Skip to content
← Todos os livros brancos e relatórios

Caso de negócio setembro de 2026 UiT – Universidade do Ártico da Noruega

Feedback assistido por IA: resultados de um piloto em duas unidades curriculares de mestrado na UiT

O que é preciso para confiar no feedback de IA em trabalhos quantitativos baseados em modelos.

Isto é relevante para si porque:

  • Quer saber como o feedback assistido por IA se comporta em trabalhos quantitativos de resposta fechada, e não apenas em ensaios abertos.
  • Precisa de um relato documentado de alucinações reais e das suas causas antes de confiar nos primeiros resultados da IA.
  • Pretende provas de que a supervisão humana consegue detetar todos os problemas antes de um estudante os ver.
  • Está a planear uma implementação faseada e precisa de saber que formação e calibração de prompts são realmente necessárias.

Resumo

Este piloto testou o feedback assistido por IA em trabalhos técnicos de mestrado baseados em modelos na UiT: cálculos de EOQ e MRP em Manufacturing Logistics e otimização inteira mista do desenho de redes em Supply Chain Management. Os dois coordenadores das unidades curriculares, o professor associado Xu Sun e o professor Hao Yu, geraram feedback assistido por IA para dez submissões e avaliaram o processo em conjunto, a par de dois estudantes que preencheram um inquérito de avaliação detalhado.

Ambos os coordenadores encontraram alucinações reais nos primeiros resultados da IA – problemas inventados, falhas não detetadas e um cálculo mal interpretado – e não consideraram a ferramenta fiável sem edição. Todas as alucinações foram detetadas antes da divulgação: ambos verificaram cada resposta e nenhum feedback pouco fiável chegou a um estudante. Apesar do início difícil, reduziram o tempo de classificação em cerca de um terço, voltariam a utilizar a ferramenta e recomendá-la-iam aos colegas, desde que a implementação seja gradual e acompanhada de formação. Os seus dados de teste alimentaram diretamente uma análise de causas raiz da UNIwise, que atribui os erros a seis causas específicas, várias das quais já estão resolvidas ou em curso antes do lançamento de outubro de 2026.

Descarregar o relatório completo

O PDF está disponível em inglês.

Pretende conhecer mais investigação sobre avaliação digital?

Inscreva-se na nossa newsletter para receber novas histórias de clientes, novidades sobre os produtos e anúncios de novas versões.