• formar professores para que a orientação não dependa apenas da confiança individual de cada profissional.

A direção atual do MOE para a alfabetização em IA inclui entender benefícios, limitações e riscos, questionar respostas e identificar vieses, informações falsas ou enganosas.

A direção de Singapura até 2029

Os sinais disponíveis nas políticas públicas apontam para uma integração mais profunda, não para um recuo. Nos próximos três a cinco anos, Singapura tende a ampliar a alfabetização em IA em diferentes etapas da formação, expandir ferramentas aprovadas e usar o SLS para apoiar exercícios personalizados e feedback formativo.

As universidades também devem continuar priorizando declaração de uso, responsabilização e regras específicas por disciplina, em vez de depender de detectores. As avaliações provavelmente darão mais valor ao processo, à aplicação, ao diálogo e ao julgamento — sobretudo quando o objetivo for medir raciocínio independente.

O teste decisivo será saber se a IA amplia a capacidade de pensar dos estudantes ou substitui silenciosamente a prática necessária para desenvolver esse pensamento. O modelo mais forte para Singapura, portanto, não é “IA em todo lugar” nem “IA em lugar nenhum”. É uso estruturado, com tempo protegido para o esforço sem auxílio.

Ao concluir a formação, os estudantes devem ser capazes de trabalhar bem com IA, reconhecer quando ela está errada, decidir quando não usá-la e produzir um raciocínio sólido quando a ferramenta não estiver disponível. Essa é a diferença entre aprender com IA e terceirizar a própria aprendizagem.

O SLS é hoje uma peça central dessa estratégia. Segundo o Ministério da Educação de Singapura (MOE), estudantes do ensino primário ao pré-universitário têm acesso a recursos alinhados ao currículo e a funções habilitadas por IA voltadas ao ensino e à aprendizagem. Relatórios do governo descrevem essas ferramentas como instrumentos para personalizar atividades e dar aos professores mais visibilidade sobre as necessidades dos alunos, com salvaguardas de segurança e uso adequado à idade.

Isso cria um desafio maior do que simplesmente distribuir dispositivos: os estudantes precisam aprender a questionar as respostas de um sistema de IA, identificar erros e decidir quando o uso da ferramenta desvirtua o objetivo de uma tarefa.

O risco real é terceirizar o esforço cognitivo

A chamada terceirização cognitiva não é automaticamente prejudicial. As pessoas usam ferramentas externas o tempo todo para reduzir uma carga mental desnecessária. Calculadoras, livros de referência e corretores ortográficos, por exemplo, podem liberar atenção para tarefas mais complexas.

O problema surge quando o aluno delega a operação central da aprendizagem antes de tentar realizá-la sozinho. Isso pode acontecer quando pede à IA que formule o argumento, interprete as evidências, resolva um problema desconhecido ou escreva a explicação antes de desenvolver uma resposta preliminar.

A diferença é importante porque uma entrega bem-acabada pode esconder uma aprendizagem frágil. A IA pode aumentar a velocidade, a fluidez e a precisão aparente do texto, mas deixar o estudante sem o modelo mental necessário para:

• detectar uma afirmação plausível, porém falsa;
• adaptar uma ideia a um problema novo;
• explicar por que um argumento é convincente;
• perceber que faltam evidências; ou
• defender o trabalho sem a ferramenta.

É nesse contexto que educadores falam em esforço produtivo: lembrar, tentar, errar, receber feedback e revisar. Retirar todas as etapas difíceis pode tornar uma atividade mais fácil — e, ao mesmo tempo, eliminar justamente a prática que desenvolve o raciocínio.

O que as pesquisas mostram — e o que ainda não mostram

As evidências justificam preocupação, mas não sustentam a afirmação simples de que a IA sempre enfraquece o pensamento crítico.

Uma revisão de escopo sobre IA generativa no ensino superior identifica benefícios para escrita, feedback, resolução de problemas e pesquisa, mas também preocupações com terceirização cognitiva, dependência e autonomia do estudante. Uma revisão sistemática mais ampla, que analisou 89 estudos, encontrou efeitos condicionais, e não uniformes: resultados positivos apareceram em 40,4% dos trabalhos, enquanto 23,6% registraram efeitos mistos ou dependentes do contexto. Nessa análise, dependência excessiva, menor autonomia analítica e terceirização cognitiva estavam entre os principais riscos relatados.

Outras revisões chegam a uma conclusão igualmente cautelosa. Uma síntese de pesquisas sobre aprendizagem em sala de aula alerta que competências de ordem superior — como análise, raciocínio e criatividade — podem ser prejudicadas quando uma IA de uso geral contorna o esforço necessário para adquirir habilidades. O estudo recomenda consolidar conhecimentos básicos antes de introduzir essas ferramentas, ensinar alfabetização em IA e estruturar progressivamente seu uso.

Ao mesmo tempo, a base de pesquisa ainda está em formação. As revisões apontam definições inconsistentes de pensamento crítico e diferenças entre disciplinas, faixas etárias, tarefas e tipos de assistência oferecida pela IA. Por isso, a conclusão mais defensável é condicional:

A IA tende a apoiar a aprendizagem quando funciona como suporte, parceira de feedback ou desafio ao raciocínio do estudante — e tende a prejudicá-la quando substitui a interpretação e a análise fundamentais.

A lacuna mais importante pode estar entre desempenho na tarefa e aprendizagem duradoura. Um aluno pode concluir um trabalho com mais eficiência sem adquirir o conhecimento ou o discernimento que a atividade pretendia desenvolver.

Da detecção de plágio ao desenho da aprendizagem

Depois do lançamento público do ChatGPT, em 2022, muitas instituições concentraram sua reação inicial em cola, plágio e detecção de textos gerados por IA. As políticas das universidades de Singapura agora indicam um modelo mais diferenciado. O uso da ferramenta pode ser permitido em algumas atividades, mas as regras variam conforme a disciplina e o aluno continua responsável pela precisão, pela integridade e pela atribuição do trabalho entregue.

As orientações da Universidade Nacional de Singapura (NUS) dizem que os estudantes devem reconhecer o uso de IA, confirmar as expectativas com os professores e responder pela qualidade e pela integridade do próprio trabalho. A política da instituição considera inadequados tanto o uso direto de uma saída da IA quanto a paráfrase não declarada desse conteúdo.

Também estão ficando mais claros os limites dos detectores. A Universidade Tecnológica de Nanyang (NTU) informou que encerrará seu detector institucional de IA a partir de 2027, citando falta de confiabilidade e de validade empírica para comprovar má conduta acadêmica. A universidade pretende dar mais peso à documentação do processo de trabalho e a declarações padronizadas sobre o uso de IA.

Essa mudança aponta para outra filosofia de avaliação. Em vez de tentar deduzir a autoria apenas pelo texto final, professores podem observar como o aluno chegou à conclusão por meio de:

• tentativas iniciais sem auxílio;
• rascunhos sucessivos e históricos de revisão;
• fontes anotadas;
• registros reflexivos do processo;
• explicações ou defesas orais;
• evidências locais, específicas da disciplina ou ligadas à experiência do aluno; e
• tarefas que exijam aplicar conceitos a situações novas.

O objetivo não é tornar a avaliação “à prova de IA”. É tornar visível a aprendizagem que está sendo avaliada.

Como usar IA sem abrir mão do próprio raciocínio

Uma regra prática para os estudantes é direta: use a IA depois, ao lado ou contra o seu pensamento — nunca no lugar dele.

Para estudantes

1. Comece sem a ferramenta. Faça um esboço, tente resolver o problema, identifique fontes relevantes ou formule uma posição provisória antes de abrir um aplicativo de IA.
2. Use a IA como parceira de raciocínio. Peça contra-argumentos, identificação de pressupostos, sugestões de termos de pesquisa, perguntas para praticar ou críticas a um rascunho.
3. Trate a resposta como uma afirmação, não como evidência. Confira fatos, citações, referências, cálculos e interpretações em fontes primárias ou confiáveis.
4. Registre o uso da IA. Anote a ferramenta, os prompts principais, os trechos relevantes, o que foi aceito ou rejeitado e como o conteúdo foi verificado. As orientações da NUS já exigem reconhecimento do uso e responsabilidade pessoal, enquanto alguns departamentos pedem declarações mais detalhadas.
5. Mantenha domínio independente. O estudante deve conseguir explicar e defender cada argumento importante sem depender da ferramenta.

Para professores e instituições

Escolas e universidades podem deixar as expectativas mais claras ao definir um nível de permissão para cada atividade:

• Proibido: quando a tarefa mede memória, cálculo, escrita ou outra habilidade básica sem auxílio.
• Permitido com declaração: quando a IA pode apoiar pesquisa, feedback ou edição, desde que o aluno registre o uso e verifique o resultado.
• Esperado: quando os estudantes são avaliados pela capacidade de questionar, aperfeiçoar ou contestar uma resposta da IA.

Um fluxo de trabalho consistente pode seguir estas etapas: primeira tentativa sem auxílio, feedback orientado da IA, revisão independente e reflexão sobre os pontos em que a ferramenta acertou, errou ou ficou incompleta.

Também é importante separar a habilidade de escrever bons prompts da compreensão do conteúdo. Um prompt sofisticado não prova que o aluno domina uma disciplina. Já uma decisão bem justificada de rejeitar uma resposta plausível da IA pode ser uma evidência mais forte de aprendizagem.

Para crianças e adolescentes, a posição declarada pelo MOE é que o uso de IA deve beneficiar a aprendizagem, ser intencional, adequado à idade e ao desenvolvimento, seguro e responsável. Reportagens recentes também descrevem a introdução gradual, a partir do Primary 4, de ferramentas desenvolvidas pelo ministério sob supervisão docente, além de treinamento ampliado para professores. Isso significa que os alunos mais novos precisam de uso guiado em sala de aula e apoio adulto, não de acesso privado e sem limites.

Ter acesso não é o mesmo que saber usar IA

A infraestrutura digital centralizada de Singapura pode ajudar a reduzir desigualdades no acesso a dispositivos e ferramentas educacionais aprovadas. O MOE afirma que as escolas recebem apoio para infraestrutura digital, equipamentos e softwares, e que os estudantes podem usar o SLS em todo o sistema.

Mas acesso igual não garante uso crítico igual. Famílias com mais tempo, confiança ou experiência educacional podem oferecer mais ajuda para questionar uma resposta, verificar uma fonte ou reconhecer quando uma explicação é superficial. Sem ensino explícito, essas diferenças podem se transformar em uma nova forma de desigualdade educacional.

As escolas podem reduzir essa distância tornando o comportamento de usuários experientes visível e ensinável:

• demonstrar em sala como verificar informações e avaliar fontes;
• oferecer prompts estruturados e exemplos de usos fortes e fracos da IA;
• ensinar metacognição, inclusive como o aluno sabe que realmente entendeu algo;
• disponibilizar acesso supervisionado a ferramentas administradas pela instituição; e
• formar professores para que a orientação não dependa apenas da confiança individual de cada profissional.

A direção atual do MOE para a alfabetização em IA inclui entender benefícios, limitações e riscos, questionar respostas e identificar vieses, informações falsas ou enganosas.

A direção de Singapura até 2029

Os sinais disponíveis nas políticas públicas apontam para uma integração mais profunda, não para um recuo. Nos próximos três a cinco anos, Singapura tende a ampliar a alfabetização em IA em diferentes etapas da formação, expandir ferramentas aprovadas e usar o SLS para apoiar exercícios personalizados e feedback formativo.

As universidades também devem continuar priorizando declaração de uso, responsabilização e regras específicas por disciplina, em vez de depender de detectores. As avaliações provavelmente darão mais valor ao processo, à aplicação, ao diálogo e ao julgamento — sobretudo quando o objetivo for medir raciocínio independente.

O teste decisivo será saber se a IA amplia a capacidade de pensar dos estudantes ou substitui silenciosamente a prática necessária para desenvolver esse pensamento. O modelo mais forte para Singapura, portanto, não é “IA em todo lugar” nem “IA em lugar nenhum”. É uso estruturado, com tempo protegido para o esforço sem auxílio.

Ao concluir a formação, os estudantes devem ser capazes de trabalhar bem com IA, reconhecer quando ela está errada, decidir quando não usá-la e produzir um raciocínio sólido quando a ferramenta não estiver disponível. Essa é a diferença entre aprender com IA e terceirizar a própria aprendizagem.