Juízo avaliativo

Esta é uma tradução automática da página em inglês; ainda não foi revisada por uma pessoa falante nativa.

Juízo avaliativo — a capacidade de fazer julgamentos sólidos sobre a qualidade do próprio trabalho e do trabalho dos outros, contra critérios sobre os quais se pode raciocinar em vez de apenas recitar. Na era da IA generativa, ele passou de atributo desejável de egresso a capacidade estruturante: quando uma ferramenta consegue produzir trabalho plausível acabado, o que distingue quem aprende com competência é a capacidade de avaliar aquela saída — julgar o que é bom, o que está errado, o que aceitar, o que rejeitar e por quê. Isso torna o juízo avaliativo um objeto legítimo de avaliação por direito próprio, e a alavanca prática para mover instituições da detecção rumo a um design de avaliação centrado na validade e autêntico.

Perguntas para considerar

• Pense em algo que você sabe julgar bem. Como você aprendeu esse julgamento — foi explicitamente ensinado, ou absorvido fazendo e comparando — e o que isso implica para como ele deveria ser avaliado?
• Uma rubrica pode ser aplicada mecanicamente ou compreendida. Se um estudante segue os critérios corretamente, mas não consegue dizer por que um trabalho supera outro, qual capacidade a avaliação de fato mediu?
• Quando um modelo de linguagem redige uma solução plausível, o trabalho restante de quem aprende é em grande parte julgamento: o que manter, o que corrigir, o que descartar. Isso é uma tarefa diminuída, ou mais exigente do que produzir o rascunho?
• Um estudante pode aceitar uma sugestão de IA porque ela soa bem, ou porque ela sobrevive ao seu próprio escrutínio. Visto de fora, o trabalho entregue pode parecer idêntico — o que permitiria a quem avalia ver a diferença?
• Um experimento multissítio concluiu que o feedback direto da IA produziu os maiores ganhos de revisão, mas arriscou a terceirização passiva do julgamento. O que essa troca sugere sobre como você desenharia feedback para construir, e não contornar, o julgamento?
• A revisão por pares e por IA pode treinar calibração, mas ambas podem se tornar performáticas. Como você desenharia a avaliação para que exercer julgamento seja exigido em vez de encenado?

Introdução

Avaliações que pedem a estudantes que produzam trabalho pressupõem que eles consigam distinguir trabalho bom de trabalho ruim, primeiro no dos outros e por fim no seu. Essa presunção não é mais confiável: quando a IA generativa consegue gerar prosa, código e análise competentes sob demanda, a capacidade de produzir um produto é um sinal fraco de aprendizagem, enquanto a capacidade de julgar um produto é um sinal forte. O juízo avaliativo dá nome a essa capacidade, e a literatura de avaliação da base de conhecimento não para de chegar a ela ao perguntar o que permanece avaliável e vale a pena avaliar. Ele está onde feedback, avaliação formativa e aprendizagem autorregulada se encontram, porque o julgamento se desenvolve comparando trabalho contra padrões e agindo sobre a diferença, e é ele que torna possível — em vez de apenas aspiracional — o engajamento crítico genuíno de quem aprende com a saída da IA.

O que é o construto

Juízo avaliativo é a capacidade de avaliar qualidade — o próprio trabalho, o dos pares e, crescentemente, o de um sistema de IA — usando critérios sobre os quais se pode raciocinar em vez de apenas recitar. Três características o distinguem de ideias adjacentes.

• Trata-se de qualidade, não de correção. Responder corretamente exige conhecimento; julgar se uma resposta é boa exige padrões que um gerador não pode fornecer em nome de quem aprende.
• É desenvolvido, não transmitido. O julgamento cresce por atos repetidos de comparação — contra exemplares, critérios explícitos e abordagens divergentes dos pares —, e é por isso que exemplares, exercícios de calibração e avaliação por pares são suas pedagogias naturais.
• É situado ao domínio. Ele é exercido dentro dos padrões de evidência e argumento de uma disciplina, de modo que não pode ser avaliado genericamente, assim como a transferência não pode ser presumida.

Ele está estreitamente relacionado a, mas é mais estreito que, a autenticidade na avaliação: a avaliação autêntica pergunta se uma tarefa se assemelha a trabalho real que valha a pena; o juízo avaliativo pergunta se quem aprende consegue distinguir trabalho bom de trabalho ruim. A autoavaliação avalia o próprio trabalho, competência ou progresso de quem aprende contra critérios, enquanto o juízo avaliativo estende essa avaliação ao trabalho dos pares e também à saída de um sistema de IA.

Por que a IA generativa o tornou central

Quatro argumentos convergem.

• O produto deixa de ser evidência. Concluir uma tarefa já não demonstra a capacidade que a tarefa foi desenhada para certificar, porque uma ferramenta pode concluir grande parte dela. O que resta é o raciocínio que produz, verifica e presta contas do produto — julgamento, em suma.
• É a capacidade que governa o uso de IA. Decidir se uma sugestão de IA merece ser aceita, adaptada ou rejeitada é juízo avaliativo aplicado à saída de máquina. Cursos que não conseguem torná-lo visível não conseguem distinguir uso responsável de substituição, e é por isso que estudiosos de integridade tratam cada vez mais o uso crítico de IA como um resultado avaliável em vez de uma regra a ser policiada.
• É a alavanca da fiscalização para o design. Onde o uso proibido não pode ser detectado, Teichmann (2026) nomeia o cultivo do juízo avaliativo entre as três vertentes de design que realocam instituições da fiscalização liderada pela detecção para a avaliação centrada na validade — porque onde a instituição não pode detectar, a capacidade que sobrevive à inspeção é se o estudante consegue prestar contas do trabalho e de sua qualidade.
• Ele converte a revelação de confissão em evidência. Quando uma tarefa pede a estudantes que expliquem para que usaram a IA, quais sugestões aceitaram ou rejeitaram, e como o trabalho final reflete seu próprio julgamento, a declaração se torna uma demonstração de julgamento em vez de uma admissão a ser interpretada punitivamente — e é isso que reduz o custo da honestidade que de outro modo empurra a revelação para a clandestinidade.

Uma camada adicional diz respeito à fonte de um julgamento, não apenas ao seu conteúdo. AlGhamdi (2026) dá a essa camada um vocabulário mais afiado: seus 13 estudantes sauditas de computação emitiram dois julgamentos independentes dentro de um único evento avaliativo — se o feedback era útil, e se sua fonte detinha autoridade para dar nota. Todos aceitaram o feedback baseado em rubrica do ChatGPT como claro e específico, ao mesmo tempo que reservavam esmagadoramente a nota para o instrutor ("Eu concordo com ele, mas com uma condição, que o professor revise o feedback"), sugerindo que o juízo avaliativo na avaliação mediada por IA precisa agora incluir raciocinar sobre a própria autoridade avaliativa, e não apenas sobre a qualidade do feedback recebido.

Sharma (2026) dá ao construto sua colocação mais forte na literatura de integridade. Estendendo o enquadramento pós-plágio de Eaton (2023) de uma orientação ética para o design de avaliação, ele argumenta que modelos de integridade baseados em detecção e verificação estão desalinhados com trabalhos em que julgamento humano e geração por máquina estão entrelaçados, e ressignifica a integridade como prática pedagógica exercida por meio do juízo avaliativo — a capacidade de quem aprende de ponderar opções, justificar escolhas acadêmicas e assumir responsabilidade sob incerteza epistêmica. Suas quatro práticas (trilhas de decisão anotadas, verificação e responsabilização, defesa oral e responsabilização dialógica, diferenças entre rascunhos com histórico de versões) tornam esse julgamento visível como evidência, em vez de inferi-lo do artefato, e ele separa o julgamento dos construtos com os quais ele costuma ser confundido: a prática reflexiva considera o próprio pensamento retrospectivamente, a metacognição é a consciência e a regulação de processos cognitivos, enquanto o julgamento avalia opções contra padrões e aceita consequências sob incerteza. Ele também nomeia o modo de falha que esta página acompanha — exigir raciocínio documentado arrisca "substituir um regime de conformidade por outro", já que o julgamento como evidência "permanece relacional e situado, e não mecanicamente verificável".

Evidência: como o julgamento se desenvolve, e o que a IA faz com ele

A literatura colaborativa e de avaliação da base de conhecimento fornece evidência convergente de que o juízo avaliativo é aprendível, deslocável e desenhável — e de que a IA corta nos dois sentidos.

• O treinamento baseado em comparação o constrói de forma mensurável. Em um estudo de 14 semanas com 28 professores em formação, exemplares fortes, médios e fracos gerados por IA ancoraram a comparação iterativa dos rascunhos dos estudantes contra pontos de referência; o foco da avaliação se expandiu de características de superfície da linguagem para conteúdo, organização e coerência — mas o raciocínio permaneceu raso, com a justificativa baseada em exemplos dobrando, enquanto o raciocínio comparativo mais sofisticado permaneceu raro. O julgamento pode ser andaimentado até existir; ele não aparece sob demanda, e a qualidade dos pontos de referência importa.

• O design do feedback decide se a agência sobrevive. Um experimento de campo multissítio e randomizado por cluster com 1.176 estudantes do primeiro ano em 48 turmas comparou quatro condições de feedback para argumentação científica: apenas pares, IA generativa direta, IA generativa reflexiva (autoavaliar e depois criticar), e híbrida (autoavaliar + pares + IA generativa). A condição híbrida produziu o maior ganho de qualidade de argumentação; o feedback direto de IA generativa arriscou a absorção passiva — estudantes terceirizando o juízo avaliativo ao sistema —, enquanto os designs reflexivo e híbrido preservaram a agência epistêmica ao forçar o estudante a avaliar primeiro o próprio trabalho. O achado central dos autores é que o valor educacional da IA generativa depende menos do acesso à IA do que de o ambiente de feedback preservar agência, julgamento e propried durante a revisão.

• A fonte do feedback molda qual dimensão do julgamento se desenvolve. Em um estudo de caso em doutorado em estatística, o ChatGPT-4o deu orientação procedimental, mas não conseguiu sinalizar um arquivo de dados errado nem um teste aplicado de forma incorreta, enquanto o diálogo entre pares capturou os dados errôneos em tempo real e forçou a justificativa da escolha do método (Xie et al. (2025)).

• A revisão estruturada por pares e IA escala a calibração. O modelo PAIRR (Sperber et al., 2025) combina revisão por pares com revisão por IA e reflexão estruturada, e foi testado no maior estudo até hoje sobre o uso de feedback de IA por estudantes (654 estudantes, dez cursos de escrita). Ele trata a comparação entre o próprio julgamento, o dos pares e o da IA como terreno de treinamento, posicionando o juízo avaliativo como resultado explícito de aprendizagem em vez de subproduto implícito.

• O feedback de IA ajuda apenas quando o letramento já existe. Um framework conceitual de lideranças em letramento de feedback (Boud, Dawson e Yan) analisa o feedback ao longo de eliciar, processar e executar, usando dois casos contrastantes de IELTS com ChatGPT: um estudante com baixo letramento de feedback usou um prompt vago, recebeu saída genérica, e confiou ou copiou em excesso, enquanto um estudante letrado usou a IA criticamente e aprendeu. A IA generativa reduz as barreiras cognitivas e emocionais para buscar feedback, mas ela própria pode alucinar, enviesar ou ser genérica — e é por isso que se argumenta que professores devem modelar planejamento avaliativo e treinar julgamento, e não apenas prompting.

• O julgamento sustentável, e não o feedback momentâneo, é a lacuna. Uma revisão de escopo de avaliação autêntica (Zhan, Boud e Du) concluiu que o feedback formativo por IA é abundante, mas o feedback sustentável — transferível a contextos futuros — está presente em apenas 4 de 23 estudos formativos. O feedback que fecha a tarefa atual e deixa quem aprende incapaz de julgar trabalho futuro é a falha de juízo avaliativo em sua forma mais clara.

• Criticar rascunhos gerados construiu o julgamento dos educadores. Paula et al. (2026) concluíram que o letramento avaliativo de oito coordenadores de curso cresceu à medida que eles criticavam rubricas e cronogramas gerados por uma ferramenta GPT-4.1 contra padrões disciplinares, enquanto todos os oito recusaram a automação de ponta a ponta — a ferramenta fortaleceu o julgamento acadêmico em vez de substituí-lo.

• A avaliação pode ser desenhada para recompensar julgamento em vez de saída. O modelo de região de resposta formaliza por quê: o redesenho reduz o retorno da terceirização oculta e aumenta o valor do raciocínio, da explicação e da crítica visíveis. Pedir a estudantes que expliquem quais sugestões de IA aceitaram e rejeitaram transforma a própria decisão em evidência avaliável.

• O julgamento da própria instituição carece dos critérios que ela pede aos estudantes. Munoz et al. (2026) classificaram o valor probatório de 1.855 itens de evidência ao longo de 1.162 alegações de má conduta com IA generativa e concluíram que a qualidade da evidência não tinha relação confiável com os resultados dos casos, porque nenhuma etapa do procedimento fixava um limiar probatório mínimo ou exigia que os investigadores ponderassem o valor probatório antes de dar andamento a uma alegação — os comitês ponderavam evidência por julgamento profissional não estruturado. A saída de detectores foi a categoria mais fraca nesse corpus (saídas de detectores isoladas inteiramente baixas em credibilidade), e Hadra et al. (2026) mostram que o instrumento não pode estabelecer o fato que uma conclusão afirma — acurácia macro de 0,69 e 0,61 ao longo de 192 textos, falha quase total em escrita híbrida humano–IA, e uma preocupação de viés limítrofe para quem escreve em EFL —, e é por isso que a recomendação dos próprios autores é julgamento humano, política mais clara e tarefas melhor especificadas em vez de vigilância. "Melhor especificadas" importa duas vezes: Wright (2026) argumenta que regras escritas por identidade de plataforma em vez de por função são abrangentes em excesso por acidente definicional, sancionando um estudante que não fez a coisa que a regra foi desenhada para prevenir, de modo que o julgamento de quem avalia tem de ser aplicado ao que uma ferramenta fez, e não a qual plataforma foi usada. O julgamento exercido sem critérios compartilhados não pode ser ensinado, calibrado nem auditado — o problema de consistência que esta página relata para estudantes, chegando ao nível da instituição. O julgamento de quem avalia também carrega uma direção mensurável própria: cinco oficiais de admissão separando 50 redações de admissão humanas de 50 geradas por IA alcançaram AUC 0,70 (IC 95% [0,65, 0,75]), e suas classificações de qualidade caíam à medida que a percepção de probabilidade de IA subia, associação que sobreviveu ao ajuste por qualidade avaliada por máquina, proveniência real e características das pessoas candidatas (−0,109, p < 0,05). Como ninguém triou as submissões, esse julgamento sem auxílio era todo o mecanismo de fiscalização, e cada redação sinalizada carregava 1,5 pontos percentuais menos de probabilidade de admissão, 2,6 uma vez mantida constante a qualidade da redação (Isley, Gaebler e Goel 2026).

• Proxies em nível de sala de aula para o julgamento estão sendo propostas. Austin (2026) acrescenta dois sinais comportamentais a uma sequência redesenha de tarefas: a Taxa de Discernimento UnBlooms™, a fração das saídas de IA que quem aprende interroga, desafia ou revisa em vez de aceitar, e a Taxa de Aceitação na Primeira Passada. Nenhuma das duas está validada — ambas são oferecidas como diagnósticos baratos por tarefa —, mas elas tornam o construto observável dentro da correção ordinária, onde uma taxa de discernimento próxima de zero ao longo de várias tarefas lê-se como sinal de design de tarefa em vez de déficit individual.

Como o uso indevido desloca o julgamento

O risco mais claro é o deslocamento, e ele está evidenciado na literatura de feedback, não apenas teorizado. Quando a ferramenta fornece a rubrica, o feedback e o monitoramento, a prática metacognitiva e avaliativa de quem aprende é deslocada em vez de apoiada — a avaliação se torna uma performance de julgamento que o estudante nunca exerceu, o mesmo modo de falha do descarregamento cognitivo expresso no registro da avaliação. O feedback direto de IA generativa no experimento multissítio empurrou exatamente para essa terceirização passiva. A pressão da nota a agrava: onde a autoavaliação ou a reflexão sobre o uso de IA é ela mesma pontuada, estudantes podem produzir a reflexão que a rubrica quer em vez do raciocínio, de modo que o julgamento genuíno exige tornar o exercício consequente — uma decisão que aparece no trabalho posterior, uma explicação oral, ou uma justificativa documentada que é ela mesma examinada.

Implicações para a prática

• Declare-o como um resultado. Se avaliar qualidade de trabalho — inclusive a saída da IA — é o que importa, escreva-o nos resultados de aprendizagem e avalie-o, em vez de deixá-lo como subproduto da tarefa.

• Avalie a decisão, não apenas o artefato. Peça a estudantes que justifiquem o que mantiveram, mudaram ou rejeitaram; isso transforma o pensamento em evidência e torna a substituição visível sem vigilância.

• Nomeie a rotina de julgamento. O Agency Check de O'Byrne — Credível, Relevante, Aceitável, Matizado — pergunta se a saída é precisa, adequada, utilizável, e carrega posicionamento e voz; em um estudo ao longo de um semestre, os artefatos finais dos estudantes mais e menos judicativos pareciam enganosamente iguais (O'Byrne, 2026).

• Use exemplares e calibração deliberadamente. O julgamento comparativo contra exemplares fortes, médios e fracos é o mecanismo que a evidência sustenta, e a IA torna barato gerar esses exemplares — um de seus usos pedagógicos mais claros.

• Prefira feedback híbrido e reflexivo à saída direta. A autoavaliação antes da crítica da IA, ou auto + pares + IA, preserva a agência que o feedback direto de IA corrói; desenhe o ambiente de feedback em vez de apenas acrescentar uma ferramenta.

• Construa rumo ao julgamento sustentável, não a consertos momentâneos. O feedback que não consegue transferir para a próxima tarefa não treina nada duradouro.

• Combine com processo e orais. Artefatos de processo e explicações orais curtas mostram o julgamento em ação onde um produto final não consegue, o que é uma razão central pela qual o redesenho da avaliação na era da IA depende deles.

• Torne o julgamento retido visível com sondagens de dívida de compreensão. Mahmoud (2026) define quatro obrigações transversais — explicar, verificar, modificar e prestar contas — que tornam a competência retida visível em todo nível de integração de IA, e propõe pedidos de mudança postergados, walkthroughs de código, testes desenhados de forma independente, localização de defeitos e debugging ao vivo como sondagens que comparam o que foi produzido com o que se pode demonstrar depois. Sob a capacidade agêntica, o alvo da avaliação passa à supervisão — contratos de tarefa, fronteiras de permissão, sandboxes, harnesses de avaliação, revisão de diff, reversão e responsabilização humana —, deslocando a avaliação da autoria visível rumo ao julgamento visível.

Conceitos conectados

• Padrões pedagógicos — A etapa de avaliação que estudantes executam sobre a saída da IA dentro dessas sequências
• IA na educação — IA na educação (guarda-chuva)
• Validade da avaliação
• Retroalimentação (Feedback)
• Letramento em feedback
• Avaliação formativa
• Autoavaliação
• Avaliação autêntica
• Integridade acadêmica
• Aprendizagem autorregulada
• Metacognição
• Pensamento crítico
• Avaliação
• Detecção de IA
• Autonomia de quem aprende
• Ensino superior

Artigos conectados

• Comparing ChatGPT Feedback and Peer Feedback in Shaping Students’ Evaluative Judgement of Statistical Analysis: A Case Study — ChatGPT versus feedback de pares como terrenos de treinamento para diferentes dimensões do juízo avaliativo

• Unravelling undergraduates' development of evaluative judgments through AI-supported internal feedback — Como o feedback interno apoiado por IA desenvolve juízos avaliativos, e onde o raciocínio permanece raso

• Human-centered GenAI feedback design in higher education: a multisite experiment on direct, reflective, and hybrid approaches to scientific argumentation — O feedback híbrido auto/pares/IA preserva agência e julgamento melhor que o feedback direto de IA

• Peer and AI Review + Reflection (PAIRR): A Human-Centered Approach to Formative Assessment — Revisão por pares e IA com reflexão estruturada como calibração em escala

• Generative artificial intelligence as an enabler of student feedback engagement: a framework — Como o letramento de feedback governa se o feedback de IA ensina ou substitui

• Designing for Authentic Assessment: A Scoping Review — A lacuna de sustentabilidade no feedback de IA

• Detecting the Undetectable? Reassessing Academic Misconduct Procedures in the Era of Generative AI — O juízo avaliativo como uma das vertentes de design que substituem a fiscalização liderada pela detecção

• Assessment Design Under Imperfect Information: Generative AI, Disclosure, and Student Response in Higher Education — Tornar o raciocínio e o julgamento visíveis aquilo que a rubrica recompensa

• Enhancing learner-centered feedback with AI: teachers'' practices and perceptions — Juízo avaliativo do professor com ferramentas de feedback de IA

• Beyond Detection: Redesigning Authentic Assessment in an AI-Mediated World — Além da detecção: autenticidade redesenha em vez de policiada

• Coauthorship integrity: Reconceptualising assessment validity for the age of generative artificial intelligence — Reconcendo a validade da avaliação para a era da IA generativa

• Epistemic Dependence in AI-Mediated Learning — Contestabilidade, recuperabilidade e os critérios que separam confiança de dependência

• Rethinking AI-assisted writing instruction: feedback literacy scripts, calibration training, and student writing development — Letramento de feedback para escrita assistida por IA

• Who Should Grade My Work? Student Perspectives on Transparent AI-Assisted Writing Assessment in Higher Education — Quem deve corrigir meu trabalho? Perspectivas de estudantes sobre avaliação transparente de escrita assistida por IA no ensino superior

• Educational integrity in GenAI-augmented assessment: making judgment visible — O julgamento como núcleo avaliativo da integridade: trilhas de decisão anotadas, defesa oral, histórico de versões (Sharma 2026)

• How strong is the evidence in generative AI-related academic misconduct allegations? A mixed-methods analysis — Comitês ponderando evidência sem padrões codificados: o problema de julgamento da própria instituição (Munoz et al. 2026)

• Evaluating the accuracy and reliability of AI content detectors in academic contexts — Imprecisão do detector e falha em escrita híbrida: o julgamento humano como substituto recomendado para o veredito (Hadra et al. 2026)

• Transcription is not generation: Distinguishing non-generative AI tool use from academic misconduct in higher education assessment — Função, não plataforma: julgar o que uma ferramenta fez em vez do que ela é (Wright 2026)

• When AI Agents Can Complete the Assignment: Practical Strategies for Designing Tasks That Still Require Human Thinking — UnBlooms e a Taxa de Discernimento: pontuando a trilha de raciocínio por trás do trabalho assistido por IA (Austin 2026)

• AI-written admissions essays are widespread but penalized — Redações de admissão escritas por IA são difundidas, mas penalizadas

• Designing Authentic Assessments with Generative AI: A Pilot Study of Assessment Authentifire in Higher Education — Projetando avaliações autênticas com IA generativa: um estudo piloto de Assessment Authentifire no ensino superior

• Co-Constructing AI Boundaries: Agency, Judgment, and Ethical Literacy in AI-Mediated Meaning-Making — o Agency Check (credível, relevante, aceitável, matizado) que estrutura cada interação com IA

• Judgment-Centred Software Engineering Education: A Post-Hype Review and Framework for AI-Augmented Learning — Uma revisão e um framework pós-hype para educação em engenharia de software aumentada por IA