Estudos mostram que professores e tutores já observam as limitações da abordagem tradicional de ensino, uma vez que essa não traz mais o resultado esperado de que necessita a aceleração dos tempos contemporâneos. O ineficiente sistema educacional – com sua dificuldade em lidar com a bagagem cultural, os fatores socioeconômicos e o complexo fato das pessoas aprenderem de maneiras e velocidades diferentes – gera lacunas cognitivas ao longo do processo educacional do estudante. Tal fato é especialmente observado quando a todos os alunos são aplicados o mesmo critério massificado de ensino e aprendizagem. Dessa forma, não é novidade que escolas, edtechs e sistemas de ensino busquem novas abordagens e modelos baseados em aprendizagem adaptativa (adaptive learning), de modo a suprir diversas lacunas escolares acumuladas ao longo da jornada do aluno.
O que é aprendizagem adaptativa?
A aprendizagem adaptativa tornou-se uma das maiores tendências da educação nos últimos anos. De maneira sintética, consiste em métodos de ensino que tem como premissa a adaptabilidade do conteúdo curricular às necessidades específicas de cada usuário. Isso significa que o método responde em tempo real à performance e a atividade de cada indivíduo, gerando instruções eficazes no tempo correto para maximizar o aprendizado do estudante. De antemão pode-se perceber a diferença entre esse modelo e o mais tradicional da educação, no qual todos os alunos são submetidos a aprender da mesma forma e na mesma velocidade.
Um dos grandes problemas encarados pelos professores é como lidar com a crescente diversidade entre os alunos, pois tamanha diversidade cria diferentes necessidades a serem contempladas. A saída mais comum é nivelar todos os alunos e esperar que todos desempenhem as diferentes tarefas da mesma forma. Ao fazer isso, perde-se possíveis talentos em algumas áreas e não se tira o máximo proveito de outras. É como se fossem colocados um velocista e um músico ambos para pintar um quadro. Nenhum deles estaria desenvolvendo a sua expertise e nem focando no que realmente necessita sua aptidão.
É, dessa forma, que um considerável número de sistemas de gerenciamento de aprendizagem trabalha. A partir de um modo linear onde apenas um deve atender a todos. Contudo, a aprendizagem adaptativa atua como um GPS, em que o caminho a ser traçado varia de acordo com o local de origem e o destino de cada usuário tendo também, ao seu lado, o valioso apoio da tecnologia.
Nesse sentido, a aprendizagem adaptativa combina a ciência cognitiva, a inteligência artificial e a gestão de uma grande quantidade de dados para produzir sistemas de análise personalizados que aprimorem o desempenho dos usuários. Sempre levando em consideração o histórico do aluno e os dados por ele gerado. Ela também garante maior efetividade de compreensão, retenção e desenvolvimento de habilidades discentes que antes eram difíceis de serem mapeadas.
Para esse sistema ser efetivo, é preciso fornecer uma série de dados com os quais os algoritmos trabalharão, com, por exemplo:
- Objetivos finais dos alunos;
- Objetos de aprendizagem preferidos;
- Graus de entendimento nos conteúdos;
- Comportamento discente e de seus pares em determinados conceitos;
- Formas de interação apropriada com o conteúdo.
Dessa maneira, um padrão é criado, computado e apresentado ao usuário como uma coleção de ações que se moldam a partir do momento que ele interage com o sistema.
Cinco níveis de personalização
Quando se fala sobre aprendizagem adaptativa, refere-se aos mais altos níveis de personalização atualmente disponíveis. Mas de que nível realmente se pode falar?
- Por reconhecimento de nome;
- Autodescrita;
- Segmentada;
- Baseada em cognição;
- Integral.
personalização por reconhecimento de nome
É o nível mais simples, superficial e que a maioria das práticas pedagógicas residem. Isso porque os indivíduos são diferenciados e a eles são atribuídas tarefas vinculadas aos seus nomes.
Sua efetividade faz com que seja difícil não lembrar de uma passagem significativa de Como fazer amigos e influenciar pessoas (How to Win Friends and Influence People, 1936). Dale Carnegie afirma que “o nome de uma pessoa, é para ela, o som mais doce e mais importante que existe em qualquer idioma”.
personalização autodescrita
A personalização autodescrita dá poder ao estudante. Afinal, é ele quem reporta – por meio de formulário, questionário, feedback, entre outros – suas preferências, dificuldades e habilidades. Dessa forma, as ações a serem tomadas variam de acordo com as respostas obtidas. Elas ficam restritas a percepção consciente do usuário sobre o seu próprio processo de aprendizagem.
personalização segmentada
A personalização segmentada utiliza respostas mais estruturadas e menos subjetivas que o nível anterior, agrupando os estudantes em diferentes grupos. A formação desses grupos se dá por alguma similaridade entre os integrantes, seja por demografia, objetivo final, classe social etc.
personalização baseada em cognição
É chamado processo cognitivo a capacidade de receber, processar, integrar e converter as informações captadas por diferentes sentidos em conhecimento. Este nível de personalização utiliza tais processos para direcionar o aluno a usar diferentes estratégias de acordo com as suas respostas e as suas necessidades, também comparando com padrões estimados de outros usuários.
Pode ser visualizado na forma de apresentar o conteúdo, ou seja, na escolha de um objeto de aprendizagem. Seja um áudio ao invés de um vídeo, um mapa mental ao invés de um texto, uma narrativa ao invés de um debate. É neste nível que a aprendizagem adaptativa verdadeiramente tem início.
personalização integral
O nível mais alto de personalização se encontra quando são integralmente alinhados aspectos cognitivos e psicológicos que influenciam diretamente no desempenho da aprendizagem. Com base nas características individuais, o sistema adaptativo consegue identificar previamente e recomendar a abordagem de um conteúdo sob perspectiva do indivíduo. Além de fornecer o direcionamento para o usuário chegar ao objetivo final, o sistema é capaz de aprimorar a capacidade geral do sujeito de aprender.
Ao passo que o aluno aprende e interage com a plataforma, o sistema se atualiza dinamicamente, testando o que funciona e o que não funciona para aquele indivíduo, coletando dados e identificando-os a padrões existentes em uma imensa database.
A capacidade de remodelação constante do sistema adaptativo promove o aprendizado do próprio sistema. Portanto, isso quer dizer que os resultados gerados pela máquina são usados para ensinar a própria a reconhecer padrões, predizer ações e executar tarefas cada vez mais precisas. Tal processo é nomeado na literatura especializada como aprendizado de máquina (machine learning), importante subcategoria da inteligência artificial.
A personalização integral é a forma mais sofisticada da aprendizagem adaptativa, etapa em que a cada interação o algoritmo se torna mais assertivo em suas recomendações. E fornece ao usuário um direcionamento totalmente dinâmico, individualizado e em tempo real.
Aplicabilidade da aprendizagem adaptativa no cenário contemporâneo
A aprendizagem adaptativa pode ser aplicada em várias situações de ensino: desde a escola primária, implementando sistemas de gerenciamento de aprendizagem (learning management system), até a educação continuada, conceito traduzido como aprendizagem ao longo da vida (lifelong learning).
Nessa oportunidade, foi observado que a taxa de retenção dos conteúdos providos durante o treinamento com aprendizagem adaptativa foi de quase 80% após três meses. Número bem acima dos 28% do grupo de funcionários com os quais foram utilizadas as metodologias tradicionais de ensino.
São indiscutíveis os resultados promissores que a tecnologia de mãos dadas com a educação pode gerar, principalmente com a crescente aplicação da inteligência artificial. Por outro lado, é necessário cautela para evitar confundir aprendizagem adaptativa com automatização do ensino.
Afinal, tal pauta também traz contrapontos como a diminuição do poder de decisão e dependência dos alunos e, no limite, a automatização de profissões. Será um sistema melhor educador do que um professor humano? Por enquanto, na ausência de dados que suportem uma resposta mais informada sobre os impactos da tecnologia a longo prazo, é necessário utilizar a inteligência artificial como um potente aliado na educação e não como o único protagonista possível do complexo processo de ensino-aprendizagem.
Veja mais conteúdos sobre educação e tecnologia no EducaTech.
Texto bem explicativo, que nós da a noção e o direcionamento para onde o ensino deve seguir, se quisermos estar na vanguarda do conhecimento. Muito bom!!
Bem interessante o texto, a educação precisa de novo fôlego para depois dessa pandemia.
Isso ao mesmo tempo é um perigo, por exemplo se na tv so fala mal dos bolsonaros como se fossem inimigo do planeta terra sem ninguem conhecer eles de verdade e a historia a convivencia e outros, faram que o povo acredite e se adapte, outro exemplo, materia de ingles nas escolas publicas e particulares, torna oficial o pais ser bilingue, mas na pratica nao é, sao adaptaçoes, será que o idioma é tao ruim assim pro nosso pais, para o desenvolvimento e prosperidade do intelecto do povo brasileiro, ou seja, a aprendizagem adaptativa vai depender muito do ambiente, talvez seja bom ou nao, pois ja vivemos a aprendizagem adaptativa por séculos, só não tinha ainda sido revelada essa forma.
Acho que você não entendeu muito bem o objetivo do ensino adaptativo, não está relacionado com o que você disse. Na verdade, são configurados conteúdos acadêmicos em um software, e esse software tem a inteligencia de indicar esses conteúdos da melhor forma para cada aluno, ou seja, se adapta a forma em que o estudante aprende, ajudando no processo de aprendizado.