Turma inteira usou IA para colar? O caso da Universidade

Uma média de 96% numa prova que o próprio professor descreveu como mais difícil que o normal. Foi esse número que fez Roberto Serrano, professor de Economia em Brown, desconfiar de que algo estava errado. Em maio, ele rodou as questões do próprio exame no ChatGPT e viu respostas que se pareciam demais com o que dezenas de alunos tinham escrito. Uma suspeita de uso indevido de IA é a situação em que um professor identifica sinais de que respostas não foram produzidas pelo próprio estudante, sem necessariamente ter prova definitiva disso. Se você ensina, orienta ou faz parte de uma banca, esse caso mostra o tamanho do buraco entre desconfiar e provar, e o que fica pelo caminho quando a instituição não tem resposta pronta.

O que aconteceu

Serrano dá aulas de Teoria do Bem-Estar e Escolha Social há quase duas décadas. Neste semestre, por conta da ansiedade de alunos após um tiroteio no campus em dezembro (dois estudantes mortos, nove feridos), ele decidiu aplicar o meio-termo como prova em casa, pela primeira vez na disciplina. A turma também cresceu bastante: de um teto histórico de 30 alunos para 86, o que ele atribui à expectativa da prova domiciliar.

A média histórica do meio-termo da disciplina ficava entre 65% e 80%. Neste semestre, com uma prova que Serrano classificou como mais desafiadora que o padrão, a média foi 96%. Ele e os corretores notaram um padrão estranho nas respostas: onde o caminho mais natural para provar um enunciado matemático seria um argumento direto, muitos alunos, e o próprio ChatGPT, usaram argumento por contradição, chegando à resposta certa por um caminho artificialmente contornado.

Com aval da coordenação, Serrano avisou a turma de que suspeitava de uso disseminado de IA e trocou o exame final, antes também em casa, para presencial. O resultado: 18 alunos abandonaram a disciplina, 9 ficaram matriculados mas não fizeram a prova final, e a média entre quem fez caiu para 48,6%, a mais baixa já registrada na história da disciplina. Três alunos tiraram zero. Serrano anulou o meio-termo, redistribuiu o peso das notas e, ainda assim, 19 alunos foram reprovados.

Por que isso importa pra você

Esse caso não é sobre um professor rígido pegando no pé de alunos. É sobre o vácuo institucional que aparece quando a suspeita é coletiva, não individual. Pense em como isso se aplica a diferentes papéis dentro da universidade:

1. Se você dá aula ou corrige provas: o comitê de integridade acadêmica de Brown pediu que Serrano abrisse uma denúncia separada para cada aluno suspeito, com evidência individual anexada. No caso de Brown, esse fluxo, pensado para casos isolados, não deu conta de uma turma inteira, e a especialista ouvida pela matéria aponta que professores não são incentivados a lidar com casos grandes de cheating, e questiona quando lecturers ou orientadores de pós-graduação teriam tempo remunerado para isso.
2. Se você está numa banca ou comissão de avaliação: ferramentas automáticas de detecção de IA têm taxa relevante de falso positivo e falso negativo, segundo o próprio professor. Segundo o próprio professor, decisão baseada só nessas ferramentas corre risco de erro, tanto para acusar quanto para absolver.
3. Se você é orientador ou coordenador de curso: Brown já tinha um comitê dedicado ao tema de IA no ensino em funcionamento paralelo a esse episódio, e o relatório dele, publicado na mesma semana em que o caso ganhou repercussão, recomenda revisar o código acadêmico para tratar especificamente de casos de uso de IA generativa, em vez de aplicar as regras antigas de plágio sem adaptação.

Uma pesquisa citada no relatório do comitê de Brown, com 105 professores, mostrou que três em cada quatro estão preocupados com o uso de IA para colar, o mesmo percentual encontrado num levantamento nacional de 2025 feito pela American Association of Colleges and Universities. O problema não é local: é estrutural.

O ponto que mais me incomoda nesse caso

O que me chama atenção aqui não é o uso da IA em si. É a lentidão da resposta institucional diante de um sinal tão claro quanto uma média de 96% numa prova difícil. Serrano enviou os dados para o comitê responsável em maio e não teve retorno. Só depois de tornar o caso público é que a universidade pediu, formalmente, que ele reabrisse tudo, individualmente, aluno por aluno.

Isso não significa que toda universidade vai passar por isso amanhã. Significa que a régua de avaliação ainda não foi redesenhada para um mundo em que a IA está disponível o tempo todo, e que a decisão de aplicar prova em casa ou presencial deixou de ser só uma questão pedagógica: ela também é, agora, uma decisão sobre risco de integridade. O relatório de Brown recomenda, inclusive, que os códigos acadêmicos deixem de focar só em punição e passem a lidar com perguntas mais difíceis: um texto ainda é “seu” se a IA melhorou a gramática? E se você formou a ideia numa conversa de brainstorming com a ferramenta?

Próximos passos

Se você lida com avaliação de estudantes, seja como professor, orientador ou membro de banca, vale usar esse caso como gatilho para revisar três pontos antes do próximo semestre:

1. Reavalie o formato da prova considerando o risco real de uso de IA, não só a comodidade de aplicar em casa.
2. Verifique se a sua instituição tem um fluxo de denúncia coletiva, ou se você ficaria na mesma posição de Serrano, tendo que abrir um processo por aluno.
3. Acompanhe se a sua universidade está revisando o código de integridade acadêmica para tratar especificamente de IA generativa, em vez de aplicar regras antigas de plágio sem adaptação.
4. Converse com colegas sobre critérios de avaliação antes de aplicar provas em casa em disciplinas com alto volume de alunos.

Esse episódio conversa direto com um debate mais amplo sobre o papel da IA na formação, e vale a leitura complementar em IA na pesquisa: ensinar o prompt ou o processo científico?.

Fonte: Brown Professor Suspects Majority of His Class Used AI to Cheat, Inside Higher Ed