Correção de redação com IA: o que o teste do Corretor da emy mostra sobre acurácia e consistência no padrão ENEM

Última atualização: 07/10/2026

O que você vai aprender neste artigo

• Como foi desenhado o teste: amostra, corretores humanos de referência e critérios de comparação
• Os resultados de acurácia: 94% das correções dentro da tolerância do ENEM
• Os resultados de consistência: por que a mesma redação recebe praticamente a mesma nota a cada correção
• O desempenho por competência e na detecção de tangência ao tema
• As limitações que o próprio relatório documenta e o que elas significam

Colocamos o Corretor da emy à prova num teste desenhado para responder a duas perguntas: o sistema concorda com corretores humanos especialistas, e dá a mesma nota quando corrige a mesma redação mais de uma vez? O resultado é muito positivo: 94% das 200 correções ficaram dentro da tolerância do ENEM, a nota se manteve estável em 98% dos casos, e em nenhuma das 10 redações a mediana do sistema se afastou mais de 80 pontos da mediana dos humanos. Percorremos neste artigo o teste inteiro, do método aos números por competência, e mostramos também onde o sistema ainda diverge, porque é a combinação dos dois lados que dá credibilidade ao resultado.

Em resumo

Este artigo é para gestores e coordenadores de instituições de ensino que querem saber quão confiável é a correção de redações por IA. Resumimos um teste interno do Corretor da emy no padrão ENEM: 10 redações autênticas, 3 corretores humanos especialistas por redação e 200 correções, medindo acurácia (o sistema concorda com os humanos?) e consistência (a mesma redação recebe a mesma nota?). O resultado principal é que 94% das correções ficaram dentro da tolerância do ENEM.

Os números do teste em uma tabela

Como o teste foi feito

O conjunto de referência reúne 10 redações autênticas de estudantes, curadas por uma instituição de ensino parceira e independentes do desenvolvimento do sistema. Cada redação foi submetida ao Corretor 20 vezes, de forma idêntica, o que resulta em 200 correções independentes, e cada uma tem a nota de 3 corretores humanos especialistas. A referência central de cada redação é a mediana das notas humanas, na escala oficial de 5 competências de 0 a 200 pontos, num total de 0 a 1000. Dois eixos foram medidos: a acurácia, ou seja, se o sistema concorda com os humanos, e a consistência, ou seja, se a mesma redação recebe a mesma nota a cada correção. As 200 correções incluem redações manuscritas, transcritas por OCR, e redações digitadas.

O parâmetro de comparação: a subjetividade da correção humana

Corrigir redação é uma tarefa subjetiva por natureza, e o próprio teste mostra isso: neste conjunto, a amplitude média entre a menor e a maior nota humana é de 140 pontos por redação, e cada corretor fica em média a 47 pontos da mediana dos humanos. O protocolo oficial do ENEM reconhece essa subjetividade e tolera até 100 pontos de divergência entre dois corretores antes de acionar um terceiro (processo oficial de correção, via Descomplica), então a régua justa para avaliar o sistema é a mesma: ficar dentro da faixa dos corretores humanos, com viés pequeno e nota estável entre correções.

Acurácia: 94% dentro da tolerância do ENEM

Das 200 correções, 94% ficaram a até 80 pontos da mediana humana, que é a tolerância do ENEM, e 72% coincidiram a até uma faixa de competência, ou seja, 40 pontos. Olhando redação por redação, em nenhum dos 10 temas a mediana das 20 correções se afastou mais de 80 pontos da mediana humana, e em 9 dos 10 a nota do sistema caiu dentro da faixa, bem mais estreita, entre o menor e o maior corretor humano. A dispersão do sistema em torno do centro tem a mesma largura da dispersão dos corretores humanos entre si, o que mostra que a variação que aparece fora do centro acompanha a subjetividade natural da correção.

Viés de -17 pontos: um sistema que não infla notas

O viés médio do sistema em relação ao corretor humano é de -17 pontos numa escala de 1000, o que o torna levemente conservador e praticamente centrado. Na prática, isso significa que o Corretor não infla notas, um cuidado importante para instituições que precisam sustentar o resultado diante de alunos, professores e coordenações.

Consistência: a mesma redação recebe a mesma nota

Na consistência, 98% das notas ficaram a até uma faixa (40 pontos) da nota central da redação, e a diferença média entre duas correções da mesma redação é de apenas 22 pontos num total de 1000. Por competência, entre 77% e 100% das correções recaem exatamente na nota mais frequente de cada redação, e quase todas as demais ficam a uma única faixa de distância. Para uma instituição, essa estabilidade tem um valor prático direto: dois alunos com textos equivalentes, ou o mesmo aluno numa nova rodada de correção, não recebem notas muito diferentes por acaso.

Desempenho por competência

Em cada uma das cinco competências, a maioria das correções coincide exatamente com a mediana humana e quase todas ficam a no máximo uma faixa de distância. A nota do sistema está dentro da faixa humana em 8 das 10 redações na C1 (domínio da norma culta), em 10 de 10 na C2 (compreensão do tema), na C3 (argumentação) e na C4 (coesão), e em 9 de 10 na C5 (proposta de intervenção). As competências com mais dispersão, C1, C3 e C4, são justamente aquelas em que os próprios corretores humanos mais divergem entre si.

Detecção de fuga e tangência ao tema

Antes de avaliar as competências, o sistema classifica a aderência do texto ao tema: aborda o recorte pedido, tangencia, foge totalmente ou está fora do formato dissertativo, e as duas últimas situações anulam a redação. A decisão segue o modelo de evidência antes do veredito: o sistema reformula o recorte específico da proposta e audita, parágrafo a parágrafo, se o desenvolvimento trata desse recorte ou apenas do campo temático amplo. No conjunto, havia um único texto de fronteira, que desenvolve o consumismo em geral e menciona o recorte específico apenas de passagem, e que os corretores humanos leram como tangência. O sistema o classificou como tangência em 20 das 20 correções, alinhado aos humanos, e as outras 9 redações foram classificadas como "aborda" em 20 das 20. Nenhuma anulação indevida foi observada nas 200 correções.

Termos usados neste artigo

• Mediana humana: a nota central entre as notas dos corretores humanos de cada redação, usada como referência.
• Tolerância do ENEM: neste teste, diferença de até 80 pontos em relação à mediana humana, numa escala de 0 a 1000.
• Viés: diferença média entre a nota do sistema e a mediana humana. Negativo significa que o sistema é mais conservador.
• Consistência: capacidade de dar a mesma nota quando a mesma redação é corrigida mais de uma vez.
• Tangência ao tema: quando o texto menciona o recorte pedido apenas de passagem e desenvolve o assunto em sentido amplo.
• Evidência antes do veredito: modelo em que o sistema registra o que encontrou no texto antes de chegar à nota ou à classificação.

As limitações que o relatório documenta

Os mesmos dados que mostram a qualidade do sistema também mostram onde ele ainda diverge do avaliador de referência, e o relatório lista esses pontos em vez de omiti-los. O primeiro é uma leve compressão dos extremos da escala: nas redações mais fortes, com mediana humana de 920, o sistema fica em 840, 80 pontos abaixo e ainda dentro da tolerância do ENEM, e na mais fraca, com mediana humana de 480, fica em 560, 80 pontos acima, o único caso acima da faixa humana. O sistema tende a ser um pouco mais generoso na base e mais conservador no topo, um comportamento comum também entre corretores humanos.

O segundo ponto é a maior dispersão em uma das redações do conjunto, que foi a de maior variação entre correções, com amplitude de 120 pontos, concentrada na C1: a densidade de desvios da norma culta fica no limiar entre dois níveis, e a nota oscila entre 160 e 200 nessa competência, sendo que a nota humana está dentro dessa faixa. Há ainda duas ressalvas de escopo: a amostra não contém casos de anulação, então o comportamento medido é o de redações avaliáveis, e a referência é de 3 corretores por redação, de modo que um conjunto de referência maior permitiria estreitar ainda mais a comparação.

O que esse resultado significa para as instituições

Com 94% das correções dentro da tolerância do ENEM, uma dispersão do tamanho da dos próprios humanos, viés conservador e notas estáveis entre correções, o resultado coloca o Corretor numa posição sólida para apoiar a correção de redações em escala, com o professor validando a nota final. Esse tipo de evidência pesa especialmente num momento em que o Decreto 12.456/2025 amplia o volume de avaliações discursivas nos cursos EAD. O checklist de adoção de IA para gestores de IES ajuda a organizar os critérios de decisão na hora de avaliar um fornecedor, o checklist de auditabilidade na correção por IA detalha oito perguntas a fazer sobre o critério, a evidência e as limitações, o caminho prático de ativação da correção mostra como conduzir um piloto, e o artigo sobre integridade acadêmica na era da IA generativa complementa a discussão sobre uso responsável. Para quem quer entender como a correção se encaixa no ambiente virtual da instituição, o panorama sobre LMS e AVA no ensino superior é um bom ponto de partida.

Perguntas frequentes sobre o teste do Corretor da emy

O que significa "94% dentro da tolerância do ENEM"? Significa que, das 200 correções do teste, 94% ficaram a até 80 pontos da mediana das notas dos corretores humanos de referência, e 72% ficaram a até 40 pontos, uma faixa de competência.

Como o teste foi desenhado? Com 10 redações autênticas de estudantes, curadas por uma instituição parceira e independentes do desenvolvimento do sistema, cada uma corrigida 20 vezes pelo Corretor e avaliada por 3 corretores humanos especialistas, na escala oficial de 0 a 1000 do ENEM.

O que é o viés de -17 pontos? É a diferença média entre a nota do Corretor e a mediana humana, numa escala de 1000. Um viés de -17 significa que o sistema é levemente conservador e não infla notas.

A mesma redação recebe sempre a mesma nota? Quase sempre. 98% das notas ficaram a até 40 pontos da nota central da redação, e a diferença média entre duas correções da mesma redação foi de 22 pontos num total de 1000.

O sistema identifica fuga e tangência ao tema? Sim. No teste, o único texto de fronteira foi classificado como tangência em 20 das 20 correções, alinhado aos corretores humanos, e não houve nenhuma anulação indevida nas 200 correções.

Quais são as limitações do teste? O relatório documenta uma leve compressão dos extremos da escala, maior dispersão em uma das redações (concentrada na C1), uma amostra sem casos de anulação e uma referência de 3 corretores por redação.

Esses números vêm de um estudo independente? Não. É um relatório de validação interna da emy, com conjunto de referência curado por uma instituição parceira independente do desenvolvimento do sistema.

Como produzimos este artigo

Os números vêm do relatório interno de acurácia e consistência do Corretor da emy (10 redações, 200 correções, 24/07/2026). O parâmetro de tolerância entre corretores do ENEM vem da fonte listada abaixo.

Fontes

• Como ocorre a correção da redação do ENEM (Descomplica)
• Decreto 12.456/2025 (Planalto)
• Relatório interno emy de acurácia e consistência do Corretor (24/07/2026)

Principais takeaways de Correção de redação com IA: o que o teste do Corretor da emy mostra

• Em 200 correções de 10 redações autênticas, 94% ficaram dentro da tolerância do ENEM (até 80 pontos da mediana de 3 corretores humanos), e 72% a até 40 pontos.
• Em nenhum dos 10 temas a mediana do sistema se afastou mais de 80 pontos da mediana humana, e a dispersão do sistema tem a mesma largura da dispersão dos corretores humanos entre si.
• O viés médio é de -17 pontos em 1000: o sistema é levemente conservador e não infla notas.
• A consistência é alta: 98% das notas ficam a até 40 pontos da nota central, com diferença média de 22 pontos entre duas correções da mesma redação.
• O sistema classificou corretamente o único texto de tangência em 20 de 20 correções, sem nenhuma anulação indevida.
• As limitações documentadas são a leve compressão dos extremos, a maior dispersão em uma redação específica e o tamanho da amostra.

José Messias Jr. é CEO e cofundador da emy education, ferramenta pedagógica de IA que se integra ao AVA/LMS que a instituição já usa para oferecer tutoria 24h, exercícios adaptativos e correção de atividades discursivas em escala. À frente da emy, liderou a empresa a ser a única edtech da América Latina selecionada pelo Google para o Gemini Founders Forum (2025). Escreve sobre IA aplicada à educação, retenção de alunos e o futuro das instituições de ensino no Brasil. LinkedIn: https://www.linkedin.com/in/josé-messias-jr-7b94a5136