Professor esconde prompt em tarefa e diz ter flagrado 32 alunos usando IA

O professor de história Jason Gibson, da Alcorn State University, nos Estados Unidos, afirma ter usado uma instrução escondida em texto branco para identificar alunos que recorreram a ferramentas de IA generativa em uma avaliação. Segundo o relato dele, 32 de 35 estudantes entregaram respostas com referências aleatórias a Madagascar, o equivalente a 91,4% da amostra.

O caso foi descrito por Gibson em vídeos publicados no TikTok. Em um deles, o professor diz ter colocado, dentro do documento da atividade, uma frase invisível para a maior parte dos leitores humanos, mas legível para um chatbot caso a questão fosse copiada e colada integralmente na ferramenta.

@iamjasongibson I can’t make this stuff up. #professor #highereducation #college #midterm ♬ Piano famous song Chopin Deep deep clear beauty – RYOpianoforte

A Alcorn State University identifica Gibson como professor de história em página oficial da instituição. Não foi localizado comunicado institucional da universidade confirmando o episódio, as notas ou eventuais sanções aos estudantes. Por isso, os números devem ser atribuídos ao relato do professor.

Como funcionou o prompt escondido

A instrução teria sido inserida em branco no arquivo da avaliação. Ela pedia que o modelo incluísse referências aleatórias e sem sentido a Madagascar nas respostas. Como o texto tinha a mesma cor do fundo, os alunos poderiam não perceber a frase ao ler o documento, mas ela seria copiada junto com a questão se todo o enunciado fosse levado para um chatbot.

Segundo os relatos atribuídos a Gibson, algumas respostas continham frases que, em tradução livre, diziam que “Madagascar flutua de lado pela tarde” e que uma “bicicleta roxa de Madagascar sussurra para o teto”. A presença dessas expressões indicaria que o estudante não apenas usou IA, mas entregou a saída sem revisar o conteúdo.

Gibson disse que reprovou os estudantes naquela parte da avaliação, explicou como havia identificado o padrão e ofereceu oportunidade para contestação da nota. Ainda segundo o professor, apenas dois alunos teriam contestado.

O que o caso mostra sobre prompt injection

O mecanismo usado é uma forma simples de prompt injection, técnica em que uma instrução escondida ou pouco perceptível é interpretada por um sistema de IA. Em vez de aparecer em um ataque sofisticado contra empresas, o episódio mostra a mesma lógica aplicada a uma situação comum de sala de aula.

No episódio relatado, o prompt funcionou como uma marca textual. Se a resposta final continha Madagascar em frases sem relação com a Revolução Industrial, isso indicava que a pergunta havia sido processada por uma ferramenta que obedeceu à instrução oculta.

Esse tipo de teste não mede aprendizagem, nem prova sozinho toda a conduta acadêmica do estudante. Ele revela apenas que uma instrução embutida no material chegou até o modelo e foi seguida. A leitura mais segura é tratar o episódio como exemplo das dificuldades de avaliação com IA, não como solução universal para detecção de cola.

IA generativa já entrou na rotina de estudo

A discussão não se limita às universidades dos Estados Unidos. No Brasil, a pesquisa TIC Kids Online Brasil 2025 aponta que 65% das crianças e adolescentes usuários de internet, de 9 a 17 anos, usam IA generativa. Entre eles, 59% dizem recorrer à tecnologia para pesquisas escolares ou estudo.

O dado ajuda a explicar por que o uso de IA generativa entre jovens aumenta a dificuldade de escolas e universidades para separar apoio legítimo de terceirização completa da tarefa. Em alguns contextos, a IA pode ajudar na organização de ideias, revisão de texto ou pesquisa preliminar. Em outros, pode substituir o esforço que a avaliação deveria medir.

Um estudo do MIT Media Lab também entrou nesse debate ao observar estudantes escrevendo ensaios com e sem apoio de LLMs. O preprint “Your Brain on ChatGPT” relatou menor conectividade cerebral e menor senso de autoria no grupo que usou LLM, mas os próprios limites do estudo exigem cautela: a amostra foi pequena e o resultado não autoriza concluir que todo uso educacional de IA reduz aprendizagem.

Limites da detecção por armadilha

O caso também expõe riscos de falso positivo. Um aluno pode copiar a questão para outro editor, usar leitor de tela, depender de ferramentas de acessibilidade ou manipular o arquivo de uma forma que torne visível o texto oculto. Isso não significaria, por si só, fraude acadêmica.

No relato de Gibson, o elemento decisivo foram as frases absurdas incorporadas às respostas. Mesmo assim, a prática reforça a necessidade de regras explícitas, possibilidade de contestação e critérios claros sobre quando o uso de IA é permitido.

Para instituições de ensino, o episódio aponta para uma mudança mais ampla: avaliações baseadas apenas na resposta final ficam mais frágeis quando estudantes têm acesso a chatbots. Atividades presenciais, defesa oral, rascunhos, histórico de processo e transparência sobre o uso permitido de IA por alunos tendem a pesar mais na verificação de autoria.

@iamjasongibson Part 3 #professor #highereducation #college #midterm #education

Gibson afirmou que não queria humilhar os estudantes. A questão, segundo o próprio relato, era mostrar que respostas geradas sem leitura crítica deixam rastros, mesmo quando a ferramenta parece produzir um texto fluente.