# Cne Ia_Na_Educacao_Brasileira.Html
**Source:** https://zh-hans.ianaescola.com.br/publicacoes_relevantes/Atos_Normativos/CNE-IA_na_Educacao_Brasileira.html
**Language:** Simplified Chinese
---
教育部
国家教育委员会
全体委员会支持部
国家教育委员会 - SGAS, Av. L2 Sul, Quadra 607, Lote 50 - 70200-670 - Brasilia - DF, - Asa Sul区, Brasilia/DF, 邮编 70200-670
电话: (61) 2022-7700 - http://www.mec.gov.br
| | | |
| --- | --- | --- |
| **利益相关者:** 国家教育委员会/全体委员会 | | **州/联邦区:** DF |
| **主题:** 人工智能在巴西教育中的使用指南。 | | |
| **委员会:** Monica Sapucaia Machado (主席), Celso Niskier 和 Israel Matos Batista (报告员), Cleunice Matos Rehem, Elizabeth Regina Nunes Guedes, Gastão Dias Vieira, Givânia Maria da Silva, Ludhmila Abrahão Hajjar, Mauro Luiz Rabelo 和 Paulo Fossatti (成员)。 | | |
| **案件号:** 23001.001062/2024-18 | | |
| **CNE/CP意见号: 15/2026** | **委员会: CP** | **批准日期:** **2026年9月1日** |
**I. 报告**
**第一部分 - 简介**
人工智能（AI）在当代教育系统中的应用是21世纪技术变革对教育影响最显著的现象之一。这些技术的日益普及扩大了支持教学、学习、评估和教育管理过程的可能性，但也带来了与权利保护、透明度、公平性、智力自主性和教育过程完整性相关的挑战。在此背景下，其使用本身并非目的，也不预示着自动收益，而应以符合教育目标、保护学生和本意见书确立的原则的方式进行。
本指南具有指导和监管性质，为人工智能的整合设定了参数，以确保人工智能以合乎道德、负责任、成比例和具有教学依据的方式融入教育系统和教育机构。其目的不是无差别地授权或鼓励使用这些技术，而是确保每项应用都基于合法的教育目的、必要性、比例性、人类监督和基本权利保护，同时保持教学中介的核心地位和教育的形成性目的。
在本意见中，人工智能被理解为能够处理数据、进行推理、识别模式、生成内容、支持决策过程或执行基于计算模型的其他功能的计算系统集合。此概念涵盖预测系统、生成系统、智能代理、数字导师和其他技术架构等应用，并认识到它们具有不同的目的、自主程度、透明度、可审计性和风险状况。在本指南中，区分了通用人工智能系统的使用与专门为教育目的设计或改编的解决方案的使用，其使用应始终根据教学目的、监管比例、人类监督、个人数据保护以及对教育过程和学生权利的潜在影响进行分析。
在巴西的背景下，人工智能应用的使用扩展发生在一个以技术获取不平等以及特别是其高质量使用条件为特征的场景中。这些差异反映了与可用基础设施、连接性、教育专业人员的培训、教育网络的机构能力以及学生的社会经济条件相关的方面。这种情况凸显了需要规范性参考来指导这些技术的合乎道德、负责任的使用，并符合1988年联邦宪法和国家教育指导和基础法-LDB（巴西，1988；巴西，1996）规定的教育目的。
克服这些不平等不仅需要对技术基础设施进行投资，还需要加强批判性、道德性和教学上一致地使用人工智能所需的人力和机构能力。在此背景下，教育工作者的持续培训，加上适当的技术支持、设备和连接的可用性，是技术创新为扩大教育机会做出贡献的战略条件，从而避免现有不平等的重演或加剧。
人工智能在教育过程中的应用有潜力支持个性化学习、扩大教育内容和资源的获取、提高学生绩效跟踪的质量，并促进更具适应性和包容性的教学实践。然而，这些可能性必须在理解其局限性和风险的背景下进行，特别是在个人数据保护、系统透明度和可解释性、偏见缓解以及保护学生权利方面。此外，人们认识到，人工智能的应用对教育过程产生不同的影响，从主要工具性用途到影响评估、学术跟踪、机构决策和权利保护的情况，这种情况证明了有必要采取一种与使用背景相称且基于使用背景的监管方法（巴西，2024；联合国教科文组织，2022；经合组织，2024）。
在此背景下，教师的作用仍然是教育过程的结构性要素。教师有责任确保教学意图、内容情境化、技术资源的审慎选择以及对人工智能系统生成信息的批判性解读，确保其使用服从于教育目标，并保留教育的关系性、伦理性和人文性维度（UNESCO，2023）。
人工智能在教育过程中的使用应始终在人类的监督、解释和责任下进行。尽管这些技术可以支持规划、跟踪、个性化学习和信息组织等活动，但它们的使用并不能免除或取代教育专业人员的教学责任。人类中介是确保教育意图、背景化、道德判断和保护学生权利的必要条件。
鉴于这一背景，国家教育委员会（CNE）在其法定职责范围内，成立了一个专门委员会，旨在分析人工智能对巴西教育的影响，并为其使用提出指导方针。所开展的工作力求将法律基础、技术参考以及教育领域不同参与者的贡献（包括专家、教育机构、代表性实体以及国家和国际机构）结合起来。这种方法使得构建一个有据可依的规范性提案成为可能，该提案能够应对该主题的复杂性以及巴西教育系统的需求。
该程序产生的意见为在所有级别、阶段和模式的教学系统和教育机构中使用人工智能制定了指导方针。其目的是提供参数，以确保这些技术的整合符合教育原则、保护学生权利和重视教师的作用，确保技术创新服从于教学目的，而不是凌驾于教育过程的教育性质之上。
此外，该意见旨在为人工智能的使用创造条件，使其能够根据不同教育水平的具体情况、教育机构的特点以及该国的地区差异得到情境化应用。在此意义上，人们认识到，指导方针的有效性取决于教育系统和机构根据自身实际情况解释和实施这些指导方针的能力，同时不忽视指导其应用的原则。
本意见旨在情境化和阐述规范性提案，以促进教育系统和教育机构对其进行适当的理解和实施。因此，我们寻求提供支持，以促进负责任、透明地使用人工智能，并使其与教育质量保持一致，从而在技术创新与对学生全面培养的承诺之间取得平衡。
本指南所提出各项准则的核心理解是，人工智能必须服务于人类发展、学习、公民意识以及学生的全面培养。技术创新只有在能够拓展人类能力、加强教学纽带并促进个人与社会发展机遇时，才具备教育意义。
**第二部分 – 委员会、组建历史与方法论**
巴西教育中人工智能使用准则的起草工作在国家教育委员会（CNE）框架内进行，由基础教育委员会（CEB）和高等教育委员会（CES）联合设立的两院委员会负责，其宗旨是分析人工智能对教育过程的影响，并为教育系统中的应用提出指导性准则。
该委员会的成立符合国家教育委员会（CNE）的法定和规章职责，特别是在制定国家教育方针以及协助教育部（MEC）定义公共教育政策方面。在此背景下，建立一个专门处理人工智能的机构，反映了各机构对该主题战略重要性的认可，以及以结构化、有依据且与整体教育政策相协调的方式来处理该主题的必要性。
该委员会由来自基础教育委员会（CEB）和高等教育委员会（CES）的委员组成，汇集了对不同层级和形式教育当代挑战的不同机构视角，成员包括：委员会主席 Monica Sapucaia Machado 委员 (CES/CNE)；报告员 Celso Niskier 委员 (CES/CNE) 和 Israel Matos Batista 委员 (CEB/CNE)；成员 Cleunice Matos Rehem 委员 (CEB/CNE)；Elizabeth Regina Nunes Guedes 委员 (CES/CNE)；Gastão Dias Vieira 委员 (CEB/CNE)；Ludhmila Abrahão Hajjar 委员 (CES/CNE)；Mauro Luiz Rabelo 委员 (CES/CNE)；以及 Paulo Fossatti 委员 (CES/CNE)。根据 2024 年 12 月 16 日第 30 号 CNE/CP 法令，委员会进行了重组，调整后的成员如下：主席 Monica Sapucaia Machado 委员 (CES/CNE)，报告员 Celso Niskier 委员 (CES/CNE) 和 Israel Matos Batista 委员 (CEB/CNE)，成员 Cleunice Matos Rehem 委员 (CEB/CNE)、Elizabeth Regina Nunes Guedes 委员 (CES/CNE)、Gastão Dias Vieira 委员 (CEB/CNE)、Givânia Maria da Silva 委员 (CEB/CNE)、Ludhmila Abrahão Hajjar 委员 (CES/CNE)、Mauro Luiz Rabelo 委员 (CES/CNE) 和 Paulo Fossatti 委员 (CES/CNE)，根据 2025 年 1 月 31 日第 2 号 CNE/CP 法令。委员会还邀请了外部研究员 MaximiliaDamas 参与工作。
委员会的组成旨在确保多元化和代表性，融合了对巴西教育的不同经验和看法，包括学术、监管和机构视角。这种多样性对于构建关于人工智能在教育中应用的全方位方法至关重要，从而能够考量基础教育和高等教育的具体特点，以及教育网络和机构的不同现实情况。
在开展工作期间，委员会在全会（CP）范围内举行了例会，推动对人工智能相关主题及其与教育交集的持续分析。这些会议使各方能够逐步加深对该主题的理解，并巩固了产生该意见书的各项提议。
作为高质量倾听过程的一部分，我们与来自教育、技术和法律等不同知识领域的专家召开了技术会议，教育和研究机构的代表以及政府机构也参与其中。这一时刻有助于深化讨论，特别是在与人工智能使用相关的道德、法律和教学方面。
此外，还举行了公开听证会，教育界代表广泛参与，包括教育机构、行业实体、研究人员、教师、学生和公民社会成员。这个扩大参与的空间使得纳入不同的观点和贡献成为可能，从而加强了准则制定过程的民主和协作性质。
在这个过程中，值得突出的是参与机构的贡献，例如巴西教育部（MEC）、国家教育委员会（CNE）、圣保罗大学（USP）、南里奥格兰德联邦大学（UFRGS）、南马托格罗索联邦大学（UFMS）、里约热内卢联邦大学（UFRJ）、弗鲁米嫩塞联邦大学（UFF）、法鲁皮利亚联邦研究所（IFFar）、巴西资本市场学院（Ibmec）、佩德罗二世中学/EdutecIA观察站、阿拉纳研究所（Instituto Alana）、公开言论研究所（Instituto Palavra Aberta）、佩克数字公民研究所（Instituto PECK de Cidadania Digital）、技术与社会研究所（ITS）、巴西独立与综合学院协会（Abrafi）、巴西高等教育机构维持会协会（ABMES）、圣保罗州高等教育机构维持实体工会（Semesp）、STHEM Brasil/MetaRed集团、全国研究生协会（ANPG）、哈佛大学，以及教育机器人公司， *主播* 教育和技术专家。
委员会采用的方法论过程具有结构化、参与式和迭代式的方法，结合了文献调查、机构对话、公众咨询、听证会、技术会议以及对收到的意见的逐步整合。考虑了与教育、个人数据保护、儿童和青少年在数字环境中的权利、版权和基本权利相关的国家规范性文件，以及关于人工智能的伦理、治理和负责任使用的国际参考，以确保教育政策与现行法律秩序之间的一致性。
同时，还分析了关于人工智能的伦理和负责任使用的国际参考文件，重点是联合国教科文组织和经济合作与发展组织（OECD）的文件，这些文件涉及透明度、公平性、治理和教育专业人员的资格等主题（联合国教科文组织，2022；经合组织，2024）。
收到的意见的系统化是以集体方式进行的，确保了法律依据、技术参考和巴西教育系统的需求之间的一致性。这一过程巩固了一项规范性提案，该提案以责任、可行性和与教育实践的依从性为指导原则，避免了过于规范的方法和缺乏明确参数的情况。
因此，本意见反映了一个集体构建过程，该过程基于证据、法律框架和与教育界的对话。其制定旨在确保技术一致性和机构合法性，为制定指导人工智能在教育中以合乎道德、透明和符合教学目的的方式使用的方针做出贡献。
人工智能技术的动态性质要求此处制定的方针被理解为需要不断改进的参考。技术系统、监管框架以及与该主题相关的科学证据的快速发展，加强了对与其使用相关的教育指导方针进行永久监测和定期更新的必要性。
**第 3 部分 - 原则**
人工智能在巴西教育中的应用将遵循一套原则，为在教育系统和教育机构中的采用、使用和监督奠定规范性基础。这些原则规定了人工智能可以融入教育过程的条件，确保其符合教育宗旨、现行立法以及关于负责任地使用数字技术的国家和国际标准（巴西，1996；巴西，2018；巴西，2024；联合国教科文组织，2022；经合组织，2024）。
所提出的原则不应孤立地理解，而应作为一个整体来指导由人工智能介导的教育实践的决策和组织。遵守这些原则旨在确保技术创新服从于教学目标，维护教育过程的中心地位以及保护相关主体的权利。
以下是指导原则及其简要说明：
**I - 以积极的教学中介为中心的人类监管**
规定人工智能的使用应始终服从教育专业人员的行动，确保教学决策以人类判断、教学意图和机构责任为指导。这一原则重申了教育的关联性，并认识到人类中介对于知识构建和学生的全面发展至关重要，尤其是在技术中介的背景下（巴西，1996；联合国教科文组织，2023）。
人类监管包括负责教育过程的设计、指导、监督和评估，包括人工智能工具的选择、使用和批判性审查。其遵守意味着必须保留人类决策、解释、质疑和干预所产生结果的能力，禁止自动化系统取代教学活动或机构责任。人类中介不仅限于对人工智能系统所产生结果的后续审查，还包括活动规划、学习目标定义、技术选择、教育过程监督以及对所取得结果的批判性评估。这些工具的使用必须始终服从于教育工作者的教学意图和责任。
教学引领和教学中介的核心地位，并不意味着将属于教育系统、教育机构、举办者、管理者、技术团队以及技术方案供应商的技术、法律、行政、合同或安全责任，个体化地转嫁给教育从业人员。教师的履职应当在适当的机构条件下得到保障，包括提供培训、技术支持、工作时间、明确的指导、教学资源以及允许开展高质量人类教学中介的治理机制。
人工智能应用的采用、合同、验证、监控、安全、数据保护、风险评估和机构审查的责任应在相关各方之间明确分配，同时保留教育专业人员的教学自主权，并避免他们对超出其控制范围的系统性、技术性或合同性故障负责。
**二、人工智能教学的课程整合，循序渐进，教学意图明确**
建议将与人工智能相关的教学以有计划、循序渐进和教学意图明确的方式纳入课程，尊重学生的学习发展阶段并促进有意义的学习。这种整合应与国家数字教育指南、现行课程基础以及每个教学阶段和模式的形成目标相结合（巴西，2017；巴西，2025）。
AI curriculum integration should promote the progressive development of knowledge, skills, attitudes, and values compatible with the different stages of Basic Education and Higher Education, considering the specificities of knowledge areas and students' development levels. This approach is not restricted to mastering tools or technological applications, but also encompasses training for digital literacy, a critical understanding of the fundamentals, potentials, limitations, and impacts of AI in contemporary society, as well as the development of competencies for its ethical, responsible use aligned with educational objectives. Pedagogical intentionality constitutes a structuring element of this process, ensuring that technology remains subordinate to students' integral development and the promotion of meaningful learning.
**III - Data protection, digital ethics, and information security**
规定人工智能的使用必须严格遵守有关个人数据保护的法律法规，以及教育环境中数字伦理、信息安全和基本权利保护的原则。该原则旨在确保信息处理以合法、透明、安全和负责任的方式进行，维护教育过程所需的隐私、完整性和信任（巴西，2018；联合国教科文组织，2022）。
其实施需要采纳制度化政策与实践，以确保数据的适当治理、其使用的透明度、防止不当访问，并降低与使用基于人工智能系统相关的风险。在适用的情况下，应遵循数据处理最小化、目的限制、必要时间保留、安全删除以及在适用的情况下进行匿名化或假名化的原则，并符合现行法律。教育机构应努力确保供应商及其他负责开发、提供或运营这些解决方案的主体，在教育环境中使用信息的处理方面，遵守信息安全、个人数据保护、透明度和责任制方面的相容标准。个人数据保护是保护学生、教师及教育共同体其他成员权利不可分割的维度，而数字伦理则指导负责任地使用技术、防止自动化信息处理带来的歧视、偏见和损害，并促进在数字环境中致力于隐私、安全、完整性和责任感的机构文化。
对于儿童和青少年而言，在教育环境中使用人工智能还应遵守适用于数字环境的全面保护法律制度，包括针对数字环境中儿童和青少年保护的具体规范，特别是在风险防范、透明度、个人数据保护、禁止不正当商业开发、安全、人工监督以及儿童和青少年最大利益方面，符合《儿童和青少年数字法》（ECA Digital）的规定。
**IV — 包容、公平、无障碍与数字公民身份**
规定人工智能的使用应有助于扩大教育机会、减少不平等并促进公平的获取、参与和学习条件，加强包容性、无障碍性以及培养能够以批判、道德和负责任的方式在数字文化中行事的公民（BRASIL, 2014; OECD, 2024）。
该原则的实现以承认国家在基础设施、连接性、技术资源和机构能力方面存在的不同条件为前提。因此，各教育系统和教育机构应采取战略，扩大优质技术接入，促进所有学生的参与，并减少与社会、经济、地域、文化或技术脆弱性相关的障碍。
人工智能可以成为促进无障碍、学习个性化、培养路径多样化以及巩固学生留校和学业成功条件的重要工具。其使用应以保护权利、重视多元化以及确保技术创新有助于扩大教育机会而非复制或加深现有不平等为承诺进行导向。
**V – 重视认识论、文化和社会的多样性**
确立了在教育中使用人工智能必须承认、尊重和珍视知识、文化、身份、背景及知识生产形式的多样性，促进包容、民主且致力于多样性的教育环境。这一原则指导着对技术的批判性使用，并防止复制与人权及教育宗旨不相容的偏见、刻板印象或歧视（UNESCO, 2022）。
教育过程中的人工智能整合应当考虑到巴西社会的多元化特征，承认不同的认识论、文化、地域和社会的视角是知识生产的组成部分。在此背景下，人工智能系统与应用应当有助于扩大参与、对话和知识共同建构的机会，避免复制可能限制体验、知识和学习方式多元化的同质化观点、刻板印象或模式。因此，重视认识论的多元化是技术创新巩固批判性、包容性、民主性和具有社会责任感的教育的基本条件。
**VI —— 教育机构的教学自主权**
确保各教学机构能够在自身教学项目和机构特性的框架内，制定与其培养目标及学术社群需求相适应的AI使用策略、政策和方式。这种自主权的行使必须遵循本意见所确立的原则与方针，以及适用的法律框架，从而实现教学创新、机构责任与权利保护的有机结合（巴西，1996年）。
机构自主性以开发符合情境的解决方案的能力为前提，这些方案需适应不同的教育现实、教学阶段和学生特点，从而促进与教育质量和促进公平相一致的创新进程。其实施必须以透明、参与和负责任的方式进行，确保有关人工智能使用的决策始终服从于教育目的、培训过程的完整性以及对教育专业人员工作的重视。
**VII —— 科学主权与国家解决方案的发展**
鼓励加强国家的科学、技术和机构能力，以用于开发、评估、调整和治理针对教育的人工智能解决方案，促进知识和技术的生产，使其符合巴西教育的需求、多样性和战略目标（巴西，2021年）。
科学与技术主权以加强国家研究、创新生态系统以及教学机构、研究中心、公共部门和生产部门之间的合成为前提，有利于创建和完善符合国家教育背景的解决方案。这一原则鼓励形成国家能力，以理解、适应、评估和批判性地使用人工智能技术，有助于减少技术依赖、扩大机构自主权，并确保其融入教育过程符合公共利益、文化多样性和教育目标。开发和采用可互操作、可审计且符合开放标准的解决方案是加强科学与技术主权的重要指导方针，同时应维护教育系统和教育机构的自主权。
**VIII 算法透明度**
规定教育过程中人工智能的使用应遵循适当的透明度、可解释性、可追溯性和文档记录标准，这些标准需与所应用场景的目的、使用环境和风险等级相适应。这一原则旨在确保学生、教师、管理者和机构能够理解所用技术的目的、局限性以及潜在影响，从而增强信任、责任感并保护各项权益。
算法透明度包括提供有关系统目的、其总体运行逻辑、所用数据、已知局限性以及指导其在教育过程中使用的标准的可访问信息。只要应用影响评估、学业跟踪、个性化学习或对学生或机构具有重大影响的其他决定，就必须确保具备成比例的可追溯性、文档记录、人工监督机制以及对产生的结果进行审查、质疑或纠正的明确程序。
**IX - 参与和社会监督**
规定教育中的人工智能应用应以参与、对话和社会监督过程为导向，确保教育界共同参与相关技术应用的政策和实践的制定、实施、监督与完善。该原则强化了教育的民主管理以及在构建符合道德、透明且致力于公共利益的数字环境方面的机构共同责任（巴西，1988年）。
教育环境中的人工智能治理应促进学生、教师、管理者、研究人员、家庭及教育界其他群体的参与，同时尊重每个教育阶段和形式的具体特点。纳入不同的观点可以增强决策的合法性，提高机构透明度，并有助于构建符合语境的解决方案，以满足教育需求、适应技术变革，并促进教学、学习和管理过程的持续改进。
**X — 数字可持续性与环境责任**
规定在教育中使用人工智能及其他数字技术时，应遵循可持续性、资源使用高效性和社会环境责任原则，并考虑到技术解决方案在其整个生命周期中的影响。这一原则承认，教育创新必须与可持续发展以及自然资源和数字资源的合理使用相一致（联合国教科文组织，2023年）。
数字化技术的采用应综合考虑其教育效益、社会与环境成本以及负责任且持久使用所需的条件。教学系统和教育机构应促进旨在提高能源效率、合理利用计算基础设施、妥善管理设备生命周期、减少电子废物以及负责任地使用数字资源的实践。同时，教育应有助于培养能够理解技术创新、可持续发展、社会发展与环境责任之间关系的公民，从而巩固批判性、有意识且对社会负责的技术使用文化。
**XI – 学生、教师和学校管理人员的数字福祉**
规定在教育中使用人工智能和数字技术必须促进健康、平衡且有利于人的全面发展的学习环境，维护学生、教师、管理者及教育共同体其他成员的身心、情绪和社会福祉。这一原则认识到，技术创新必须服务于人类发展和教育关系的质量，防止因技术使用不当或过度而产生的不良影响（OECD, 2024）。
数字福祉的促进以采用教学和制度实践为前提，这些实践有利于对人工智能进行有意识、批判性和平衡的使用，从而维护人类互动空间、智力自主、共同生活、创造力和在教育过程中的积极参与。其遵守涉及关注与密集使用技术相关的认知、情感、社会和行为影响，以及预防信息过载、技术成瘾、过度监控以及可能损害健康、学习、隐私或教育关系质量的其他使用形式。
**XII — 智力自主与元认知**
规定人工智能的使用应有助于发展智力自主性、批判性思考和元认知，帮助学生理解、监督和完善自身的学习、推理和决策过程。这一原则重申，数字技术应作为扩大人类认知能力的工具，同时保护个人的创造力、批判性思维、署名权和判断能力（UNESCO, 2023; OECD, 2024）。
将人工智能融入教育过程应当鼓励能够强化自主学习、求知欲、问题解决、知识协作生产以及负责任且有意识地使用技术的实践。教学引导应促进学生发展以下能力：批判性地分析信息，识别数字工具的局限性和偏见，提出高质量的问题，并将人工智能作为探究、创造和知识构建的辅助工具，而不是智力努力的替代品。
为与这些目标保持一致，人工智能的使用应加强知识产权、学术诚信和有意义的学习，教育机构应推动评估实践，优先考虑探究过程、批判性反思、问题解决、项目、演示、作品集以及其他能够体现学生能力、自主性和知识责任有效发展的策略。
**XIII — 联邦合作、相互技术支持以及加强教学网络和系统的能力建设**
规定，人工智能在教育中应用的指导方针的实施应以联邦实体间的合作为指导，以相互技术支持和加强教育系统和网络的机构能力为基础，同时尊重其不同的现实、能力和发展水平。这一原则重申了1988年《联邦宪法》中规定的合作制度，并认识到教育的数字化转型是联邦、州、联邦区和市的共同责任（巴西，1988年）。
这些指导方针的有效性取决于促进协调一致的行动，包括教育专业人员的培训、知识共享、技术参考资料的编制、机构能力的培养以及最佳实践的传播，从而有利于协作和可持续的解决方案。人工智能相关政策的实施应考虑不同教育网络和机构的具体情况，遵循相称性、公平性和联邦合作的原则，通过技术支持、指南编制、经验分享和机构能力培养，以扩大地方能力并减少这些指导方针实施中的不平等。
这些指导方针的有效性取决于促进协调一致的行动，包括教育专业人员的培训、知识共享、技术参考资料的编制、机构能力的培养以及最佳实践的传播，从而有利于协作和可持续的解决方案。人工智能相关政策的实施应考虑不同教育网络和机构的具体情况，遵循相称性、公平性和永久技术支持的标准，以扩大地方能力，避免结构性不平等影响获得高质量的数字技术提供的机会。
此处确立的原则构成了本意见指南的规范基础，并指导教学系统和教育机构在尊重其特殊性和自主性的前提下实施这些指南。本着以人为本的教育理念，它们申明人工智能应作为扩大人类和机构能力的工具，并始终服从于教学中介、基本权利保护和教育目标。其综合应用旨在确保在不同使用情境下，人工智能得到合乎道德、负责任、透明、包容、可持续和成比例的使用，从而为教育过程的质量、公平、完整和发展做出贡献。
**第 4 节 – 人工智能在教育中的采用和使用**
人工智能在教学系统和教育机构中的采用和使用应被理解为涉及相互依赖的教学、机构和技术决策的过程。在此意义上，这些技术的整合需要规划、论证和持续的跟进，以确保其使用符合教育目的和既定原则。
人工智能在教育背景下的实施不能仅仅局限于引入数字工具，而应被视为教学工作组织和机构管理不可或缺的一部分。这种观点意味着需要协同考虑与学习质量、权利保护、教师行为和教育机构责任相关的方面。
为了机构的采纳、治理、监督和评估，人工智能的应用应根据其主要用途来理解。在此意义上，可以区分出支持教学、机构和行政管理、评估过程以及无障碍和包容性行动的应用。尽管这些类别在某些情况下可能会重叠，但区分它们有助于定义与每个使用场景的风险和目标相适应的安全措施、责任和监督机制。
当某项应用表现出符合本指南规定的多个目的或风险类别的特征时，应累计考虑适用的标准。在确定保障措施、监督机制和机构治理时，应以对应最高风险级别的分类为准。分类应考虑应用的主要使用目的、对学生权益的潜在影响、应用的自主程度、处理数据的性质，以及由AI系统支持或影响的教育决策的相关性。
**4.1 采用AI的标准**
采纳人工智能应用应以充分的技术、教学和制度论证为前提，不仅要考虑技术可行性，还要考虑其是否符合教育目标和学生的需求。这一过程应有教育共同体的参与，从而促进决策的合法性和透明度。
分析是否采用基于人工智能的解决方案时，应考虑预期应用的性质。用于支持教学、行政管理、学习评估或促进无障碍环境的工具，可能需要不同的分析、监督和监测标准，特别是当它们对教育过程或学生权利产生重大影响时。
指导这一决策的标准包括：
— 采取的解决方案的教学一致性及其支持教与学过程有效性的证据的存在；
— 促进学生的福祉和全面发展，兼顾认知、社交和情感维度；
— 维护教师工作的自主性和完整性，避免其作用被取代；
— 保证技术和数据使用的安全性、公平性、透明度和责任制；
— 分析所涉及的教育数据的治理、存储、处理和保护条件，遵循现行立法和巴西教育的战略利益；
— 验证利用人工智能进行教学的机构能力，包括应用中涉及的专业人员的资质；
— 评估实施所采用的解决方案所需的技术基础设施、连接性、技术支持和运营可持续性的条件；以及
a anlise dos potenciais impactos da adoo da tecnologia sobre a incluso educacional, considerando diferentes perfis de estudantes, contextos institucionais e realidades regionais.
A considerao desses critrios contribui para evitar a adoo de tecnologias de forma acrtica ou descontextualizada, assegurando que sua utilizao esteja efetivamente integrada aos processos educativos.
**4.2 人工智能作为教学资源的使用**
人工智能可以作为支持教学实践的资源，有助于教学策略的多样化、学习情况的跟进以及教育活动的组织。然而，其使用必须始终以对教师教学工作的补充性质进行。
与人工智能使用相关的教育可能性包括：支持个性化学习体验、为有不同教育需求的学子扩展资源、加强教学监督策略，以及提供与学术内容和活动互动的多样化形式。此类应用必须服从于教学目标和教师的引导。
这种使用的有效性取决于明确的教学意图，从而指导基于人工智能资源的筛选、使用和评估。在此背景下，教师的引导发挥着核心作用，确保内容的语境化、对生成信息的批判性解读以及活动与学生需求的契合。
这些准则的实施应遵循机构比例原则和情境化治理原则，同时考虑各教育系统和机构的规模、行政能力、技术基础设施以及运营条件。在此背景下，必须区分由学生和教师在不同环境中进行的、机构控制能力有限的个人AI使用，与由教育机构推动的、以教学目标、教师引导、数据保护、治理机制以及负责任使用技术培训为导向的AI使用。教育政策应主要集中在提升这些机构使用条件上，确保治理要求与每个教育系统的实际情况相匹配，同时不影响对权利保护、透明度、人工监督以及教育过程质量等原则的遵守。
教师个人使用人工智能，即使在机构环境之外或自发进行，也必须遵守相同的条件，即在教师的专业自主权与保护学生及教育过程完整性之间保持相称性。
人工智能的教学应用还必须在使用的各个阶段考虑对这些工具的伦理和负责任的管理，包括公式化提示词、提问和指令、与系统的互动、对生成回答的批判性分析以及对所生成内容的使用。这种视角有助于在使用数字技术时培养智力自主性、学术诚信和批判性意识。
在远程教育（EaD）中，人工智能系统的使用可以支持辅导、指导、学习跟踪、学生服务和个性化学习路径等活动，前提是这些活动必须服从机构的教学规划、教师的策展以及有意义的人工监督。这些技术的使用不得替代教师、导师或教育机构固有的学术责任，并应有助于增强教学互动、无障碍性、跟踪机制以及培训过程的质量。
在学术和教育活动中使用AI工具必须维护知识产权、学术诚信以及对所产生内容的责任原则。与AI系统的交互并不会将呈现内容的责任转移给技术，学生、教师或研究人员必须完全承担所使用或产生信息的作者身份、真实性、一致性以及适当性的责任。
因此，将AI整合到教育实践中需要教育专业人员做好准备，以便他们能够以高质量、批判性和符合培训目标的方式使用它。
各教学系统和教育机构应推进教育工作者培训与更新的常态化项目，以促进人工智能在教学中的应用。这些项目可以涵盖算法素养、人工智能系统的提示词与指令编写、生成内容的批判性策展、由数字技术介导的评估、个人数据保护、学术诚信以及算法偏见的识别等各个方面。
**4.3 治理、文档与监控**
在教育背景下使用人工智能需要采用机构治理机制，以确保透明度、控制力和持续监督。这些机制必须能够明确所用应用的目的、分析相关风险，并确定其评估和审查的标准。
制度化治理机制应当考虑所使用应用的具体目的。用于教学支持、学术管理、评估流程或促进无障碍的系统可能需要特定的记录、监控、人工验证和制度控制程序，同时应考虑到所涉风险与对教育流程潜在影响之间的相称性。
机构文档在此过程中发挥着基础性作用，它记录了有关采用和使用人工智能的决策，以及指导其使用的参数。这一记录有助于明确机构的责任并确保所采用做法的可追溯性。
机构治理流程应包含对与人工智能使用相关的政策、程序和标准进行定期审查的机制，并考虑技术变革、法规更新、新的科学证据以及实施过程中观察到的结果。持续更新是确保所采用实践的有效性和适宜性的核心要素。
教师的参与也必须体现在监督和管理流程中，以确保技术的使用始终符合教学目的，并以有理有据的方式进行必要的调整。
**4.4 透明度、沟通与人工复核**
教育过程中的人工智能应用必须辅之以机制，以确保教育共同体的透明度和理解。因此，有必要向学生、教师和管理者清晰地传达这些技术的使用情况，让他们了解其应用和目标。
适用于人工智能使用的治理机制应遵守监管相称性原则，以便人类监督、透明度、文档记录、可追溯性和监控的水平与所采用应用的用途、使用背景及相关风险相适应。这种方法旨在确保对学生和教育共同体权益的充分保护，既避免对低影响应用施加不相称的要求，又防止在可能对教育过程产生重大影响的情形下采取不足的控制措施。
教育机构应采取措施，确保所使用应用具有适当水平的可解释性和可追溯性，以便理解其目的，记录构成建议、分类、预测或生成内容基础的要素，并在可能对教育决策产生影响时进行复审。在所有这些情况下，人工智能系统生成的结果必须始终接受批判性分析和人类责任的约束，以确保其教学适宜性、可靠性和符合本意见的原则，并防止错误、偏见或不当信息的复制。
在这种情况下，人工监督并不局限于事后审查人工智能系统生成的结果。它还包括定义教学目标、选择所使用的应用程序、监督其实施情况、对其性能进行持续监测，以及对所产生的结果进行批判性评估，同时应注意其与教育目的、使用环境和应用程序风险等级的相称性。当可能对权利、评估流程或相关教育决策产生潜在影响时，必须确保进行与技术使用的性质和复杂程度相适应的人工复核。
当人工复核涉及教育专业人员时，教育系统和教育机构应确保为其履职创造适当条件，包括专项培训、制度化时间、技术支持、咨询渠道以及决策支持。应用治理的最终责任应由机构、教育系统、举办者、管理者和供应商根据各自的权限共同承担，这不等同于教师的日常教学责任。
**4.5 AI使用限制**
在教育中使用人工智能必须遵守相关限制，以维护教育过程的完整性和教育的形成性本质。在这些限制中，最突出的是不能用自动化系统替代教师的角色。
保持教师的中心地位确保了教育过程继续建立在人类调解、教学互动和知识的有意义建构的基础之上。从这个意义上说，人工智能应被理解为一种支持工具，而不是教育关系的替代元素。
在任何情况下，人工智能的使用都不得导致将教学责任完全转移给自动化系统。与学习评估、学业跟踪、教育指导以及对学生成长轨迹产生影响的决策相关的过程，必须接受与其教育重要性相适应的人工监督和验证。
**第五节 ── 人工智能在基础教育中的应用**
在基础教育中，人工智能的使用必须以该教育阶段的培养目标为导向，兼顾学生的全面发展及其年龄、认知、社会和情感等方面的特殊性。在此背景下，人工智能的引入应当是有计划、循序渐进并与课程相融合的，从而避免碎片化或脱离教育目标的方法。
在基础教育中，使用人工智能应当遵循儿童和青少年全面保护、年龄适宜、学习渐进以及学生全面发展的原则，尊重认知、情感、社会和伦理发展的不同阶段，并维护人类在教育过程中的核心交互地位。
在幼儿教育阶段，建议完全限制学生使用人工智能，因为这是儿童全面发展的关键时期，此阶段的学习主要通过有回应的人际互动、情感纽带、游戏以及对环境的具体探索来进行。“科学造福童年核心”科学委员会（2025年）收集的证据表明，在生命的头几年过度使用屏幕会导致语言和沟通、注意力、情绪调节、冲动控制、运动发育和社交互动方面的受损。同样，巴西儿科学会（SBP）建议两岁以下儿童避免接触屏幕，并严格限制两岁至五岁儿童的屏幕使用。在此背景下，使用人工智能在教育上是不合情理的，并且可能会与儿童发展至关重要的经验产生竞争。
在小学低年级阶段，不建议使用生成式和对话式人工智能应用，即使在教师引导下使用也不推荐。此外，在此阶段，人工智能系统的使用应专门在教育专业人员规划和引导的教学活动中进行，不建议学生自主使用。这些技术的引入应逐步推进，随着学生数字素养、批判性思维、数字公民意识和智力自主能力的不断发展而逐步扩大应用范围。
在初中（九年义务教育最后几年）阶段，不允许学生直接、自主、独立或非监督地访问生成式人工智能工具，仅允许在教育专业人员的引导下使用。
年龄适宜性不应被理解为单纯限制对特定技术的访问。鉴于人工智能工具在不同数字、家庭和社会环境中的广泛普及，儿童和青少年的保护主要取决于使用这些技术的条件，其中教学调解、人工监督、个人数据保护以及培养批判性、伦理和负责任地使用这些技术的能力具有特殊重要性。在此背景下，人工智能在基础教育中的存在不仅限于使用技术工具，还包括培养学生的学习能力，使他们能够理解、使用和批判性地评估这些技术，将其教学应用与数字文化中的公民意识培养结合起来。
当人工智能应用程序的机构使用涉及基础教育学生时，教育系统和教育机构应确保所用技术的教学目的透明，促进与家庭或监护人的清晰沟通，严格遵守个人数据保护，并禁止将这些应用程序用于定向广告、市场概况分析或学生数据的商业开发。
**5.1 将人工智能与课程相结合的教学整合**
人工智能与基础教育课程的整合应与数字、媒体和计算教育相结合，尊重现行的国家指导方针和国家共同课程基础（BNCC）（巴西，2017；巴西，2023；巴西，2025）。这种整合应以横向和渐进的方式进行，并考虑到不同的教学阶段和学生的成长特点。
此集成应遵循与数字和计算教育相关的国家课程参考，促进与每个教育阶段相符的知识、技能和态度的渐进式发展。人工智能的方法应有助于加强批判性思维、数字公民意识、数字文化以及对技术、社会和民主之间关系的理解。
课程方法应有利于学习的背景化，促进不同知识领域之间的联系并鼓励跨学科性。在此意义上，人工智能既可以作为学习对象，也可以作为教学资源来处理，只要其使用符合教育目标和教学实践。
此外，课程整合必须考虑学生和机构的实际情况，努力确保技术的使用有助于扩大教育机会，而不是加剧不平等。
**5.2 基础教育中人工智能使用的指导方针**
在基础教育中使用人工智能必须遵循确保学习质量、保护学生以及教育实践教学连贯性的指导方针。根据教育部关于基础教育人工智能指导文件的系统梳理（BRASIL, 2026），重点关注以下几个方面：
• 促进学生的全面发展，兼顾认知、社会和情感维度；
• 使用有利于教育包容性、无障碍性和学习体验个性化的资源，同时尊重学生的特点和需求；
鼓励使用能够扩大参与、互动和教学跟进机会的技术；
• 保持学生的自主知识和身心健康，避免过度依赖技术；
• 将人工智能素养与数字、媒体和计算素养有机结合；
• 基于学生现实和当代挑战对学习进行语境化；
• 致力于减少教育不平等，促进包容与公平；
• 考虑学生和学校的数字化接入条件，寻求避免因基础设施、连接性或技术设备可用性限制而导致排斥的教学替代方案；
• 推动有利于实现人工智能支持的教育机会民主化的策略；
• 发展符合权利保护和数字公民意识的教学实践；
• 遵守人工智能支持的教育工具、内容和体验的年龄适宜性。
加强学生批判性分析自动化系统生成的信息、合成内容和建议的能力；
促进安全、尊重和符合儿童和青少年权利的数字环境。
加强教育工作者的批判性和道德调解能力；
防止对学生的监控行为不当、侵入性或不成比例。
这些指导方针旨在确保人工智能的使用有助于培养批判性、自主并能够理解技术在社会中作用的主体。
**5.3 与人工智能相关的学习发展**
基础教育应促进学习发展，使学生能够理解人工智能的基础、用途和影响。这个过程不仅涉及技术知识的获取，还涉及认知、道德和社会能力的培养。
在需要考虑的主要方面中，突出显示的是：
• 对计算机系统和人工智能应用运作方式的基本理解；
• 识别不同类型的技术及其在日常生活中的用途；
• 培养逻辑思维、分析思维和批判性思维；
• 思考使用技术的伦理、社会和文化影响；
• 理解数据的作用及其在人工智能系统中的使用；
• 理解人工智能的基本原理，包括其运作方式、可能性、局限性及其对当代社会的影响；
• 理解人工智能作为一种科学、技术、经济、社会和文化现象，对当代社会组织的影响；
• 识别技术中存在的局限性、风险和潜在偏差；
• 理解与数字环境中的虚假信息、数字操纵、合成内容以及自动化影响力策略相关的风险；
• 发展核实信息来源、验证信息以及在面对由AI生成或媒介化的内容时进行批判性判断的能力；
• 发展评估由自动化系统生成的信息的能力；
• 理解技术支持与自主智力成果之间的区别，培养符合学术诚信的态度，并对在数字环境中生成或共享的信息的使用承担责任；
• 激发创造力、自主性以及问题解决能力；
• 理解技术、社会与不平等之间的关系；
• 对与AI开发和使用相关的社会、经济、文化、政治和伦理影响进行批判性分析；
• 在数字环境中促进负责任、符合伦理且安全的行为；
发展与使用人工智能相关的元认知能力，鼓励学生批判性地反思数字技术介导的自身思维、学习、决策和知识生产过程。
这些学习方法的探讨应有利于跨学科性与有意义知识的建构，从而促进学生的全面发展。
在幼儿教育和小学低年级阶段，接触与人工智能相关的概念应主要通过有中介的、情境化的且适合学生发展的教学经验来进行，侧重于探索、创造力、问题解决以及对技术在日常生活中作用的渐进式理解。
**SEO 6 UTILIZAO DA IA NA EDUCAO SUPERIOR**
人工智能在高等教育中的应用应以学术培训、科学发展和为日益由数字技术驱动的职业环境做准备之间的协调为指导。在这种情况下，应将人工智能的纳入理解为形成过程的组成部分，有助于提高学习质量、教学创新以及扩大学生的职业活动可能性。
高等教育中存在的知识领域的多样性意味着人工智能的处理不会以统一的方式进行，而应考虑课程、课程指导方针和机构教学项目的具体情况。这种多样性要求在人工智能的整合方面具有灵活性，确保其使用与每个领域的形成目标和特征保持一致。
**6.1 人工智能融入学术培训**
人工智能可以作为研究对象和教学、科研、社会服务活动的辅助资源融入学术培养中。这种融合应当以有计划、系统化的方式进行，促进理论基础、实际应用与批判性思考之间的联系。
将人工智能引入学术培养中，应当有助于培养与数据分析、解释和使用相关的能力，以及理解技术对不同专业领域的影响。此外，它还应有助于培养能够适应复杂环境的专业人才，在这些环境中，人工智能在知识生产和组织方面发挥着日益重要的作用。
在本科师范专业中，与人工智能相关的培养方案应明确纳入教师数字素养、新兴技术的教学应用、教育数据批判性分析、数字技术辅助评估以及学校环境中人工智能使用的相关伦理考量。
与人工智能相关的知识应尽可能与教育实习、社会服务和科研活动相结合，从而促进教师培养与基础教育机构所面临的具体挑战之间的紧密联系。
高等教育机构 (IES) 应当为在教学、科研、社会服务和学术管理活动中使用人工智能制定自身的政策和方针，涵盖署名权、学术诚信、透明度、知识责任和权利保护等原则。这些政策应当在适当时机纳入机构发展规划 (PDI)、课程教学设计 (PPC)、规章制度、学术条例及其他机构治理文书，以确保机构方针、教学实践、评估流程与学术管理之间的一致性。这些政策可包含关于技术使用透明度的标准、适时使用声明的方式、预防与学术诚实原则不相容行为的指南，以及用于监督、审查和持续完善与人工智能相关的机构实践的程序。
**6.2 开发与人工智能相关的能力**
高等教育应促进相关能力的发展，使学生能够以批判、合乎伦理和负责任的方式使用人工智能，以符合当代专业环境的要求。
在需要培养的主要能力中，突出表现为：
• 具备在不同专业环境中利用人工智能作为支持决策工具的能力；
• 发展数据分析、解释和使用技能；
• 批判性地理解在学习评估、学业跟踪和教育证据分析过程中使用人工智能的相关可能性、局限性和风险；
• 理解与使用该技术相关的伦理、法律和社会影响；
• 批判性地评估人工智能应用的局限性、风险和潜力。
• 理解人工智能的概念基础及其对知识生产过程、工作组织、公民身份行使和社会转型的影响；
• 培养对人工智能介导的知识生产、学习和决策过程进行批判性和元认知反思的能力；
• 将技术知识与对该技术的经济、社会和文化影响的反思相结合；
• 负责任地使用人工智能，遵循学术诚信和职业道德原则；
• 理解技术支持与自主知识生产之间的界限；
• 在学术和职业环境中以透明且负责任的方式使用人工智能系统的能力；以及
• 认识到在人工智能支持下产生或呈现的内容中，正确标明作者身份和承担相应责任的重要性。
这些能力有助于培养能够在日益复杂和技术介导的环境中胜任的高素质专业人才。
**6.3 高等教育中AI的教学应用**
人工智能可以作为高等教育教学实践的辅助资源，有助于教学策略的多样化、学习情况的跟踪以及学术活动的组织。
这些技术的使用有助于发展更灵活的培养路径、扩展终身学习机会、加强学生留校策略，并提供能够满足高等教育中不同群体特征的学术支持资源。
其使用必须以明确的教学意图为导向，并融入课程的培养目标及所采用的教学方法中。在此过程中，教师的引导依然是核心要素，用以确保教学互动的质量、所提议活动的适宜性以及对人工智能系统所产生结果的批判性解读。
人工智能的教学应用应避免纯粹工具化的方法，力求促进有意义的学习，并使其符合学术和职业的需求。
**6.4 伦理与制度考量**
在高等教育中使用人工智能必须遵守伦理和法律原则，特别是在个人数据保护、技术使用的透明度以及尊重学生和学术共同体权利方面。
高等教育机构在制定指导其在教学、科研和社会服务等不同维度中应用人工智能的内部方针方面发挥着关键作用。这一过程必须让学术界参与进来，并考虑该技术对机构实践的影响。采用明确的机构政策有助于负责任地使用人工智能，防范风险并确保与既定原则和方针保持一致。高等教育机构应为其在教学、科研、社会服务和学术管理活动中使用人工智能建立自己的政策和方针，涵盖署名权、学术诚信、透明度、知识责任和权利保护等原则。这些方针可以确定在适当时机申报技术使用的标准，指导符合学术诚实的实践，并推动与教育和科学目的相一致的治理机制。
在科学研究领域，使用人工智能必须遵守科研诚信、方法论透明度以及学术责任的原则，当其对文本撰写、数据分析、文献综述、编程或研究过程的其他阶段做出重要贡献时，必须予以声明。使用这些技术并不意味着将作者身份或对所产生结果的责任转移给人工智能，作者身份和责任仍完全归属于研究人员。
在学术管理方面，人工智能可以支持规划活动、指标分析、辍学风险识别和机构流程的改进，前提是保持有意义的人类监督，确保能够对决策进行审查，并禁止做出对学生权利或学术轨迹产生重大影响的完全自动化决策。在提供师范教育课程的机构中，这些政策还应包括初始教师培训策略，让未来的教师准备好在日益由数字技术和智能系统介导的环境中进行批判性、伦理性和教育学上合格的教学。
**第 7 节 – 在职业和技术教育中使用人工智能**
在职业与技术教育中应用人工智能应遵循本意见中确立的原则，同时考虑该教育模式的独特性及其与科学技术发展、创新、创业和职场的紧密联系。人工智能的融入应有助于学生的全面发展，促进其培养在日益由数字技术介导的职业环境中进行批判性、负责任且具创新性实践所需的各种技术、数字、道德和社交情感能力。
这些技术的使用应促进主动学习方法、项目开发、问题解决、实验、生产环境模拟以及理论与实践的结合，从而扩大学习和职业发展的机会。其采用应符合课程的培养目标、适用的国家课程指导方针以及科学、技术和生产发展的当代需求，同时保持教学调解和教育专业人员作用的核心地位。
在涉及实验室活动、专业实践、实习、模拟或使用专业设备和环境的课程中，人工智能可以成为支持培训过程的重要工具，前提是其使用不会损害实践能力的发展、职业自主权、技术判断、活动安全性以及职业固有的伦理责任。
将人工智能纳入职业与技术教育中，还应有助于加强创新文化、应用研究、创造力、终身学习以及适应技术变革的能力，使学生能够以批判、伦理、安全和社会责任感的方式使用这些技术，这与可持续发展、国家竞争力和促进尊严劳动的需求相一致。
**第 8 节 🎯 风险分类、保障措施与监管相称性**
人工智能系统在教育语境中的应用并非以同质化的方式进行，因为不同的应用对教学、行政和评估流程产生不同程度的影响。因此，有必要建立一种以监管相称性为导向的方法，考虑到对权利、学术轨迹或决策流程具有更大潜在干预能力的应用需要更健全的监督、治理和机构保护机制。
考虑到教育背景下AI应用的复杂性和多样性，教育系统和教育机构应采取以监管比例原则为导向的方法。根据该原则，监督、治理、文档、透明度和监控的水平应与教育目的、系统的自主度以及与其使用实际相关的风险相适应，既要避免对低影响应用施加不必要的苛刻要求，也要防止在潜在更敏感的情境下缺乏足够的保障措施。
按风险等级分类有助于区分工具性和教学性应用，与对学生权利、学业轨迹、评估流程及留校条件具有潜在重大影响的系统。这种方法得到了国际人工智能治理参考框架的支持，特别是联合国教科文组织（UNESCO）的建议，以及旨在保护基本权利和负责任使用技术的当代监管框架（UNESCO, 2022; UNESCO, 2023）。
为了便于理解和实际应用这些指南，人工智能应用的风险分类应综合考虑其教育目的、系统的自主程度、处理的数据类型、对学生权利的潜在影响、决策的自动化程度、用户画像的可能性以及所产生影响的可逆性。此评估应遵循监管相称性原则，即监管、治理和机构保障的水平应与每个使用场景的实际风险相适应。
风险分析不应仅限于所采用的技术解决方案的技术特征，还应考虑其使用的具体条件，包括是否存在人工监督、教学调解、治理机制、数据保护以及机构的监督能力。因此，技术相似的应用在用于教学支持、机构管理、评估过程、促进无障碍环境或其他教育目的时，可能会呈现不同的风险特征，这需要进行情境化分析并采取与潜在影响相称的措施。
与使用画像机制相关的限制并不排除采用辅助技术和专为促进无障碍、教育包容性以及消除学习障碍而设的资源，前提是其使用应遵守数据保护、人工监督、相称性以及尊重学生权利的原则。
在这方面，教育系统和教育机构可以考虑以下风险等级，以及其他等级，用于组织其治理、监督和风险缓解实践：
**I — 低风险应用**
它们对应于工具支持、组织、补充教学或无障碍应用程序，考虑到其目的、使用场景、处理的数据性质以及系统的自主程度，这些应用程序不会对学生的权利、评估过程、学术决策、教育轨迹或入学、保留、晋升和认证条件产生重大影响。
在不涉及个性化画像、敏感个人数据处理、持续监控、与学生的持续互动或相关自动决策的前提下，低风险应用程序可以包括但不限于：
a) 教学材料的组织、系统化或改编；
b) 教学或行政规划辅助工具；
c) 非评估性的文本校对；
d) 翻译、摘要、格式化或内容适配的支持；以及
e) 简单的无障碍功能，旨在消除障碍，例如转录、字幕、屏幕阅读、文本放大或格式转换，只要它们不涉及敏感推断、个性化分析或对学生的决定性影响。
在这些假设下，本意见指导在机构治理良好方面应遵守的参数，包括透明度、信息安全、个人数据保护、机构问责、使用目的的简化记录以及在机构教育活动中使用应用程序时进行人类监督的可能性。
**二、中等风险应用**
这些是指用作教学、学术、行政或机构支持的应用，虽然它们不产生相关的自动化决策，但涉及与学生的持续互动、生成学术建议、个性化学习路径、支持智力成果生产、形成性评估、机构指导或教育信息的系统处理。
可被视为中度风险的应用，包括但不限于以下情况，前提是它们不会对分数、认证、晋升、留校、福利授予、纪律处分、选拔或其他敏感的教育决策产生自动影响：
a) 自动辅导或教学支持系统；
b) 用于 *形成性反馈* 但没有直接学术影响的工具；
c) 用于处理、一般学术指导或信息支持的机构助理；
d) 用于支持文本创作、研究或学习组织，并在教学或学术背景下使用的工具；
e) 没有自动决策影响的学术推荐机制；
f) 学习跟踪系统，但没有直接自动影响分数、认证、留校、福利或处分的；以及
g) 涉及个性化、个别化适应或教育信息系统化处理的无障碍资源，只要不涉及敏感数据或相关的自动化决策。
在这些情况下，建议教育系统和教育机构采取与使用背景相称的保障措施，特别是：
a) 就技术的使用、其目的、局限性和机构责任向教育共同体进行清晰的沟通；
b) 对所使用的应用进行机构注册，注明目的、覆盖受众、处理的数据以及监督责任人；
c) 凡对教学指导、学业监督、路径个性化或针对学生的建议产生影响的结果，均须进行强制性的人工复核；
d) 对错误、偏见、不均衡影响及教学适宜性进行定期监测。
e) 禁止在没有适当法律依据、合法目的、透明度以及相应保障措施的情况下，将教育数据用于训练第三方模型；
f) 规定当所产生的建议可能影响学生的教育体验时，提供用于澄清、复核或异议的机构渠道；以及
g) 定期评估应用与最初设定的风险等级的适应性，特别是在扩展功能、与机构数据库集成或用途发生变更时。
**III - 高风险应用**
对应于能够对学生的权利、学业生活、评估流程、认证、选拔、留校、学业进展、留级、福利发放、纪律分析、教育机会分配或其他敏感教育流程产生、支持或施加重大影响的应用。
除其他外，以下内容应被视为高风险应用：
a) 用于学术影响评估批改的自动化支持系统，但前提是它们仅作为辅助工具使用，严禁在没有有效、事先、合格且有记录的人工验证的情况下，自动赋予成绩、等级、及格、不及格、认证、晋升、留级或任何学术后果；
b) 用于 *proctoring* 或评估流程中的其他监控技术系统；
c) 个性化学术画像；
d) 与选拔、认证、福利授予、留校、晋升、留级或纪律审查相关的系统；
e) 涉及处理敏感个人数据的应用，包括有关残疾、健康、生物特征、行为、社会弱势或敏感个人表现的数据。
f) 涉及相关行为推断、个性化教育风险模式识别或对逃学、表现、脆弱性或行为进行预测的应用；
g) 可能对教育机会、机构资源获取或继续学业条件产生重大影响的应用；
h) 以下工具 *形成性反馈* 、辅导、推荐或跟进，进而影响成绩、晋升、认证、留校、福利、处分或其他相关的机构决策；以及
i) 论述题、作文及原创文本创作的自动化预批改系统，该系统仅允许作为教师批改的准备工具和辅助手段，由教师独家且不可转授地负责打分、评级或评定优劣，并向学生进行形成性反馈。
在这些情况下，必须确保提供与应用敏感性质相适应的强化保障措施，包括：
a) 事先进行算法影响评估，其程度应与风险及教育目的相称；
b) 个人数据保护影响报告（如适用）；
c) 充分、持续、合格且有据可查的人工监督；
d) 可追溯性、文档记录和机构审计机制。
e) 对应用程序的目的、总体运行情况、局限性以及可能的影响保持透明度并提供通俗易懂的解释；
f) 切实保证能够对人工智能系统支持的结果、建议或决策提出异议、进行人工复核和纠正；
g) 对任何具有评估、纪律、学术、行政或认证后果的结果进行事先且有记录的人工验证；
h) 定期监控针对特定群体的偏差、系统性错误、歧视性或不均衡的影响；
i) 在条件允许的情况下，始终采用侵入性较小的替代方案，尤其是在评估、监控、个性化跟踪或敏感数据处理流程中；以及
j) 确保应用程序不会替代教育专业人员或主管部门的责任。
高风险应用的使用不得导致仅基于自动决策且对学生的教育轨迹产生重大影响的结果。打分、认证、升学、留级、选拔、发放福利、实施惩戒以及其他相关的学术或机构决策必须由教育专业人员或有权力的机构负责，并应确保进行有效的监督、阐述理由、记录并提供复核的可能性。
**IV — 存在过度风险或与教育目的不相符的应用**
这些应用具有侵犯权利、歧视、过度监视、利用弱点或损害教育过程完整性的潜在可能，这使得它们与教育原则和对学生的全面保护不相容。
除其他外，应认为这些应用与本指引不相容：
a) 社会信用体系；
b) 用于评估、纪律、分类或学生行为管理目的的情感监控或情绪识别；
c) 剥削学生的弱点，包括年龄、情感、社会经济、认知或行为方面的弱点；
d) 用于分类、纪律、商业目的或限制教育机会的心理、生物特征或行为画像；
e) 对晋升、留级、认证、在校、福利发放、退学、选拔或制裁产生重大影响的完全自动化决策；
f) 对学生的持续生物特征监控或永久监测；
g) 将教育数据用于定向广告、商业开发、行为操纵或与教育关系不相容的目的；以及
h) 基于对能力、行为、脆弱性或表现的自动化推断，对学生产生隔离、歧视或排斥的系统。
在严格需要用于访问虚拟环境、评估或学术活动时，对身份验证进行临时、特定的机制使用，不应与持续生物特征监视、情感识别、行为画像或永久监控相混淆，且必须遵守目的性、必要性、比例原则、个人数据保护、透明度、人工监督以及采用现成侵害性最小的替代方案的原则。
涉及侵害性生物特征监视机制、社会信用评分系统或对权利或教育轨迹产生重大影响的全自动化决策的应用，应被视为与这些准则中确立的教育原则和目的不相容。
仅为说明目的，低风险应用可被理解为辅助组织教辅材料、非评测性文本校对以及无障碍资源的工具；中风险应用可被理解为辅导平台、系统 *形成性反馈* 形成性评价和学术助手；高风险应用包括具有重要学术影响的自动化评估系统、个性化教育画像以及用于敏感决策过程的技术。此分类具有指导性和非穷尽性，应根据具体使用场景和监管相称性原则进行解释。
基于这一分类，教育系统和教育机构必须采取不同级别的治理、监测和制度保障。低风险应用可能需要简化的文档和跟踪程序；中风险应用应提供人工监督和定期监测；而高风险应用则必须接受严格的影响评估、可追溯性、人工复核和权利保护机制。
采用风险分类机制并没有改变人类在教育过程中的核心地位，也没有减少机构对与人工智能使用相关的决定的责任。相反，它重申了这样一种必要性：技术创新必须服从于权利保护、教学完整性和教育质量。
此外，教育系统和教育机构必须建立机构治理机制，能够确保对与人工智能使用相关的实践进行持续监督、定期审查和更新，并考虑技术快速发展以及随之而来的教育、社会和伦理影响。
鉴于人工智能技术的持续演进，教育系统和教育机构应根据本指导方针中确立的标准，定期重新评估所使用应用的分类，以及所采用的保障措施和监督机制的适当性，以确保其符合技术变革、新的使用环境以及对学生权利的保护。
**第 9 节 – 最终考量**
人工智能在巴西教育中的融入构成了一场具有结构性特征的运动，需要在技术创新、教学责任和权利保护之间建立坚实的平衡。在需要保护、监督和治理机制的同时，人工智能也为扩大包容性、加强无障碍性、多样化教学策略和支持更个性化的学习过程提供了重要的机遇。负责任地利用这些潜力，是技术创新为巴西教育产生实际效益的条件之一。
在本意见书中，我们明确指出，人工智能的使用不能被理解为一个纯粹的技术过程，而是直接影响教学实践、教与学过程、评价模式以及机构组织形式的变革。因此，采用人工智能需要做出经过深思熟虑的决定，将教学、机构和技术方面结合起来，避免脱离实际或完全由运营标准驱动的方法。
全面强调了教师作用的核心地位，将其作为教育过程的结构性要素。教学中介、教学意图以及对技术的批判性解读能力，是人工智能为教育质量做出实质性贡献的基本条件。维护这一角色可确保技术作为辅助资源整合到培养过程中，而不是取代教育关系。
在基础教育中，人工智能的使用必须与学生的全面发展相结合，促进能够理解、使用和批判性评估这些技术的学习。将人工智能的教学应用与培养对其理解相关的能力相结合，有助于培养具备批判性、自主性并为数字公民身份做好准备的个体。人工智能的使用应有助于培养学生，使他们能够批判性地理解技术对社会的影响，在数字环境中行使公民权利，并以道德、负责任和有意识的方式参与由新兴技术调解的社会进程。
在高等教育中，人工智能的融入拓宽了学术培养和职业发展的可能性，同时也要求培养批判性、伦理和技术能力。学术知识、技术应用及其影响的反思之间的协调，对于培养能够应对复杂且不断变化的环境的专业人才至关重要。
本意见为在教育领域使用人工智能设定了界限和保障措施，特别是在个人数据保护、透明度、人工监督以及维护教学角色和机构责任方面。它同样承认，不同的应用对教学、评估和管理流程产生不同程度的影响，因此采取了由监管比例原则和风险分类指导的方法。这种视角使治理、监督和权利保护机制能够与每种使用情境的性质、目的和复杂性相匹配，从而在创新、安全、灵活性与对教育目的的尊重之间实现平衡。
在这种背景下，日益融入基于人工智能的系统进一步凸显了对永久透明度、可追溯性、人为监督和偏差缓解机制的需求，这些是实现这些技术负责任治理的条件。社会对其教育应用的信任不仅取决于其技术有效性，还取决于机构确保其采用以合乎道德、可核查、相称且致力于保护基本权利、教育过程完整性以及学生全面发展的方式进行的能力。
同时，人们认识到教育系统和教育机构在制定实施策略时保持自主权、尊重其自身特殊性和环境的重要性。然而，这种自主权必须符合既定的原则和准则行使，以确保技术使用的一致性和责任感。
本意见所确立的指导方针的有效性，将取决于各教学体系和教育机构是否有能力促进持续的培训、专业发展、机构强化以及教学和治理实践的改进。在技术快速发展的背景下，持续更新知识和能力是教育工作者作为批判性、道德和合格的促进者，在人工智能使用方面发挥作用的必要条件，从而促进安全、负责任和以教学为导向的学习环境。
人们同样认识到，这些指导方针的实施应当考虑到巴西不同的教育现实，并遵循各教育系统和网络中现有的基础设施、连接、职业培训和机构能力条件。增强国家与人工智能相关的科学、技术和教育生产能力，结合机构间的合作，是扩大国家自主权、重视其文化多样性以及确保技术创新有助于减少不平等和促进巴西教育发展的战略要素。
人工智能应被纳入教育流程中，作为增强智力自主性、原创性、学术诚信、批判性反思和知识协作构建的工具，以扩大人类学习、创造、研究和解决问题的能力，而不能取代学生和教育专业人员在培训过程中的积极参与。
鉴于人工智能技术的持续发展，建议国家教育委员会与各教育系统、教育机构、科学界、专家和社区代表协调，建立一个永久机制来监督这些指导方针的实施情况，以监测其应用、识别新出现的监管差距并提出可能的规范更新。建议这种审查最好以两年一次的周期进行，或者在技术、科学、教学或监管领域发生重大变化时进行。
兹记录，本意见书一旦获得国家教育委员会批准，将构成制定相应决议的法律、教学和机构依据，该决议旨在规范已批准的指导方针的实施并赋予其规范效力。为此，两院制委员会将继续其工作，以制定决议草案，并遵守本意见书确定的原则、指导方针、限制、保障措施和参数，这些都应指导后续规范性文件的起草和解释。
**二、报告员投票**
我们投票赞成通过《在巴西教育中使用人工智能（AI）的指导方针》，其形式为本意见书和附件中的决议草案，后者是其组成部分。
巴西利亚，2026年9月1日。
委员 Celso Niskier – 报告员
委员 Israel Matos Batista – 报告员
**三、全体委员会决定**
全体会议一致批准了报告员的投票。
会议厅，2026年9月1日。
安东尼奥·塞萨尔·鲁西·卡莱加里参议员是主席
**参考资料**
巴西。宪法（1988）。巴西联邦共和国宪法。巴西利亚，DF：联邦参议院，1988年。
巴西。1996年12月20日第9.394号法律。确立了国家教育的指导方针和基础。官方公报：巴西利亚，DF，1996年12月23日。
巴西。2014年6月25日第13.005号法律。批准了国家教育计划（PNE）。官方公报：巴西利亚，DF，2014年6月26日。
巴西。教育部。国家共同课程标准。巴西利亚，DF：MEC，2017。
巴西。第13709号法律，2018年8月14日。通用数据保护法（LGPD）。巴西利亚，DF，2018年8月15日。
巴西。科学、技术和创新部。巴西人工智能战略。巴西利亚，DF：MCTI，2021。
巴西。教育部。基础教育中的人工智能：关于课程路径和学校使用人工智能的道德实践的指导文件。巴西利亚，DF：MEC，2026。
巴西。教育部。教育中人工智能负责任开发和使用的参考。巴西利亚，DF：MEC，2024。
巴西。国家教育委员会。2025年3月21日第2号决议CNE/CEB。数字和媒体教育指南。巴西利亚，DF：CNE，2025。
科学儿童核心委员会。研究编号 15：屏幕和数字媒体之间的早期儿童保护。儿童科学核心，2025。网址：www.ncpi.org.br 访问日期：2026 年 9 月 4 日。
OECD。2024 年教育政策展望：将教学重塑为从 ABC 到 AI 的蓬勃发展的职业。巴黎：OECD 出版社，2024。
UNESCO。人工智能伦理建议。巴黎：UNESCO，2022。
UNESCO。生成式人工智能在教育和研究中的应用指南。巴黎：UNESCO，2023。
**教育部**
**国家教育委员会**
**全体委员会**
**决议草案**
制定在巴西教育的所有级别、阶段和教学模式中利用人工智能 (AI) 的指导方针，并采取其他措施。
**国家教育委员会主席** ，根据1961年12月20日第4,024号法律第7条第1款“b”项和“f”项、第9条第1款“g”项及第2款“h”项赋予的职责（经1995年11月24日第9,131号法律修改），鉴于1988年《联邦共和国宪法》第205条、第206条、第214条和第227条的规定；1990年7月13日第8,069号法律（《儿童与青少年法》——ECA）；1996年12月20日第9,394号法律（《国家教育方针与基础法》——LDB）；2018年8月14日第13,709号法律（《个人数据保护总法》——LGPD）；2023年1月11日第14,533号法律（《国家数字教育政策》——PNED）；2025年9月17日第15,211号法律（《儿童与青少年数字法》——数字ECA）；2026年4月14日第15,388号法律（《国家教育规划》——PNE）；以及国家教育委员会/基础教育分会（CNE/CEB）2025年3月21日第2号决议，并根据经教育部部长批示（公布于20xx年xx月xx日《联邦官方公报》）批准的国家教育委员会/教育委员会（CNE/CP）2026年第15号意见书，特此决定：
**第一章**
**一般规定**
第一条 制定《巴西教育领域人工智能使用准则》，供各级、各阶段和各形式教育的公立和私立教育系统及教育机构遵守。
第一款 本准则为在教育系统和教育机构中引入人工智能设定了参数，以确保其以符合道德、负责任、相称且具有教学合理性的方式进行。
第二款 本准则的目的是确保每一项应用都立足于合法的教育目的、必要性、相称性、人工监督以及基本权利保护，同时维护教学中介的核心地位和教育的培养目标。
第三款 在教育过程中使用人工智能，必须与教育目标、学生保护以及本决议确立的原则相兼容。
4 为落实本指导方针，区分学生和教师在机构控制能力有限的各种环境中所进行的个人AI使用，与教育机构所倡导的、以教学目标、教师引导、数据保护、治理机制以及负责任使用技术培训为导向的AI使用。
第2条 就本决议而言，视为：
I - 通用AI系统：并非针对特定教育目的开发的应用程序，尽管可能在教育环境中使用；
II - 特定教育解决方案：专门为教育目的设计或改编的AI应用程序；
III - 有意义的人工监督：具备有效理解、跟进、解释、质疑、审查、纠正或中止AI系统所产生结果能力的人类干预，并在适当的制度条件下进行。
四、完全自动化决策：指由人工智能系统生成、未经有效、事先和合格的人工验证的决策；以及
五、画像：指对个人数据进行自动化处理，旨在评估、分类、预测或推断学生或其他教育界人士的行为、表现、特征、偏好、兴趣、风险、轨迹或脆弱性等方面。
第1款 本决议所述的人工智能包括但不限于预测系统、生成系统、智能代理和数字导师，它们具有不同的目的、自主程度、透明度水平、可审计性和风险等级。
§ 2º 本决议包含附件形式的词汇、术语和表述术语表以及巴西教育领域人工智能背景下使用的风险分类解释指南，这些构成了对本准则进行解释和应用的理论参考。
第三条 通用或专为教育目的设计的人工智能系统的使用，应始终从教学目的、监管相称性、人工监督、个人数据保护以及对教育过程和学生权利的潜在影响的角度进行分析。
**第二章**
**原则**
第四条 巴西教育中人工智能的使用应遵循以下原则：
I - 以人工主导为核心，进行主动的教学中介；
II - 人工智能教育的课程整合，具有渐进性和教学意图性；
III - 个人数据保护、数字伦理和信息安全；
IV - 包容、公平、无障碍和数字公民身份；
V - 重视认识论、文化和社会的多样性；
VI - 教育机构的教学自主权；
VII - 科学主权和国家解决方案的开发；
VIII - 算法透明度；
IX - 参与和社会监督；
X - 数字可持续性和环境责任；
XI - 学生、教师和学校管理人员的数字福祉；以及
XII - 联邦合作、相互技术支持以及加强教育网络和系统能力。
§ 1º 本条引言第 I 项所指的人类主导的核心地位， *caput* ，包括：
I - 负责教育过程的设计、实施、监测和评估；
II - 活动规划、学习目标的定义、技术的选择、教育过程的跟进以及对达成成果的批判性评估；与
III - 禁止用自动化系统替代教师的授课或机构的责任。
§ 2º A centralidade da regência humana e da mediação pedagógica não implica a transferência individualizada, aos profissionais da educação, de responsabilidades técnicas, jurídicas, administrativas, contratuais ou de segurança que competem aos sistemas de ensino, às instituições educacionais, às mantenedoras, aos gestores, às equipes técnicas e aos fornecedores das soluções tecnológicas.
§ 3º A atuação docente deverá ser assegurada em condições institucionais adequadas, com formação, suporte técnico, tempo de trabalho, orientações claras, recursos pedagógicos e mecanismos de governança que permitam o exercício qualificado da mediação humana.
Art. 5º Os instrumentos de contratação de sistemas de IA para uso na educação deverão assegurar mecanismos de governança, auditoria, monitoramento e responsabilização direcionados aos fornecedores e demais agentes responsáveis pelo desenvolvimento, disponibilização ou operação de soluções de IA.
**CAPÍTULO III**
**关于人工智能的采用、使用与治理**
第六条 教育系统和教育机构采用人工智能应用前，应当根据充分的技术、教学和体制决策进行，并有教育界的参与，同时考虑以下标准等：
一、所采用解决方案的教学一致性，以及支持教与学过程有效性的证据存在性；
二、促进学生的福祉和全面发展，并兼顾认知、社会和情感维度；
三、维护教师工作的自主性和完整性，避免取代其作用；
四、在使用技术和数据时，保障安全性、公平性、透明度与责任制。
V - 对相关教育数据的治理、存储、处理和保护条件进行分析，并遵守现行法律以及对巴西教育战略利益的保护；
VI - 核查人工智能教学应用的机构能力，包括提升参与其应用的专业人员的资质；
VII - 评估实施所采用方案所需的 tehnologic技术基础设施、连接、技术支持和运营可持续性条件；
VIII - 分析采用该技术对教育包容性的潜在影响，同时考虑不同的学生群体、机构背景和地区实际情况；
IX - 该方案是否符合巴西的语言、文化、教学和行政背景以及网络或机构服务的学生群体特征；以及
X - 解决方案在消除学习障碍和促进无障碍环境方面的潜力，符合2015年7月6日第13.146号法律的规定。
独任条款。当先前关于有效性的证据不足时，其采用应伴随后续对结果的机构评估，其评估发现将为维持、修订或终止该应用的使用提供依据。
第7条。出于采用、治理、监测和机构评估的目的，人工智能应用将根据其主要使用目的进行理解，其中区分了以下应用：
I - 教学支持；
II - 机构和行政管理；
III - 评估流程；以及
IV - 无障碍和包容行动。
§ 1º 当某个应用具有本决议所规定的多种用途或风险类别的兼容特征时，应累积适用相关标准，且在确定安全保障、监督机制和机构治理时，以对应最高风险级别的分类为准。
§ 2º A classificação considerará a finalidade predominante da utilização, o potencial impacto sobre os direitos dos estudantes, o grau de autonomia da aplicação, a natureza dos dados tratados e a relevância das decisões educacionais apoiadas ou influenciadas pelo sistema de IA.
Art. 8º A IA poderá ser utilizada como recurso de apoio às práticas pedagógicas, em caráter complementar à atuação docente, para a diversificação de estratégias de ensino, o acompanhamento das aprendizagens, a personalização das experiências educativas, a promoção da acessibilidade e a organização de atividades educacionais.
§ 1º A efetividade do uso pedagógico da IA pressupõe intencionalidade pedagógica clara, que oriente a seleção, a utilização e a avaliação dos recursos, cabendo à mediação docente assegurar a contextualização dos conteúdos, a interpretação crítica das informações produzidas e a adequação das atividades às necessidades dos estudantes.
2 人工智能的教育应用应在其实施的所有阶段考虑这些工具的道德和负责任的管理，包括提示词、问题和指令的制定、与系统的交互、对生成答案的批判性分析以及生成内容的使用。
第9条 在远程教育中，人工智能系统的使用可以支持教学调解、辅导、指导、学习跟踪、学生服务和个性化学习路径等活动，前提是这些活动服从于机构的教学规划、教师策展和有意义的人工监督。
§ 1º 这些技术的使用不得表现为替代教师、教学调解员、导师或教育机构本应承担的学术责任，也不得消除培育成效的集体、互动和关系构建原则，而应有助于扩大教学互动、无障碍性、监督和培训过程的质量。
§ 2º 通过人工智能系统进行的调解，不计入满足远程教育法规中规定的辅导和互动监管要求的额度，其使用必须在远程高等教育的评估、监管和监督工具中进行核查。
第10条。在学术和教育活动中使用人工智能工具应以智力创作权、学术诚实以及对所产生内容负责的价值观为指导。
§ 1º A interação com sistemas de IA não transfere à tecnologia a responsabilidade pelo conteúdo apresentado, cabendo ao estudante, ao docente ou ao pesquisador a responsabilidade intelectual pela seleção, pela verificação, pela veracidade, pela consistência e pela adequação das informações utilizadas ou produzidas, a transparência quanto ao uso da IA e a atribuição de autoria compatível com a contribuição humana efetiva.
§ 2º É assegurada a proteção da imagem, da voz, dos dados pessoais e da identidade dos profissionais da educação e estudantes em face da utilização de sistemas de IA.
Art. 11. Os sistemas de ensie as instituições educacionais promoverão programas permanentes de formação e atualização dos profissionais da educação para o uso pedagógico da Inteligência Artificial, contemplando, entre outros aspectos:
I - alfabetização algorítmica;
II - elaboração de comandos e instruções para sistemas de IA;
III - curadoria crítica de conteúdos gerados;
IV - 通过数字技术进行的评估；
V - 个人数据保护；
VI - 学术诚信；以及
VII - 算法偏见的识别与缓解。
第12条。在教育环境中使用人工智能需要采用机构治理机制，以确保透明度、控制和持续监督，从而能够确定所用应用程序的目的、分析所涉及的风险并定义其评估和审查的标准。
第1款。机构文件应记录与采用和使用人工智能相关的决定，以及指导其使用的参数。
第2款。机构治理流程应包含对与使用人工智能相关的政策、程序和标准进行定期审查的机制，同时考虑技术变革、监管更新、新的科学证据以及在其实施中观察到的结果。
§ 3º A participação docente estará presente nos processos de acompanhamento e supervisão, assegurando que o uso da tecnologia permaneça alinhado às finalidades pedagógicas e que eventuais ajustes sejam realizados de forma fundamentada.
§ 4º Quando a revisão humana envolver profissionais da educação, os sistemas de ensie as instituições educacionais assegurarão condições adequadas para seu exercício, incluindo formação específica, tempo institucional, apoio técnico, canais de consulta e respaldo decisório.
Art. 13. A utilização da IA nos processos educativos será comunicada de forma clara a estudantes, professores, gestores e, quando couber, às famílias ou responsáveis, permitindo o conhecimento sobre sua aplicação e seus objetivos.
单行段落。人工智能系统生成的结果仍须接受批判性分析和人工负责，以确保其教学适宜性、可靠性以及符合本决定的原则，并防止错误、偏见或不当信息的复制。
第 14 条。严禁使用自动化系统替代教师教学，亦严禁将教学责任转移给人工智能系统。
第 1 条。与学习评估、学业跟踪、教育指导以及对学生轨迹产生影响的决策相关的流程，仍须接受与其教育重要性相适应的人工监督和验证。
§ 2º A utilização da IA como recurso de apoio à elaboração, adaptação e revisão de materiais didáticos e atividades pedagógicas deve ser informada de forma clara e não afasta a responsabilidade do autor pela verificação e adequação dos conteúdos aos objetivos de aprendizagem.
Art. 15. É vedada a utilização de conteúdos produzidos por docentes e estudantes para treinamento de modelos de IA de terceiros, ressalvada autorização específica.
Parágrafo único. A ressalva prevista caput não se aplica aos conteúdos produzidos por crianças e adolescentes, cuja utilização para treinamento de modelos de IA de terceiros é vedada.
Art. 16. É vedada, nos sistemas de ensie nas instituições educacionais, a utilização de sistemas de IA para fins de publicidade direcionada, perfilização mercadológica ou exploração comercial dos dados educacionais de estudantes e docentes.
**CAPÍTULO IV**
**DA UTILIZAÇÃO DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO BÁSICA**
第17条。在基础教育中，人工智能的使用将遵循第4条确定的原则，特别是儿童和青少年的全面保护、年龄适宜性、学习的渐进性以及学生的全面发展，尊重认知、情感、社交和道德发展的不同阶段，并保持人际互动在教育过程中的中心地位。
第18条。在基础教育中使用人工智能将遵循以下指导方针：
一、促进学生的全面发展，考虑认知、社交和情感维度；
II - 使用有利于教育包容、无障碍和学习体验个性化的资源，同时尊重学生的特点和需求；
III - 维护学生的智力自主权和福祉，避免对技术的过度依赖；
IV - 将人工智能素养与数字素养、媒介素养和计算素养进行有机结合；
V - 考虑学生和学校的数字接入条件，并采取教学替代方案，以避免因基础设施、连接或设备可用性限制而导致的排斥；
VI - 遵守人工智能支持的工具、内容和教育体验的适龄性要求；
VII - 增强学生批判性分析自动化系统产生的信息、合成内容和建议的能力；
VIII - 促进安全、尊重和符合儿童和青少年权利的数字环境；
IX - 加强教育工作者的批判性和道德调解能力；以及
X - 防止对学生的监控行为不当、侵入性或不成比例。
§ 1º 在基础教育中采用人工智能系统，应伴随人工智能教学，以促进学校课程中有意图和有意义的人工智能系统学习。
§ 2º 年龄适宜性不仅限于根据年龄限制访问特定技术的定义，还将包括技术的使用条件，特别是关于教学调解、人类监督、个人数据保护以及培养批判性、道德和负责任地使用这些技术的技能。
3 学生进行直接、自主、个人或非监督式访问与由教育专业人员进行的中介或监督式访问之间的区别，在任何情况下都不能免除教育系统、学校和教育专业人员对学校中人工智能使用情况的教学指导与陪伴。
第19条。人工智能（AI）与基础教育课程的整合应当结合数字、媒体和计算教育进行，并遵循国家课程共同基础（BNCC）、关于在学校空间使用数字设备及整合数字与媒体教育的国家业务指南、幼儿教育、小学、中学、全日制教育以及基础教育各模式的国家课程指南，以及其他现行的国家指南，以横向、渐进且适合不同阶段、年级、模式、机构环境和学生发展特点的方式进行。
第1款。人工智能既可以作为学习对象，也可以作为教学资源，前提是其使用必须符合培养目标和教育实践。
2 人工智能的课程整合将考虑学生和机构的社会、文化和技术背景，并促进不同知识领域之间的联系，同时关注减少教育不平等。
第 20 条。基础教育将促进学习发展，使学生能够理解人工智能的基础、用途和影响，除其他方面外，还将包括：
一、对计算机系统和人工智能应用程序的基本运作的理解，包括它们的工作方式、可能性、局限性以及对当代社会的影响；
二、对数据的作用及其在人工智能系统中的使用的理解；
三、逻辑、分析和批判性思维的发展；
四、识别技术中存在的局限性、风险和潜在偏见；
V - 理解数字环境中存在的与虚假信息、数字操纵、合成内容以及自动化影响力策略相关的风险；
VI - 培养核实信息来源、验证信息以及在面对由AI生成或调解的内容时行使批判性判断的能力；
VII - 理解技术支持与自主智力成果之间的区别，并培养符合学术诚信的态度；
VIII - 对与AI开发和使用相关的社会、经济、文化、政治、环境和伦理影响进行批判性分析；
IX - 在数字环境中促进负责任、符合伦理和安全行为；以及
X - 发展与人工智能使用相关的元认知能力，鼓励学生批判性地反思他们在数字技术媒介下的思维、学习、决策和知识生产过程。
独款。在允许学生使用人工智能工具或应用的的基础教育阶段和形式中，接触与人工智能相关的概念、工具和应用时，应当采取循序渐进、有引导的、联系实际的方式，并适合学生的发展阶段、教学目的、课程特殊性以及各阶段和形式的机构条件。
第 21 条。在幼儿教育中，教育专业人员可以在规划和教学管理活动中使用人工智能系统，并将其用作旨在消除障碍的可访问性资源。
§ 1º É vedado o uso de quaisquer sistemas de IA pelos estudantes, seja de forma direta, autônoma e individual pela criança, ainda que mediada pelos profissionais da educação.
§ 2º A utilização de recursos de acessibilidade observará a finalidade exclusiva de eliminação de barreiras, desde que não impliquem inferências sensíveis, perfilização individualizada ou repercussão decisória sobre o estudante.
Art. 22. Nos Anos Iniciais do EnsiFundamental, a eventual utilização de recursos baseados em IA ocorrerá exclusivamente por meio de atividades pedagógicas planejadas, conduzidas e mediadas por profissionais da educação.
§ 1º É vedado o acesso direto, autônomo, individual ou não supervisionado dos estudantes a sistemas de IA.
§ 2º É vedada a interação dos estudantes com sistemas de IA generativa ou conversacional, ainda que sob supervisão de profissionais da educação.
§ 3º A incorporação dessas tecnologias ocorrerá de forma gradual, com ampliação progressiva de sua utilização à medida que se desenvolvam competências de letramento digital, pensamento crítico, cidadania digital e autonomia intelectual.
§ 4º Sempre que a utilização institucional de aplicações de IA envolver estudantes dos Anos Iniciais do EnsiFundamental, os sistemas de ensie as instituições educacionais assegurarão transparência quanto às finalidades pedagógicas da tecnologia empregada, promoverão comunicação clara às famílias ou responsáveis e observarão rigorosamente a proteção de dados pessoais.
§ 5º O disposto neste artigo não alcança as tecnologias assistivas e os recursos de acessibilidade destinados à eliminação de barreiras à aprendizagem, observado o disposto art. 36, § 3º.
Art. 23. Nos Anos Finais do EnsiFundamental, a utilização de ferramentas de IA de caráter generativo poderá ocorrer apenas em atividades pedagógicas com mediação de profissionais de educação.
单行款。禁止学生直接、自主、个人或在无监督的情况下使用这些工具。
第24条。在基础教育的任何阶段，均禁止将人工智能系统用于定向广告、市场画像或对学生数据进行商业开发。
**第五章**
**关于高等教育中的人工智能应用**
Art. 25. 在高等教育中，人工智能可以作为研究对象以及教学、科研和延伸活动的辅助资源融入学术培养，其方式应是有计划、有协调的，旨在促进理论基础、实际应用和批判性反思之间的联系，同时尊重各专业、国家课程指导方针和机构教学项目的特殊性。
Art. 26. 在师范专业中，与人工智能相关的培养应明确涵盖教师数字素养、新兴技术的教学应用、教育数据批判性分析、数字技术辅助评估，以及学校环境中使用人工智能相关的伦理方面。
单行段落。有关人工智能的知识应尽可能与监督实习、推广和研究活动相结合，促进教师培训与基础教育机构面临的具体挑战之间的紧密联系。
第27条。高等教育机构应为在教学、研究、推广和学术管理活动中使用人工智能制定自身的政策和指导方针，涵盖署名原则、学术诚信、透明度、知识责任和权利保护。
第1款。这些政策应在适当时纳入机构发展计划（PDI）、课程教学项目（PPC）、规章制度、学术条例以及其他机构治理文书中。
§ 2º 机构政策可包含关于技术使用透明度的标准、在适用的情况下使用声明的形式、防止违反学术诚信行为的指导方针，以及用于监督、审查和持续改进与人工智能相关的机构实践的程序。
§ 3º 在提供教师教育课程的机构中，这些政策还将包括初始教师培训策略，使未来教师能够在日益由数字技术和智能系统介导的背景下，以批判、道德和教学上合格的方式开展工作。
Art. 28. 在科学研究领域，人工智能的使用应遵循科学诚信、方法透明和知识产权责任的原则，当其贡献对文本编写、数据分析、文献综述、编程或研究过程的其他阶段具有重要作用时，必须予以声明。
独任条款。这些技术的使用不会将产生的结果的作者身份或责任转移给人工智能，结果仍由研究人员完全承担。
Art. 29. 人工智能可用于学术和学校管理，但必须保持有意义的人工监督，并确保能够对决策进行复核。
独任条款。禁止作出对学生的权利或学术轨迹产生重大影响的纯自动化决策。
第三十条 高等教育应促进学生发展批判性、伦理性和负责任地使用人工智能的能力，包括但不限于：
一 - 具备在不同职业情境中将人工智能用作辅助决策工具的能力；
二 - 发展分析、解释和使用数据的技能；
三 - 批判性地理解在学习评估、学业跟进以及教育证据分析过程中使用人工智能的相关可能性、局限性和风险；
四 - 理解与技术使用相关的伦理、法律和社会影响。
V - 理解人工智能的概念基础及其对知识生产过程、工作组织、公民身份行使和社会转型的影响；
VI - 培养对人工智能中介的知识生产、学习和决策过程进行批判性和元认知反思的能力；
VII - 负责任地使用人工智能，遵守学术诚信和职业道德原则，理解技术支持与自主知识生产之间的界限；以及
VIII - 认识到适当署名以及对在人工智能支持下生产或呈现的内容承担责任的重要性。
**第六章**
**关于在职业和技术教育中使用人工智能**
第三十一条：在职业和技术教育中引入人工智能，应当有助于加强创新文化、应用研究、创造力、终身学习以及对技术变革适应能力，这与可持续发展、国家竞争力和促进尊严劳动的发展需求相一致。
第三十二条：在职业和技术教育中，人工智能的使用应当有助于学生的全面发展，促进在日益由数字技术介导的职业环境中进行批判性、负责任且创新性实践所需的各项技术、数字、道德和社交情感能力的培养。
Art. 33. 在涉及实验室活动、专业实践、实习、模拟或使用专业设备和环境的课程中，人工智能可构成对培训过程的辅助工具，前提是其使用不会损害相关职业行使固有的实践能力、职业自主权、技术判断力、活动安全性和伦理责任。
Art. 34. 高等技术课程在使用人工智能时，应遵守本决议第32条的规定，且不影响第五章对高等教育适用的其他规定。
Art. 35. 中等职业技术课程应在其课程组织中促进培养以批判、道德和负责任的方式使用人工智能的能力，具体包括：
I - 培养分析、解释和使用数据的技能；
II - 具备在不同职业情境中将人工智能作为辅助工具的能力；
III - 批判性地理解在学习、评估、分析以及职场生产过程中使用人工智能的可能性与相关风险；以及
IV - 负责任地使用由人工智能介导的工具，包括理解与虚假信息、数字操纵以及数字环境中存在的自动化影响力策略相关的风险。
**CAPÍTULO VII**
**DA CLASSIFICAÇÃO DE RISCO, DAS SALVAGUARDAS E DA PROPORCIONALIDADE REGULATÓRIA**
Art. 36. 教育系统和教育机构应采用以监管相称原则为导向的方法，据此，监督、治理、文档、透明度和监控的水平应与教育目的、系统的自主权程度以及与使用人工智能应用实际相关的风险相匹配。
1 风险分类将综合考虑应用程序的教育目的、系统的自主程度、处理的数据类型、对学生权利的潜在影响、决策的自动化程度、用户画像的可能性以及所产生后果的可逆性。
2 风险分析不应局限于所用解决方案的技术特性，还应考虑其实际使用条件，包括是否存在人工监督、教学中介、治理机制、数据保护以及机构的跟进能力。
3 与使用画像机制相关的限制不排除采用旨在专门促进可访问性、教育包容性和消除学习障碍的技术和资源，只要其使用符合数据保护、人工监督、相称性和尊重学生权利的原则。
第 37 条。为组织治理、监控和风险缓解实践，教育系统和机构使用的 AI 应用将分为以下风险级别：
I - 低风险应用；
II - 中度风险应用；
III - 高风险应用；或
IV - 过度风险或与教育目的不符的应用。
唯一段落。本条规定的风险等级分类确立了相应的类别和最低保障措施，本决议中指出的应用列表仅为示例，并非详尽无遗。
第 38 条。被认为低风险的应用包括辅助性、组织性、补充性教学或可访问性应用，这些应用在考虑其目的、使用背景、处理数据的性质和系统的自主程度后，不会对学生的权利、评估过程、学术决策、教育轨迹或访问、停留、进步和认证条件产生重大影响，也不涉及个体画像、敏感个人数据处理、持续监控、与学生的持续互动或重大的自动化决策。
1 低风险应用包括但不限于：
I - 组织、系统化或改编教学材料；
II - 教学或行政规划的辅助工具；
III - 非评估性文本审查；
IV - 支持翻译、摘要、格式化或内容调整；以及
V - 旨在消除障碍的简单辅助功能，例如转录、字幕、屏幕阅读、文本放大或格式转换，前提是它们不涉及敏感推断、个体化分析或对学生的决定性影响。
2 在本条所述的假设情况下，作为良好机构治理的参数，应遵守透明度、信息安全、个人数据保护、机构问责、使用目的的简化记录以及在机构教育活动中使用应用时进行人工监督的可能性等义务。
第39条。被视为中度风险的应用程序包括用于教学、学术、行政或机构支持的应用程序，这些应用程序虽然不产生相关的自动化决策，但涉及与学生的持续互动、学术建议的生成、个性化学习路径、支持知识产出、形成性评估、机构指导或教育信息的系统化处理，前提是它们不会对分数、认证、晋升、保留、福利授予、纪律处分、选拔或其他敏感的教育决策产生自动影响。
第1款。除其他外，中度风险应用程序包括：
第一条 - 自动辅导系统或教学支持系统；
第二条 - 不直接产生学术影响的形成性反馈工具；
第三条 - 用于咨询、一般学术指导或信息支持的机构助手；
IV - 用于文本创作、研究或学习组织的支持工具，当在教学或学术背景下使用时；
V - 不具有自动决策效力的学术推荐机制；
VI - 不直接自动影响分数、认证、出勤、福利或处罚的学习跟踪系统；以及
VII - 涉及个性化、个体化调整或教育信息系统化处理的可访问性资源，前提是它们不涉及敏感数据或相关的自动化决策。
第 2 条 在本条所述的假设情况下，教育系统和教育机构将采取与使用背景相称的保障措施，特别是：
I - 向教育界清晰沟通技术的用途、目的、限制以及机构负责人；
二、所用应用程序的机构注册，指明其目的、受众、处理的数据和负责监督的人员；
三、当结果影响教学指导、学业跟踪、个性化学习路径或针对学生的推荐时，必须进行人工审查；
四、定期监测错误、偏见、不成比例的影响和教学适用性；
五、禁止使用教育数据来训练第三方模型，除非获得具体且可撤销的授权，且具有合法目的、透明度和兼容的安全措施，并遵守第 41 条第十一款的规定；
六、提供机构渠道，以便在生成的推荐可能影响学生的学习体验时进行澄清、审查或质疑；以及
VII - 定期评估应用程序的适用性是否符合最初指定的风险级别，特别是当功能扩展、与机构数据库集成或用途发生变更时。
第四十条 能够对学生权利、学术生活、评价过程、认证、遴选、留校、学业晋升、留级、福利发放、纪律审查、教育机会分配或其他敏感教育过程产生重大影响、支持或左右效果的应用程序，被视为高风险应用程序。
第 1 款 高风险应用程序包括但不限于：
一 - 用于客观评估或封闭式答题且具有学业影响的自动化辅助纠错系统，这些系统只能作为辅助工具使用，严禁在未经有效、事先、具备资格且有记录的人工验证的情况下，自动赋予分数、等级、及格、不及格、证书、升级、留级或任何其他学业后果；
二 - 以下系统： *proctoring* 或评估流程中的其他监控技术系统；
三 - 个人化的学业画像；
四 - 与选拔、认证、福利发放、学籍保留、升级、留级或纪律审查相关的系统；
五 - 涉及处理敏感个人数据的应用，包括关于残疾、健康、生物特征、行为、社会脆弱性或敏感个人表现的数据。
VI - 涉及相关行为推断、个性化教育风险模式识别或对辍学、表现、脆弱性或行为进行预测的应用；
VII - 可能对教育机会、机构资源获取或继续学业条件产生重大影响的应用；
VIII - 以下工具： *形成性反馈* 、辅导、推荐或监督，这些工具进而会影响成绩、进阶、认证、留校、福利、处分或其他相关的机构决策；
IX - 用于检测人工智能生成内容的自动化工具，在用于可能产生学术或纪律影响的调查时，仅允许作为辅助分析元素；以及
X - 用于对论述题、作文、原创文本作品以及其他需要对学生的智力成果进行解释、评价或论证判断的评估工具进行预批改的自动化系统，仅允许作为教师批改的准备和辅助工具，并应遵守第4款的规定。
§ 2º 在本条涉及的情况中，应确保采取与应用敏感性质相适应的强化保障措施，包括：
I - 预先进行算法影响评估，该评估应与风险及教育目的相称；
II - 个人数据保护影响报告（如适用）；
III - 有意义的、持续的、合格的和有记录的人工监督；
IV - 可追溯性、文档化和机构审计机制；
V - 透明度以及对应用的目的、总体运作方式、局限性和可能影响的通俗易懂的解释；
VI - 对人工智能系统支持的结果、建议或决定进行有效质疑、人工复核和纠正的可能性；
VII - 对任何具有评估、纪律、学术、行政或认证影响的结果进行事先且有记录的人工验证；
VIII - 对偏见、系统性错误、对特定群体的歧视性或不成比例的影响进行定期监测；
IX - 只要可用，即采用侵扰性较小的替代方案，尤其是在评估、监测、个性化跟踪或敏感数据处理流程中；以及
X - 保证该应用不会取代教育专业人员或主管机构的责任。
§ 3º A utilização de aplicações de alto risco não poderá resultar em decisão exclusivamente automatizada com efeito relevante sobre a trajetória educacional do estudante, permanecendo a atribuição de notas, a certificação, a progressão, a retenção, a seleção, a concessão de benefícios, a aplicação de sanções e as demais decisões acadêmicas ou institucionais relevantes sob responsabilidade de profissional da educação ou de instância institucional competente, assegurada supervisão humana efetiva, fundamentação, registro e possibilidade de revisão.
§ 4º Para os fins do inciso X do § 1º, considera-se pré-correção a etapa preparatória, desprovida de efeito avaliativo próprio, na qual o sistema de IA pode auxiliar a correção humana, observando-se, cumulativamente:
I - a vedação de que a pontuação, o conceito ou o mérito gerados por sistema automatizado produzam efeito acadêmico sem correção humana; e
II - 保证完整阅读和直接评估学生的成果，以及由人类评估员进行复核的权利，禁止隐式批准、批量验证以及对系统建议结果的单纯追认。
第41条。下列行为与教育目的和对学生的全面保护不相容，禁止在教育系统和教育机构中使用，包括但不限于：
I - 社会评分系统；
II - 情感监控以及对学生和教育从业者情感的识别或推断；
III - 剥削学生的脆弱性，包括年龄、情感、社会经济、认知或行为方面的脆弱性；
IV - 出于分类、纪律、商业或限制教育机会目的的心理、生物特征或行为画像。
V - 仅限自动化的决策，对晋升、保留、认证、留任、福利发放、离职、甄选或制裁产生重大影响；
VI - 持续的生物识别监视或对学生的永久监控；
VII - 将教育数据用于定向广告、商业开发、行为操纵或与教育关系不相容的目的；
VIII - 基于对能力、行为、脆弱性或表现的自动化推断，对学生产生隔离、歧视或排斥的系统；
IX - 仅由AI系统或在没有第40条第4款所述人工批改的情况下，对论述性评估、作文、原创文本作品以及其他需要对学生的智力成果进行解释性、价值性或论辩性判断的评估工具赋予分数、等级或评优；
X - 仅根据AI生成内容检测工具的结果实施学术或纪律处分；以及
XI - 严禁将儿童和青少年的教育数据用于训练第三方人工智能模型。
第1条 访问虚拟环境、评估或学术活动时，如严格必需而临时使用的身份验证机制，不应与持续的生物识别监控、情感识别、行为画像或永久监视相混淆，且必须遵守目的性、必要性、比例原则、个人数据保护、透明度、人工监督以及采用可用最低侵入性替代方案的原则。
第2条 本条正文第二款规定的禁止事项不适用于：在征得学生或其监护人同意的前提下，以实现无障碍为唯一目的的辅助技术的使用；以及经研究伦理委员会批准的科学研究。在这两种情况下，均禁止产生任何评估、纪律或选拔方面的影响。
Art. 42. 各教育系统和教育机构应根据本决议确定的标准，定期重新评估所使用应用的分类，以及所采用的保障措施和监督机制的适当性，以确保其紧跟技术变革、新的使用环境以及对学生权利的保护。
**第八章**
**最后与过渡条款**
Art. 43. 教育政策应主要集中在提升使用的机构条件上，确保治理要求与每个教育系统或机构的规模、行政能力、技术基础设施和运作条件相适应，同时不影响对权利保护、透明度、人工监督和教育过程质量原则的遵守。
第四十四条 这些准则的实施将以联邦各实体之间的合规合作为导向，注重相互技术支持以及教育系统和学校网络机构能力的增强，并根据《宪法》规定的合作制度，通过协调开展教育专业人员培训、知识共享、技术参考资料编制、机构能力发展以及推广优秀实践等行动来实现。
独款。人工智能相关政策的实施将考虑不同教育网络和机构的独特性，遵循相称性、公平性和持续技术支持的原则，以扩大地方能力，防止结构性不平等影响对数字技术所提供机遇的优质获取。
第45条。国家教育委员会将与各教育系统、教育机构、州和市教育委员会、科学界、专家和社会代表合作，监督这些指导方针的实施情况，以监测其应用情况、识别新出现的监管空白并提出可能的规范更新。
唯一段落。只要技术、科学、教学或监管环境发生重大变化，就有理由对这些指导方针（包括附件中的术语表）进行审查。
第46条。教育系统和教育机构应在本决议公布之日起十二个月内，根据这些指导方针的规定，调整其政策、实践、治理工具和现行合同，但第41条规定的禁止规定应立即适用。
第47条 本决议自公布之日起生效。
**附件**
**教育应用人工智能背景下使用的词汇、术语和表达方式词汇表**
关于制定巴西教育中人工智能（AI）应用指导方针的意见书和决议草案附件（SEI 进程号 23001.001062/2024-18）
**前言**
本词汇表作为附件，纳入关于制定巴西教育中人工智能（AI）应用指南的意见书和决议草案中。其目的是减少解释上的歧义，统一技术、教育和法律监管性质的词汇、术语和表达方式的使用，为所有相关主体（教师、学生、管理者、家庭、研究人员、技术人员和广大社区）在学校和大学中使用人工智能提供支持。此处巩固的定义结合了三类来源：a）在国家和国际人工智能词汇表及参考资料中确定的技术术语；b）从意见书本身提取或其规范逻辑所要求的概念，例如人工实质性监督、风险分类、教学中介、学术诚信和个人数据保护；c）解释规范性指令所需的法律监管表达方式，例如开放条款、封闭条款、列举性清单和不确定法律概念。这些描述力求清晰准确，避免与文件的指导职能不相容的笼统理解。本词汇表中包含的定义不能替代现行法律、1988年《联邦宪法》、《国家教育方针和基础法》（LDB）、《个人数据保护法》（LGPD）、《儿童和青少年法》（ECA）及数字ECA、《民法框架》 *Internet* ，巴西《包容法》（LBI）、《国家数字教育政策》（PNED）及其他适用规范。如有冲突或疑问，应优先适用效力层级更高的规范，或对学生、教师、研究人员及教育过程其他主体之基本权利作最具保护力的解释，并以全面保护以及儿童和青少年的最大利益为首要原则。就本术语表而言，人工智能（IA）应被理解为一种辅助工具，不具有人格、法律自主权或自身责任。责任完全由开发、签约、提供、配置、监督或使用该系统的主体（自然人和法人）承担。
**词条**
各词条按字母顺序排列并顺序编号。词条内部的互见引用应根据本术语表所附之意见书和决议进行系统性解释。
**1. AI 支持的可访问性：** 使用人工智能系统，通过转录、语音描述、字幕、翻译、辅助阅读、界面适配或同类功能，借助沟通、感官、认知、运动或语言支持来减少社会壁垒。由于其具有排他性的包容目的，它不等同于画像分析。
***2*. 适合年龄：** 即教育中人工智能系统的设计、选择和使用必须符合学生尤其是儿童和青少年的认知、情感、社会和道德发展阶段的原则。根据《数字儿童和青少年法案》（ECA Digital）以及全面保护原则，它强制规定了渐进式的使用限制、教育专业人员的强制调解，以及禁止接触与年龄不符的功能。
**3. 人工智能代理：** 旨在处理输入、规划步骤、触发工具、应用程序编程接口（API）或外部服务，并执行针对预定义特定目标的自主或半自主人工智能系统。在教育语境中，其使用需要可解释性、关于目的的透明度、通用编程逻辑、操作指令、触发的工具以及系统行动范围的透明度，因为它们可能会产生操作、教学、评估、行政或机构方面的影响。必须有显著的人工监督、对执行操作的记录、中断的可能性、对结果的审查，以及对配置、授权和监控负责人清晰的身份识别。
**4. 个人数据处理者：** 负责个人数据处理的自然人或法人，包括负责处理决策的控制者，以及代表控制者进行处理的处理者。在教育语境中，教育机构通常作为学生、教师和家长的控制者，即使在聘用第三方人工智能平台时亦是如此，并继续对处理的合规性负责。
**5. 幻觉：** 由生成式人工智能系统产生的错误、虚构、不一致或没有事实基础的回答，即使其呈现出准确和权威的外观。
**6. 数据分析：** 旨在组织、描述和从数据中提取信息的统计、计算或解释程序集。
**7. 匿名化：** 技术处理过程，通过该过程，在考虑合理且可用技术手段的情况下，数据不再能直接或间接关联到已识别或可识别的自然人。该过程必须谨慎执行，因为小型数据库或与其他数据的交叉比对可能会导致重新识别。
**8. 机器学习：** 人工智能的一个子领域，利用数据和统计模型来提高系统在特定任务中的性能，而无需针对每种情况进行显式编程。可用于内容推荐、预测分析和教育模式识别。
**9. 无监督学习：** 机器学习的一种范式，其中模型在没有预定义答案的未标记数据中识别模式、集群或结构。在教育领域，它可用于学习者画像的分组，由于该做法接近于个性化定性分析（profiling），因此需要谨慎对待。
**10. 强化学习：** 一种机器学习范式，系统通过试错来学习，通过与特定环境中执行的操作相关的奖励和惩罚，随着时间的推移优化行为。它整合了自适应系统的开发和通过人类反馈进行调整的语言模型。
**11. 深度学习:** 基于多层人工神经网络的机器学习技术，能够学习复杂的复杂数据表示。它支持语音识别、计算机视觉、机器翻译和大型语言模型等应用。
**12. 监督学习：** 机器学习范式之一，模型通过带标签的数据（即附带期望输出的示例）进行训练，以学习将输入映射到输出。例如，它被应用于文本分类和性能预测。标签的质量和代表性直接决定了偏差的产生。
**13. 开放架构：** 技术解决方案，其代码、文档、权重、模型、标准或接口以开放或互操作的形式在不同程度上提供。它可以促进可审计性、本地适配、技术主权和公共控制，同时不排除安全和治理责任。
**14. 专有架构：** 由私营供应商控制其代码、数据、参数或内部运作的模型、平台或基础设施，用户、机构和监管机构的访问受到限制。需要关注可审计性、技术依赖性、数据保护以及是否具有足够的透明度以供教育使用。
**15. 人工智能系统审计：** 对人工智能系统的技术、法律、道德和教学验证的文档化过程，旨在评估其合规性、安全性、偏见、性能、可追溯性、数据保护以及是否符合教育目标。其规模应与应用的风险成正比。
**16. 信息自决权：** 个人数据保护学科的基础，确保个人对其自身信息拥有控制权，包括了解、访问、更正和反对与其相关的处理的权利。在教育环境中，它指导对同意的解释、平台的透明度以及学生、家庭和教师在人工智能系统面前的权利。
**17. 常规自动化：** 根据固定规则自动执行预定义任务，没有相关的自适应学习、复杂推理或自主内容生成。应将其与人工智能区分开，以实现监管的相称性。
**18. 智力自主性：** 提出问题、构建论点、解释数据、评估来源、创建假设、支持自己的推理和行使批判性判断的能力。
**19. 智力作者身份：** 将知识产权归属于自然人或一群人，他们负责学术或科学工作的构思、制定、论证、分析、讨论和展示。
**20. 算法影响评估：** 旨在识别、评估和减轻算法系统产生的风险（包括偏见、错误、歧视、不透明、教学影响、排斥、监视、技术依赖和权利影响）的先前和周期性程序。
**21. 教育数据库：** 由教育机构和教育系统生成、收集或维护的结构化个人和非个人数据集，包括学术、行政和数字平台交互记录。将其用于开发、训练、调整或集成人工智能系统需要法律依据、特定的教育目的、信息安全以及禁止不兼容的使用。
**22. 数字福祉：** 身心社会和谐的状态，体现在教育过程中主体与数字技术的互动中，包括预防认知过载、过度连接、技术依赖以及因密集使用系统（包括人工智能）而造成的健康损害。
**23. 生物识别和生物识别数据:** 涉及物理、生理或行为特征的敏感个人数据，允许对自然人进行唯一身份识别，如面部、声音、虹膜、指纹和打字模式。其在教育环境中的使用和处理需要严格且合理的必要性、相称性，并采用侵入性最小的替代方案。
**24. 算法不透明性：** 系统内部运作对用户、机构或监管机构而言不可理解、不可访问或不可解释的特征，无论是因为技术复杂性还是专有限制。不透明性并不能免除透明度和可解释性的职责：当适当的解释不可行时，应避免在对权利有重大影响的流程中使用该系统。
**25. *聊天机器人* 教育领域：** 自动对话系统，通过自然语言与学生、家庭、教师或管理者互动，以提供学习支持、咨询、指导或管理服务。其使用必须告知互动的自动化性质，并在存在重大影响或敏感需求时保留人工客服渠道。
**26. 数字公民身份：** 使个人能够在数字环境中合乎道德、批判性、安全且负责任地行使权利和义务的一系列知识、态度和能力，包括参与、尊重、数据保护、打击虚假信息以及负责任地使用人工智能。
**27. 云计算：** 通过以下方式提供计算资源、存储、处理和服务的模式，该基础设施可通过远程访问 *互联网* . A contratação de serviços de IA em nuvem por instituições educacionais deve observar segurança da informação, localização e regime jurídico dos dados, cláusulas de confidencialidade, vedação de reutilização de dados educacionais e condições de portabilidade e reversibilidade.
**28. 同意:** 个人数据处理的明确意图。同意不得被推定，不得被不当条件化为访问基本活动，也不得被笼统获得；对于儿童和青少年，应考虑其最大利益、全面保护以及在需要时，至少一名父母或法定监护人的具体同意。
**29. 综合内容:** 由人工智能系统生成或实质性修改的文本、图像、音频、视频或其他材料。
**30. 自动更正:** 使用人工智能系统更正评估工具。
**31. 教师策展：** 教师和机构选择、验证、调整、情境化和验证内容（包括人工智能系统生成的内容）的活动，以学习目标、科学准确性、年龄适宜性和教育价值观为指导。
**32. 教育数据：** 在教育背景下生成或处理的数据，包括注册、出勤、分数、活动、平台互动、学习记录、出勤、服务、可访问性、学术行为和机构指标等。根据情况，这些数据可能是个人数据或敏感数据。当用于调整、教学或校准人工智能模型时，它们具有训练目的。其质量、代表性、合法性和多样性直接影响性能、偏见、排斥和歧视性风险。
**33. 敏感个人数据：** 关于种族或民族血统、宗教信仰、政治观点、工会或社团成员身份、健康、性生活、基因或生物识别数据等信息，当其与自然人相关联时。在教育领域，这些数据需要加强保护，特别是涉及儿童和青少年时。
**34. 自动化决策：** 由计算机系统根据数据处理生成的决策，在过程的某个阶段可能有或没有人类参与。在教育环境中，由人工智能支持的决策必须保留人类的责任、依据、记录和复审的可能性。
**35. 人工智能生成内容检测器：** 评估文本、图像、音频或其他内容是否由人工智能生成的工具。由于存在误报和漏报，它不应作为学术或纪律制裁的依据。
**36. 基础支撑或 *grounding* :**将模型的回答与可验证的上下文来源连接起来的过程，从而减少幻觉并提高可靠性。在教育中，它与基于官方文件、课程、机构规范和已验证材料的助手相关。
**37. 提示词工程或 *prompt* :**构思、结构化和精炼提示词以指导生成式模型响应的过程。它是人工智能素养的组成部分，但不能替代概念领域、批判性判断、署名或人工验证。
**38. 数字背景下的公平：** 一项旨在公平分配访问机会、有意义使用以及对数字技术和人工智能进行批判性应用的原则，同时关注地域、社会经济、种族、性别以及残疾人相关的不平等现象。
**39. 可解释性：** 提供关于人工智能系统的运作、标准、数据、限制和结果的可理解解释的能力。
**40. 人工智能治理：** 用于选择、采购、记录、监控、审计、审查和停用人工智能系统的政策、机构、程序和责任的集合。包括风险管理、数据保护、透明度、参与、培训和事件响应。
**41. 智能体人工智能：** 能够自主或半自主执行动作序列、调用工具并做出中间决策以实现目标的AI类别。
**42. 生成式AI：** 旨在创建文本、音频、图像、视频甚至代码等内容的AI分支。 *软件* 。该技术基于先进的计算模型，从海量数据中学习模式。
**43. 预测性AI：** 利用历史数据或观察到的模式来估计概率、风险或未来趋势（例如辍学倾向、表现或干预需求）的系统。它可以支持管理和监控，但不应对学生做出自动决策。
**44. 算法影响：** 算法系统对个人、群体、机构或教育过程产生的影响，包括教学、评估、行政、分配、认知、歧视或数据保护方面的后果。
**45. 数字语境下的包容性：** 旨在确保所有人有效接触和高质量使用数字技术的政策、行动和条件集合，涵盖连接性、设备、无障碍环境、数字素养和批判性掌握。它是教育应用人工智能实现公平的前提条件。
**46. 行为推断：** 根据观察到的数据，对学生或教师的行为、参与度、情感、风险、意图、个人资料或趋势作出的自动化结论。
**47. 人工智能 - AI：** 一种专注于开发计算机系统的心智技术的工具，这些系统能够以不同程度的自主性执行通常需要人类认知能力的任务，例如感知、语言理解、推理、学习、规划和内容生成，涵盖预测系统、生成系统、智能代理和数字导师等应用，具有不同的目的、自主程度、透明度水平、可审计性和风险配置文件。
**48. 互操作性：** 系统、平台和数据库通过开放标准和兼容格式以集成方式运行的能力，允许信息交换、可移植性和供应商更换。它是防止技术依赖的保障，也是教育服务主权和连续性的工具。
**49. 数字素养：** 批判性、安全、道德和高效使用数字技术所需的知识、技能和态度集合，包括信息搜索与评估、沟通、内容创作、数据保护和数字公民身份。
**50. 人工智能素养：** 以批判性、道德、安全和对社会负责的方式理解、使用、评估、质疑和利用人工智能进行创造所需的知识、技能、态度和价值观。涵盖技术、教学、法律、科学和公民维度。
**51. LLM - 大型语言模型：** 经过大量文本数据训练的AI模型，具备处理自然语言、生成文本、摘要、翻译、回答问题以及支持学术任务的能力。其运作基于概率模式，并不等同于人类的理解。
**52. 行为操控：** 采用包括人工智能在内的计算技术，旨在以隐蔽、欺骗或潜意识的方式影响自然人的决定、情感或行为，这与其自主性和最佳利益相悖。
**53. 数据挖掘：** 通过统计学和机器学习技术，探索海量数据以识别模式、关联以及非显而易见知识的过程。
**54. 数据最小化：** 指仅收集或处理符合既定目的且绝对必要、适当且成比例的数据的原则。这是教育系统中的一项基本要求，尤其是针对儿童和青少年。
**55. 基础模型：** 大型模型，经过大量数据训练，能够适应文本、图像、音频和视频等多种任务。它可作为多种生成式或预测性应用的基础。
**56. 专有AI模型：** 其运行方式、权重、数据、代码、指标或文档受供应商控制且访问受限的系统。其教育用途需要合同保证透明度、可审计性、数据保护和问责制。
**57. 内容审核：** 在数字平台上对内容进行分析、过滤、标记或移除的活动，通过人工、自动化或混合方式进行。在教育环境中，必须保护学生免受非法或年龄不当内容的影响，同时确保标准透明、比例适当并可对所采取的措施进行人工审查。
**58. 自动化监控：** 使用计算机系统来观察、记录、分类或发出关于学生、教师或教育共同体其他成员的行为、互动、表现或出席情况的警报。在教育语境中，其可采性是例外的，且需作限制性解释。
**59. 算法非歧视：** 禁止人工智能系统基于血统、种族、肤色、性别、年龄、残疾、社会经济状况、地区、宗教、信仰或任何其他歧视因素，产生直接或间接的不公正不平等对待的原则。该原则要求在系统整个生命周期中履行预防、测试、监测和纠正偏见的义务。
**60. 计算思维：** 以批判性和创造性方式，通过分解、模式识别、抽象和算法构建等策略理解、分析和解决问题的能力。它整合了课程参考框架中所规定的数字素养。
**61. 用户画像：** 对个人数据进行自动化处理，以评估、分类、预测或推断与个人的表现、行为、偏好、脆弱性、风险或轨迹相关的方面。
**62. 学习个性化：** 根据学生的个人资料或表现调整内容、节奏、活动、学习路径或反馈。学习个性化既不等于课程的个别化，也不等于培养历程的碎片化。
**63. 外部人工智能平台：** 通过以下方式访问的第三方解决方案： *互联网* ，通过API、应用程序或云环境访问，教育机构对其不具有完全控制权。
**64. 社会信用评分：** 根据行为、特征或个人数据对人员进行评估、分类或排名的系统，有条件限制对权利、服务或机会的访问。在教育系统中，禁止使用此功能。
**65. 自然语言处理 - NLP：** 人工智能领域，致力于计算机系统对人类语言的理解、解释、生成和翻译。它为以下应用奠定了基础： *聊天机器人* 、机器翻译、校对工具、摘要工具和大语言模型。
**66. *Proctoring* :**使用计算机系统（包含或不包含生物特征数据），在评估或学术活动期间通过捕获图像、声音、屏幕、环境、视线、声音、动作或行为模式来监控学生，目的是验证身份或标记作弊嫌疑。
**67. *Prompt* （或指令）：** 提供给生成式AI系统的指令、问题、文档、图像、音频或一组输入，以请求回答或任务。可以包含上下文、示例、限制、角色和期望的格式。
**68. *Prompt* 隐藏或 *system* *prompt* :**一组内部指令，采用对用户不可见的规则，指导AI模型的行为、限制、语调、功能和回答。
**69. 假名化：** 处理方式，使得数据在没有单独存放在受控且安全环境中的附加信息的情况下，失去了与其数据主体直接关联的可能性。与匿名化不同，假名化数据仍然属于个人数据。
**70. 追踪或可追溯性：** 记录和重建与人工智能使用相关的决策、输入、输出、版本、相关数据、参数、责任人和人为干预的能力。对于审计、质疑、复核和追责至关重要。
**71. 情绪识别：** 旨在从面部表情、声音、文本、生理信号或行为模式中推断人员的情感、情绪或心理状态的技术。
**72. 人脸识别：** 基于面部特征的生物识别技术或验证技术。由于涉及敏感个人数据的处理并捕获个人的永久、不可变且暴露的属性，因此在教育环境中受到严格的限制制度约束，具有例外且解释严格的准入条件，特别是当应用于儿童和青少年或与纪律控制、考勤评估或行为管理相关时。
**73. 人工神经网络：** 受生物神经元运作启发的计算模型，由互联且按层组织的处理单元组成，能够从数据中学习表征。它构成了深度学习和大语言模型的技术基础。
**74. 个人数据保护影响评估报告 - RIPD：** 描述个人数据处理流程的文档，包含对公民自由和基本权利的风险，以及所采取的措施、保障措施和缓解机制。
**75. 人工复核：** 由合格人员对人工智能生成的内容、建议、分类或结果进行验证。该验证应当有效、符合语境且与风险相称；不得流于形式，特别是在对权利产生影响或进行评估的情况下。
**76. 人工智能系统安全：** 一组表达系统能力的属性，包括：可靠运行、抵抗故障、错误、滥用和攻击（包括提示词操纵和数据污染），以及在各种条件下维持适当性能。这些属于机构采用的要求，必须在整个生命周期中进行监测。
**77. 人工智能生成内容的标记：** 对特定内容是由AI系统生成或实质性修改这一情况进行清晰、无障碍且可验证的识别，通过提示、元数据或技术标记（如数字水印）。这是能够防止在教育环境中使用的材料来源出现虚假信息、欺诈和混淆的透明度措施。从提供教育服务关系的视角来看，标签构成了提供充分且清晰服务的法定基本权利的一部分，该权利确保赋予作为私立机构服务消费者的学生及监护人，而在公立机构中，则源于公示、透明和行政诚信原则。
**78. 信息安全：** 旨在保护数据和系统免遭未经授权的访问、泄露、不当修改、不可用和其他事件的技术和管理措施的集合，包括机密性、完整性和可用性。这是教育机构的永久义务，也是人工智能平台合同的条件。
**79. 人工智能系统：** 一种计算系统，它以不同程度的自主性和适应性，根据接收到的输入推断出如何生成输出、预测、内容、推荐或能够影响物理或虚拟环境的决策。该定义指导识别受指导方针和风险分类约束的应用程序，并将其与传统自动化区分开来。
**80. 学术推荐机制：** 一种根据教育数据推荐内容、路径、课程、活动、干预措施、支持或管理决策的机制。自动推荐并非中立行为：通过排序、优先排序或筛选选项，它实际上会影响学生、教师和管理者的选择，因此其采用需要特定的教育目的、关于一般推荐标准的透明度以及对接收者选择自由的保护，禁止通过界面设计、省略替代方案或默示接受将建议转化为隐蔽的决定。
**81. 智能辅导系统：** 基于人工智能的系统，提供指导、 *形成性反馈* 或为学生量身定制活动。
**82. 有意义的人工监督：** 人工智能系统生成结果的有效理解、跟进、解释、质疑、审查或中止的人类干预能力，并在适当的机构条件下行使。
**83. 辅助技术：** 旨在促进残疾人或行动不便人士的功能、参与和自主性的产品、资源、方法、实践和服务，可纳入人工智能，例如智能屏幕阅读器、辅助交流和自动字幕。
**84. 透明度：** 以清晰、易于访问且适合目标受众的方式告知人工智能的使用情况、目的、限制、责任方及其潜在影响的义务。根据具体情况，它适用于学生、家庭、教师、管理者和研究人员，并使用适合儿童和青少年等不同受众理解能力的语言。
**85. 个人数据处理：** 对个人数据执行的任何操作，例如收集、生成、接收、分类、使用、访问、复制、传输、分发、处理、归档、存储、删除、评估、修改、通信、转让、传播或提取。
**86. 模型训练：** 人工智能系统通过调整其内部参数从数据中学习模式的过程，包括初始训练、微调和根据使用交互进行的校准。在教育领域，使用学生、教师或机构的数据进行训练需要法律依据、特定的教育目的、数据最小化、信息安全以及禁止与教育关系不兼容的剥削。
**87. 人工智能的个人使用：** 由学生、教师或研究人员自行发起，在受控的机构系统之外使用。虽然不是由机构采纳，但并不意味着不受规范约束：当在教学或学术背景下，为完成作业、研究、评估、提交给机构的作品或教学活动而使用时，应遵守机构关于人工智能使用的规定、学术和科学诚信义务（包括在被要求时声明使用情况）、个人数据保护规定（禁止在外部平台输入学生、同事或第三方的个人数据、他人作品以及机构保密信息）以及《指导方针》中的一般性禁止规定。
**88. 机构使用人工智能：** 由教育系统、网络或教育机构定义、合同规定、推荐、提供或集成使用。它不同于学生或教师自发的个人使用，并吸引了加强的治理、透明度、培训和问责制。其特点是机构采纳行为，无论其形式如何，合同、许可、集成到虚拟环境、官方推荐、提供访问或纳入教学、评估或行政过程，以及教师在其职责范围内并经机构同意或容忍推荐或要求使用外部工具，在责任方面等同于机构使用。
**89. 人工验证:** 由具备相应资格并获得授权的自然人通过其自身的、有根据的判断来审查和确认人工智能系统所产生结果的适用性、安全性、质量、教学相关性或结果的公正性，作为该结果产生效力的条件。
**90. 算法视野:** AI系统在处理数据时倾向于对特定个人和群体产生不公正、歧视性、不准确或不适当的结果。算法偏见可能会损害学生之间的平等对待、评估过程的公正性以及机会的公平分配，这就要求供应商有义务测试、记录和告知已知的偏见以及训练数据集的局限性，包括其对巴西环境的适宜性，并要求机构在尽职调查中强制要求证明这一点，定期监测对特定群体的成比例影响，并根据透明度义务向教育共同体通报已识别的相关风险。
**91. 自动化偏见：** 人类倾向于过度信任自动化系统产生的输出，从而减少批判性分析和独立判断，导致在没有充分验证的情况下接受人工智能的输出。
**92. 排除偏见：** 算法偏见的一种特定类型，源于数据和模型中对群体、地域、语言、文化或需求的缺失或代表性不足，从而对未被代表的人群产生不适当、不准确或歧视性的结果。
**93. 情绪监控：** 使用人工智能系统对学生或教育从业者的情感、情绪或心理状态进行针对性或持续性的推断、分类、评分、记录或监测，手段包括面部、声音、行为、书写、姿势、生理信号或数字交互模式。这构成了情绪识别的加重形式，其特征在于观察和控制性质，并使个人的内心领域及其内部状态受到与人类尊严、隐私、言论自由、人格自由发展以及教育关系固有的信任环境不相容的自动化分析，具有抑制学习过程中不可或缺的参与、尝试和错误潜力的特征。
**94. 计算机视觉：** 人工智能领域专注于图像或视频的自动化处理、分析和解释，包括对象检测和分类、视觉模式识别、文档阅读和运动跟踪等功能。在教育背景下，它支持具有包容性和工具性的应用，例如自动音频描述、辅助阅读、档案和材料的数字化和组织。然而，当用于捕获或分析人员图像时，它处理可用于识别和敏感推断的数据，接近生物识别和监控。因此，在这些情况下，其可接受性是例外性的，并且解释受到限制，禁止将合法的、可访问的、记录的或财产安全的目的，通过间接方式监控学生和教育工作者。
**附件二 - 风险分类解释指南**
分类适用于每项具体的应用、功能和具体使用目的，而不是抽象的系统或其商业名称。如果存在多种目的或功能，出于保障的目的，以最高级别为准；关于定性的疑问，通过最严格的分类来解决。功能的扩展、与机构数据库的集成或目的的变更强制要求进行重新评估。由于供应商信息不足而无法进行分类的情况，会阻碍签约和使用。涉及儿童和青少年、敏感数据、评估、留存、福利、制裁或认证时，在任何疑问下，根据全面保护和最大利益原则，以最具保护性的解释为准。
| | | | |
| --- | --- | --- | --- |
| **风险等级** | **特征** | **指示性示例（非穷尽列表）** | **最低保障** |
| I — 低 | 旨在提供工具、组织、补充教学或无障碍支持的应用，考虑到其目的、使用背景、处理的数据性质以及系统的自主程度，不对权利、评估、学术决策或教育轨迹产生显著影响，且前提是它们不涉及个性化画像、敏感个人数据的处理、与学生的持续互动、监控或显著的自动化决策。 | 教材的组织、系统化和改编；教学或行政规划的辅助工具；非评估性的文本校对；支持翻译、摘要和格式化；旨在消除障碍的简单无障碍功能（转录、加字幕、屏幕阅读、放大、格式转换），不涉及敏感推断或决策影响。 | 透明性；信息安全；个人数据保护；机构问责；使用目的的简化登记；在机构教育活动中使用时进行人工监督的可能性。缺乏有记录的分类并不意味着可以在低风险假设下使用。 |
| II – 中度 | 涉及与学生持续互动、生成学术建议、个性化学习路径、支持智力成果、形成性跟进或系统处理教育信息的教学、学术、行政或机构支持应用，且对成绩、证书、升级、留级、福利、处分、筛选或其他敏感教育决定没有自动产生影响。这是所有涉及与学生个体化互动或系统处理其学生数据的应用所要求的最低级别。 | 自动化辅导系统，禁止替代人类教师或辅导员；无直接学业影响的形成性反馈；机构服务与指导助手，须明确标明自动化属性；辅助文本创作与研究；无自动或事实决定效力的学业推荐；无自动影响的学习跟踪；具备个性化且无敏感数据的无障碍辅助。 | 向教育社区进行清晰沟通；建立教育应用机构注册制度，明确其目的、受众、处理的数据及责任人；对自动化交互进行年龄适宜性评估与标注；对具有教学影响的结果进行强制性人工复核；定期监测错误、幻觉、偏见和不成比例的影响；在没有适当法律依据的情况下，禁止使用教育数据来训练第三方模型；设立机构性咨询、复核与申诉渠道；定期重新评估，当功能扩展、数据库整合或目的发生变更时必须进行重新分类。 |
| III – 高 | 能够对学生权利、学校或学术生活、评估、认证、选拔、留校、升学、留级、福利、纪律分析或教育机会分配产生、支持或影响重大效果的应用，以及涉及敏感个人数据、个性化画像或重要行为推断的应用。实行例外准入和严格解释制度。 | 对具有学术影响的客观评估批改提供自动化支持，且仅作为辅助工具，必须经过事先且有记录的个别人工验证；进行临时的身份核实和 *proctoring* 仅限于抽查，并确保提供非生物识别的替代方案；个性化学术画像；对选拔、认证、福利、留校察看及纪律处分有影响的系统，包括事实上制约人类决策的筛选和排名；敏感数据的处理；行为推断以及对辍学、表现或行为的个性化预测；人工智能生成内容的检测，仅允许作为调查的辅助要素，禁止仅根据其结果进行处罚；论述题、作文及原创作品的预批改，仅作为老师批改的备考支持，符合第39条第4款的规定。 | 事前算法影响评估；数据保护影响报告（如适用）；证明绝对必要性及不存在侵入性更小替代方案的证据；持续、合格且有记录的重大人工监督；可追溯性、记录与审计；透明度及易懂的解释（包括已知偏差）；对产生重大影响的所有结果进行事先、个别且有记录的人工验证，禁止批量验证和默认批准；异议、全面的人工复核以及有效纠正；偏差与不成比例影响的监测；保留教育专业人员或主管机构不可推卸的责任。禁止纯粹的自动化决策，或因形式上的监督而等同于自动化决策的任何具有重大影响的决策。 |
| IV — 过度或不兼容 | 此类应用具有侵犯基本权利、歧视、过度监控、利用脆弱性或损害教育过程完整性的潜力，这使其与教育目的和全面保护原则不相容。在任何情况下均禁止使用，且不能通过征得同意、所谓的有益目的、实验性质或附加保障措施来使其合法化。 | 社会信用；情绪识别与情绪监控，但为纯粹无障碍目的而使用辅助技术的除外，根据第 41 条第 2 款的规定；仅基于人工智能生成内容检测器结果的学术或纪律制裁；利用年龄、情感、社会经济、认知或行为方面的脆弱性，包括通过旨在最大化参与度的设计；用于分类、纪律、商业或限制机会目的的心理、生物特征或行为画像；具有重大影响的完全自动化决策；持续的生物特征监控与永久监测； *proctoring* 侵入性，侵犯私人环境；将教育数据用于定向广告、商业开发、行为操纵或在无合法依据的情况下训练第三方模型；通过自动化推理产生隔离、污名化或排除的系统。 | 禁止使用。此级别功能的出现会污染整个应用程序，从而阻止其被签约和使用，即使它与本身允许的功能相结合也是如此；该禁令延伸至以不同名称产生同等结果的间接安排。一旦发现在使用的应用程序中存在该功能，必须立即停止使用，且不影响相关责任的追究。 |
**最后条款**
本词汇表和综合表中的示例本质上均为列举性示例，除非明确指出具有穷尽性特征。教育系统和教育机构在其行使自主权和治理职责的过程中，负责对具体使用的应用进行分类、记录该分类并对其进行定期审查，特别是在功能扩展、与机构数据库集成或用途变更的情况下。国家教育委员会应定期更新本词汇表，以跟上该事项的技术、规范和教学发展，同时确保权利保护的基本概念的稳定性。
**参考资料**
巴西。1988年《巴西联邦共和国宪法》。联邦官方公报：第1版，巴西利亚，DF，1988年10月5日。
巴西。1990年11月21日第99.710号法令。颁布《儿童权利公约》。联邦官方公报：第1版，巴西利亚，联邦区，1990年11月22日。
巴西。1990年7月13日第8.069号法律。规定了《儿童和青少年法》及其他事项。联邦官方日报：第1版，巴西利亚，DF，1990年7月16日。
巴西。1990年9月11日第8.078号法律。规定了消费者保护及其他事项。联邦官方日报：第1版，巴西利亚，DF，1990年9月12日。
巴西。1996年12月20日第9.394号法律。确立了国民教育的方针与基础。联邦官方日报：第1版，巴西利亚，DF，1996年12月23日。
巴西。1998年2月19日第9.610号法律。修改、更新并巩固了有关著作权的法律及其他事项。联邦官方日报：第1版，巴西利亚，DF，1998年2月20日。
巴西。2004年4月14日第10.861号法律。设立了高等教育评估国家系统 (SINAES) 及其他事项。联邦官方日报：第1版，巴西利亚，DF，2004年4月15日。
巴西。2014年4月23日第12,965号法律。确立了巴西互联网使用的原则、保障、权利和义务（互联网民事法）。联邦官方日报：第1版，巴西利亚，联邦区，2014年4月24日。
巴西。2015年7月6日第13,146号法律。制定了巴西残疾人包容法（残疾人法）。联邦官方日报：第1版，巴西利亚，联邦区，2015年7月7日。
巴西。2018年8月14日第13,709号法律。个人数据保护法（LGPD）。联邦官方日报：第1版，巴西利亚，联邦区，2018年8月15日。
巴西。2023年1月11日第14,533号法律。建立国家数字教育政策，并修改了1996年12月20日第9,394号、1997年3月14日第9,448号、2001年7月12日第10,260号和2003年10月30日第10,753号法律。联邦官方日报：第1版，巴西利亚，联邦区，2023年1月12日。
巴西。第 15.211 号法律，2025 年 9 月 17 日。规定了数字环境中儿童和青少年的保护（数字儿童和青少年法案）。联邦官方公报：第 1 版，巴西利亚，联邦区，2025 年 9 月。
巴西。第 15.388 号法律，2026 年 4 月 14 日。批准国家教育计划（PNE）。联邦官方公报：第 1 版，巴西利亚，联邦区，2026 年 4 月 15 日。
巴西。第 9.235 号法令，2017 年 12 月 15 日。对联邦教育系统中的高等教育机构以及本科和研究生课程的监管、监督和评估职能的行使作出规定。联邦官方公报：第 1 版，巴西利亚，联邦区，2017 年 12 月 18 日。
巴西。科学、技术和创新部。第 4.617 号 MCTI 部长令，2021 年 4 月 6 日。设立巴西人工智能战略（EBIA）及其主题轴心。联邦官方公报：第 1 版，巴西利亚，联邦区，2021 年 4 月 8 日。
巴西。科学、技术和创新部。2024-2028年巴西人工智能计划 — PBIA 2024-2028：造福所有人的人工智能。巴西利亚，联邦区：MCTI，2024年。
巴西。教育部。国家共同课程标准。巴西利亚，DF：MEC，2017。
巴西。教育部。基础教育中的人工智能：关于课程路径和学校使用人工智能的道德实践的指导文件。巴西利亚，DF：MEC，2026。
巴西。管理和公共创新部。数字政府秘书处。人工智能相关术语词汇表。巴西利亚，联邦区：MGI/SGD，2025年。
巴西。国家教育委员会。基础教育分会。2022年10月4日第1号CNE/CEB决议。确立基础教育计算规范 — 补充《国家共同课程基础》（BNCC）。联邦官方公报：第1版，巴西利亚，联邦区，2022年10月5日。
巴西。国家教育委员会。基础教育分会。2025年3月21日第2号CNE/CEB决议。确立关于在学校空间使用数字设备以及数字与媒体教育课程整合的国家运营指南。联邦官方公报：第1版，巴西利亚，联邦区，2025年3月24日。
科学儿童核心委员会。研究编号 15：屏幕和数字媒体之间的早期儿童保护。儿童科学核心，2025。网址：www.ncpi.org.br 访问日期：2026 年 9 月 4 日。
谷歌云。生成式AI词汇表。[无出版地]：谷歌云文档，2026年。网址：https://docs.cloud.google.com/docs/generative-ai/glossary?hl=pt-br。访问日期：2026年7月5日。
麻省理工学院斯隆管理学院教学与学习技术。生成式人工智能基础术语表。马萨诸塞州剑桥：麻省理工学院斯隆管理学院，[2025]。网址：https://mitsloanedtech.mit.edu/ai/basics/glossary/。访问日期：2026年7月5日。
联合国教育、科学及文化组织（教科文组织）。关于人工智能伦理的建议书。巴黎：教科文组织，2022年。
联合国教育、科学及文化组织（教科文组织）。生成式人工智能在教育和研究中的指导。巴黎：教科文组织，2023年。
经济合作与发展组织（OECD）。关于人工智能的理事会建议书：OECD/LEGAL/0449。巴黎：OECD，2019年。修订于2024年。
葡萄牙。生命科学国家伦理委员会（CNECV）。人工智能术语表。里斯本：CNECV，[2025]。网址：https://www.cnecv.pt/pt/publicacoes/estudos-tematicos/glossario-sobre-ia。访问日期：2026年7月5日。
欧盟。欧洲议会和理事会（EU）2024/1689号法规，制定了关于人工智能的统一规则（人工智能法规）。欧盟官方公报：L，2024年7月12日。参考文件。
---
| | |
| --- | --- |
| | 电子签名文件 **Israel Matos Batista** , **顾问** ，于2026年10月5日18:07（巴西利亚官方时间），依据教育部第1042/2015号令。 |
---
| | |
| --- | --- |
| | 电子签名文件 **Antonio Cesar Russi Callegari** , **顾问** ，于2026年10月5日18:26（巴西利亚官方时间），依据教育部第1042/2015号令。 |
---
| | |
| --- | --- |
| | 电子签名文件 **Celso Niskier** , **顾问** ，于2026年10月5日18:40（巴西利亚官方时间），依据教育部第1042/2015号令。 |
---
| | |
| --- | --- |
| 签名二维码 | A autenticidade deste documento pode ser conferida site http://sei.mec.gov.br/sei/controlador\_externo.php?acao=documento\_conferir&id\_orgao\_acesso\_externo=0, informando o c�digo verificador **7293387**和CRC代码 **5E355363** . |
---
---
| | |
| --- | --- |
| **参考：** 流程号23001.001062/2024-18 | SEI号7293387 |