Avaliação somativa

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

A avaliação somativa — avaliação usada para avaliar e certificar o que quem aprende aprendeu ao final de uma unidade, curso ou programa, em contraste com a avaliação formativa, que apoia a aprendizagem durante a instrução. A avaliação somativa tipicamente toma a forma de provas de alto impacto — escritas, orais, supervisionadas ou sem consulta — que atribuem notas, controlam a progressão e certificam competência. Na era da IA, a avaliação somativa se tornou um campo de batalha central sobre integridade acadêmica e validade: a IA generativa pode inflar o desempenho em tarefas não supervisionadas ou para fazer em casa, tornando a escolha do formato somativo — e como ele resiste à substituição por IA — uma decisão de design pivotal.

Perguntas para considerar

• A avaliação somativa certifica o que um estudante aprendeu ao final de um curso, enquanto a avaliação formativa apoia a aprendizagem durante ele. Onde você já viu a linha entre as duas se borrar, e por que poderia importar que elas cumpram funções diferentes?
• A página enquadra a IA generativa como remodelando a avaliação somativa em duas direções ao mesmo tempo: a IA corrige provas, e estudantes usam IA para escapar da medição baseada em provas. Qual dessas duas pressões você acha que é a maior ameaça à validade, e por quê?
• Se tarefas não supervisionadas ou para fazer em casa perdem validade porque a IA consegue produzir as respostas, o que isso implica para como as avaliações deveriam ser projetadas — e o que poderia ser sacrificado no processo?
• A pesquisa citada na página conclui que LLMs não corrigem redações do mesmo modo que humanos. Se a pontuação automatizada é rápida e consistente, mas dá notas de forma diferente, isso é um problema de justiça, uma oportunidade, ou ambos?
• O que significa um resultado de alto impacto (uma nota, uma credencial, admissão) se o trabalho por trás dele poderia ter sido produzido por IA? Como você projetaria uma avaliação em que realmente conseguisse confiar?

Introdução

A avaliação somativa cumpre uma função fundamentalmente diferente da formativa: ela mede e certifica desempenho em vez de orientar os próximos passos. Ela inclui testes de fim de unidade, provas finais, testes padronizados e de alto impacto (por exemplo, provas de vestibular), defesas orais e avaliações de desempenho cumulativas. Como os resultados somativos carregam consequências reais (notas, progressão, credenciais, admissão universitária), eles enfrentam pressões particulares na era da IA — tanto como alvos da pontuação automatizada quanto como medidas vulneráveis que estudantes podem tentar burlar usando IA generativa.

As apostas na era da IA: validade e integridade

A pesquisa da base de conhecimento documenta como a IA generativa remodelou fundamentalmente o cenário da avaliação somativa em duas direções: a IA é usada para corrigir provas em escala, e a IA pode ser usada por estudantes para escapar da medição baseada em provas de sua própria aprendizagem.

• A IA como corretora. A avaliação somativa depende crescentemente da pontuação automatizada de provas, redações e respostas curtas. A pesquisa sobre correção de redações por LLM conclui que LLMs não corrigem redações do mesmo modo que humanos, levantando questões de validade e justiça para a pontuação automatizada de alto impacto. A avaliação por LLMs das autoexplicações dos estudantes e a correção automática de respostas curtas exploram a confiabilidade da pontuação por LLM em contextos somativos, enquanto frameworks psicometricamente conscientes buscam manter a pontuação automatizada confiável e adaptativa. Uma prova manuscrita de química geral com 296 estudantes ilustra por que a supervisão seletiva é exigida: a concordância de nota total de um LLM multimodal com a correção por monitores foi alta (R² = 0,91), mas a confiabilidade no nível do item variou acentuadamente por formato, e falsos positivos (a IA creditando respostas genuinamente erradas) tendem a passar não detectados porque estudantes raramente os contestam — de modo que um corretor uniforme por IA do tipo "corrija tudo" não é defensável para uso de alto impacto sem adiamento baseado em confiança para humanos (Assisting the grading of a handwritten general chemistry exam with artificial intelligence).
• A concordância de desfechos pode sobreviver à pontuação imprecisa de itens. Contra as notas oficiais moderadas, um LLM multimodal corrigindo 10.364 páginas manuscritas da Olimpíada de Física e da universidade correlacionou-se em r = 0,93–0,96 e recuperou a mesma equipe internacional de cinco estudantes, embora a concordância exata nas partes das questões tenha chegado a 70% — um corretor é julgado pelas decisões que ele informa (Pathak et al. (2026)).
• A IA como escapatória. Como a IA generativa consegue produzir respostas a questões escritas, tarefas somativas não supervisionadas e para fazer em casa perdem validade: medidas supervisionadas e sem auxílio são essenciais porque o desempenho não supervisionado é inflado pela IA, e ferramentas com guarda-corpos (dica em vez de resposta) podem eliminar a penalidade em provas que a IA sem proteções causa. O quase experimento de Chirikov (2026) sobre mais de 500.000 notas torna o mecanismo concreto: após o lançamento do ChatGPT, cursos com mais tarefas expostas à IA viram a fatia de notas A subir em 13 pontos percentuais, e o efeito se concentrou em cursos pesados em lições de casa (mais 16 pp na estimativa de diferenças-triplas) — evidência direta de que é nas lições de casa não supervisionadas, e não em ganhos de aprendizagem genuínos, que a IA infla os resultados somativos.
• Provas geradas por IA. O estudo de campo em larga escala e a pesquisa em avaliação em EFL examinam se a IA consegue gerar provas e tarefas de avaliação de alta qualidade — um uso emergente de design somativo da IA.

Formatos somativos resistentes à IA

Um tema-chave na base de conhecimento é que o formato somativo determina a resistência à IA — quanto mais uma tarefa exige desempenho ao vivo, presencial e sondado individualmente, mais difícil é para estudantes substituírem a IA por sua própria aprendizagem.

• Provas orais e avaliações. Fenton (2025) argumenta que a prova oral é um formato somativo de baixa tecnologia e inerentemente resistente à IA: seu diálogo interativo em tempo real testa compreensão, pensamento crítico e raciocínio em vez de memorização, impede estudantes de usar IA para gerar e memorizar respostas, e espelha a prática profissional. Os testes socráticos e as entrevistas de revisão de código estendem isso à avaliação somativa dinâmica, conversacional e baseada em entrevista.

• Medidas sem consulta, supervisionadas e sem auxílio. A evidência e os dados de campo em larga escala mostram que provas supervisionadas e sem consulta — não lições de casa infladas ou trabalhos para fazer em casa — são o sinal confiável da aprendizagem real quando estudantes usam IA. Frameworks de avaliação responsável incorporam essas medidas sem auxílio dentro de um redesenho movido pela validade. Onde as provas permanecem on-line, a supervisão remota assume esse papel, e as duas revisões do corpus sobre supervisão automatizada de provas encontram preocupações de privacidade e de justiça ao lado de ganhos de detecção (Ensuring Academic Integrity through Automated Online Exam Proctoring: A Decade-Long Systematic Review, A Comprehensive Review of the Changing Landscape of Academic Dishonesty in Automated Proctoring in the Era of Artificial Intelligence).

• Pareie uma tarefa vulnerável com um gêmeo confirmador. Roe, Perkins e Giray (2026) mantêm uma tarefa vulnerável à IA generativa por seu valor de aprendizagem, mas a pareiam com uma segunda tarefa que avalia os mesmos desfechos, tornando a nota interdependente por meio de um limiar confirmatório ou de uma ponderação, de modo que o gêmeo certifica o resultado.

Avaliação somativa e padronizada de alto impacto

A avaliação somativa de alto impacto — provas de vestibular, testes padronizados e certificação — carrega consequências desproporcionais e é um foco de preocupação na era da IA. O estudo da penalidade de aprendizagem da IA generativa mediu desfechos em provas de vestibular de ensino médio (Zhongkao) e de faculdade (Gaokao), concluindo que as notas nessas provas caíram 18–24% após uso prolongado de IA. A Armadilha Sem Esforço e a pesquisa desempenho-versus-aprendizagem alertam que ganhos em tarefas assistidas por IA não se transferem para medidas de alto impacto sem auxílio.

Somativa versus formativa na era da IA

A literatura de avaliação da base de conhecimento enfatiza consistentemente que a avaliação é mais eficaz quando combina funções formativas e somativas — mas a era da IA aguça a distinção. Como a IA infla o desempenho em tarefas de baixa aposta, não supervisionadas e com processo oculto, as medidas somativas (especialmente supervisionadas, sem consulta e presenciais) se tornam a verificação crucial de se a aprendizagem de fato ocorreu. Isso motiva o redesenho da avaliação que mantém tarefas somativas autênticas e resistentes à IA (provas orais, entrevistas de revisão de código, provas supervisionadas, portfólios baseados em processo) como âncora da integridade, ao mesmo tempo que usa a avaliação formativa para apoiar a aprendizagem ao longo do caminho. Veja avaliação autêntica para a resposta construtiva de design.

Implicações para a IA na educação

• O formato somativo é uma alavanca de validade e integridade: formatos somativos resistentes à IA (oral, supervisionado, sem consulta, presencial) preservam a conexão entre desempenho avaliado e aprendizagem real.
• As medidas supervisionadas e sem auxílio são o sinal confiável: quando estudantes usam IA, provas somativas sem auxílio — não lições de casa — revelam a aprendizagem genuína.
• A pontuação automatizada precisa de escrutínio psicométrico: usar LLMs para corrigir provas de alto impacto exige avaliação de confiabilidade, justiça e validade, e não apenas de acurácia. O erro de correção também depende da nota: ao longo de 32 submissões de prova de saúde pública, os LLMs evitaram as extremidades da escala — nenhum E ou F apareceu no modo rápido —, enquanto o melhor modelo acertou exatamente a nota humana em 50,0% e dentro de ±1 nota em 90,6% (Brevik et al. (2026)).
• A IA também pode gerar provas: a geração assistida por IA de provas e tarefas é uma aplicação emergente de design somativo que ela mesma precisa de avaliação de qualidade.
• Reconsidere o propósito da nota, não apenas o formato. Mesny, Roberge-Maltais e Galy (2026) criticam a nota tradicional, somativa e referenciada a norma por encorajar aprendizagem superficial e fragmentada, dar pouco controle ou transparência aos estudantes, prejudicar a motivação intrínseca, alimentar estresse e ansiedade, e perpetuar iniquidades, ao mesmo tempo que avalia em grande parte memorização em vez de aplicação no mundo real. Eles posicionam a reavaliação, a nota baseada em padrões e o ungrading como inovações focadas na nota que podem amenizar a prática pesada em avaliação somativa, ao mesmo tempo que reconhecem que elas permanecem marginais na educação em gestão por causa de barreiras normativas — nota na curva, sinalização externa (rankings, estágios, acreditação) e mentalidade instrumental dos estudantes — e recomendam experimentação incremental com apoio institucional.

Conceitos conectados

• Supervisão Remota
• Avaliação
• Avaliação formativa
• Avaliação autêntica
• Avaliação automatizada
• Validade da avaliação
• Integridade acadêmica
• Avaliação de IA na educação
• Ensino superior
• K-12 (educação básica e média)

Artigos conectados

• Large language models as grading assistants in public health education: a method-comparison study of essay-style exam assessment — Corretores com LLM comprimem a escala de notas e evitam as extremidades na avaliação de redações de alto impacto

• A Comprehensive Review of the Changing Landscape of Academic Dishonesty in Automated Proctoring in the Era of Artificial Intelligence

• Ensuring Academic Integrity through Automated Online Exam Proctoring: A Decade-Long Systematic Review

• Reconsidering the Use of Oral Exams and Assessments: An Old Way to Move Into a New Future — Reconsiderando as provas orais como avaliação somativa autêntica e resistente à IA

• The Generative AI Learning Penalty: Evidence from Chinese Secondary Education — A penalidade de aprendizagem da IA generativa: evidência de provas supervisionadas e sem consulta

• Artificial Intelligence and Grade Inflation — O deslocamento de tarefas para a IA como mecanismo de inflação de notas; cursos pesados em lições de casa (Chirikov 2026)

• Faster Completion, Less Learning: Generative AI Reduced Study Time on Math Problems and the Knowledge They Build — Conclusão mais rápida, menos aprendizagem: medidas supervisionadas essenciais

• Generative AI without guardrails can harm learning: Evidence from high school mathematics — A IA generativa sem guarda-corpos prejudica a aprendizagem

• Assessing the Quality of AI-Generated Exams: A Large-Scale Field Study — Avaliando a qualidade de provas geradas por IA

• LLMs Do Not Grade Essays Like Humans — LLMs não corrigem redações como humanos

• Exploring the Effectiveness of Using LLMs for Automated Assessment of Student Self Explanations in Programming Education — LLMs para avaliação automatizada das autoexplicações dos estudantes

• Confidence Estimation in Automatic Short Answer Grading with LLMs — Correção automática de respostas curtas

• PsyScore: A Psychometrically-Aware Framework for Trait-Adaptive Essay Scoring and ZPD-Scaffolded Feedback — Pontuação de redações psicometricamente consciente e adaptativa por traços

• The Theoretical Foundation of Socratic Tests: Dynamic, Multimodal, Conversational Examinations — Testes socráticos: avaliação dinâmica, conversacional e multimodal

• Combating Harms of Generative AI in CS1 with Code Review Interviews and a Flipped Classroom — Entrevistas de revisão de código em CS1

• Responsible Assessment in the AI Era: Key Insights from a Future-Focused Conference — Avaliação responsável na era da IA

• Test-Driven, AI-Assisted Learning: Replacing Lectures with Weekly Closed-Book Tests — Aprendizagem assistida por IA dirigida a testes

• Revisiting the Performance of Generative Artificial Intelligence on Introductory Object-Oriented Programming — Desempenho da IA generativa em avaliações de programação orientada a objetos

• The Effortless Trap: Productive Struggle, AI, and the Illusion of Learning — A Armadilha Sem Esforço: luta produtiva e a ilusão de aprendizagem

• AI-Generated versus Human-Developed Assessment Tasks in EFL Context: Insights from TPCK Model — Tarefas de avaliação geradas por IA versus desenvolvidas por humanos em EFL

• Assessment twins: An approach for strengthening assessment validity in the age of generative AI — Gêmeos de avaliação para fortalecer a validade da avaliação na era da IA generativa (Roe, Perkins e Giray 2026)

• Large Scale AI Grading of Handwritten Physics Assessments: Score Agreement and Olympiad Team Selection Outcomes — Correção por IA de avaliações manuscritas de física (Olimpíada)

• Innovative assessment and grading practices in higher education: A critical exploration for management educators

• Assisting the grading of a handwritten general chemistry exam with artificial intelligence