Glossário de IA para gestores educacionais:
25 termos explicados.

Os 25 termos, em ordem alfabética

As definições são resumos para gestão. As referências técnicas de cada termo estão na seção de fontes.

Agente de IA

Software que interpreta um pedido, planeja os passos e executa ações em nome do usuário, como consultar sistemas ou preencher formulários. Num AVA, um agente pode montar uma atividade a partir do plano de ensino, o que exige definir o que ele pode fazer sem aprovação humana.

Alucinação (ou confabulação)

Resposta plausível e dada com confiança, porém falsa ou inventada. O NIST prefere o termo confabulação. Um assistente pode citar um artigo científico que não existe numa bibliografia de TCC.

Ancoragem (grounding)

Fazer o modelo responder com base em fontes definidas, como o material da disciplina, em vez de só no que aprendeu no treinamento. Reduz invenções e permite indicar de onde veio a resposta.

Avaliação autêntica

Avaliação que pede ao estudante aplicar o conhecimento em tarefas parecidas com as da profissão, como estudo de caso, projeto ou defesa oral, mostrando o processo além da resposta final. Ganha espaço quando a IA responde bem a questões de recuperação de fatos.

Detector de IA

Software que estima a probabilidade de um texto ter sido gerado por IA. Produz falsos positivos e não prova autoria: num estudo de pesquisadores de Stanford, sete detectores disponíveis em 2023 marcaram como IA, em média, 61,22% de 91 redações do TOEFL escritas por candidatos chineses (Liang e coautores, 2023).

Embeddings

Representação de um texto como uma lista de números que captura seu significado. Textos parecidos ficam com números próximos, o que permite a um sistema achar no acervo da biblioteca um trecho sobre o tema mesmo quando as palavras são outras.

Fine-tuning (ajuste fino)

Segundo treinamento, mais curto, de um modelo já pronto, para especializá-lo numa tarefa ou num estilo. Diferente da ancoragem, altera o próprio modelo.

IA explicável

Capacidade de mostrar como o sistema chegou a uma saída (explicabilidade) e de entender o que essa saída significa para o propósito do sistema (interpretabilidade). Necessária para auditar uma decisão acadêmica apoiada por IA, como um alerta de risco de evasão.

IA generativa

IA que cria conteúdo novo, como texto, imagem, áudio ou vídeo, a partir de um pedido, em vez de apenas classificar ou prever. Gera questões, resumos, planos de aula e respostas a exercícios.

Janela de contexto

Quantidade de texto, medida em tokens, que o modelo considera de uma vez: pergunta, histórico da conversa, documentos anexados e também a resposta gerada. Define, por exemplo, se um livro inteiro da disciplina cabe numa única consulta.

Learning analytics (análise de aprendizagem)

Coleta, análise, interpretação e comunicação de dados sobre os estudantes e sua aprendizagem para gerar informação que melhore o ensino. Inclui painéis de acesso ao AVA e de entrega de atividades usados para acompanhar permanência.

Letramento em IA

Conhecimentos, habilidades e valores para usar IA de forma crítica, ética e eficaz. A UNESCO organiza o letramento dos estudantes em quatro competências: mentalidade centrada no humano, ética da IA, técnicas e aplicações e desenho de sistemas.

LGPD aplicada à IA

Três conceitos da Lei 13.709/2018 (art. 5º) organizam um contrato de IA. Dado pessoal: informação sobre pessoa identificada ou identificável. Controlador: quem decide sobre o tratamento, em geral a instituição. Operador: quem trata os dados em nome do controlador, em geral o fornecedor de IA ou de AVA.

LLM (grande modelo de linguagem)

Modelo de linguagem com enorme número de parâmetros, treinado em grandes volumes de texto. Move ferramentas como ChatGPT, Gemini e Claude.

Modelo de fundação

Modelo muito grande, pré-treinado em dados amplos e variados, que atende muitos tipos de pedido e pode ser adaptado depois. Muitas ferramentas educacionais com IA rodam sobre um modelo de fundação de terceiros.

Multimodal

Modelo que entende ou gera mais de um tipo de dado, como texto, imagem e áudio. Lê a foto de uma questão de prova ou o gráfico de um enunciado, o que enfraquece a ideia de que questões com imagem barram a IA.

Política de uso de IA

Documento institucional que define quem pode usar IA, para quê, com quais ferramentas e dados, como declarar o uso e o que é infração, de preferência com regra por tipo de atividade. O guia de política de uso de IA traz modelos de cláusula.

Proctoring (supervisão de provas)

Monitoramento do estudante durante a prova, presencial ou remoto, por câmera, tela ou comportamento, às vezes automatizado por IA. Na União Europeia, o monitoramento por IA de comportamento proibido em provas é classificado como alto risco pelo AI Act.

Prompt

A instrução ou pergunta dada ao modelo. Pode incluir exemplos, contexto ou o formato da resposta esperada. Num tutor de IA, o prompt escrito pelo professor define se a ferramenta entrega a resposta ou conduz o estudante até ela.

RAG (geração aumentada por recuperação)

Técnica em que o sistema primeiro busca trechos relevantes num acervo e depois gera a resposta com base neles. Assim um assistente responde com o material da disciplina. A técnica reduz invenções sem eliminá-las. A instituição pode perguntar ao fornecedor quais documentos entram no acervo.

Sistema de alto risco

Uso de IA que pode afetar direitos ou trajetórias e por isso exige mais salvaguardas, como documentação e supervisão humana. Na União Europeia, o AI Act inclui admissão, avaliação de resultados de aprendizagem, definição do nível de ensino e monitoramento de provas. No Brasil, o Conselho Pleno do CNE aprovou o Parecer CNE/CP 15/2026 na reunião de 31 de agosto a 3 de setembro de 2026, com súmula publicada no DOU de 6 de outubro de 2026. A versão levada a consulta pública em maio de 2026 classificava usos em baixo, moderado, alto e excessivo. Até 25 de outubro de 2026 não localizamos a homologação pelo MEC, condição para o parecer produzir efeito.

Token

Menor unidade de texto que o modelo processa: uma palavra, parte de palavra ou caractere. Limites de uso e preços de uso via API costumam ser contados em tokens, o que pesa no orçamento de um contrato por volume.

Treinamento de modelo

Processo em que o modelo aprende padrões a partir de grandes conjuntos de dados. A pergunta-chave no contrato é se dados de estudantes e docentes podem treinar o modelo do fornecedor; o acordo entre a ABMES e o Google for Education, de janeiro de 2026, prevê que os dados não treinem os modelos globais da empresa.

Tutor de IA

Assistente de estudo configurado para conduzir o estudante até a resposta, com perguntas, pistas e feedback, em vez de entregá-la pronta. Num ensaio em Harvard, nos EUA, um tutor com instruções escritas pelos professores teve ganhos de aprendizagem acima do dobro dos da aula de aprendizagem ativa (Kestin e coautores, 2025).

Viés algorítmico

Erro sistemático que prejudica ou favorece grupos, vindo dos dados, do algoritmo ou de quem usa o sistema, mesmo sem intenção. O NIST distingue três tipos: sistêmico, computacional-estatístico e humano-cognitivo. Os detectores de IA que marcam mais textos de não nativos são um exemplo.

Perguntas frequentes