IA para Analisar Documentos Curriculares como a BNCC

A BNCC como objeto de pesquisa: por que isso importa

Olha só: a Base Nacional Comum Curricular é um dos documentos mais debatidos da educação brasileira recente. Desde sua homologação em 2017 e 2018 (anos iniciais e finais do ensino fundamental) e 2018 (ensino médio), a BNCC gerou um volume enorme de pesquisa acadêmica — e também de controvérsia política e pedagógica.

Isso faz da BNCC um objeto de pesquisa especialmente rico. E também especialmente delicado.

Analisar um documento curricular como a BNCC exige mais do que ler o texto. Exige entender o contexto de produção, as disputas que o moldaram, o que ficou de fora, o que foi incluído sob pressão de quais grupos, e quais perspectivas pedagógicas e epistemológicas estão embutidas nas escolhas aparentemente neutras de vocabulário e organização.

Agora, com ferramentas de IA disponíveis, pesquisadores em educação estão perguntando: o que essas ferramentas podem fazer nesse contexto? A resposta honesta é: bastante coisa, e bem menos do que pode parecer à primeira vista.

O que IA consegue fazer na análise documental

Documentos como a BNCC têm características que se prestam bem ao que as ferramentas de IA sabem fazer.

O documento completo tem centenas de páginas. A quantidade de objetivos de aprendizagem, competências, habilidades e orientações é enorme. Ler tudo isso com atenção detalhada, identificar padrões e fazer um mapeamento quantitativo leva tempo significativo. Nesse aspecto, IA pode ajudar.

Você pode, por exemplo, pedir que uma ferramenta como o ChatGPT ou Claude organize os objetivos de aprendizagem de uma determinada área por área de conhecimento, ou mapeie quantas vezes determinado termo aparece em cada etapa educacional. Isso gera um panorama que seria trabalhoso produzir manualmente.

Análise de frequência de termos é outra aplicação útil. Se sua pesquisa investiga como determinado tema (como sustentabilidade, pensamento computacional, educação para o trabalho) está distribuído ao longo do documento, a IA pode fazer esse mapeamento inicial com rapidez.

Você também pode usar IA para comparar versões do documento. A BNCC passou por consultas e revisões. Comparar o que mudou entre versões, quais termos foram adicionados ou removidos, é um trabalho que IA pode acelerar consideravelmente.

O que IA não vê (e é exatamente isso que sua pesquisa precisa ver)

Pesquisa curricular crítica não é análise de frequência de palavras. É interpretação de sentidos, disputas, ausências e posicionamentos ideológicos.

A IA processa o que está explícito no texto. Não vê o que foi deliberadamente omitido. Não sabe que a inclusão do ensino religioso como disciplina com base na BNCC gerou disputa constitucional. Não identifica que determinadas concepções pedagógicas foram substituídas por outras ao longo do processo de elaboração. Não percebe que a linguagem de “competências” carrega uma filiação a determinadas perspectivas sobre o papel da educação que outras tradições questionam.

Essas camadas de análise são o que diferencia uma pesquisa curricular academicamente relevante de uma análise descritiva do documento. E elas só aparecem quando a pesquisadora entra no texto com um referencial teórico sólido que lhe diz onde olhar e o que questionar.

Referenciais como Tomaz Tadeu da Silva, Antônio Flávio Moreira, Silvia Aparecida Zoccoli, Michael Apple, Ivor Goodson — cada um desses autores fornece uma lente diferente para entender o que está em jogo em um documento curricular. A IA não tem essas lentes. Você tem.

A análise documental como método: o que a IA precisa que você já saiba

Quando você usa IA para apoiar análise documental, você não está dispensando o método. Está acrescentando uma ferramenta a um método que já precisa estar estruturado.

Análise documental como método tem etapas que antecedem qualquer interação com IA: identificação e seleção dos documentos, avaliação da autenticidade e contexto de produção, definição das categorias de análise com base no referencial teórico, e procedimentos de leitura e interpretação.

Essas etapas são suas. A IA pode apoiar algumas delas — principalmente organização e mapeamento — mas não pode substituí-las.

Um erro comum que vejo em dissertações e teses é usar IA para categorizar dados sem ter definido previamente as categorias com base no referencial. Aí o pesquisador aceita as categorias que a ferramenta sugeriu sem perceber que está deixando a IA definir o enquadramento teórico da pesquisa. Isso inverte a lógica: quem define o enquadramento é a pesquisadora, não a ferramenta.

Como declarar o uso de IA na análise da BNCC

Transparência metodológica é obrigatória. Se você usou IA em alguma etapa da análise, declare.

No texto da dissertação ou artigo, a seção de metodologia precisa especificar: qual ferramenta foi usada, em qual etapa, com qual propósito, e como os resultados foram revisados e interpretados pela pesquisadora.

Um exemplo de como isso pode ser descrito: “Para o mapeamento inicial da frequência de termos relacionados ao campo [X] na BNCC, foi utilizado o recurso de análise de texto da ferramenta [nome]. Os resultados foram revisados e reinterpretados pela pesquisadora à luz do referencial teórico de [autores], com atenção especial para ausências e categorizações que a ferramenta não poderia identificar autonomamente.”

Isso é honesto, metodologicamente responsável e crescentemente esperado pelos melhores periódicos e bancas de defesa.

Combinando análise documental com outras fontes de dados

Pesquisas sobre a BNCC raramente ficam só na análise do documento em si. A maioria combina análise documental com outras fontes: entrevistas com professores sobre como implementam o documento na prática, grupos focais com gestores escolares, análise de materiais didáticos alinhados à base, levantamento de como a BNCC é trabalhada em cursos de formação docente.

Nesse contexto ampliado, IA pode aparecer em diferentes pontos do processo: apoiando a análise das transcrições de entrevistas (com os mesmos cuidados éticos discutidos em outros posts sobre pesquisa com dados de pessoas), auxiliando na comparação entre o documento e os materiais curriculares, ou ajudando a organizar grandes volumes de material para análise.

O Método V.O.E. é útil para pensar nesse processo: validar o problema e os instrumentos de coleta antes de ir a campo, organizar os dados de forma que a análise seja mais clara, e executar a escrita com coerência entre o que foi coletado e o que é afirmado.

Para pesquisadoras que estão começando a pesquisa curricular

Se você está iniciando uma pesquisa que envolve análise da BNCC, uma sugestão concreta: antes de abrir qualquer ferramenta de IA, leia pelo menos dois artigos críticos sobre o processo de elaboração da base. Entenda os debates que estiveram presentes. Identifique quais perspectivas foram excluídas do processo. Mapeie quem foram os atores envolvidos e quais interesses estavam em jogo.

Isso vai mudar a forma como você lê o documento. E vai mudar o que você pede para uma ferramenta de IA fazer — porque você vai saber o que quer encontrar, e vai saber questionar o que ela encontra.

Pesquisa curricular crítica não começa com o texto. Começa com a compreensão de que qualquer currículo é resultado de escolhas — e que essas escolhas têm história, têm interesse e têm consequências. Nenhuma ferramenta de IA vai te dar isso. Mas uma vez que você tem, a ferramenta pode te ajudar a trabalhar de forma mais eficiente com o material.

Se quiser mais orientações sobre como estruturar pesquisa em educação com método claro, você encontra recursos em /recursos que podem ajudar nesse processo.

Cuidado com análises que parecem críticas mas não são

Tem um fenômeno que aparece em pesquisas curriculares quando IA é mal usada e que vale nomear.

A ferramenta pode produzir uma análise que soa crítica porque usa vocabulário crítico. Palavras como “hegemonia”, “ideologia”, “mercantilização” aparecem no texto porque o pesquisador pediu uma análise crítica. Mas se a ferramenta não está operando com um referencial teórico específico, o que ela produz é uma simulação de crítica — o vocabulário certo sem o argumento certo.

Isso é especialmente problemático em pesquisa curricular porque as bancas de defesa e os revisores de periódicos especializados reconhecem quando uma análise é genuinamente informada por um referencial e quando está usando terminologia crítica de forma decorativa.

A diferença está na especificidade. Uma análise crítica genuína da BNCC não diz apenas que o documento é “influenciado pelo neoliberalismo”. Ela mostra, com base em evidências textuais e contextuais, quais escolhas específicas no documento refletem quais perspectivas, como essas escolhas se relacionam com disputas históricas sobre o papel da escola, e o que essa filiação significa para professores e estudantes concretos.

Esse nível de análise é construído pela pesquisadora com seu referencial teórico. A IA pode ajudar a organizar os dados, mas não pode fazer o trabalho analítico no lugar de quem pesquisa.