Marcas Linguísticas e estruturais no ChatGPT: implicações da IA generativa para o ensino-aprendizagem da escrita

O artigo, com a participação da integrante do <labiia_lab> Mirella Silva Barbosa, tem como objetivo identificar as marcas linguísticas e estruturais geradas pelo ChatGPT, analisando o campo semântico empregado por essa IA generativa na produção de textos escritos. A motivação é pedagógica: nas aulas de Produção de Texto, professores de Língua Portuguesa temem que alunos da Educação Básica copiem e colem os textos gerados pelo ChatGPT sem reflexão ou acréscimo autoral. Trata-se de uma pesquisa qualitativa e empírica, fundamentada em bibliografia sobre IA — sobretudo Lucia Santaella, a UNESCO e a teoria da Transposição em Inteligência Artificial (T-IA) de Caiado.

Principais pontos

• Fundamentação teórica: o texto recupera a história da IA (Conferência de Dartmouth, 1956; o chatbot ELIZA, anos 1960), distingue aprendizagem de máquina da aprendizagem humana e diferencia IA preditiva (que prevê resultados a partir de dados históricos) de IA generativa (que cria conteúdo novo). Apresenta o ChatGPT como um transformer com arquitetura de codificação/decodificação e mecanismo de autoatenção, treinado para uma escrita formal e polida, sem erros sintáticos, morfológicos ou de pontuação. Ressalta, com base em Santaella, que coerência sintática não implica coerência semântica e que a máquina não é criativa nem deduz — limitações que reforçam riscos pedagógicos como plágio, superficialidade e dependência tecnológica.
• Corpus e método: três textos gerados na versão gratuita do ChatGPT-4.0, em dois gêneros frequentes na BNCC para os Anos Finais do Ensino Fundamental — relato pessoal e conto. O Texto 1 foi um relato de viagem; o Texto 2, a adaptação desse relato para a linguagem de uma criança de 11 anos (6º ano); e o Texto 3, um conto de mistério no mesmo registro. Os prompts foram construídos considerando o gênero, a proposta temática e a faixa etária do público-alvo.
• Análise dos textos: as autoras identificam padrões recorrentes — a abertura sempre com a mesma marca (“Claro!”); a ausência de recuo de parágrafo; o início de cada parágrafo com marcadores temporais (“na última sexta-feira”, “à noite”, “no sábado” etc.); excesso de adjetivação, que infantiliza a linguagem; uso predominante de períodos curtos na ordem direta (sujeito + verbo + complemento); e vocabulário formal e rebuscado (“veraneio”, “espetáculo maravilhoso”, “ecoavam”) que provavelmente não faz parte do repertório de um aluno de 11 anos. Na versão adaptada (Texto 2), o registro formal foi parcialmente substituído por expressões informais (“a gente riu”, “coisinhas legais”), mas os marcadores temporais e a ordem direta se mantiveram. O Texto 3, mesmo sendo de outro gênero, repetiu as mesmas marcas, evidenciando uma forma fixa. As autoras também notam que as despedidas (“Espero que tenha gostado! Se precisar de mais alguma coisa…”) são respostas padronizadas e automáticas.
  

Conclusão

As autoras concluem que o ChatGPT é treinado para (co)criar textos padronizados, com a mesma estrutura desde o início da interação, replicando um repertório associado a uma “comunicação modelo”, formal e rebuscada da norma de prestígio. Embora essa padronização favoreça clareza e coesão, ela levanta questões sobre criatividade, originalidade, autoria e adequação ao contexto e ao gênero — habilidades essenciais à proficiência na escrita. Como os textos gerados se distanciam do repertório linguístico do aluno, a regularidade dessas marcas pode até denunciar que a escrita foi produzida por máquina, e não por humano. A principal implicação pedagógica é que o professor, conhecendo essas marcas, pode planejar com os alunos um processo de (re)elaboração da escrita que promova reflexão, autonomia, autoria e pensamento crítico, em articulação com o letramento digital, em vez de simples cópia.