O "EDITOR-CHEFE" NA ERA DA IA: NOTICING, MEDIAÇÃO E LETRAMENTO NA ESCRITA EM LÍNGUA INGLESA

Rangel Peruchi

Universidade Federal do Sul e Sudeste do Pará - rangel.peruchi@unifesspa.edu.br

Resumo: Este trabalho analisa como a literatura recente descreve os impactos da Inteligência Artificial (IA) generativa na escrita acadêmica em língua inglesa (L2) de universitários. Mediante revisão integrativa, de abordagem qualitativa, articulam-se a Teoria Sociocultural, a Hipótese do noticing e a ideia do aluno como "editor-chefe". Argumenta-se que a IA atua como artefato de mediação, não como par mais experiente, e que seu suporte só opera na Zona de Desenvolvimento Proximal em atividades pedagogicamente orientadas. Defende-se que a formação docente promova o letramento de feedback e a autonomia discente. Por ser estudo teórico, as conclusões são proposições a investigar.

Palavras-chave: Inteligência artificial; Noticing; Zona de desenvolvimento proximal; Escrita em L2; Letramento de feedback.

THE "CHIEF EDITOR" IN THE ERA OF AI: NOTICING, MEDIATION, AND LITERACY IN ENGLISH LANGUAGE WRITING

Abstract: This paper examines how recent literature describes the impacts of generative Artificial Intelligence (AI) on university students’ academic writing in English as a second language (L2). Through an integrative, qualitative literature review, it combines Sociocultural Theory, the Noticing Hypothesis, and the idea of the student as "chief editor". We argue that AI acts as a mediating artifact, not a more experienced peer, and that its support operates within the Zone of Proximal Development only in pedagogically guided activities. Teacher education should foster feedback literacy and student autonomy. As a theoretical study, its conclusions are propositions for investigation.

Keywords: Artificial intelligence; Noticing; Zone of proximal development; L2 writing; Feedback literacy.

1. Introdução

A formação inicial e continuada de professores de línguas, em nosso caso a língua inglesa, atravessa um período de reconfigurações, impulsionadas tanto por novos arranjos sociotécnicos quanto pelo perfil dos estudantes universitários contemporâneos. Essa geração, frequentemente descrita como a dos nativos digitais (PRENSKY, 2001), transita por um ecossistema digital em que algoritmos de Inteligência Artificial (IA) generativa, particularmente os grandes modelos de linguagem (Large Language Models — LLMs), medeiam parcela crescente das práticas de letramento. A inserção dessas tecnologias no cotidiano acadêmico desafia metodologias de ensino consolidadas e convida a uma reavaliação dos processos de aprendizagem de línguas.

Conforme apontam Warschauer e Granger (2021), a transição da avaliação automatizada da escrita (Automated Writing Evaluation — AWE), antes restrita à identificação de erros de superfície, para modelos generativos capazes de dialogar e de estruturar discursos complexos altera não apenas a rotina pedagógica, mas a própria prática de escrever. A escrita acadêmica distancia-se, assim, de um esforço puramente individual e passa a envolver uma interação contínua entre a cognição humana (inteligência orgânica) e o processamento computacional (inteligência artificial), o que modifica a forma como professores e alunos se envolvem no processo de escrita. Nesse cenário, o texto deixa de ser tratado apenas como produto final e estático e passa a ser exercido como atividade iterativa, dialógica e mediada pela máquina.

A adoção de recursos baseados em processamento de linguagem natural, como o ChatGPT, o Claude e assistentes gramaticais como o Grammarly, tende a deslocar a posição do aprendente de L2. Historicamente situado como receptor de marcações e correções centralizadas na figura do professor, o aluno é agora instigado a atuar de forma análoga a um "editor-chefe" de sua própria produção intelectual, segundo a perspectiva proposta por Zhang e Hyland (2023). Assumir essa função curatorial não simplifica o ato de escrever; ao contrário, exige que o estudante exerça controle executivo sobre o texto em desenvolvimento. A interação com a interface digital requer uma tomada de decisão deliberada diante de cada resposta gerada pelo algoritmo: analisar o impacto semântico de uma alteração sintática, decidir entre aceitar, rejeitar ou reformular as sugestões da máquina e refinar comandos de revisão até alcançar o tom acadêmico almejado. Essa dinâmica demanda do aprendente maior acuidade reflexiva, repertório metalinguístico e capacidade de autoavaliação, de modo a evitar a terceirização do pensamento autoral.

Diante da necessidade de compreender esse fenômeno para além do determinismo tecnológico, este artigo tem como objetivo analisar de que maneira as principais matrizes teóricas de Aquisição de Segunda Língua (Second Language Acquisition — SLA) são mobilizadas e adquirem novos contornos na literatura sobre o feedback digital mediado por IA. Para tanto, realizou-se uma revisão integrativa da literatura, de abordagem qualitativa, cujos procedimentos são descritos na seção 3.

A fundamentação do estudo ancora-se na intersecção de duas perspectivas. A primeira é a Hipótese do Noticing, delineada por Schmidt (1990, 2001), mobilizada para examinar como os processos atencionais podem ser ativados durante a revisão síncrona, momento em que o aprendente é levado a perceber a lacuna entre a sua interlíngua e a forma oferecida pelo sistema. A segunda é a Teoria Sociocultural (VYGOTSKY, 1978), em especial nos desdobramentos aplicados ao ensino de L2 por Lantolf e Thorne (2006), que permitem situar a tecnologia não como substituta do docente, mas como ferramenta simbólica de mediação.

Nesse ponto, cabe uma delimitação. Não se sustenta, aqui, que a IA generativa ocupe o lugar do par mais experiente previsto na definição vygotskiana de Zona de Desenvolvimento Proximal (ZDP). Argumenta-se que ela pode ser compreendida como um artefato cultural de mediação, cujo potencial de suporte (scaffolding) depende do modo como é integrado à atividade de escrita pelo aprendente e pelo professor. Argumenta-se, ainda, que o uso intencional e reflexivo dessas ferramentas pode ir além da correção imediata de desvios e favorecer a expansão do repertório léxico-gramatical e, possivelmente, a consolidação da autonomia do sujeito na escrita em língua inglesa.

A contribuição pretendida é de natureza teórica: articular, em torno da noção de "editor-chefe", uma leitura cognitiva (atenção e noticing) e uma leitura sociocultural (mediação e ZDP) do feedback gerado por IA, relacionando essa noção aos conceitos de agência, autonomia, autorregulação, autoria e letramento em IA. Por não apresentar dados empíricos, o artigo não afirma efeitos da IA sobre a aprendizagem; propõe interpretações a serem examinadas por pesquisas futuras.

O texto organiza-se em seis seções. Após esta introdução, apresentam-se a fundamentação teórica (seção 2) e os procedimentos metodológicos (seção 3). Seguem-se a análise e discussão da literatura revisada (seção 4), as implicações pedagógicas e as limitações do estudo (seção 5) e as considerações finais (seção 6).

2 Fundamentação Teórica

2.1 A Hipótese do Noticing, a atenção e a produção escrita em L2

Nos estudos cognitivos sobre Aquisição de Segunda Língua, o papel da atenção e da consciência tem sido objeto de intensos debates nas últimas décadas. Krashen (1981), com sua Hipótese do Input, argumentava que a exposição a um insumo compreensível seria condição necessária e suficiente para a aquisição subconsciente da linguagem, relegando a instrução gramatical explícita a um papel marginal. A Hipótese do Noticing, formulada e refinada por Schmidt (1990, 2001), estabelece um contraponto ao propor que a aprendizagem de uma nova estrutura linguística depende da atenção consciente.

Para Schmidt (1990, 2001), a mera exposição ao idioma (input compreensível) não se converte automaticamente em conhecimento internalizado (intake). O aprendizado puramente incidental frequentemente não garante o domínio de aspectos sintáticos e morfológicos mais finos, sobretudo na produção escrita acadêmica. Nessa perspectiva, é necessário que o aprendente note os traços formais da língua para que ocorra a reestruturação do seu sistema interlinguístico.

Aprofundando essa premissa, Robinson (1995, 2003) destaca que a atenção é um recurso cognitivo limitado: a capacidade da memória de trabalho restringe a quantidade de informação que pode ser processada simultaneamente. Na escrita, o esforço exigido para gerar ideias (conteúdo semântico) frequentemente consome os recursos atencionais, de modo que erros morfológicos e sintáticos podem passar despercebidos pelo próprio autor.

Na escrita em L2, a discrepância entre o que o aluno deseja comunicar e a sua proficiência linguística muitas vezes permanece invisível para ele sem a intervenção de um avaliador externo. Ellis (2002), ao investigar a instrução focada na forma (form-focused instruction), indica que o feedback corretivo explícito chama a atenção do aprendente para estruturas que ele, de outra forma, ignoraria, o que favorece a reavaliação de suas hipóteses interlinguísticas. Ortega (2009) reforça que o feedback leva o aprendente a confrontar as inadequações de sua produção.

O modelo de Skehan (1998, 2009) permite detalhar essa limitação. Ao afastar-se de perspectivas puramente inatistas, o autor fundamenta sua proposta no processamento de informações e parte da premissa de que a memória de trabalho do aprendente tem capacidade limitada. O desempenho linguístico é descrito por ele em quatro dimensões, frequentemente sintetizadas na sigla CALF: complexidade, precisão (accuracy), léxico (lexis) e fluência. Essas dimensões competem pelos mesmos recursos atencionais. A Hipótese do Trade-off (SKEHAN, 2009) postula que, em virtude desses limites, os aprendentes raramente conseguem maximizar todas elas ao mesmo tempo.

Na redação acadêmica em L2, tarefa de alta exigência cognitiva, o esforço para gerar argumentos elaborados (complexidade) tende a sobrecarregar a memória de trabalho. O resultado pode ser uma queda na precisão, materializada em erros morfológicos e ortográficos em estruturas que o aluno, em tese, já domina. Inversamente, se o estudante concentra a atenção em evitar deslizes gramaticais, o texto tende a se tornar mais simples, com frases curtas e pouca subordinação, em prejuízo da complexidade retórica exigida pelo gênero acadêmico.

A Hipótese do Output de Swain (1995) completa esse quadro ao tratar a escrita como ferramenta epistemológica. Swain postula que o ato de produzir linguagem leva o estudante a transitar do processamento semântico, focado no significado, para o processamento sintático, focado na forma. A autora atribui ao output três funções: a de notar (o aluno percebe que não sabe dizer o que deseja dizer), a de testar hipóteses (o aluno experimenta uma estrutura para verificar se funciona) e a metalinguística (o aluno reflete sobre a língua que produziu). Long (1996), em sua Hipótese da Interação, acrescenta que a negociação de significado entre interlocutores cria oportunidades para que essa atenção à forma ocorra.

2.2 Teoria Sociocultural, mediação e Zona de Desenvolvimento Proximal

A Teoria Sociocultural (VYGOTSKY, 1978), adaptada para a aquisição de línguas por Lantolf e Thorne (2006), postula que a aprendizagem e o desenvolvimento das funções psicológicas superiores não ocorrem de forma isolada na mente do indivíduo. Eles emergem por meio da mediação social e cultural e da utilização de ferramentas, materiais e simbólicas, disponibilizadas pelo ambiente em que o sujeito está inserido.

O conceito central dessa teoria para a educação é a Zona de Desenvolvimento Proximal (ZDP). Ela é definida como a distância entre o nível de desenvolvimento real do indivíduo, isto é, aquilo que ele consegue resolver de forma independente, e o nível de desenvolvimento potencial, aquilo que consegue realizar sob a orientação de um adulto ou em colaboração com pares mais capazes (VYGOTSKY, 1978).

Dois aspectos dessa definição são decisivos para a discussão que se segue. O primeiro é que a ZDP não é um atributo do aprendente nem da ferramenta, mas uma relação que se constitui na atividade conjunta: ela existe enquanto alguém, atento ao que o aprendente já faz e ao que ainda não faz sozinho, ajusta a ajuda oferecida. O segundo é que a teoria distingue a mediação exercida por outras pessoas da mediação exercida por artefatos culturais, como a escrita, os dicionários ou as tecnologias digitais (VYGOTSKY, 1978; LANTOLF; THORNE, 2006). Ambas participam do desenvolvimento, mas não são equivalentes: o artefato amplia o que o sujeito consegue fazer, ao passo que o par mais experiente interpreta as necessidades do aprendente e responde a elas.

O conceito de scaffolding (andaime), proposto por Wood, Bruner e Ross (1976), descreve essa ajuda ajustada. Entre as funções que os autores atribuem ao tutor estão reduzir os graus de liberdade da tarefa, manter a direção em relação ao objetivo e marcar as características críticas do que está sendo produzido. Em todas elas, o tutor atua com base em uma leitura do que o aprendiz é capaz de fazer naquele momento.

Para que o suporte resulte em desenvolvimento, a assistência deve diminuir gradativamente à medida que o aprendente se apropria do novo conhecimento, princípio conhecido como desvanecimento (fading) (LANTOLF; SWAIN, 2020). A internalização é o ponto de chegada desse processo: o momento em que a regulação externa se transforma em autorregulação. Lantolf e Thorne (2006) descrevem esse percurso como a passagem da regulação pelo objeto e pelo outro à regulação pelo próprio sujeito.

2.3 O aprendente como "editor-chefe": agência, autorregulação, autoria e letramentos

Zhang e Hyland (2023) introduzem o conceito metafórico do aluno como "editor-chefe", abordagem que coloca a agência do aprendente no centro do processo de escrita. Embora os modelos generativos produzam prosa fluente e, em geral, gramaticalmente correta em poucos segundos, eles não têm intenção comunicativa, conhecimento do contexto sociocultural em que o texto circulará, voz autoral nem responsabilidade ética sobre o que produzem. Cabe ao estudante, na posição de editor-chefe, conduzir a construção semântica, retórica e pragmática do texto.

Neste artigo, a metáfora não é tomada como um construto novo, mas como uma síntese de conceitos já estabelecidos na literatura, que convém distinguir. A agência é entendida, na perspectiva sociocultural, como a capacidade socialmente mediada de agir (LANTOLF; THORNE, 2006): o editor-chefe decide o que fazer com cada sugestão, em vez de apenas recebê-la. A autonomia diz respeito à capacidade de o aprendente assumir a condução da própria aprendizagem. A autorregulação refere-se ao controle que ele passa a exercer sobre a própria atividade depois de internalizar a regulação antes exercida por outros (LANTOLF; THORNE, 2006). A autoria, por fim, diz respeito à voz e ao posicionamento do escritor diante do conhecimento que constrói (HYLAND; HYLAND, 2019).

A esses conceitos somam-se dois letramentos. O letramento de feedback (feedback literacy) é definido por Carless e Winstone (2023) como a capacidade de o aluno compreender o propósito do feedback, gerenciar as emoções que ele desperta e agir a partir dele para melhorar seu trabalho. O letramento em IA, por sua vez, envolve compreender, em linhas gerais, como os modelos generativos funcionam, reconhecer seus limites e avaliar criticamente o que produzem. O editor-chefe é, assim, o aprendente que exerce agência sobre o texto, regula o próprio processo de revisão, responde pela autoria e dispõe dos letramentos necessários para julgar o feedback que recebe.

Essa formulação tem uma consequência importante: a postura de editor-chefe não é um efeito automático do uso da ferramenta. Trata-se de uma posição a ser construída, que depende do nível de proficiência do aprendente, de seu repertório metalinguístico e da orientação pedagógica recebida. Um estudante que não dispõe de critérios para avaliar uma sugestão não a edita; apenas a aceita.

3 Procedimentos Metodológicos

O presente estudo consiste em uma revisão integrativa da literatura, de abordagem qualitativa e caráter descritivo-analítico. Optou-se por esse tipo de revisão por ele admitir a inclusão conjunta de estudos empíricos e teóricos, o que é adequado a um tema recente e ainda pouco consolidado. O objetivo do percurso foi mapear, sistematizar e problematizar a produção científica recente sobre a incorporação de ferramentas de IA generativa e de Avaliação Automatizada da Escrita (AWE) à pedagogia da escrita em língua inglesa (L2).

Cabe distinguir dois conjuntos de textos. As obras de referência que compõem a fundamentação teórica (seção 2), como Vygotsky (1978), Schmidt (1990, 2001) e Swain (1995), foram selecionadas de forma intencional, por sua centralidade nos campos da Aquisição de Segunda Língua e da Teoria Sociocultural, e não se submetem aos critérios descritos a seguir. Esses critérios aplicam-se ao corpus da revisão, isto é, à literatura recente sobre IA generativa, AWE e feedback na escrita em L2, analisada na seção 4.

3.1 Estratégia de busca e critérios de elegibilidade

A prospecção bibliográfica foi realizada, em [mês e ano da busca], nas bases Web of Science, Scopus, ERIC e Google Acadêmico. A estratégia de busca empregou combinações dos seguintes descritores em língua inglesa, articulados por operadores booleanos (AND/OR): "Automated Writing Evaluation", "Generative AI", "L2 writing", "Feedback Literacy" e "English Language Teaching". A seleção das produções obedeceu aos seguintes critérios de inclusão e exclusão:

· Tipo de publicação: incluíram-se artigos de pesquisa empírica e teórica publicados em periódicos científicos com avaliação por pares e trabalhos completos em anais de congressos da área. Excluíram-se capítulos de livros, dissertações, teses, resenhas e notas editoriais.

· Recorte temporal: priorizaram-se publicações de 2018 a 2026, intervalo que contempla a transição entre os sistemas tradicionais de AWE e a emergência dos grandes modelos de linguagem (LLMs).

· Aderência temática: incluíram-se investigações voltadas ao desenvolvimento da escrita em inglês como segunda língua e aos processos de letramento de feedback mediados por tecnologia. Excluíram-se trabalhos voltados exclusivamente a outras áreas do conhecimento, à tradução automática ou ao ensino de programação.

3.2 Procedimentos de seleção

A constituição do corpus transcorreu em quatro etapas sucessivas:

1. Identificação: levantamento inicial nas bases de dados a partir dos descritores estabelecidos, que resultou em [n] registros.

2. Triagem: exame de títulos e resumos para eliminação de duplicatas e de textos desalinhados ao escopo do estudo, após o qual permaneceram [n] trabalhos.

3. Elegibilidade: leitura integral dos trabalhos pré-selecionados para confirmação do atendimento aos critérios de inclusão.

3.3 Análise dos dados

O material selecionado foi submetido à análise de conteúdo temática, organizada em dois eixos analíticos:

· Dimensão pedagógica e cognitiva: o reposicionamento do estudante nas práticas de escrita, da recepção passiva à atuação como curador do próprio texto, e as alterações nas dinâmicas de mediação do feedback.

· Dimensão crítica e tecnológica: os desdobramentos do letramento digital crítico, as implicações éticas e operacionais do uso da IA e o fomento à autonomia do aprendente.

Na apresentação da análise (seção 4), procurou-se distinguir o que é reportado pelos trabalhos revisados, identificado por citação, do que constitui interpretação proposta neste artigo à luz da fundamentação teórica, sinalizada por expressões como "argumenta-se" e "interpreta-se".

4 Análise e Discussão

Esta seção apresenta a análise da literatura revisada, organizada nos dois eixos descritos na seção 3.3. Em cada eixo, indica-se o que os trabalhos consultados reportam e, em seguida, a interpretação proposta neste artigo.

4.1 Dimensão pedagógica e cognitiva

No ensino tradicional, o intervalo entre a produção do texto e a devolução da correção pelo professor pode enfraquecer o vínculo entre o feedback e o contexto em que o texto foi escrito. Com as ferramentas de IA generativa, esse intervalo é reduzido a segundos: o estudante pode comparar de imediato seu texto inicial com a versão reformulada pelo sistema, enquanto ainda está engajado na escrita. Godwin-Jones (2022) e Warschauer e Granger (2021) observam que esse contraste imediato pode potencializar o que a literatura denomina noticing the gap (notar a lacuna).

Interpreta-se, à luz de Schmidt (1990, 2001), que o contraste entre a interlíngua do aluno e a forma gerada pela IA cria uma oportunidade de noticing. Ao visualizar substituições de vocabulário, correções de concordância e ajustes de coesão, o aluno pode ser levado a processar a distância entre seu desempenho atual e as expectativas do letramento acadêmico em inglês. Trata-se, porém, de uma oportunidade, e não de uma garantia. A comparação só produz noticing se o aprendente efetivamente atentar para a diferença; aceitar a versão reformulada sem examiná-la dispensa justamente a atenção que a hipótese considera necessária.

O modelo de Skehan (1998, 2009) permite formular uma segunda interpretação. Ao transferir a revisão de superfície para a IA, o aluno realiza um descarregamento cognitivo (cognitive offloading): o sistema assume parte do processamento de baixo nível, como a verificação de concordância, regência e ortografia. Argumenta-se que essa externalização pode liberar recursos da memória de trabalho e permitir que o estudante redirecione a atenção para a macroestrutura discursiva, isto é, para o encadeamento lógico dos parágrafos, a manutenção do registro acadêmico e a consistência das afirmações.

Essa hipótese tem uma contrapartida que precisa ser explicitada. O mesmo descarregamento que libera recursos pode reduzir a prática de monitoramento da forma, da qual depende, em parte, a automatização da precisão. A proposição de que o rearranjo atencional favorece a aquisição supõe que o aluno retorne à versão revisada e examine as soluções oferecidas para os impasses sintáticos e lexicais que não conseguiu resolver sozinho. Nessa condição, o sistema ultrapassa a função de "limpar" o rascunho e fornece insumo linguístico em um momento de alta receptividade atencional. Se esse efeito ocorre, e para quais aprendentes, é uma questão empírica, que este estudo, de natureza teórica, não permite responder.

A interação iterativa com a IA pode ser lida, ainda, como uma forma de teste de hipóteses, no sentido de Swain (1995). O estudante experimenta diferentes comandos (prompts), submete variações de uma frase e observa as respostas do modelo. Pode, por exemplo, fornecer uma frase rudimentar e pedir: "reescreva esta frase mantendo um tom acadêmico formal". Diante das opções oferecidas, decide qual versão incorporar ao texto, o que mobiliza a função metalinguística do output. Por analogia com a "negociação de significado" descrita por Long (1996), propõe-se chamar esse movimento de "negociação de forma". A analogia tem limites: na formulação de Long, a negociação ocorre entre interlocutores que buscam compreender-se mutuamente, o que não se aplica a um sistema sem intenção comunicativa.

No que se refere à mediação, Su e Yang (2023) indicam que as ferramentas de IA podem exercer, na escrita em L2, funções associadas ao scaffolding. Elas reduzem os graus de liberdade da tarefa, ao permitir que o aluno se concentre na estruturação semântica e argumentativa enquanto a máquina sinaliza desvios microestruturais. Ajudam a manter a direção, evitando que o aprendente se detenha em impasses léxico-gramaticais durante a elaboração do rascunho. E marcam características críticas da linguagem, ao evidenciar inadequações de registro, ambiguidades ou falhas de coesão que poderiam passar despercebidas na revisão autônoma. Esse suporte é imediato, está sempre disponível e não envolve o julgamento social que, nas práticas tradicionais de correção, pode elevar o filtro afetivo do estudante.

Dessa correspondência funcional não decorre, contudo, que a IA ocupe o lugar do par mais experiente na ZDP. Três diferenças justificam a cautela. Em primeiro lugar, o modelo não dispõe de um diagnóstico do nível de desenvolvimento do aprendente: responde ao comando recebido, e não ao que o aluno é capaz de fazer com e sem ajuda. Em segundo lugar, a ajuda não é, por padrão, graduada. A menos que seja instruído de outro modo, o sistema tende a entregar a reformulação completa, isto é, o grau máximo de explicitação, quando o princípio do scaffolding recomendaria oferecer apenas a ajuda necessária. Em terceiro lugar, o desvanecimento não ocorre por iniciativa da ferramenta: ela oferece o mesmo nível de assistência na primeira e na centésima interação, de modo que a retirada gradual do suporte depende do aprendente ou do professor.

Interpreta-se, portanto, que a IA generativa é mais bem descrita como um artefato cultural de mediação do que como um parceiro mais experiente. A ZDP não é criada pela ferramenta; constitui-se na atividade que reúne aprendente, professor e artefato. É o desenho pedagógico dessa atividade que pode aproximar o suporte algorítmico das condições de graduação e contingência previstas pela teoria. São exemplos solicitar à IA que aponte o tipo de problema antes de fornecer a correção, ou exigir que o aluno justifique as sugestões que aceita e as que recusa.

Decorre daí um risco formativo. Se a IA realiza a maior parte do esforço de composição, por exemplo gerando o texto integral a partir de comandos simples, com o aluno na posição de mero solicitante, o desenvolvimento da interlíngua tende a ser comprometido: a ferramenta deixa de mediar a atividade e passa a substituí-la. Em contrapartida, quando utilizada de maneira intencional e metodologicamente orientada, como suporte temporário submetido à reflexão crítica do aluno-editor, a tecnologia pode permitir que o aprendente transite por gêneros textuais avançados e alcance níveis de complexidade discursiva que não atingiria de forma independente.

Essas condições alteram a posição do estudante diante do feedback. No modelo tradicional, o ciclo de escrita muitas vezes se encerrava na recepção da nota ou na visualização das marcações do professor, sem engajamento com as sugestões recebidas. Zhang e Hyland (2023) argumentam que o engajamento com o feedback gerado por IA pode transformar o aprendente em curador de possibilidades linguísticas. Ao receber uma resposta instantânea, o aluno é chamado a decidir: se a IA sugere substituir um phrasal verb informal por um verbo de origem latina, cabe a ele avaliar, com base em seu conhecimento pragmático, se a elevação de registro é adequada ao gênero em questão. Interpreta-se que decisões desse tipo, quando efetivamente tomadas, podem fortalecer a autonomia e deslocar o foco da precisão gramatical para a eficácia retórica.

4.2 Dimensão crítica e tecnológica

A viabilidade do papel de editor-chefe depende do letramento de feedback (CARLESS; WINSTONE, 2023). Transposto para o ambiente mediado por IA, esse letramento ganha novas exigências. Na dimensão cognitiva e avaliativa, o estudante precisa reconhecer que a IA é falível e que suas sugestões se baseiam em probabilidades estatísticas, não em regras absolutas. Precisa, também, identificar casos de hipercorreção, isto é, situações em que o sistema altera uma frase correta e estilisticamente adequada apenas para aproximá-la de um padrão mais frequente em seus dados de treinamento.

Na dimensão comportamental, o letramento de feedback manifesta-se na habilidade de interagir de forma dialógica com a ferramenta. Segundo Weigle (2024), o aluno proficiente não se contenta com a primeira resposta gerada: aprende a refinar seus comandos e estabelece um diálogo investigativo com o sistema. Em vez de solicitar "corrija este parágrafo", pode pedir: "aponte possíveis falhas de coesão neste parágrafo e sugira três opções de conectivos de contraste, explicando a nuance de cada um". Interpreta-se que comandos desse tipo aproximam a ferramenta de um recurso de consulta e explicação e a afastam do uso como simples "muleta" corretiva.

Essa interação também altera a temporalidade da escrita. No modelo convencional, a edição ocorre após a finalização do rascunho; no ambiente digital, escrever e editar tornam-se processos simultâneos (WEIGLE, 2024). Elaborar comandos precisos exige que o aluno planeje o texto, antecipe os problemas de sua interlíngua e direcione a máquina conforme seus objetivos retóricos. Interpreta-se que essa prática, em que o aluno submete pequenos trechos, avalia alternativas, reescreve e testa novamente, pode ser lida à luz tanto da Hipótese do Noticing quanto da noção de mediação da Teoria Sociocultural.

Um segundo desafio é a tendência dos grandes modelos de linguagem a homogeneizar o discurso. Por serem treinados em vastos corpora de textos, majoritariamente hegemônicos, esses modelos tendem a padronizar a escrita e a atenuar as peculiaridades estilísticas e culturais do autor. Hyland e Hyland (2019) enfatizam que o feedback tem impacto profundo na voz e na identidade do aprendente de segunda língua. A voz autoral não é um adorno estilístico: é a marca do posicionamento crítico (stance) do escritor em relação ao conhecimento que constrói.

No papel de editor-chefe, cabe ao aprendente proteger sua voz contra essa padronização. Ao revisar as sugestões da IA, ele deve avaliar tom e contexto: as mudanças propostas mantêm o seu posicionamento argumentativo? A força de sua afirmação foi diluída por uma formulação excessivamente polida? A defesa da própria voz implica rejeitar intervenções que descaracterizem sua identidade como autor, de modo que o texto final represente o seu pensamento, e não um simulacro gerado por IA.

Além das questões linguísticas, o editor-chefe precisa validar a precisão do conteúdo. Os modelos generativos podem produzir as chamadas "alucinações": informações, citações e argumentos plausíveis e de aparência acadêmica, mas inventados. A fluência da IA em língua inglesa pode induzir o aluno de L2 a supor que um texto gramaticalmente correto é também factualmente correto. Cabe ao estudante, portanto, a checagem dos fatos (fact-checking): examinar as premissas, conferir se os dados não foram distorcidos e verificar se nenhuma referência fictícia foi inserida no texto. Tratar as correções e adições da IA como opções a serem analisadas, e não como regras a serem seguidas, é o princípio que distingue a escrita mediada, aceitável e produtiva, do plágio algorítmico.

4.3 Síntese da discussão

Em síntese, a literatura revisada reporta que as ferramentas de IA generativa oferecem feedback imediato (GODWIN-JONES, 2022; WARSCHAUER; GRANGER, 2021), podem exercer funções associadas ao scaffolding (SU; YANG, 2023) e exigem do aprendente engajamento ativo e letramento de feedback (ZHANG; HYLAND, 2023; CARLESS; WINSTONE, 2023; WEIGLE, 2024).

A partir desses trabalhos e da fundamentação teórica, este artigo propõe três interpretações. A primeira é que o contraste imediato entre o texto do aluno e a versão gerada cria uma oportunidade de noticing, que se realiza apenas se houver atenção deliberada à diferença. A segunda é que a IA atua como artefato de mediação, e não como par mais experiente, de modo que a ZDP depende do desenho pedagógico da atividade. A terceira é que a posição de editor-chefe não decorre do uso da ferramenta: precisa ser construída por meio da agência, da autorregulação e dos letramentos de feedback e em IA. Essas interpretações são proposições teóricas, a serem examinadas empiricamente.

5 Implicações e Limitações

5.1 Implicações pedagógicas

A presença crescente da IA generativa convida a uma revisão das metodologias de ensino e dos paradigmas de avaliação na sala de aula de línguas (WEIGLE, 2024). A prática pedagógica centrada na identificação e correção de erros gramaticais locais (ortografia, concordância, preposições) tende a perder centralidade, uma vez que ferramentas automatizadas já realizam essa verificação de superfície com rapidez. Nesse contexto, o foco do professor de L2 pode deslocar-se para o ensino do pensamento crítico, da organização retórica, da argumentação e do gerenciamento do feedback (GODWIN-JONES, 2022).

Com o objetivo de integrar a IA de forma produtiva, propõem-se três encaminhamentos, a serem avaliados em contextos concretos de ensino:

1. Ensino de engenharia de prompts reflexivos: orientar os alunos sobre como interagir com os LLMs. Em vez de simplesmente solicitar que a IA "conserte o texto", os aprendentes podem ser ensinados a pedir explicações metalinguísticas, a solicitar ajuda graduada (primeiro a indicação do problema, depois a correção) e a comparar diferentes versões estilísticas, de modo a favorecer o noticing (SCHMIDT, 1990).

2. Avaliação focada no processo e na curadoria: Weigle (2024) sugere que avaliar apenas o produto final se tornou insuficiente, dado o potencial de hipercorreção da máquina. A avaliação pode voltar-se para o processo de edição: os estudantes apresentam históricos de comandos ou relatórios reflexivos em que explicam por que, como "editores-chefes", decidiram acatar ou recusar determinadas intervenções da ferramenta.

3. Diálogo aberto sobre ética, plágio e autoria: a linha entre o suporte tecnológico e a delegação indevida de autoria é tênue. Cabe à instituição promover debates transparentes sobre a ética no uso da IA, para que o aprendente utilize a tecnologia como ferramenta de aprimoramento discursivo e mantenha a responsabilidade intelectual por suas afirmações.

Esses encaminhamentos têm implicações para a formação inicial e continuada de professores de línguas, que precisam, eles próprios, desenvolver letramento de feedback e letramento em IA para orientar seus alunos (CARLESS; WINSTONE, 2023).

5.2 Limitações do estudo

Este estudo apresenta limitações que condicionam o alcance de suas conclusões. Por se tratar de uma revisão de literatura, não foram coletados dados empíricos: as relações propostas entre o feedback gerado por IA, o noticing, a mediação na ZDP e a postura de editor-chefe são interpretações teóricas, e não efeitos observados.

A busca restringiu-se a quatro bases de dados e a descritores em língua inglesa, o que pode ter excluído trabalhos relevantes, em especial a produção brasileira e latino-americana publicada em português e em espanhol. Além disso, as ferramentas de IA generativa mudam rapidamente, de modo que parte dos estudos revisados descreve versões já superadas dos sistemas. Por fim, a discussão concentrou-se na escrita acadêmica em inglês no ensino superior, e suas proposições não podem ser estendidas, sem exame, a outros níveis de ensino, línguas ou gêneros.

6 Considerações Finais

A integração da IA generativa às práticas de letramento universitário reconfigura os processos de ensino e aprendizagem da escrita em língua inglesa. O que inicialmente poderia ser visto apenas como ferramenta de automação textual apresenta-se, na literatura revisada, como um elemento mediador complexo. As discussões aqui reunidas sugerem que o uso de grandes modelos de linguagem não anula a validade das teorias clássicas de aquisição de segunda língua; exige, antes, que esses conceitos sejam reposicionados para dar conta da interação entre a cognição humana e o processamento algorítmico.

Sob a ótica da Teoria Sociocultural, argumentou-se que a IA atua como artefato cultural de mediação, e não como equivalente de um par mais experiente. O suporte imediato fornecido por essas plataformas pode auxiliar o estudante na formulação de estruturas linguísticas que ele ainda não domina de forma autônoma. Sua contribuição para o desenvolvimento depende, porém, de condições que a ferramenta não garante por si: a graduação da ajuda e o seu progressivo desvanecimento. O desafio pedagógico é fazer com que a tecnologia favoreça a internalização do idioma, evitando uma dependência que comprometa a capacidade de autorregulação do aluno.

Sob a perspectiva do noticing, o feedback mediado por IA, por ser imediato, chega no momento em que a atenção do aluno está voltada para o texto. Ao confrontar sua versão original com a sugestão do sistema, o estudante tem a oportunidade de notar a lacuna entre a sua interlíngua e a norma acadêmica, convertendo o erro em objeto de análise e de teste de hipóteses. Essa oportunidade só se realiza, contudo, quando há atenção deliberada à diferença entre as versões.

Nesse contexto, a ideia do aluno como "editor-chefe" apresenta-se como uma resposta teórica e prática para a manutenção da agência no processo de escrita. Assumir esse papel significa tomar para si a responsabilidade de avaliar a pertinência pragmática das sugestões, checar a veracidade dos dados e proteger a própria voz autoral contra a padronização estilística. Para que essa atuação seja possível, o letramento de feedback e o letramento em IA tornam-se competências educacionais centrais: é a capacidade de dialogar com a máquina, elaborar comandos precisos e avaliar criticamente cada retorno que diferencia o uso produtivo da tecnologia da simples delegação de autoria.

As implicações desse cenário recaem sobre as metodologias docentes e institucionais. O papel do professor de línguas tende a deslocar-se da correção de desvios de superfície para a mediação crítica do processo de escrita. Cabe às instituições orientar uma prática colaborativa, discutindo com transparência os limites éticos da ferramenta e a reconfiguração do conceito de plágio.

Por se tratar de um estudo de revisão, as conclusões aqui apresentadas são proposições teóricas, sujeitas às limitações indicadas na seção 5.2. Investigações futuras devem priorizar desenhos empíricos e longitudinais que analisem o impacto da mediação algorítmica no desenvolvimento da autonomia autoral e na formação inicial e continuada de professores de línguas.

Referências

CARLESS, D.; WINSTONE, N. Teacher feedback literacy: its nature, development and implications for academic writing instruction. Higher Education Research & Development, v. 42, n. 3, p. 560-573, 2023.

ELLIS, R. Investigating form-focused instruction and second language acquisition. Language Learning, v. 52, n. s1, p. 223-264, 2002.

GODWIN-JONES, R. Partnering with AI: Intelligent writing assistants and second language acquisition. Language Learning & Technology, v. 26, n. 2, p. 1-24, 2022.

HYLAND, K.; HYLAND, F. (ed.). Feedback in second language writing: Contexts and issues. 2. ed. Cambridge: Cambridge University Press, 2019.

KRASHEN, S. D. Second language acquisition and second language learning. Oxford: Pergamon Press, 1981.

LANTOLF, J. P.; SWAIN, M. Sociocultural theory and the pedagogy of second language writing. Journal of Second Language Writing, v. 49, p. 100748, 2020.

LANTOLF, J. P.; THORNE, S. L. Sociocultural theory and the genesis of second language development. Oxford: Oxford University Press, 2006.

LONG, M. H. The role of the linguistic environment in second language acquisition. In: RITCHIE, W. C.; BHATIA, T. K. (ed.). Handbook of second language acquisition. San Diego: Academic Press, 1996. p. 413-468.

ORTEGA, L. Understanding second language acquisition. London: Hodder Education, 2009.

PRENSKY, M. Digital natives, digital immigrants. On the Horizon, v. 9, n. 5, p. 1-6, 2001. DOI: https://doi.org/10.1108/10748120110424816.

ROBINSON, P. Attention, memory, and the "noticing" hypothesis. Language Learning, v. 45, n. 2, p. 283-331, 1995.

ROBINSON, P. Attention and memory during SLA. In: DOUGHTY, C. J.; LONG, M. H. (ed.). The handbook of second language acquisition. Oxford: Blackwell, 2003. p. 631-678.

SCHMIDT, R. The role of consciousness in second language learning. Applied Linguistics, v. 11, n. 2, p. 129-158, 1990.

SCHMIDT, R. Attention. In: ROBINSON, P. (ed.). Cognition and second language instruction. Cambridge: Cambridge University Press, 2001. p. 3-32.

SKEHAN, P. A Cognitive Approach to Language Learning. Oxford: Oxford University Press, 1998.

SKEHAN, P. Modelling second language performance: Integrating complexity, accuracy, fluency, and lexis. Applied Linguistics, v. 30, n. 4, p. 510-532, 2009.

SU, Y.; YANG, W. Artificial intelligence in L2 writing: Scaffolding, feedback, and student agency. Educational Technology Research and Development, v. 71, n. 4, p. 1421-1442, 2023.

SWAIN, M. Three functions of output in second language learning. In: COOK, G.; SEIDLHOFER, B. (ed.). Principle and practice in applied linguistics: Studies in honour of H. G. Widdowson. Oxford: Oxford University Press, 1995. p. 125-144.

VYGOTSKY, L. S. Mind in society: The development of higher psychological processes. Cambridge, MA: Harvard University Press, 1978.

WARSCHAUER, M.; GRANGER, S. Automated writing evaluation and L2 acquisition: A critical review. Computer Assisted Language Learning, v. 34, n. 5-6, p. 789-812, 2021.

WEIGLE, S. C. Assessing second language writing in the age of generative AI. Language Testing, v. 41, n. 1, p. 45-68, 2024.

WOOD, D.; BRUNER, J. S.; ROSS, G. The role of tutoring in problem solving. Journal of Child Psychology and Psychiatry, v. 17, n. 2, p. 181-191, 1976.

ZHANG, Z.; HYLAND, K. Student engagement with AI-generated feedback in L2 writing: The learner as chief editor. System, v. 118, p. 103140, 2023.

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International (CC BY-NC 4.0).