aiLearning Challenge · Base

Por que é desenhado assim.

O aiLearning Challenge é desenhado contra um modo de falha documentado: uma IA que eleva o desempenho enquanto esvazia o aprendizado. Esta página expõe as evidências, os marcos de aprendizagem e as decisões de desenho por trás do evento — e etiqueta cada elemento pelo que é. O Challenge é a primeira instância em forma de evento da modalidade Desafíos da Smoother: o evento é uma implementação desse formato, e não o formato em si, cujo cânone reside na metodologia Smoother.

Três tipos de afirmação aparecem nesta página, cada um com a sua etiqueta:

  • Resultado revisado por pares da pesquisa citada tal como publicada — nunca mais forte do que o que o estudo sustenta.
  • Relatório institucional marcos e relatórios de instituições nomeadas.
  • Postura de desenho as nossas próprias escolhas — defendidas como decisões, nunca disfarçadas de resultados de pesquisa.

1 · A motivação

A IA pode elevar o desempenho enquanto o aprendizado fica atrás.

É a constatação à qual todo o evento responde. Não é intuição nem pânico moral — é o que a pesquisa sobre IA generativa na educação não para de relatar, e é a razão pela qual o Challenge existe nesta forma em vez de como mais uma vitrine de ferramentas.

Relatório institucional

A IA generativa pode melhorar o desempenho imediato em uma tarefa sem necessariamente melhorar o aprendizado — parte da vantagem desaparece, ou se inverte, quando a IA é retirada.

OCDE, Digital Education Outlook 2026
Resultado revisado por pares

Em um experimento de campo randomizado de 2025 com quase mil estudantes de matemática do ensino médio, o acesso sem restrições a um assistente de IA geral melhorou o desempenho durante o treino — mas esses estudantes depois tiveram resultados piores que o grupo de controle quando a IA foi retirada. Um tutor de IA com andaime eliminou em grande parte essa penalidade.

Bastani et al. (2025), PNAS
Resultado revisado por pares

Em um experimento de 2024, as pessoas assistidas pelo ChatGPT produziram os melhores ensaios — melhores que os de um grupo acompanhado por um especialista humano — mas não aprenderam mais, não estavam mais motivadas, passaram menos tempo avaliando o seu próprio trabalho e tendiam a copiar e colar. Os autores chamam isso de «preguiça metacognitiva».

Fan et al. (2024), British Journal of Educational Technology
Resultado revisado por pares

Em um experimento de 2024 com 293 autores e 600 avaliadores, o acesso à IA generativa tornou as narrativas individuais mais criativas, melhor escritas e mais agradáveis — e ao mesmo tempo tornou as narrativas mais parecidas entre si: um ganho individual pago em diversidade coletiva.

Doshi & Hauser (2024), Science Advances
Postura de desenho

O Challenge é, portanto, construído precisamente contra esses modos de falha. Todos recebem o mesmo acesso à IA, de modo que a IA sozinha não confere nenhuma vantagem — o que se demonstra é a amplificação da capacidade de criar de cada pessoa. Aumentar, nunca substituir. E os desafios são escritos para que nenhuma resposta genérica de uma IA possa ganhar — por desenho, não por proibição: contexto autêntico, informação incompleta, valores em tensão, informação que só existe localmente ou no próprio dia, um artefato verificável. A competição é a embalagem; o aprendizado é o objetivo.

2 · O marco

Uma linhagem de ciência da aprendizagem — trabalhando nos bastidores, nunca como cerimônia.

O Challenge é uma demonstração ao vivo da metodologia de aprendizagem Smoother, e a Smoother se apoia em tradições nomeadas. Esses marcos moldam a maneira como a equipe organizadora desenha a experiência; nunca se pede aos participantes que os executem como rituais visíveis.

Guiado, não minimamente guiado

A instrução com guia mínimo — descoberta, aprendizagem baseada em problemas, experiencial e por investigação sem guia sólido — mostrou-se menos eficaz e menos eficiente que a instrução guiada, em particular para iniciantes; a vantagem do guia só recua quando quem aprende já possui conhecimento prévio suficiente para se guiar sozinho. Essa crítica foi, ela mesma, contestada na literatura. Kirschner, Sweller & Clark (2006), Educational Psychologist

No Challenge: o evento tem andaime deliberado em cada categoria — dossiês de desafio, preparação prévia, mentorias, formatos de defesa publicados para as categorias menores. O conhecimento prévio exigido é mantido perto de zero por desenho: o Challenge admite participantes que nunca usaram uma ferramenta de IA.

Aprendizagem baseada em projetos — com a sua condição honesta

A aprendizagem baseada em projetos tem um efeito positivo médio a grande sobre o desempenho acadêmico em comparação com a instrução tradicional — mas o efeito depende fortemente da implementação, e avaliações escolares rigorosas às vezes não encontraram efeito nenhum. Chen & Yang (2019), Educational Research Review

No Challenge: a implementação é tratada como uma obrigação de desenho, não como um detalhe posterior — a preparação dos educadores faz parte do ciclo, com o Referencial de competências em IA para professores da UNESCO (2024) como ponto de referência. UNESCO (2024), Miao & Cukurova

Construcionismo — construir coisas compartilháveis

A linhagem construtivista que vai de Piaget ao construcionismo de Papert sustenta que se constrói melhor o conhecimento construindo coisas compartilháveis — com piso baixo, teto alto e paredes largas como princípios de desenho. Ampliar o leque do que os participantes podem criar aumentou, em um experimento natural dentro da comunidade online Scratch, tanto o engajamento quanto o aprendizado. Papert; Resnick e o MIT Lifelong Kindergarten; Dasgupta & Hill, experimento natural no Scratch

No Challenge: nenhum meio é privilegiado. Uma solução pode ser um software, um protótipo, uma performance, uma campanha, uma história, uma política pública, um serviço — e na categoria do fundamental I pode-se entrar com um desenho e uma frase.

Bruner — três modos, uma espiral

Bruner descreveu os modos de representação enativo, icônico e simbólico, e o currículo em espiral — voltar à mesma ideia com profundidade crescente. Bruner, modos de representação e currículo em espiral

No Challenge: é o que torna um único tema de desafio viável em quatro categorias de desenvolvimento — o mesmo problema, talhado para cada etapa — e os modos são honrados como formas de expressão paralelas e igualmente válidas, nunca como uma escada de idades.

Vygotsky e o andaime — atribuídos com precisão

A zona de desenvolvimento proximal é a distância entre o que uma pessoa consegue fazer sozinha e o que se torna possível com um guia ou um par mais capaz. O termo «andaime» (scaffolding) foi introduzido por Wood, Bruner e Ross em 1976 — não por Vygotsky. Citamos as nossas fontes com precisão, inclusive essa. Vygotsky; Wood, Bruner & Ross (1976)

No Challenge: as mentorias e a preparação dos educadores trabalham exatamente nessa zona — perguntas e críticas que estendem o que uma equipe quase consegue fazer, nunca mãos que fazem no lugar dela.

Desenho de aprendizagem complexa, iteração, metacognição

O modelo 4C/ID organiza a aprendizagem complexa em tarefas autênticas, informação de apoio, informação procedimental e prática parcial — uma ferramenta de desenho, do lado da organização, para construir o ciclo. Construímos o ciclo em torno da iteração e da prototipagem, sem uma sequência de etapas imposta — a nossa escolha, não um resultado de pesquisa: o júri premia a evidência de que uma equipe se adaptou, nunca o cumprimento cerimonial de etapas. E a base de evidência da aprendizagem ativa é substancial, como a da metacognição e da autorregulação — planejar, acompanhar e avaliar o próprio aprendizado —, exatamente o que a etapa de reflexão e as perguntas da defesa exercitam. van Merriënboer, 4C/ID; sínteses de evidência sobre aprendizagem ativa e metacognição

3 · A abordagem

Cinco mecânicas, engenhadas contra os modos de falha.

Postura de desenho Tudo o que está nesta seção é uma decisão de desenho — motivada pelas evidências acima, e honestamente etiquetada como nossa. Essas mecânicas são hipóteses sobre como prevenir modos de falha documentados, não fatos estabelecidos; o evento as mede.

  1. 01

    A Janela Humana Inicial

    Os primeiros 10 a 15 minutos depois da revelação do desafio passam sem IA: os participantes pensam, esboçam e divergem por conta própria antes de abrir qualquer ferramenta — para proteger o enquadramento do problema da atração homogeneizante que a pesquisa documenta.

    Ver mais

    Como acontece. Papel e conversa, sem telas: cada equipe enuncia o problema com as suas próprias palavras, nomeia o que não sabe e o que supõe. Esse rastro viaja — é a evidência que o júri lê na dimensão do enquadramento: um enquadramento sustentado diante do que o modelo vai propor depois.

    Por que primeiro. O enquadramento é o momento mais exposto à homogeneização: assim que o modelo propõe a sua leitura, a versão de cada equipe deriva para ela. Proteger esses minutos é proteger a diversidade de tudo o que vem depois.

  2. 02

    A Comporta de Divergência

    Nenhuma equipe começa a produção antes de poder mostrar três abordagens substancialmente diferentes. Um quadro de vencedores quase idênticos é um modo de falha previsto da competição assistida por IA — então o Challenge fabrica a divergência em vez de apenas alertar sobre ela.

    Ver mais

    Quem faz o quê. A divergência é a equipe que a conduz: três abordagens substancialmente diferentes, cada uma dizendo o que otimiza e o que sacrifica — as trilhas abandonadas são registradas e rendem crédito de processo, nunca o contrário. A verificação da comporta cabe aos educadores mentores do site, nunca ao júri: é andaime, não nota. Uma equipe que não passa volta a divergir; falhar custa tempo, nunca a elegibilidade.

    A única pergunta feita. A direção final foi escolhida dentro de um espaço de possíveis — ou é a primeira resposta plausível, maquiada? Não três produtos polidos: uma evidência de escolha.

  3. 03

    A Perturbação

    Uma mudança de condições no meio do evento, entregue pela organização, idêntica para todas as equipes, em um momento fixo — é assim que os problemas reais se comportam. Testa a adaptação sob pressão e é avaliada como processo, nunca como estrago.

    Ver mais

    Escrita, não improvisada. A perturbação é redigida com o enunciado do desafio e revisada junto com ele — uma tensão desenhada sobre uma variável da situação, sobrevivível por construção diante do tempo restante. É talhada por nível: concreta e lúdica no fundamental I, estrutural na universidade.

    O que produz. Evidência para a dimensão de iteração e adaptação: uma mudança de desenho fundamentada diante de condições novas. A equipe que apenas reduz a sua ambição responde a uma pergunta diferente da que se adapta.

  4. 04

    O Mercado de Mentorias

    Mentores de muitas disciplinas estão disponíveis para cada equipe por meio de fichas de consulta iguais — o acesso à expertise é distribuído por regra, não por desenvoltura nem por relações. Os mentores perguntam; nunca tocam no trabalho. A fronteira segue uma prática documentada: a regra escrita de assistência externa do Odyssey of the Mind, segundo a qual técnicos e pais podem ensinar habilidades gerais mas não podem contribuir com ideias nem com trabalho.

    Ver mais

    Duas mentorias, uma mesma regra. Os educadores mentores dão andaime ao processo — conduzem o espaço de treino, verificam a comporta de divergência, sustentam os pontos de checagem. Os mentores de disciplina trazem a prova do real dos seus ofícios. Para os dois, o limite é idêntico: ensinar uma competência geral, fazer uma pergunta — nunca trazer ideias, prompts, código, recursos ou correções. A defesa ao vivo autentica tanto contra o excesso de assistência do mentor quanto contra o piloto automático da IA.

    Ainda por definir. O número e a atribuição das fichas de consulta seguem como perguntas de desenho abertas — publicadas quando decididas, não improvisadas aqui.

  5. 05

    A tarefa de transferência sem IA

    Depois do evento, um problema novo é tentado sem nenhuma IA disponível. Uma capacidade que evapora quando a ferramenta é retirada era desempenho, não aprendizado — esta tarefa mede o que ficou. Não é uma punição por ter usado IA, e o seu resultado nunca afeta a classificação da competição.

    Ver mais

    Por que existe. A distância entre desempenho e aprendizado é a evidência fundadora deste evento: a assistência pode fazer as notas subirem enquanto a capacidade, silenciosamente, não se forma — e a diferença só aparece quando a ferramenta é retirada. A tarefa de transferência é onde o Challenge se submete à sua própria prova.

    Como é tratada. Os resultados são individuais para cada participante e agregados para todos os demais; o consentimento de pesquisa é separado e opcional; a participação e o avanço nunca dependem dele. Se os dados mostrarem que a capacidade não persistiu — esse é o resultado, e ele é publicado.

E abaixo das cinco: ferramentas gratuitas como piso de equidade

Só ferramentas gratuitas e publicamente disponíveis podem ser usadas, sob um padrão deslizante: nenhuma capacidade paga, nenhuma oferta educacional licenciada como exigência, com auditorias pouco antes de cada evento porque as ofertas gratuitas mudam — acompanhadas de aparelhos emprestados e de soluções de baixa banda ou offline, e limitadas pelas condições de idade de cada plataforma. As ofertas educacionais «gratuitas» dependem de uma licença detida por uma instituição: exigi-las favoreceria em silêncio os participantes cuja escola por acaso tem uma.

Dito honestamente: as ferramentas gratuitas não produzem a equidade sozinhas. Equipamento, conectividade, idioma e exposição prévia sobrevivem à equidade de software — é por isso que as providências que as acompanham fazem parte da regra, não do cenário.

Postura de desenho Dois compromissos a mais, nossos por escolha. Os participantes são donos absolutos do seu trabalho — a publicação aberta é incentivada e nunca exigida, e nem os anfitriões nem os patrocinadores podem reivindicar qualquer direito sobre ele. E o Challenge é um ciclo, não uma data: a preparação que o antecede e o compartilhamento, a reflexão e a transferência que o seguem podem importar tanto quanto o dia em si — o ciclo completo está descrito no anúncio.

4 · Avaliação

Um único Objeto de Aprendizagem. Um perfil — nunca uma nota.

A avaliação Smoother parte de um Objeto de Aprendizagem: uma declaração explícita do que o participante deveria chegar a saber, fazer e ser através do ciclo do Challenge. As linhas da rubrica derivam dele, componente por componente, de modo que se julga exatamente o que foi declarado aprendível — e nada mais.

Postura de desenho A capacidade no centro: a resolução criativa de problemas aumentada por IA, sob direção humana. Não tentamos separar o trabalho feito por humanos do trabalho feito pela IA. A distinção que importa é dirigido pelo humano contra dirigido pela máquina: a IA pode contribuir com tudo, e os participantes seguem responsáveis por tudo. Escolher não usar a IA em uma parte do trabalho é, em si, evidência de bom julgamento.

  • Enquadramento do problema e olhar humano
  • Divergência criativa e originalidade
  • Direção de instrumentos e colaboradores
  • Iteração, letramento do erro e adaptação
  • Colaboração e transparência das contribuições

  • Valor do artefato e utilidade demonstrada
  • Ancoragem no contexto local e viabilidade
  • Qualidade da comunicação e da defesa
  • Julgamento ético em escolhas com consequências — uma presença de peso leve, porque a ética vive dentro do conteúdo do desafio, nunca como cartaz colado por fora

A ponderação expressa a atenção e a ênfase do júri. Os resultados por linha nunca são somados, nem tirada a média, nem convertidos em um número único. O resultado é um perfil.

A criatividade é julgada com um instrumento validado

A dimensão de criatividade usa a técnica de avaliação consensual (Consensual Assessment Technique) — um produto é criativo na medida em que observadores apropriados concordam em achá-lo criativo —, um instrumento validado cujas limitações conhecidas são exigir juízes especialistas apropriados e levar tempo. As expectativas são calibradas por categoria com o modelo Four-C da criatividade (de mini-c a Pro-c), e a literatura sobre especificidade de domínio alerta contra a ideia de um traço geral único — então as categorias fixam níveis de expectativa, nunca tetos. Amabile (1982); Kaufman & Beghetto, Four-C

A Defesa ao Vivo abre — ou não — o avanço

Postura de desenho Os participantes mantêm um registro leve dos momentos decisivos da sua construção — as decisões humanas, o que a IA trouxe, o que foi rejeitado e por quê — e depois dão conta disso em uma defesa ao vivo que condiciona o avanço. O registro é evidência para o júri, nunca uma contagem de palavras com nota. Uma equipe que não consegue dar conta do seu próprio trabalho não avança, qualquer que seja a aparência do seu artefato. A vizinhança acadêmica sustenta a direção: a pesquisa em avaliação no ensino superior sustenta que é a validade, mais que a cola, que deve guiar o redesenho da avaliação na era da IA generativa. Bearman et al. (2024); Dawson et al. (2024), Assessment & Evaluation in Higher Education

Reconhecimento em três camadas — nunca um só número

Postura de desenho Um atestado de participação para cada pessoa que vai até o fim — um reconhecimento, nunca uma certificação. Distinções por dimensão, tiradas do perfil, de modo que equipes diferentes ganham distinções diferentes. E um reconhecimento principal por categoria e por divisão, decidido pela deliberação do júri sobre motivos de perfil em uma ordem de prioridade declarada — nunca por aritmética. A certificação é distinta e opcional. A categoria do fundamental I é participação e celebração apenas: nenhuma classificação.

5 · Limites honestos

O que o Challenge não afirma.

A postura honesta não é um aviso enterrado no fim da página — é a base. Aqui está o que este evento se recusa deliberadamente a dizer.

  • Não afirma que as suas mecânicas são fatos estabelecidos. A Janela Humana Inicial, a Comporta de Divergência, a Perturbação, as regras de mentoria e a tarefa de transferência são hipóteses de desenho sobre como prevenir modos de falha documentados — e o evento mede se funcionam.
  • Não afirma que a pesquisa demonstra que uma pessoa mais a IA supera cada uma das duas separadamente. Nenhum estudo da nossa base de evidência estabelece isso. É o resultado que o evento é desenhado para perseguir — um objetivo, não um resultado de pesquisa.
  • Não apresenta a competição como pedagogia. A competição é a embalagem motivacional; o aprendizado é o objetivo. O que se julga é um processo de aprendizado tornado visível.
  • Não classifica nem etiqueta ninguém. Atribuir «estilos» de aprendizagem — visual, auditivo — e adaptar a instrução a eles não dispõe de evidência suficiente de melhoria do aprendizado — uma revisão amplamente citada de 2008 não encontrou benefício consistente — e nada no Challenge diagnostica, classifica ou etiqueta participantes por estilo ou por tipo de inteligência. Pashler et al. (2008)
  • Não dá nota ao volume de IA, nem à arte do prompt, nem a um «porcentual humano». Nenhum ponto pelo número de ferramentas usadas, nenhum prêmio ao modelo mais recente, nenhuma fórmula numérica de autoria, nenhum prêmio ao verniz — uma virada documentada vale mais que um artefato sedutor que apareceu pronto.
  • Não confunde reconhecimento com certificação. O atestado de participação reconhece; não certifica nada. Ganhar significa um reconhecimento deliberado de um perfil — nunca uma nota única.
  • Não anuncia o que ainda não está decidido. As datas, as sedes, os tamanhos de equipe, o calendário da edição e o parceiro acadêmico de pesquisa estão em definição e serão anunciados. O desenho mantém as suas perguntas abertas à vista de todos.
  • Não se isenta do seu próprio padrão de evidência. A base de evidência sobre IA generativa na educação escolar ainda é jovem — uma revisão sistemática de 2025 encontrou apenas cerca de trinta estudos empíricos admissíveis —, então o Challenge também é pesquisa: instrumentos antes e depois, acompanhamento da semelhança entre as propostas, a tarefa de transferência como dado, sob consentimento, com um parceiro acadêmico. Se os dados mostrarem que a capacidade não persistiu, esse é o resultado — e ele é publicado.

Um evento que pede aos seus participantes que defendam o seu trabalho em público deve à sua audiência a mesma disciplina. Esta página é essa defesa.

O aiLearning Challenge é uma iniciativa da aiLearning.global, da CEMI.ai e da CEMI Labs — criado por Carlos Miranda Levy, em aplicação da metodologia de aprendizagem Smoother.

Aprendizagem completa em IA, desenhada para educadores por educadores. Da consciência ao domínio.