Quando o rosto vira dado: a escola em face do controle algorítmico

A escola ocupa um lugar privilegiado entre as instituições de vigilância e normalização da vida social. Durante a modernidade, seu funcionamento seguia à lógica disciplinar: espaços fechados, horários rígidos, exames, classificações e mecanismos destinados a observar, corrigir e ordenar os indivíduos (Foucault, 2014). Nas últimas décadas, contudo, essa forma social do poder começou a sofrer uma transformação silenciosa. À disciplina exercida sobre corpos distribuídos no espaço somam-se formas de controle contínuo, menos visíveis, mais fluidas e, cada vez mais, acaba por se ceder espaço às tecnologias digitais. Contemporaneamente, no ambiente escolar, câmeras operadas por inteligência artificial tornam essa passagem particularmente material: os rostos de crianças e adolescentes passam a ser capturados, mapeados, quantificados e convertidos em dados biométricos em tempo real.

A escola contemporânea, amparada em certa forma de “solucionismo tecnológico” (Morozov, 2018), está se transformando em um laboratório avançado daquilo que podemos chamar de educação biométrica (Amaral; Travassos; Schervenski da Silva, 2025). Sob promessas populistas e sedutoras, baseadas em discursos de segurança, prometendo o combate à evasão escolar e a otimização do tempo administrativo, governos estaduais e municipais em todo o território brasileiro estão abrindo as portas das salas de aula para sistemas de reconhecimento facial (Tavares et al., 2023). O que se esconde por trás dessa aparente evolução tecnológica, contudo, não é apenas um avanço administrativo, mas uma mutação qualitativa no exercício do poder: observa-se a transição das velhas táticas disciplinares de confinamento para o controle modular e contínuo da vida (Deleuze, 1992).

 

O mercado milionário da vigilância escolar

Essa grande guinada securitária, não por acaso, é precedida por uma bem-sucedida operação de mercado (Amaral, 2020). No Brasil, a implantação da biometria facial nas escolas não ocorre no vácuo regulatório ou social; ela é impulsionada por volumosos aportes de capital privado e contratos públicos milionários. Segundo recente relatório conduzido pelo InternetLab, foram mapeados ao menos 15 projetos de reconhecimento facial em escolas públicas brasileiras, espalhados por capitais e estados como Porto Alegre, Rio de Janeiro, Goiás e Ceará (Tavares et al., 2023).

Os valores dessas contratações são astronômicos: o estado do Tocantins desembolsou cerca de R$ 19 milhões, enquanto a prefeitura de Fortaleza fechou contratos da ordem de R$ 21 milhões com empresas de tecnologia (Tavares et al., 2023). O mercado é dominado por grandes conglomerados como a PontoID Technology (J.B.C.N. Equipamentos e Sistemas Ltda.), que já estende sua infraestrutura digital por 18 estados da federação, operando em mais de 6 mil escolas, monitorando mais de 3 milhões de rostos de estudantes e gerindo os seus dados sensíveis cadastrados em bancos de dados (PontoID, 2025).

A retórica discursiva que viabiliza esses contratos apoia-se em um utilitarismo tecnocrático quase inquestionável. No Paraná, o programa “Educação para o Futuro”, que recebeu um investimento de R$ 480 milhões incentivado pelo Banco Interamericano de Desenvolvimento (BID), justificou a entrada do reconhecimento facial sob a alegação de que a tecnologia economizaria até 80% do tempo gasto pelos professores na chamada de frequência. Argumenta-se, com base em relatórios do Banco Mundial, que 36% do tempo de aula é desperdiçado em tarefas burocráticas. Assim, a vigilância biométrica é vendida como uma panaceia: ela reduz custos, combate a evasão, otimiza o tempo pedagógico e protege o patrimônio físico. Contudo, nenhum dos estados ou municípios que adotaram essa tecnologia apresentou estudos prévios de impacto sobre direitos humanos ou análises sobre o potencial discriminatório dos softwares utilizados (Israel et al., 2023).

 

Do panóptico foucaultiano ao controle algorítmico

Para compreender a gravidade desse cenário, é preciso dar um passo atrás e analisar a escola a partir da sua função histórica. Foucault (2014), ao conceituar o nascimento da sociedade disciplinar, posicionou a instituição escolar ao lado do quartel, da fábrica e da prisão. A escola opera por meio de uma forma panóptica baseada em confinamentos sucessivos, exames constantes, distribuição dos corpos no espaço e um olhar hierárquico voltado a normalizar desvios e treinar sujeitos obedientes (Foucault, 1988, 2014).

A educação biométrica, porém, ultrapassa o modelo de confinamento e nos insere definitivamente na sociedade de controle (Deleuze, 1992). O poder contemporâneo já não busca apenas a moldagem estática do corpo em espaços fechados; ele opera por meio de uma modulação permanente e em variação contínua (Chignola, 2018; Deleuze, 1992). Na governamentalidade algorítmica (Rouvroy; Berns, 2015), o indivíduo é fragmentado e dissolvido em “dividuos” — amostras quantificáveis, metadados e fluxos de informação digital que alimentam sistemas preditivos de perfilamento e gestão preemptiva de riscos (Amaral; Dias, 2024; Deleuze, 1992).

Nas escolas brasileiras, a simbiose entre os velhos mecanismos disciplinares e o controle algorítmico atinge contornos obscuros. Em duas escolas cívico-militares do Paraná, por exemplo, o reconhecimento facial de tipo profundo e classificação passou a ser empregado não apenas para registrar a frequência, mas para monitorar as expressões faciais dos estudantes em sala de aula, de modo a mensurar o nível de “engajamento” e “produtividade” da turma (Andrejevic; Selwyn, 2019; Israel et al., 2023). Lógicas semelhantes, inspiradas em tecnologias norte-americanas como as das empresas Affectiva e SensorStar Labs, usam webcams para decodificar microexpressões afetivas e atenção (Saltman, 2016).

O processo educativo é, assim, esvaziado de seu caráter reflexivo e político. O que se exige do aluno já não é a apreensão crítica do saber, mas a performance do engajamento diante da câmera (Saltman, 2016). Para ser validado pela máquina, o estudante deve performar a atenção de forma linear: olhar para o ponto fixo, não desviar a atenção, ou seja, manter as expressões faciais padronizadas (Andrejevic; Selwyn, 2019). A criatividade, a dúvida e a dissidência — que exigem o desvio, o silêncio ou a expressão de inquietação — passam a ser codificadas pela inteligência artificial como “falta de produtividade” ou desvio comportamental (Saltman, 2016; Taylor, 2012). O corpo que resiste a essa homogeneização é considerado, por fim, anormalizado. A máquina exige uma padronização extrema dos corpos para extrair seus significados, forçando os alunos a alterarem comportamentos, hábitos estéticos e até mesmo vestimentas — como o uso de bonés, cortes de cabelo ou véus — sob a pena de serem mal avaliados pelo sistema (Akbari, 2024).

 

O viés fenotípico e a reprodução do racismo algoritmo

Se o solucionismo tecnológico se apresenta sob um véu de neutralidade científica e eficiência matemática, a realidade operacional que essas ferramentas impõem são opressões historicamente cristalizadas. No contexto da segurança pública brasileira, as tecnologias de reconhecimento facial têm funcionado como vetores de hipervigilância seletiva sobre corpos negros e periféricos (Nunes et al., 2025). Na escola, a reprodução desse “racismo algorítmico” não é diferente.

Estudos de larga escala, como os do National Institute of Standards and Technology (NIST), amplamente documentam que os softwares de reconhecimento facial possuem taxas de acurácia drasticamente inferiores quando aplicados a pessoas negras, mulheres, meninas, pessoas não-binárias e transgêneros, resultando em um volume alarmante de falsos positivos (Schwartz et al., 2022). Ao transferir essa tecnologia de maneira acrítica para as escolas brasileiras, o Estado reativa processos históricos de segregação e suspeição sistemática (Fonseca, 2005; Silva; Araújo, 2005).

 

As armadilhas da regulação e os limites da autogovernança

Ao mesmo tempo em que a biometria avança de forma desregulamentada nas escolas brasileiras, os debates nacionais sobre a regulação da inteligência artificial parecem incapazes de oferecer uma barreira substantiva a esse processo de violência amparada tecnologicamente. O Projeto de Lei 2.338/2023, que visa estabelecer o Marco Legal da Inteligência Artificial no Brasil, adota uma abordagem de “regulação baseada em riscos” inspirada no EU AI Act europeu. O texto classifica os sistemas de identificação biométrica como de “alto risco” (Artigo 14), o que, longe de proibir seu uso, opera como um mecanismo de autorização condicionada ao cumprimento de obrigações formais de governança e mitigação de danos (Elesbão, 2026).

A regulação, desse modo, acaba por estabilizar e legitimar o controle penal e biopolítico (Elesbão, 2026). Ao converter impactos severos sobre a privacidade, a presunção de inocência e a não discriminação em meros “problemas técnicos administráveis”, o direito formal fornece a legitimação jurídica necessária para que a vigilância biométrica e preemptiva continue se expandindo (Chignola, 2018; Elesbão, 2026).

Frente a essa moratória ilimitada de reformas jurídicas que apenas legitimam o controle (Deleuze, 1992; Elesbão, 2026), importantes precedentes internacionais apontam para caminhos de recusa substantiva.

Na Suécia, a Autoridade de Proteção de Dados (DPA) multou escolas que tentaram implementar sistemas de reconhecimento facial para controle de presença. A decisão foi mantida pela Corte de Apelações sueca, que entendeu que o consentimento dos estudantes não poderia ser considerado verdadeiramente livre diante da assimetria de poder existente entre alunos e direção escolar, considerando a medida desproporcional e violadora da integridade dos estudantes.

Na França, o Tribunal Administrativo de Marselha seguiu caminho semelhante ao proibir a instalação de sistemas de acesso por reconhecimento facial em escolas secundárias de Nice e Marselha, fundamentando a decisão na ausência de consentimento livre e informado e na violação do princípio da proporcionalidade.

Nos Estados Unidos, por sua vez, o Estado de Nova Iorque adotou uma resposta ainda mais contundente. Em 2023, a Comissária de Educação Betty A. Rosa proibiu a compra e o uso de tecnologias de reconhecimento facial nas escolas públicas de todo o estado. A decisão apoiou-se em relatório do Office of Information Technology Services (ITS), que apontou os riscos associados à utilização da biometria facial no ambiente escolar, incluindo impactos sobre o comportamento e o desenvolvimento de crianças e adolescentes, além da possibilidade de reprodução de discriminações raciais e de gênero decorrentes de vieses e falhas algorítmicas. Esses precedentes demonstram que a expansão da vigilância biométrica nas escolas não precisa ser tratada como um processo inevitável a ser apenas regulamentado: diante de tecnologias incompatíveis com direitos fundamentais e com a própria finalidade do espaço educativo, a proibição também constitui uma resposta política e jurídica possível.

 

Escolas sob vigilância: os limites do uso da biometria

A implantação desenfreada da biometria nas salas de aula brasileiras revela o descompasso de um país que se apressa em comprar as ferramentas mais caras e invasivas sem qualquer avaliação ética ou política. Sob a promessa de “modernizar” a gestão, estamos aceitando a militarização biopolítica do cotidiano estudantil (Amaral; Travassos; Schervenski da Silva, 2025; Israel et al., 2023).

A escola deve ser o espaço por excelência da desobediência criativa, do questionamento livre, da alteridade e da reflexão política. Ao transformá-la em um aparato de vigilância ininterrupta que metrifica cada emoção e exige a performance da submissão diante da câmera, o Estado destrói o horizonte formativo e erode as bases do pensamento crítico (Amaral; Travassos; Schervenski da Silva, 2025; Andrejevic; Selwyn, 2019; Taylor, 2012).

Não podemos aceitar que a única alternativa que nos resta seja polir e regulamentar as coleiras digitais que o mercado e o Estado impõem sobre as crianças. Reivindicar a escola como território livre de biometria e controle algorítmico não é uma postura antitecnológica; é uma postura de sobrevivência pedagógica e ética.

 

Referências

AKBARI, Ali. Facial Recognition Technologies 101: Technical Insights. In: MATULIONYTE, Rita; ZALNIERIUTE, Monika (org.). The Cambridge Handbook of Facial Recognition in the Modern State. Cambridge: Cambridge University Press, 2024. p. 33.

AMARAL, Augusto Jobim do. Entre serpentes e toupeiras: uma reflexão sobre a monitoração eletrônica. Sistema Penal & Violência, Porto Alegre, v. 2, n. 2, p. 75-89, 2010.

AMARAL, Augusto Jobim do. Política da criminologia. São Paulo: Tirant Lo Blanch, 2020.

AMARAL, Augusto Jobim do; DIAS, Felipe da Veiga. Tecnopolítica criminal. São Paulo: Tirant Lo Blanch, 2024.

AMARAL, Augusto Jobim do; TRAVASSOS, Gabriel Saad; SCHERVENSKI DA SILVA, Tiago Luis. “Hey, Teacher, Leave Them Kids Alone”: Educação Biométrica e Gestão Modular dos Corpos. Revista Latino-Americana de Criminologia, v. 5, n. 2, p. 271-295, 2025.

ANDREJEVIC, Mark; SELWYN, Neil. Facial Recognition Technology in Schools: Critical Questions and Concerns. Learning, Media and Technology, v. 45, n. 2, p. 115-128, 2019.

CHIGNOLA, Sandro. A toupeira e a serpente. Revista Direitos e Garantias Fundamentais, v. 19, n. 3, p. 239-270, 2018.

DELEUZE, Gilles. Post-scriptum sobre as sociedades de controle. In: Conversações. Rio de Janeiro: 34, 1992. p. 219-226.

ELESBÃO, Ana Clara Santos. Regulação da IA e a nova governança da punição. Jornal de Ciências Criminais do IBCCRIM, v. 1, 2026. Disponível em: https://jcc.ibccrim.org.br/politicrim-encorpa/regulacao-da-ia-e-a-nova-governanca-da-punicao/. Acesso em: 11 set. 2026.

FONSECA, Marcus Vinicius. Pretos, pardos, crioulos e cabras nas escolas mineiras do século XIX. In: ROMÃO, Jeruse (org.). História da Educação do Negro e outras histórias. Brasília: Ministério da Educação, 2005. p. 99-110.

FOUCAULT, Michel. História da sexualidade I: a vontade de saber. Rio de Janeiro: Graal, 1988.

FOUCAULT, Michel. Vigiar e punir: nascimento da prisão. Petrópolis: Vozes, 2014.

ISRAEL, Carolina Batista et al. Reconhecimento facial nas escolas públicas do Paraná. Curitiba: UFPR/LAVITS, 2023.

MOROZOV, Evgeny. Big Tech: a ascensão dos dados e a morte da política. São Paulo: Ubu, 2018.

NUNES, Pablo et al. Mapeando a vigilância biométrica: levantamento nacional sobre o uso do reconhecimento facial na segurança pública. Rio de Janeiro: CESeC, 2025.

PONTOID TECHNOLOGY. Tecnologia aplicada em escolas públicas leva municípios a destaque nacional. 2025.

ROUVROY, Antoinette; BERNS, Thomas. Governamentalidade algorítmica e perspectivas de emancipação. Revista Eco Pós, v. 18, n. 2, p. 36-56, 2015.

SALTMAN, Kenneth. Scripted bodies: corporate surveillance and technological control in education. New York: Routledge, 2016. p. 70.

SCHWARTZ, Reva et al. Towards a Standard for Identifying and Managing Bias in Artificial Intelligence. NIST Special Publication 1270, U.S. Department of Commerce, 2022.

SILVA, Geraldo da; ARAÚJO, Márcia. Da interdição escolar às ações educacionais de sucesso: escolas dos movimentos negros e escolas profissionais, técnicas e tecnológicas. In: ROMÃO, Jeruse (org.). História da Educação do Negro e outras histórias. Brasília: Ministério da Educação, 2005. p. 66-71.

SILVA, Tarcizio. Racismo algorítmico e regulação de inteligência artificial. Tese (Doutorado em Ciências Humanas e Sociais) – UFABC, São Bernardo do Campo, 2025.

TAVARES, C.; SIMÃO, B.; MARTINS, F.; SANTOS, B.; ARAÚJO, A. Tecnologias de vigilância e educação: um mapeamento das políticas de reconhecimento facial em escolas públicas brasileiras. São Paulo: InternetLab, 2023.

TAYLOR, Emmeline. The Rise of the Surveillance School. In: BALL, Kirstie; HAGGERTY, Kevin; LYON, David (org.). Routledge Handbook of Surveillance Studies. London: Routledge, 2012. p. 225-231.

WILLIAMSON, Ben. Big Data in Education: The Digital Future of Learning, Policy and Practice. London: SAGE, 2017.