Prefeitura pretende ampliar sistema de reconhecimento facial para dentro das salas de aula. A proposta levanta dúvidas sobre eficácia pedagógica, proteção de dados e riscos para estudantes neurodivergentes.
CUIABÁ — Depois de instalar câmeras com reconhecimento facial em acessos de escolas e creches, a Prefeitura de Cuiabá pretende levar o monitoramento para dentro das salas de aula.
Em 21 de setembro, o prefeito Abilio Brunini afirmou que o sistema deverá analisar o comportamento dos estudantes e identificar sinais de atenção.
A mudança é relevante porque a tecnologia deixa de registrar fatos objetivos — como entrada, saída e presença — e passa a interpretar comportamento.
Há uma diferença essencial entre dizer “o aluno entrou na escola às 7h12” e afirmar “o aluno estava atento”.
A primeira informação pode ser verificada. A segunda depende de critérios científicos, modelos estatísticos e interpretações sobre comportamento humano.
Uma câmera consegue observar direção do olhar, posição da cabeça, movimento e expressão facial.
Ela não mede diretamente compreensão, memória ou raciocínio.
Um aluno pode olhar para o professor sem entender a aula. Outro pode desviar os olhos, rabiscar ou se movimentar enquanto acompanha perfeitamente a explicação.
O risco é transformar sinais externos em categorias como “atento”, “distraído” ou “engajado” e apresentá-las como medidas objetivas.
Se essas classificações virarem percentuais — por exemplo, “87% de atenção” — a aparência de precisão pode ser maior do que a evidência científica disponível.
A UNESCO tem defendido que tecnologias educacionais sejam avaliadas de forma independente e vinculadas a objetivos pedagógicos claros antes de serem ampliadas em escala.
Quando escolas começam a medir determinado indicador, pessoas tendem a adaptar seu comportamento ao que está sendo medido.
Se professores receberem relatórios de “atenção”, pode surgir pressão para produzir salas silenciosas, imóveis e voltadas para a frente.
Mas aulas participativas frequentemente envolvem conversa, movimento, trabalho em grupo e circulação.
Um sistema mal calibrado pode interpretar atividade intelectual como desorganização.
Os estudantes também podem aprender a “atuar” para o algoritmo, mantendo postura e olhar que o sistema reconheça como atenção.
Nesse cenário, a tecnologia corre o risco de medir não a aprendizagem, mas a capacidade do aluno de parecer atento diante da câmera.
Esse risco é ainda maior para estudantes neurodivergentes.
Crianças com autismo, TDAH ou outros perfis podem demonstrar concentração de maneiras diferentes do padrão esperado por um sistema automatizado.
Alguns evitam contato visual prolongado. Outros precisam se movimentar ou manipular objetos para manter o foco.
Esses comportamentos não significam necessariamente desatenção.
Um modelo treinado com padrões estreitos pode transformar diferença em desvio.
Por isso, qualquer sistema desse tipo precisaria demonstrar desempenho entre diferentes idades, perfis de desenvolvimento e condições individuais — e não apenas apresentar uma taxa média de precisão.
O problema se torna mais grave se classificações forem armazenadas.
Uma criança repetidamente marcada como “distraída” pode passar a carregar essa interpretação em seu histórico escolar, influenciando professores, gestores e famílias.
Proteção de dados amplia o debate
A proposta também envolve dados sensíveis.
A Lei Geral de Proteção de Dados classifica dados biométricos vinculados a uma pessoa como dados pessoais sensíveis. No caso de crianças e adolescentes, o tratamento deve observar seu melhor interesse.
Em 2026, a Autoridade Nacional de Proteção de Dados publicou análises envolvendo biometria de crianças e adolescentes e destacou princípios como necessidade, minimização e proporcionalidade.
O Conselho Nacional de Proteção de Dados também registrou propostas de maior cautela com reconhecimento facial em escolas.
Essas discussões não permitem concluir, sozinhas, que o projeto de Cuiabá seja ilegal.
Mas aumentam a obrigação do poder público de explicar por que a tecnologia é necessária, quais dados serão coletados, quanto tempo serão armazenados, quem terá acesso e quais garantias existirão para estudantes e famílias.
A Prefeitura ainda precisará esclarecer o que o sistema entende por “atenção”, quais sinais serão analisados, quais estudos sustentam essas inferências, quais são as taxas de erro e como a tecnologia se comporta com estudantes com deficiência e neurodivergentes.
Também será necessário saber se as classificações poderão integrar o histórico escolar, produzir consequências pedagógicas e ser contestadas por professores ou famílias.
O ponto central não é rejeitar toda tecnologia na escola.
Câmeras podem ter função de segurança. Sistemas automáticos podem melhorar controle de frequência e reduzir tarefas administrativas.
A fronteira muda quando a tecnologia deixa de registrar um fato e passa a interpretar uma pessoa.
No fim, a pergunta mais importante não é quantos segundos um aluno olhou para a frente.
É outra:
ele aprendeu mais?
Uma câmera pode registrar um rosto.
Um algoritmo pode reconhecer um padrão.
Compreender uma criança continua sendo algo muito mais complexo.
A IA na educação. IA na educação 
Cuiabá - MT Professores da rede municipal vivenciam desafios da deficiência visual em formação inédita 
Educação Enamed 2026: prova que avalia formação médica será neste domingo 
São Sebastião - SP Representantes de São Sebastião participam do 2º Fórum de Educação Étnico-Racial do Litoral Norte 
São Sebastião - SP Educação alimentar e nutricional integra rotina da rede municipal de ensino de São Sebastião 
São Sebastião - SP Alunos da rede municipal de São Sebastião participam dos Jogos Escolares Indígenas no Território Rio Silveira Mín. 15° Máx. 24°
