Visão Computacional na Educação

Visão Computacional na Educação: quando as máquinas aprendem a enxergar para que as pessoas possam aprender melhor

Imagine uma câmera instalada no fundo de uma sala de aula que analisa os rostos dos alunos em tempo real, classifica quem está engajado e quem está entediado, e envia um relatório automático para a secretaria de educação, que parece cena de filme opressor. Mas já está sendo vendido como solução educacional em vários países, inclusive no Brasil.

Essa imagem resume bem o desconforto que a visão computacional provoca quando entra no território da educação, entra de um lado uma tecnologia com capacidades genuínas e aplicações que poderiam ajudar muito a gestão pública, e do outro, um mercado acelerado, cheio de promessas exageradas e pouca disposição para discutir os riscos. No meio disso tudo, crianças que não assinaram nenhum contrato e não escolheram ser observadas por algoritmos. Vale conversar seriamente sobre esse tema, não para demonizar a tecnologia e nem para celebrá-la. Mas para entender o que ela realmente pode fazer, onde ela exagera nas promessas e o que os gestores públicos precisam saber antes de tomar qualquer decisão.

Do que estamos falando

Visão computacional em termos simples é a capacidade de sistemas de inteligência artificial de interpretar imagens e vídeos. Quando um smartphone desbloqueia pelo rosto do dono, quando um algoritmo detecta um tumor numa radiografia ou quando uma câmera de pedágio lê uma placa automaticamente, isso é visão computacional funcionando.

No campo da educação, essa tecnologia começou a aparecer em diferentes formas: reconhecimento facial para registro de presença, câmeras que analisam o comportamento dos alunos em sala, sistemas de monitoramento de infraestrutura por imagens de satélite, identificação de situações de risco nos ambientes escolares. Cada um desses usos é diferente do outro, tem maturidades distintas e carrega implicações muito diferentes. Colocar todos no mesmo pacote chamado "inovação educacional" é um erro que custa caro.

O que realmente pode ajudar

Comecemos pelo chão, uma das aplicações mais sólidas e menos controversas da visão computacional na educação pública é o monitoramento de infraestrutura física das escolas. Parece simples, mas é um problema sério: como um governo que administra dezenas de milhares de escolas espalhadas por um território continental consegue saber o estado real de cada prédio.

Hoje, essa informação chega por relatórios manuais, por denúncias, por fiscalizações periódicas que nunca dão conta da demanda. Algoritmos de análise de imagens de satélite conseguem identificar telhados danificados, ausência de estruturas básicas como quadras e banheiros, riscos de alagamento e até o isolamento geográfico de comunidades escolares. No Brasil, onde há escolas dentro de reservas indígenas, em comunidades ribeirinhas e em zonas de risco ambiental, esse tipo de monitoramento remoto não é luxo, é necessidade de governança.

Outro campo com potencial real é o do registro de frequência e do mapeamento de evasão. A evasão escolar mata trajetórias antes que alguém perceba, que quando o dado de um aluno parou de aparecer chega à secretaria de educação, muitas vezes ele já está meses fora da escola. Sistemas que automatizam o registro de presença com mais precisão e velocidade do que os métodos manuais atuais podem fazer uma diferença concreta, desde que operados com transparência, com consentimento informado das famílias e com clareza sobre o que acontece com os dados gerados.

Há também o uso de visão computacional para segurança escolar, área em que a tecnologia pode ajudar equipes a identificar situações de risco com mais agilidade. Mas aqui a conversa precisa ser muito cuidadosa, porque a linha entre segurança e vigilância é fina e pode ser cruzada sem que ninguém perceba.

Onde as promessas excedem a realidade

Agora vem a parte que as empresas de tecnologia educacional preferem que você não saiba, que existe um produto que tem sido vendido para gestores de educação em vários países: sistemas de câmeras que analisam as expressões faciais dos alunos durante a aula para medir engajamento, detectar tédio, identificar ansiedade. O argumento comercial é sedutor, imagine ter um painel em tempo real mostrando o estado emocional de cada estudante na sua rede.

O problema é que isso não funciona como prometido. A relação entre expressão facial e estado emocional é profundamente complexa, culturalmente variável e subjetiva demais para ser capturada por algoritmos. Um aluno que olha para baixo pode estar concentrado numa ideia difícil ou pode estar dormindo de olho aberto, e nenhuma câmera sabe a diferença. Pior: estudos repetidos mostram que esses sistemas erram de forma sistemática, com vieses que prejudicam desproporcionalmente estudantes negros, pessoas com neuro divergências e qualquer um cujas expressões não se encaixam nos padrões com que o modelo foi treinado. Comprar esse tipo de sistema é expor crianças a um julgamento automatizado não confiável, com consequências reais para a forma como são percebidas e tratadas na escola, que não é inovação, é um risco desnecessário disfarçado de modernidade.

A questão dos dados que ninguém quer discutir

Todo sistema de visão computacional gera dados e muitos dados. Imagens, vídeos, metadados, históricos de presença, registros de comportamento, quando esses dados envolvem crianças e adolescentes, a responsabilidade do gestor público sobe vários degraus.

A Lei Geral de Proteção de Dados exige que o tratamento de dados de menores seja feito com cuidado redobrado, com base legal clara e com consentimento dos responsáveis. O Estatuto da Criança e do Adolescente acrescenta camadas adicionais de proteção. Na prática, porém, o que se vê com frequência é municípios instalando câmeras com reconhecimento facial nas escolas sem análise jurídica adequada, sem política clara de retenção de dados e sem comunicação às famílias.

Há também uma questão de soberania que raramente aparece nas reuniões de secretaria: muitos dos sistemas de visão computacional comercializados no Brasil armazenam e processam dados em servidores fora do país, operados por empresas privadas que usam essas informações para treinar seus próprios modelos comerciais. Isso significa que imagens de alunos de escolas públicas brasileiras podem estar alimentando algoritmos de empresas estrangeiras sem que ninguém tenha consciência disso. Um gestor que assina esse tipo de contrato sem fazer essas perguntas não está sendo inovador e está sendo negligente.

Ver onde mais importa

Existe um uso da visão computacional que tem potencial enorme e é pouco explorado: o mapeamento territorial de acesso à educação, algoritmos de análise de imagens de satélite conseguem identificar com precisão quais comunidades estão a distâncias inacessíveis de escolas, quais regiões sofrem com enchentes que comprometem o calendário letivo, quais áreas têm infraestrutura de transporte escolar precária ou inexistente.

Cruzar esse tipo de informação com dados socioeconômicos permite que gestores tomem decisões de alocação de recursos muito mais embasadas, priorizando quem mais precisa, em vez de quem grita mais alto ou tem mais representação política. Em estados como Pará, Amazonas ou Maranhão, com populações dispersas em territórios imensos, essa abordagem pode ser transformadora. Mas isso exige que as secretarias de educação construam capacidade técnica interna para usar essas ferramentas, ou que estabeleçam parcerias sérias com universidades e centros de pesquisa públicos. Não dá para depender exclusivamente de fornecedores privados que têm interesse em vender soluções, não em resolver problemas.

As perguntas que precisam ser feitas antes

Toda vez que um gestor público considera adotar um sistema de visão computacional numa escola, há um conjunto de perguntas que deveriam ser obrigatórias. Para que exatamente esse sistema serve? Existe evidência científica de que ele funciona para esse propósito específico, em contextos parecidos com o nosso? Quem pode ser prejudicado se o sistema errar, e esse erro é aceitável? As famílias foram informadas e consultadas? Quem tem acesso às imagens geradas e por quanto tempo elas ficam armazenadas? O que acontece com esses dados se o contrato com o fornecedor for encerrado?

Essas perguntas não são obstáculos à inovação. São o mínimo de responsabilidade que se espera de quem gasta dinheiro público em sistemas que observam crianças, são justamente as perguntas que o entusiasmo tecnológico, e o marketing agressivo das empresas do setor, tende a fazer desaparecer das reuniões de tomada de decisão.

O que as máquinas nunca vão conseguir ver

No fundo, a visão computacional na educação nos força a responder uma pergunta que vai muito além da tecnologia: o que queremos que a escola enxergue nos seus alunos? Se a resposta é comportamentos mensuráveis, expressões classificáveis, padrões detectáveis por câmeras, estamos indo na direção errada. Não porque tecnologia seja inimiga da educação, mas porque essa é uma visão muito pequena do que um ser humano em desenvolvimento é. O aluno que olha pela janela durante a aula pode estar entediado ou pode estar processando a coisa mais importante que já pensou na vida. A câmera não sabe, mas o professor experiente, muitas vezes, sabe.

A visão computacional pode ser uma ferramenta útil nas mãos de gestores que sabem o que estão fazendo, para ver melhor a infraestrutura, mapear desigualdades territoriais, acompanhar frequência com mais precisão. Mas o que nenhum algoritmo vai conseguir fazer é ver o estudante inteiro: com sua história familiar, seus medos, seus talentos escondidos e seu potencial ainda por descobrir.

Essa visão mais humana e mais completa segue sendo responsabilidade de professores e gestores de carne e osso. E investir em capacitá-los para exercê-la é, ainda e sempre, o melhor uso que se pode fazer do dinheiro público na educação.