Schema.org para páginas de programa: o marcado que faz os LLM citarem as suas formações

Por que a marcação Schema.org decide se os LLM citam as suas formações

Quando um estudante pergunta ao ChatGPT "melhor universidade para engenharia informática em Portugal" ou ao Perplexity "licenciaturas acreditadas pela A3ES em gestão", a IA não retorna uma lista de links. Sintetiza uma resposta a partir de dados estruturados processados das páginas das instituições.

As instituições com marcação Schema.org estruturada obtêm em média +12 pontos percentuais de visibilidade em IA (Fonte: Monitorização GEO Skolbot, 500 consultas × 6 países × 3 motores de IA, fev. 2026). Apenas 8% das respostas do ChatGPT no painel português mencionam pelo menos uma instituição — o potencial de melhoria é elevado.

O mecanismo é direto: os LLM processam o HTML e os blocos JSON-LD das páginas que os seus crawlers rastreiam. Uma página de programa sem dados estruturados obriga o modelo a inferir o tipo de grau, a duração, a acreditação e as saídas profissionais a partir do texto corrido — com margens de erro significativas e menor confiança para citar. Uma página com markup EducationalOccupationalProgram bem preenchido entrega ao motor a informação em linguagem que reconhece diretamente.

Para o contexto completo sobre visibilidade em IA: GEO para instituições de ensino superior.

EducationalOccupationalProgram vs Course: qual usar

A escolha entre os dois tipos Schema.org não é arbitrária. Depende do tipo de formação e do grau conferido.

EducationalOccupationalProgram para cursos superiores com grau

Use EducationalOccupationalProgram para toda a formação que conduz a um grau académico oficial reconhecido pela DGES e acreditado pela A3ES:

• Licenciatura (180 ECTS, 3 anos)
• Mestrado integrado (300 ou 360 ECTS, 5 ou 6 anos)
• Mestrado (120 ECTS, 2 anos)
• Doutoramento

Este tipo foi concebido especificamente para programas que combinam uma componente educativa com um perfil ocupacional esperado — exactamente o que os LLM pesquisam quando respondem a consultas do tipo "melhor formação em [área] para trabalhar em [profissão]".

Course para formações curtas e pós-graduações

Use Course para formações que não conferem grau académico oficial:

• Cursos de especialização tecnológica (CTeSP — formação que não é considerada de grau mas confere diploma de especialização)
• Pós-graduações sem grau atribuído pela DGES
• Formação contínua e executiva
• Unidades curriculares isoladas em regime de frequência

A distinção importa porque os LLM tratam EducationalOccupationalProgram como uma entidade com resultado ocupacional verificável. Marcar uma licenciatura como Course limita a informação que o motor pode extrair e reduz a probabilidade de citação em consultas de decisão de carreira.

As 8 propriedades Schema.org que geram citações nos LLM

O bloco JSON-LD seguinte ilustra uma implementação completa para uma licenciatura em Gestão em Portugal. Cada propriedade corresponde a um sinal que os LLM exploram activamente.

{
  "@context": "https://schema.org",
  "@type": "EducationalOccupationalProgram",
  "name": "Licenciatura em Gestão",
  "description": "Licenciatura de 3 anos (180 ECTS) em gestão empresarial. Acreditada pela A3ES, registada na DGES. Especialização em Finanças, Marketing e Gestão Internacional. Taxa de empregabilidade de 91% ao fim de 6 meses.",
  "url": "https://www.universidade-exemplo.pt/cursos/licenciatura-gestao",
  "provider": {
    "@type": "EducationalOrganization",
    "name": "Universidade Exemplo",
    "sameAs": "https://www.universidade-exemplo.pt"
  },
  "programType": "Licenciatura",
  "educationalCredentialAwarded": "Licenciado/a em Gestão — grau conferido nos termos da Lei n.º 62/2007, acreditado pela A3ES",
  "numberOfCredits": "180",
  "creditUnit": "ECTS",
  "timeToComplete": "P3Y",
  "applicationDeadline": "2026-07-24",
  "offers": {
    "@type": "Offer",
    "price": "4500",
    "priceCurrency": "EUR",
    "description": "Propina anual — bolsas de estudo da DGES disponíveis"
  },
  "occupationalCategory": [
    "Gestor de empresas",
    "Consultor de gestão",
    "Analista financeiro",
    "Diretor de marketing",
    "Empreendedor"
  ],
  "courseMode": "onsite",
  "inLanguage": "pt-PT",
  "programPrerequisites": {
    "@type": "EducationalOccupationalCredential",
    "credentialCategory": "Ensino secundário + Exame Nacional de Acesso (CNA) — nota de candidatura mínima conforme contingente"
  }
}

As 8 propriedades com maior impacto na visibilidade em LLM:

1. name — O nome oficial exacto do programa, conforme registado na DGES. Discrepâncias entre o nome no markup e o registo oficial reduzem a confiança do motor de IA.

2. description — O campo mais lido pelos LLM. Inclua o número de anos, os ECTS, as especializações disponíveis, a referência à A3ES e um dado de empregabilidade concreto. Limite: 300 caracteres são suficientes; a repetição não acrescenta valor.

3. educationalCredentialAwarded — A propriedade que sinaliza legitimidade. Referencie explicitamente a A3ES (entidade de acreditação) e a DGES (entidade de registo). Os LLM cruzam esta informação com as bases de dados públicas das duas entidades.

4. occupationalCategory — Lista de funções profissionais concretas que os diplomados exercem. Evite categorias genéricas ("gestão", "negócios"): use títulos de funções específicos que os candidatos digitam nos motores de IA ("analista financeiro", "gestor de produto", "controller"). Esta propriedade é decisiva para consultas do tipo "melhor licenciatura para trabalhar em finanças".

5. offers com propina em EUR — O campo de preço é o menos preenchido (apenas 7% das páginas portuguesas o incluem, segundo a auditoria técnica Skolbot, jan. 2026) e o mais procurado pelos candidatos. Inclua a propina anual em EUR e refira a disponibilidade de bolsas DGES.

6. courseMode — onsite, online ou blended. Os LLM filtram recomendações por modalidade quando o candidato especifica "a distância" ou "presencial".

7. programPrerequisites — Requisitos de admissão, incluindo a referência ao Concurso Nacional de Acesso (CNA) e a nota mínima de candidatura. Os candidatos pesquisam activamente "nota de acesso para [curso] em [instituição]".

8. numberOfCredits com creditUnit: "ECTS" — O número de ECTS e a duração (timeToComplete: "P3Y" para 3 anos) permitem aos LLM responder a comparações directas entre programas equivalentes.

Como marcar as acreditações portuguesas (A3ES, DGES, CNAEF)

O sistema de acreditação português tem especificidades que os LLM reconhecem quando correctamente marcadas. Ignorá-las é a principal razão pela qual páginas tecnicamente bem construídas continuam invisíveis nas respostas de IA sobre ensino superior em Portugal.

Acreditação A3ES: obrigatória para todos os ciclos de estudos conducentes a grau. Inclua a referência em educationalCredentialAwarded com o nome completo da agência ("Agência de Avaliação e Acreditação do Ensino Superior") e, quando disponível, o número de processo de acreditação. O site oficial é www.a3es.pt. Os LLM verificam a coerência entre o markup e os registos públicos da A3ES — uma acreditação declarada que não consta da base de dados pública é detectada como inconsistência.

DGES (registo do ciclo de estudos): a Direção-Geral do Ensino Superior (www.dges.gov.pt) mantém o registo oficial dos ciclos de estudos portugueses. Referenciar o código de registo DGES em educationalCredentialAwarded ou em description reforça a credibilidade junto dos LLM porque é um dado verificável por fonte institucional primária.

CNAEF (classificação de áreas formativas): o código de área CNAEF (Classificação Nacional de Áreas de Educação e Formação) é a taxonomia que a DGES e a A3ES utilizam. Inclua o código e a designação por extenso em description — por exemplo, "área CNAEF 345 — Gestão e Administração". Este detalhe permite ao LLM associar o programa a consultas que usam a terminologia oficial dos organismos de regulação.

Acreditações internacionais para escolas de negócios: AACSB, EQUIS e AMBA são sinais de autoridade com elevado peso nas respostas de IA sobre rankings e qualidade. Marque-as através da propriedade hasCredential com um objecto EducationalOccupationalCredential que referencie a entidade acreditadora (nome e URL). Não as inclua em educationalCredentialAwarded — esta propriedade é reservada ao grau conferido; as acreditações internacionais são sinais de qualidade institucional, não o grau em si.

Taxas de empregabilidade: o dado mais citado

A propriedade occupationalCategory é decisiva para consultas como "melhor licenciatura para trabalhar em marketing digital". Os LLM não processam esta propriedade como uma lista de categorias abstractas — processam-na como um conjunto de entidades profissionais que podem verificar e recomendar.

O erro mais frequente é listar categorias amplas ("gestão", "finanças", "marketing") em vez de funções concretas exercidas pelos diplomados. Um candidato que pesquisa "licenciatura para trabalhar como analista de dados em Lisboa" obtém uma resposta mais precisa de um programa que declara "Analista de dados", "Data analyst" e "Business intelligence analyst" do que de um que declara apenas "Tecnologias de informação".

A taxa de empregabilidade pertence à description do programa, não a occupationalCategory. A fórmula que os LLM reconhecem como citável é: percentagem + prazo + metodologia + ano. Exemplo: "Taxa de empregabilidade de 91% ao fim de 6 meses (inquérito DGES 2025, n=287, 74% de taxa de resposta)." Uma percentagem sem contexto metodológico é ignorada pelos motores de IA por falta de verificabilidade.

Os dados de empregabilidade provêm idealmente do Inquérito ao Emprego de Diplomados da DGES, que os LLM reconhecem como fonte institucional. Dados de inquéritos internos são válidos desde que a metodologia e a dimensão da amostra sejam declaradas.

Para a estratégia completa de conteúdo citável: sinais que os LLM avaliam para recomendar escolas.

Como validar a sua marcação

O fluxo de validação recomendado tem três passos. Primeiro, valide a sintaxe com o Schema.org Validator antes de publicar — garante que o JSON-LD é sintaticamente correto e que os tipos existem na hierarquia. Segundo, verifique a elegibilidade para rich results com o Rich Results Test do Google — assinala os campos em falta que impedem a exibição de snippets enriquecidos nos resultados de pesquisa. Terceiro, monitorize em produção através da Google Search Console, separador "Melhorias": os erros surgem frequentemente após actualizações de CMS ou redesigns parciais.

A validação técnica não substitui a verificação editorial. O dado mais importante a confirmar é a coerência entre o markup e a página visível: propina no JSON-LD igual à propina no HTML, acreditação declarada ainda activa, datas de início correspondentes ao ano lectivo em curso. Um cloaking estruturado — markup com informação diferente do conteúdo visível — é detectado pelo Google e penalizado.

Erros comuns das instituições portuguesas

1. Saídas profissionais genéricas em occupationalCategory

"Gestão", "negócios", "comunicação" não são saídas profissionais — são áreas. Os LLM precisam de funções específicas: "Gestor de produto digital", "Consultor de estratégia", "Responsável de comunicação corporativa". A especificidade é o que permite ao motor recomendar o programa em resposta a consultas de intenção profissional.

2. Acreditação A3ES ausente em educationalCredentialAwarded

A referência à A3ES é o sinal de legitimidade mais forte para o mercado português. A sua ausência obriga o LLM a tratar o programa como uma formação sem acreditação oficial verificável — mesmo que a acreditação exista e esteja publicada no site da A3ES.

3. Propina não incluída em offers

Em 120 páginas de programa portuguesas analisadas, apenas 7% incluíam a propina nos dados estruturados (auditoria técnica Skolbot, jan. 2026). Os candidatos pesquisam activamente "licenciaturas baratas em Lisboa" e "mestrado em gestão preço Portugal". Uma página sem preço no markup não aparece nestas respostas.

4. Usar Course para licenciaturas e mestrados com grau oficial

Course é o tipo correto para formação contínua e pós-graduações sem grau. Para ciclos de estudos conducentes a grau reconhecido pela DGES, o tipo correto é EducationalOccupationalProgram. A diferença não é apenas semântica: os LLM extraem propriedades diferentes de cada tipo.

5. Nota de candidatura/CNA ausente em programPrerequisites

A nota de acesso do último colocado no CNA é um dos dados mais pesquisados pelos candidatos em fase de decisão. A sua ausência no markup obriga o LLM a omiti-la da resposta — ou a inferir um valor a partir de outras fontes, com risco de erro.

6. Um único bloco Schema.org para todos os cursos da faculdade

Um bloco EducationalOccupationalProgram na homepage que lista todos os cursos é inútil para citação individualizada. Os LLM processam cada página de forma independente. Cada página de programa precisa do seu próprio bloco JSON-LD com os dados específicos desse curso.

Para o quadro completo de optimização das páginas de programa: checklist BOFU para páginas de programa.

FAQ

Cada curso precisa da sua própria marcação Schema.org?

Sim — um bloco EducationalOccupationalProgram por página de curso. Os LLM processam cada URL de forma independente. Um único bloco centralizador na homepage não transmite a especificidade necessária para que o motor recomende um programa em particular em resposta a uma consulta do tipo "melhor mestrado em finanças em Lisboa".

O nosso CMS pode gerar o JSON-LD automaticamente?

Sim. WordPress com plugins como RankMath Pro ou Schema Pro suporta EducationalOccupationalProgram com campos configuráveis. Drupal e Typo3 têm módulos equivalentes. Para CMS headless (Next.js, Gatsby, Astro), o JSON-LD é injectado em cada página através de componentes de metadados reutilizáveis com dados provenientes do CMS headless. Valide sempre o output com o Rich Results Test após a implementação — os plugins geram por vezes campos em falta ou valores incorrectos para o contexto português.

Quanto tempo demora até os LLM reconhecerem a marcação?

O Google indexa dados estruturados tipicamente em 1 a 4 semanas após a publicação. Os LLM como o ChatGPT actualizam os seus dados de treino em ciclos de 1 a 3 meses, mas o Perplexity consulta a web em tempo real — a marcação melhora a rastreabilidade imediatamente para motores de IA com acesso à web em tempo real. O efeito nos modelos com data de corte é cumulativo: cada ciclo de indexação com markup correcto reforça o sinal.

A marcação Schema.org substitui outros sinais GEO?

Não. Os dados estruturados amplificam sinais de autoridade existentes — menções em fontes externas credíveis, coerência entre o markup e registos institucionais públicos (A3ES, DGES), conteúdo factual verificável. Uma página com markup perfeito mas sem citações externas tem menos visibilidade do que uma página com markup sólido e presença em fontes que os LLM conhecem. Leia o nosso artigo sobre os sinais que os LLM avaliam para recomendar escolas para o quadro completo.

Como saber se as nossas páginas estão a ser lidas pelos LLM?

O teste mais directo: pergunte ao ChatGPT e ao Perplexity sobre os seus cursos por nome e área ("licenciatura em engenharia informática [nome da instituição]") e observe se a resposta inclui dados da sua página ou dados genéricos. Para monitorização sistemática com métricas de visibilidade ao longo do tempo: ferramentas de auditoria de visibilidade IA para universidades.

A acreditação A3ES aparece automaticamente nas respostas de IA?

Apenas se estiver declarada no markup ou em texto HTML visível e rastreável. A A3ES publica as fichas de acreditação no seu site, mas os LLM não as associam automaticamente à sua página de programa — precisam de encontrar a referência na própria página. Um link directo para a ficha A3ES do programa, combinado com a referência em educationalCredentialAwarded, maximiza a probabilidade de o motor incluir esse dado na resposta. Consulte também: como a acreditação do ensino superior afecta a citação pelo ChatGPT e Perplexity.