Este estudo tem como objetivo relatar um experimento pedagógico, no contexto da disciplina de leitura aprofundada do segundo ano do curso de francês, para explorar o design, a implementação e o caminho de otimização das tarefas de continuação de escrita após a leitura sob a perspectiva da colaboração humano-máquina. A pesquisa descobriu que, no design das tarefas, as ferramentas de inteligência artificial (IA) baseadas em grandes modelos de linguagem podem gerar textos contextuais de forma eficiente, aliviando a carga dos professores. A tarefa de continuação é aberta, dificultando a ativação direcionada da reutilização de estruturas linguísticas específicas, mas refletindo o desenvolvimento linguístico em fases dos alunos. No feedback pós-escrita, as ferramentas de IA apresentam a vantagem da imediaticidade, mas carecem de compreensão do progresso da aprendizagem dos alunos, dificultando a oferta de orientação personalizada. A avaliação diagnóstica dos professores continua insubstituível. Este estudo recomenda integrar a eficiência da IA com o conhecimento pedagógico dos professores, por meio da colaboração humano-máquina, para otimizar o design das tarefas de continuação após a leitura e os mecanismos de feedback, auxiliando no desenvolvimento contínuo das habilidades linguísticas dos alunos.

tarefas de continuação após a leitura; disciplina de leitura aprofundada; ferramentas de IA baseadas em grandes modelos de linguagem; colaboração humano-máquina