Falha de IA na correção do MCAS atribui notas erradas a 1.400 redações de alunos no Massachusetts — um caso de alerta na avaliação automatizada

Durante a aplicação de 2025 do Massachusetts Comprehensive Assessment System (MCAS), uma ferramenta automatizada de classificação por IA — utilizada para classificar perguntas de resposta aberta em ensaios, com cerca de 10% dos ensaios classificados por IA normalmente reverificados por leitores humanos — produziu uma falha temporária de classificação. Uma professora da Reilly Elementary School, em Lowell, notou uma discrepância entre o ensaio de um aluno e a sua pontuação atribuída, e alertou os responsáveis escolares e distritais em meados de julho de 2025.

O Massachusetts Department of Elementary and Secondary Education (DESE) verificou posteriormente que cerca de 1.400 dos 750.000 ensaios do MCAS do estado tinham sido mal classificados, com algumas respostas de alunos incorretamente marcadas com ‘0’ quando deveriam ter obtido até 6 numa escala de 1 a 7. Distritos em todo o estado foram afetados, incluindo Attleboro, Fall River, New Bedford e Taunton, no Condado de Bristol; o DESE informou que quase 200 escolas em cerca de 145 distritos foram afetadas pelo erro, embora o impacto médio tenha sido de apenas um ou dois alunos mal classificados por distrito afetado. Todos os ensaios sinalizados foram reclassificados e todos os distritos afetados foram notificados, com resultados corrigidos emitidos até agosto de 2025.

Trata-se de uma falha documentada, não de uma história de sucesso: uma ferramenta de classificação por IA a operar à escala total do estado classificou incorretamente trabalhos de alunos, e o erro foi detetado pela vigilância de uma professora, não pelo sistema de IA nem pelo seu próprio processo de garantia de qualidade — sendo que apenas cerca de 10% dos ensaios recebem normalmente reclassificação humana de rotina. O caso é aqui incluído como exemplo de precaução: mostra tanto o risco da avaliação automatizada à escala estadual como o valor da supervisão humana, e ilustra uma resposta pós-incidente comparativamente transparente por parte da agência estadual de educação, o que não compensa o facto de o erro subjacente e a rede de segurança fina de revisão humana terem sido a causa raiz.