A Terceirização Cognitiva na Universidade Pública Brasileira
Sobre a natureza sintetizada deste texto1
A Terceirização Cognitiva na Universidade Pública Brasileira
O estudante que ingressa hoje na universidade pública brasileira encontra uma infraestrutura pedagógica tensionada. De um lado, há o acúmulo histórico de precariedade material e a superexploração do trabalho docente, um cenário onde assistentes virtuais algorítmicos começam a ser implementados sob o pretexto de facilitar o processo educativo, fornecendo argumentos para a possível redução do tempo remunerado destinado a atividades extraclasse dos professores (Júnior e Schlesener, 2024). De outro lado, existe a adoção generalizada de grandes modelos de linguagem que oferecem a resolução técnica imediata de impasses de leitura e escrita. O atrito inicial característico da entrada no ensino superior não decorre apenas da complexidade teórica dos saberes, mas da disponibilidade ubíqua de uma tecnologia que converte o esforço mental em uma opção dispensável.
A delegação de processos mentais para ferramentas externas, documentada nas ciências cognitivas como descarregamento cognitivo, assume dinâmicas particulares com a inteligência artificial generativa. Estudos empíricos evidenciam que a utilização de sistemas de linguagem artificial atenua a carga mental dos alunos durante tarefas acadêmicas, mas compromete a profundidade investigativa e o sentimento de apropriação sobre o conhecimento adquirido (Stadler et al., 2024). O sujeito interage com a interface e extrai um produto textual gramaticalmente funcional e coerente. Minha leitura sobre essa dinâmica é que a fluência do material sintético produz uma ilusão de compreensão técnica. A ausência de dificuldade operacional mascara a não assimilação de conceitos basilares, substituindo a construção autônoma do raciocínio analítico pela mera capacidade de manuseio da plataforma.
A homogeneização impõe-se como consequência direta da terceirização do repertório bibliográfico e estilístico. O fenômeno descrito por Schneider como “nivelamento intelectual” manifesta-se através da linguagem adaptativa dos algoritmos, que retroalimentam dados de treinamento e estreitam as escolhas dos usuários frente a problemas complexos. Os modelos preveem sequências de palavras estatisticamente prováveis. Quando múltiplos alunos recorrem à mesma arquitetura matemática para processar textos teóricos e estruturar respostas avaliativas, ocorre uma redução objetiva da diversidade intelectual na universidade. A variação interpretativa cede espaço para centros semânticos pasteurizados.
As diretrizes institucionais e o debate acadêmico reagem a essas transformações estruturais sem apresentar coesão absoluta. O documento “IA, Vigilância e Ensino Superior” demonstra que a gestão universitária tem recorrido à vigilância corporativa, adotando detectores de texto sintético e estabelecendo uma lógica gerencialista para tratar da integridade acadêmica. Em contrapartida, pesquisadores divergem sobre a fronteira ética do uso da ferramenta. Autores como Nick Kabrél sustentam que o declínio cognitivo não é uma imposição da tecnologia, mas uma falha de estratégia do usuário, recomendando o uso por meio de comandos não-diretivos para estimular a formulação reflexiva de quem opera a máquina. Esta posição metodológica confronta a perspectiva de Mascarenhas e Burdman, para os quais o uso da inteligência artificial generativa representa uma ruptura ontológica. Para estes autores, a execução de prompts não equivale à prática de pensar, configurando uma abdicação incontornável do trabalho formativo. O embate entre essas posições teóricas evidencia a inexistência de parâmetros unificados para separar a assistência metodológica da obsolescência cognitiva programada.
No âmbito da regulação interna, o marco normativo reflete a tentativa de enquadrar o instrumento automatizado aos valores fundacionais da academia. A resolução da Universidade Estadual Paulista (Unesp), por exemplo, define balizas de uso para seu corpo discente e docente:
a IA não deve ser utilizada para justificar plágio, fraude ou qualquer outra prática que viole a honestidade acadêmica, devendo ser utilizada para promover a originalidade, a integridade e a autoria na produção do conhecimento (Resolução Inteligência Artificial - Unesp, Artigo 3º, II).
A materialização de resoluções idênticas depende da autorregulação do estudante. A instituição transfere ao ingressante a tarefa de delimitar a ética do apoio computacional em um ecossistema acadêmico que, na prática, recompensa a velocidade de entrega e a eliminação de processos lentos de apuração e dúvida.
A apropriação histórica do saber científico pressupõe a vivência do impasse intelectual, a formulação de inferências falhas e a reelaboração rigorosa de hipóteses textuais. A infraestrutura baseada em processamento probabilístico elimina a temporalidade desse percurso em nome da agilidade procedimental. A tensão fundamental deste arranjo não se esgota nos códigos de ética estudantil ou na capacidade dos softwares antiplágio. Permanece a interrogação estrutural sobre o destino das universidades formativas quando as capacidades primárias de abstrair, julgar e compor pensamento independente deixam de ser uma exigência inerente à condição de aluno e passam a operar como comportamentos perfeitamente simuláveis por matrizes algorítmicas em frações de segundo.
Esse texto foi produzido com notebooklm, com prompt específico para evitar afirmações fabricadas e para imitar o meu estilo de escrita. Foi revisado antes de ser publicado. Prompt pode ser encontrado aqui: COMO-SINTETIZO-MEUS-POSTS ↩︎