Kit de ensaio · Autoria

Escrever os seus próprios desafios

A prova final do ensaio não é resolver um desafio: é ser capaz de escrever um. Este é o marco de autoria de desafios do aiLearning Challenge, em versão para educadores — com um modelo e uma folha de trabalho.

A regra de ouro

Um desafio está bem escrito quando uma resposta genérica de IA é insuficiente por desenho. A IA não é proibida — proibi-la é inaplicável e contradiz a premissa. Escrevem-se problemas que a IA sozinha não consegue terminar.

E o teste negativo: se você consegue nomear a resposta certa do seu desafio, o desafio não está terminado. Um bom desafio tem vários espaços de solução válidos.

O motor: os cinco movimentos

Um desafio que engaja não o faz pelo seu tema — faz porque força estes movimentos, e cada movimento é mais uma passagem sobre o objeto de aprendizagem:

MovimentoO que força
1. Criar a sua própria versãoO participante não consome o objeto de aprendizagem: produz A SUA versão dele — o seu mapa, a sua linha do tempo, o seu ecossistema, o seu problema. A versão própria é o que força a compreensão.
Saber mais

A distinção que sustenta todo o desafio: consumir o objeto de aprendizagem (lê-lo, resumi-lo, recitá-lo) não é a mesma coisa que produzir a sua própria versão dele. Ao produzir, o participante tem de decidir o que importa, o que entra, o que fica fora e como cada parte se relaciona — decisões que só pode tomar quem realmente olha para o objeto de aprendizagem.

É a ideia de Piaget (construímos a nossa versão do mundo) e a de Papert (aprende-se fabricando algo que pode ser mostrado e discutido), transformadas em regra de desenho: a nossa postura é que, se o desafio não força a produzir uma versão própria, continua a ser consumo com etapas a mais. E o cânone do Challenge diz isso sem rodeios: o enunciado de um desafio É um Objeto de Aprendizagem — com objetivos identificados, não uma instrução de hackathon.

Barra de qualidade: a versão de cada equipe sairá necessariamente diferente? Se todas vão se parecer, o desafio pede reprodução, não uma versão própria.

2. Iterar até funcionarO primeiro resultado da IA não basta (se bastar, o desafio está mal escrito). Pedir de novo, ajustar, dirigir — cada iteração é mais uma passagem sobre o objeto de aprendizagem.
Saber mais

A primeira resposta da IA é matéria de trabalho, não um resultado. Cada volta — pedir, examinar o que saiu, ajustar a instrução, pedir de novo — é mais uma passagem sobre o objeto de aprendizagem, e é ali que o aprendizado se acumula.

É a prática deliberada com roupa nova: a repetição com esforço no limite da própria capacidade, com um retorno que não adula. A evidência de campo mais sólida de que dispomos (o experimento dos guarda-corpos, 2025) mostra o inverso: quando a IA entrega a resposta pronta, o desempenho sobe no exercício e o aprendizado desaba na prova sem IA. A iteração protege exatamente disso.

Barra de qualidade: se o desafio pode ser resolvido com um único pedido bem escrito, aumente a sua abertura ou a sua fricção — continua a ser uma encomenda.

3. Verificar fora do modeloAlgo no desafio força a sair da IA: uma fonte autorizada, uma pessoa, uma observação, uma medição. A IA erra com aparente segurança — descobrir isso é aprender.
Saber mais

Em algum momento do desafio, a equipe tem de sair da IA: uma fonte autorizada, uma pessoa real, uma observação, uma medição da sala de aula ou do bairro. Essa saída é o ponto de fricção convertido em atividade — o lugar onde o modelo, de maneira previsível, erra com aparente segurança.

Cada erro detectado contra uma fonte é conhecimento do domínio ganho: quem descobre que a IA colocou o pico na faixa errada acabou de aprender onde fica o pico. É por isso que a informação local é pedida à equipe e nunca inventada no desafio.

Barra de qualidade: nomeie a fonte de verificação no desafio. Se não consegue nomear contra o que ele se verifica, o movimento não está desenhado.

4. CompararDuas fontes, duas versões, dois contextos, dois relatos. A comparação força a olhar o objeto de aprendizagem duas vezes e a explicar a diferença.
Saber mais

Duas fontes que não coincidem, duas versões do mesmo trabalho, dois contextos, dois relatos do mesmo fato. A comparação força a olhar o objeto de aprendizagem duas vezes — e a explicar a diferença, que é onde o critério se mostra.

Uma divergência real é ouro de desenho: fontes autorizadas dando altitudes diferentes, o livro didático e outra fonte contando o período de outro modo. A equipe tem de decidir qual usar e defender o porquê — critério, não obediência.

Barra de qualidade: a comparação deve exigir uma decisão («qual você fica, e por quê?»), não apenas um quadro de semelhanças e diferenças.

5. Revisar e criticarDetectar o que está errado no que foi produzido — por si ou pela IA — e conseguir dizer por quê. A crítica com critério é a evidência de que o aprendizado aconteceu.
Saber mais

Detectar o que está errado — no que a IA produziu e no próprio trabalho — e conseguir dizer por quê. A crítica com critério é a evidência observável de que o aprendizado aconteceu: ninguém consegue apontar o erro de um mapa sem conhecer a geografia.

É também o que a rubrica do Challenge lê: a direção de instrumentos e colaboradores é julgada pelas decisões (o que foi rejeitado, o que foi verificado, o que foi transformado), nunca pelo volume de uso. E a defesa sem IA é a prova final deste movimento: explicar o que foi revisado com a ferramenta desligada.

Barra de qualidade: o desafio deve produzir momentos criticáveis — versões intermediárias, erros plausíveis, decisões registradas. Um desafio que só gera um produto final polido não deixa nada para revisar.

A barra: se o seu desafio pode ser resolvido com um pedido à IA e zero verificação fora do modelo, continua a ser uma tarefa de recuperação — daquelas que um buscador resolve há três décadas. Eleve-o com os movimentos que lhe faltam.

As nove propriedades — lista de verificação

Cada desafio do Challenge satisfaz as nove antes de ser publicado. Use-as como perguntas de desenho:

#PropriedadeA pergunta a se fazer ao escrever
1Contexto autênticoExiste uma situação real com pessoas realmente afetadas — ou é um enunciado de livro didático?
2Informação incompletaQue dado eu retenho de propósito, para que a equipe tenha de ir buscá-lo?
3Valores em tensãoQuais duas coisas boas não podem ser maximizadas juntas neste problema?
4Informação local ou vivaO que a equipe tem de trazer que nenhum modelo tem — uma entrevista, uma observação, um fato da sala, uma medição?
5Consequências nomeadasQuem paga o custo de cada decisão possível? Consigo nomeá-los?
6Artefato demonstrávelO que pode ser EXPERIMENTADO ao vivo — não apresentado, experimentado? (Qualquer suporte conta; nenhum é obrigatório.)
7PerturbaçãoQue mudança de condições, entregue no meio do trabalho, põe o desenho sob tensão sem destruí-lo?
8Registro de criaçãoQue momentos consequentes terão de ser documentados — decisão humana, contribuição da IA, o que foi rejeitado e por quê?
9DefesaQue perguntas eu faria, sem IA na mesa, que só pode responder quem realmente fez o trabalho?

O ponto de fricção — o campo secreto

Cada desafio declara (no seu registro de autoria, não ao participante) onde a IA vai falhar, de maneira previsível: o dado que ela não tem, o detalhe que vai alisar para a média, a operação que vai fazer mal com segurança total. Um desafio sem ponto de fricção declarado não é um desafio: é uma encomenda. A fricção semeia a propriedade 4 — a informação viva que a equipe terá de trazer.

O dilema ético vai por dentro, não colado por fora

O desafio carrega uma decisão ética da qual a equipe não consegue escapar — e ela é estrutural: quem a ignora tem de terminar com uma solução visivelmente pior, não com um parágrafo faltando. Padrões que funcionam: a solução técnica fácil é a que cria problema de privacidade · a ajuda mais personalizada exige os dados mais íntimos · a acessibilidade aumenta o custo, e o custo exclui alguém · a campanha persuasiva corre o risco de caricaturar a comunidade que serve.

Antipadrões — o que NÃO é um desafio

A falha de quem escreve é pior que a da equipe: não escreva uma «tarefa de IA com cronômetro». Formas rejeitadas, textualmente a partir do cânone:

  • «Peça à IA um plano de negócios.»
  • «Crie a melhor imagem gerada sobre mudança climática.»
  • «Use um chatbot para escrever uma dissertação.»
  • «Faça um site sobre alimentação saudável.»
  • «Crie o melhor prompt.»

Também: nenhum suporte é obrigatório (exigir código funcional é uma falha de equidade) · sem modelos cerimoniais que as equipes tenham de «encenar» · nada que premie o número de prompts, o número de ferramentas ou o modelo mais recente · nunca dados pessoais identificáveis em sistemas de IA — os cenários se constroem com informação pública, fictícia ou autorizada.

Folha de trabalho — escreva o seu desafio

O formato de um desafio de ensaio, para preencher à mão ou em equipe. (A seção da equipe orientadora não é mostrada aos participantes.)

Título do desafio

Matéria / nível · Objeto de aprendizagem real (o que você quer que aprendam — não o artefato)

Objetivos de aprendizagem / do currículo (o que o participante saberá e saberá fazer ao final; ancorados no currículo quando se aplicar — se o desafio pode ser resolvido sem tocá-los, o desafio está mal desenhado)

Contexto autêntico (a situação real, as pessoas afetadas)

O desafio (que versão própria do objeto de aprendizagem eles criarão com a IA — e o que o torna impossível de resolver com uma resposta genérica)

Informação local ou viva que a equipe tem de trazer (propriedade 4)

A tensão impossível de contornar (os dois bens em conflito, e quem paga o custo)

Formatos de saída possíveis (2–4 opções; a equipe escolhe UM e o declara na comporta de divergência — nenhum é obrigatório, declará-lo sim)

O que a entrega deve conter, qualquer que seja o formato (3–5 elementos concretos)

O que se demonstra na defesa (demonstrável ao vivo, em qualquer suporte)

Que etapas do conhecimento o desafio força, e onde (pesquisa · validação das fontes · preparação dos dados · insight · validação do insight · apresentação · auditoria da IA)

As rodadas que o desafio força (o que ele exige antecipar? contra o que se audita? o que torna o refazer inevitável?)

— Equipe orientadora apenas — Ponto de fricção: onde a IA vai falhar, de maneira previsível?

— Equipe orientadora apenas — Perturbação (no meio do trabalho; põe sob tensão sem destruir; a mesma para todos)

Teste de qualidade em um punhado de perguntas: a IA sozinha consegue terminá-lo? (se sim, falta fricção) · consigo nomear A resposta? (se sim, falta abertura) · quantos dos cinco movimentos ele força? (menos de três: eleve-o) · o dilema ético muda o desenho ou é decorativo? · a equipe saberá, ao passar a comporta, O QUE existirá no final — não só o conceito, o formato? · o desafio pode ser resolvido SEM tocar o objetivo de aprendizagem? (se sim, redesenhe-o) · o desafio força a atravessar as etapas do conhecimento — pesquisa, validação das fontes, preparação dos dados, geração e validação do insight, apresentação, auditoria da IA — de uma maneira que se pode apontar? · deixa espaço para que a equipe imprima a sua própria pertinência — a sua sala, o seu bairro, a sua experiência?

Marco derivado da especificação de autoria de desafios do aiLearning Challenge (cânone Smoother). Versão para educadores preparada para o ensaio.