Avaliações entre Pares Corrigidas por IA da Coursera para Cursos de Certificado Profissional

A Coursera testou uma funcionalidade de correção por IA para os trabalhos de avaliação entre pares, de resposta aberta e baseados em texto, usados em muitos dos seus cursos de Certificado Profissional (com marca conjunta de parceiros como Google, IBM e Meta). Os formadores fornecem uma grelha de avaliação, e o modelo de IA pontua as submissões dos alunos face a essa grelha, complementando ou substituindo a correção por pares e por assistentes de ensino; a funcionalidade está limitada a submissões em texto e é excluída dos programas de licenciatura por créditos da Coursera.
No seu próprio relatório da fase beta (publicado em setembro de 2024), a Coursera indica que o sistema corrigiu cerca de 300 000 submissões, reduziu o tempo médio de correção de cerca de 15 horas (correção humana) para cerca de 1 minuto, forneceu cerca de 45 vezes mais texto de feedback por resposta (em média 326 caracteres), e que 90% dos alunos avaliaram positivamente o feedback da IA. As conclusões de curso no dia seguinte a uma avaliação entre pares aumentaram 16,7% após a introdução da funcionalidade. No entanto, os próprios dados da Coursera mostram também que a taxa de aprovação à primeira tentativa caiu de 88% para 72%, com as notas atribuídas pela IA a ficarem, em média, cerca de 3% abaixo das notas anteriores dadas por pares; apenas 7% dos alunos optaram por voltar à correção humana.
Reportagens independentes da Class Central levantaram preocupações específicas de precisão na fase beta inicial: identificaram que o corretor de IA por vezes parecia pontuar com base no tom ou 'sentimento' de uma submissão, em vez de seguir estritamente a grelha, produziu notas inconsistentes ao corrigir repetidamente o mesmo texto, e exigiu correções por parte de avaliadores humanos — sobretudo os que já tinham concluído o curso. A área de formação contínua da Duke University realizou o seu próprio piloto opcional, convidando alunos a comparar diretamente a correção por IA e por humanos, indicando que mesmo instituições que adotaram a funcionalidade tratavam a questão da precisão como ainda em aberto.