DraftMarks mostra como a IA generativa entra na escrita universitária

À medida que a IA generativa passa a integrar a escrita universitária do dia a dia, a questão central já não é saber se os estudantes a utilizam. O que importa é de que forma a usam, em que momentos dependem dela e o que isso significa para a aprendizagem.

Surge aqui o DraftMarks, uma nova ferramenta pensada para tornar visível um processo normalmente oculto: mostra como um documento vai mudando ao longo do tempo e em que pontos a IA entrou na escrita.

O DraftMarks foi criado por investigadores do Instituto de Tecnologia da Geórgia e da Universidade de Stanford.

A ferramenta aparece numa altura em que muitos estudantes já entrelaçam a IA no trabalho académico. Um relatório de tendências sobre IA na educação, de 2025, concluiu que 90% dos estudantes do ensino superior usam IA nas disciplinas, e que quase metade recorre a ela durante a fase de rascunho.

Isto deixou muitos docentes numa posição complicada. As formas tradicionais de avaliar a escrita já parecem insuficientes, mas limitar-se a apanhar uso de IA também não explica, por si só, o que aconteceu no processo.

Ir além da deteção básica de IA

Em vez de funcionar como um detetor que devolve uma percentagem - ou que tenta adivinhar quanto de um trabalho final veio de um assistente conversacional - o DraftMarks centra-se no processo de escrita.

O sistema indica quando um estudante faz revisões com apoio de IA, quando aceita material gerado por IA, quando o elimina e quando rejeita por completo a resposta da IA.

A premissa é simples: o uso de IA na escrita não é um único acontecimento, mas sim uma sequência de decisões. Um estudante pode recorrer à IA para testar um argumento, fazer uma sessão de ideias para um parágrafo, reforçar uma frase ou ajustar o tom.

Outro pode depender dela de forma muito mais intensa e deixar que a IA faça grande parte do trabalho. Não é a mesma coisa - e o DraftMarks foi concebido precisamente para captar essa diferença.

Em vez de reduzir tudo a um “índice de suspeita”, a ferramenta tenta reconstruir a história de como aquele texto foi sendo montado.

Esta mudança de enfoque é relevante porque a IA se tornou comum ao ponto de perguntar apenas se foi usada deixar de ser muito útil. Se a maioria dos estudantes já recorre à IA de alguma maneira, então a pergunta com mais valor é que papel ela desempenha no trabalho efetivo.

Acompanhar a escrita do estudante com o DraftMarks

O DraftMarks funciona como uma camada de leitura aumentada colocada por cima do documento. Enquanto alguém lê, surgem sinais visuais associados a diferentes tipos de intervenção da IA.

“Migalhas de borracha” assinalam trechos que foram alvo de revisões intensas. “Borrões” indicam alterações geradas por IA que mudaram a força de um argumento sem transformar totalmente o conteúdo.

Além disso, marcas de “fita-cola” identificam passagens que a IA escreveu primeiro, e “resíduos de cola” mostram onde o autor removeu mais tarde texto gerado por IA.

Por fim, “texto fantasma” assinala situações em que o autor pediu algo à IA, mas optou por não usar o resultado; e tipos de letra diferentes separam linhas escritas por humanos de linhas produzidas por IA. O efeito aproxima-se mais de um registo vivo do que de um rascunho final limpo.

Em vez de parecer polido e desligado da própria história, o documento passa a revelar as marcas do modo como foi construído.

“By making the invisible parts of the process tangible, it forces writers to confront whether they are truly engaging with AI or just passively accepting it,” disse o autor principal, Momin Siddiqui, estudante de mestrado no Instituto de Tecnologia da Geórgia.

“Ultimately, it helps writers make more intentional judgment calls about how they want to collaborate with AI in the future.”

Concebido para salas de aula reais

Os investigadores não começaram por criar um detetor e só depois perguntar se seria útil para docentes. Fizeram o caminho inverso: começaram pelos educadores.

Num estudo inicial com 21 pessoas, a equipa observou como os docentes liam textos de estudantes e que indícios procuravam, de forma espontânea, quando avaliavam revisão, originalidade e sinais de aprendizagem.

A partir daí, o DraftMarks inspirou-se em marcas físicas que já associamos a uma escrita em construção: pó de borracha, fita, borrões, vestígios de remoção.

“Estas marcas pretendem imitar o processo de escrita de formas que já nos são familiares,” disse Adam Coscia, estudante de doutoramento no Instituto de Tecnologia da Geórgia.

“Ajudam estudantes e professores a ver o esforço por trás do texto e se os estudantes realmente atingiram o objetivo de aprendizagem.”

Nos bastidores da interface, o DraftMarks acompanha o histórico de versões e classifica edições e interações com IA à medida que acontecem, permitindo que estes sinais visuais apareçam quase em tempo real.

Resultados de testes em contexto real

Para perceber como a ferramenta funcionava fora de um cenário rigidamente controlado, os investigadores testaram-na mais tarde com 70 participantes, incluindo estudantes, professores, jornalistas e leitores em geral.

Entre os docentes, houve interesse especial no percurso do texto. Queriam perceber como as ideias se transformaram, até que ponto a IA moldou o trabalho e em que zonas os estudantes continuaram a tomar decisões próprias.

Outros leitores, porém, concentraram-se em algo menos fácil de quantificar: confiança.

Para esse grupo, o DraftMarks dava pistas sobre a intenção do autor. Ajudava a avaliar se o escritor se apoiou na IA de forma descuidada ou se a usou com intenção.

Se a IA passar a fazer cada vez mais parte do jornalismo, da escrita pública e da comunicação quotidiana, é possível que as pessoas queiram mais do que uma resposta de sim ou não sobre a sua presença. Podem querer saber como alterou a voz e as escolhas por trás do texto final.

Passar da deteção ao julgamento

O que distingue o DraftMarks é a tentativa de deslocar a discussão da deteção para o julgamento.

Os detetores de IA tendem a sugerir que o mais importante é apanhar uso indevido. O DraftMarks aponta noutra direção: talvez seja mais valioso ajudar escritores e leitores a pensar com mais clareza sobre colaboração.

“DraftMarks completely changed how I think about my own writing,” disse Coscia.

“I was surprised by how much I cared about authorial intent once I could actually see how AI affected my tone. It made me realize small AI choices can subtly reshape what I’m trying to say.”

Os investigadores esperam que ferramentas deste tipo tornem mais útil a conversa sobre IA e educação.

Em vez de perguntar apenas se os estudantes usaram IA, podem ajudar professores e estudantes a discutir com mais franqueza como é a aprendizagem quando humanos e IA escrevem em conjunto.

O projeto foi apresentado na conferência da Associação para a Maquinaria de Computação (ACM) sobre Fatores Humanos em Sistemas de Computação, em Barcelona.