Escolar Documentos
Profissional Documentos
Cultura Documentos
PROJETOS E INOVAÇÃO
NA EDUCAÇÃO
2
Podemos dizer, então, que a metodologia com alto grau de inovação para
educação é a analítica. Com base em dados gerados no contexto educacional, é
possível tomar decisões em relação ao processo de ensino e aprendizagem. Mas
você deve estar se perguntando: quais dados especificamente são gerados pelos
alunos no contexto educacional? A seguir estão relacionados alguns deles:
3
Com base na Figura 1, é possível notar que existem vários ambientes
educacionais como também sistemas de informação, seja na educação
convencional, seja na baseada em computador. Cada uma viabiliza fontes de dados
diferentes que devem ser processados de várias formas, dependendo da natureza
dos dados disponíveis e dos problemas e tarefas específicos a serem resolvidos
pela mineração de dados.
Segundo Cavalcanti e Filatro (2018, p. 199), além do armazenamento e do
registro dos dados dos alunos para subsidiar o processo de aprender e a tomada
de decisão dos professores, os dados educacionais podem ser utilizados com outra
finalidade.
4
Figura 2 – Etapas do processo da utilização da mineração de dados educacionais
5
No entanto, ressaltamos que, segundo Liñán e Pérez (2015), é possível
identificar algumas diferenças principais entre a mineração de dados educacionais
e a analítica da aprendizagem:
6
Figura 3 – Etapas do processo da analítica da aprendizagem
Analítica da
aprendizagem
Análise e ação
Cada uma das etapas é descrita a seguir com base na visão de Siemens
(2013):
7
• Pós-processamento: a melhoria contínua da análise deve envolver a
seleção de novos dados de outras fontes de dados, aprimorar o conjunto
de dados, identificar novos indicadores e métricas, modificar as variáveis
de análise ou escolher um novo método de análise.
a. O quê? Que tipo de dados o sistema coleta, gerencia e usa para a análise?;
b. Quem? Quem é o alvo da análise?
c. Por quê? Por que o sistema analisa os dados coletados?
d. Como? Como o sistema realiza a análise dos dados coletados?
Analítica da
aprendizagem
como? quem?
métodos partes interessadas
8
realização de testes. Em contrapartida, os ambientes de aprendizado
pessoal compilam dados de uma ampla variedade de fontes, sendo
provenientes de canais de aprendizado formais e informais (rede sociais,
ferramentas do dia a dia, etc.). O desafio passa a ser como agregar e
integrar dados brutos de várias fontes, geralmente disponíveis em
diferentes formatos, para criar um conjunto de dados educacionais úteis
que refletem as atividades do aluno;
• Quem? (partes interessadas): diferentes grupos de pessoas podem estar
interessadas em coletar os dados como: alunos, professores, tutores,
instituições educacionais, pesquisadores, design de sistemas, etc. O
interesse dos alunos, por exemplo, centra-se em saber como a análise
pode melhorar suas notas. Os professores podem estar interessados em
como a análise pode aumentar a eficácia de suas práticas de ensino ou
apoiá-los na adaptação de suas ofertas de ensino às necessidades dos
alunos. Instituições educacionais podem usar ferramentas de análise para
apoiar a tomada de decisões, identificar potenciais alunos em evasão,
ajustar o planejamento do curso, determinar as necessidades de
contratação ou tomar decisões financeiras. As ferramentas da analítica da
aprendizagem devem fornecer feedback direcionado aos objetivos das
diferentes partes interessadas para reflexão, conscientização e apoio à
tomada de decisão. É de suma importância ressaltar que precisamos
identificar e até mesmo impedir o uso indevido dos dados coletados, além
de determinar limites das análises e preservar informações confidenciais e
identidade do usuário;
• Por quê? (objetivos): podem existir diversos objetivos para a analítica da
aprendizagem que vão ao encontro do ponto de vista particular dos
diferentes interessados. Destacamos os possíveis objetivos que incluem:
monitoramento e análise, previsão e intervenção, tutoria e mentoria,
avaliação e feedback, personalização e recomendação e reflexão.
• Monitoramento e análise: os objetivos são: acompanhar as
atividades dos alunos e gerar relatórios para apoiar a tomada de decisões
pelo professor ou pela instituição educacional ou também está relacionado
ao desenho instrucional que se refere à avaliação do processo de ensino e
aprendizagem com o objetivo de melhorar continuamente o ambiente de
aprendizagem;
9
• Previsão e intervenção: o objetivo é desenvolver um modelo que
tente prever o desempenho futuro do aluno baseado em suas atividades e
realizações atuais. Esse modelo pode ser utilizado para fornecer uma
intervenção nos alunos que necessitam uma assistência adicional;
• Tutoria e mentoria: o objetivo é auxiliar os alunos em seu
aprendizado (tarefas), apoiando cada um em sua orientação e introdução
a novos módulos de aprendizagem, como também durante todo o
processo. Além disso, os mentores fornecem orientação no planejamento
de carreira, supervisionam o alcance das metas, ajudam a preparar novos
desafios, etc.
• Avaliação e feedback: o objetivo é realizar não só a avaliação como
também a autoavaliação da eficiência e eficácia aprimoradas do processo
de aprendizagem. Além disso, é importante também obter feedback para
alunos, professores ou mentores, pois fornece informações interessantes
geradas com base em dados sobre os interesses do usuário e o contexto
de aprendizado;
• Personalização e recomendação: na personalização, a análise é
centrada no aluno, com o objetivo de ajudá-los a decidirem sobre seu
próprio aprendizado e alcançar seus objetivos de aprendizado. Além disso,
os sistemas de recomendação podem desempenhar um papel crucial para
promover o aprendizado autodirigido. O objetivo nesse caso é ajudar os
alunos a decidir o que fazer em seguida, recomendando os recursos de
aprendizagem necessários com base em suas preferências e atividades;
• Reflexão: alunos e professores podem se beneficiar dos dados
coletados se compará-los com outros dados, seja dentro do mesmo curso,
entre classes ou mesmo entre instituições. A ideia é tirar conclusões e
principalmente refletir sobre a eficácia das práticas de aprendizado ou
ensino adotadas.
• Como? (métodos): a analítica da aprendizagem pode envolver
diferentes técnicas para identificar padrões em um conjunto de dados
educacionais. Elencamos quatro técnicas: estatísticas, visualização de
informações, mineração de dados e análise de redes sociais.
• Estatísticas: os sistemas de gerenciamento de aprendizagem
existentes possuem ferramentas que fornecem relatórios contendo
estatísticas da interação dos alunos com o sistema, por exemplo:
10
tempo online, número total de visitas, frequência de postagens,
porcentagem de material lido;
• Visualização de informações: nem sempre é fácil interpretar as
estatísticas na forma de relatórios e tabelas de dados. Como
alternativa, podemos representar os resultados obtidos em um
formato mais visual e de fácil interpretação e a análise dos dados
educacionais. Dessa forma, para representar os dados visualmente,
podemos utilizar gráficos, representações em 3D, mapas. O
importante é optar pela representação que efetivamente atinge o
objetivo da análise;
• Mineração de dados: já vimos nesta aula que a mineração é fonte
de pesquisa e é definida como “o processo de descobrir padrões ou
conhecimentos úteis a partir de fontes de dados, por exemplo,
bancos de dados, textos, imagens, web” (Siemens, 2013, p. 1395).
Conforme vimos, a mineração de dados envolve um processo de
formulação de hipóteses, testes e aperfeiçoamento;
• Análise de redes sociais: as redes sociais têm se tornado
importantes para apoiar o aprendizado em rede e as ferramentas
que permitem gerenciar, visualizar e analisar os dados nessas redes
podem ser exploradas na analítica da aprendizagem.
Com base nas quatro dimensões descritas, é importante ter em mente qual
é o objetivo que se pretende alcançar com a analítica da aprendizagem, uma vez
que, por meio da análise de dados educacionais, podemos subsidiar uma tomada
de decisão que reflita no processo de ensino e aprendizagem. Afinal, muitos
sistemas são ricos em dados, mas com poucas informações. É preciso encontrar
indicadores, previsões e recomendações pedagogicamente úteis, avaliando a
qualidade dos resultados da análise na prática, convertendo os dados brutos em
conhecimento e base empírica para a tomada de decisões.
11
educacionais, podemos utilizá-las em prol de um ensino adaptável e que atenda
a reais necessidades de aprendizagem dos alunos. Em outras palavras, a
aprendizagem adaptativa se baseia na ideia de que o aprendizado adaptável é
um aprendizado personalizado, uma vez que, empregando as ferramentas
tecnológicas, os professores podem transformar o aprendizado tradicional em
métodos pedagógicos que consideram as características individuais dos
estudantes.
Dessa forma, a aprendizagem adaptativa é uma das potenciais alternativas
na educação e na aquisição de conhecimento. Isso porque o aprendizado
adaptável pode estar vinculado ao aprendizado de vídeo, por exemplo, em que os
alunos se envolvem com programas e atividades que ocorrem na tela e
incorporam recursos diferentes para se conectar a estilos de aprendizado
diferentes. Outro exemplo envolve o uso de sistemas que são interativos e
fornecem interface multidimensional aos alunos. Os “sistemas digitais adaptáveis
monitoram as características e o progresso do aprendiz, e o ambiente de
aprendizagem é ajustado para adaptar-se ativamente às necessidades
individuais” (Cavalcanti; Filatro, 2018, p. 226). Segundo os mesmos autores,
Oxman e Wong (citados por Cavalcanti; Filatro, 2018, p. 227) indicam que
os sistemas de aprendizagem possuem três aspectos fundamentais:
12
Figura 5 – Aspectos dos sistemas de aprendizagem
Saiba mais
15
um conjunto de dados e daí extrair respostas a perguntas específicas, da mesma
forma que um ser humano faria”.
Ao aplicar o machine learning no contexto educacional, ele poderá tornar o
trabalho de instituições de ensino mais eficiente e fácil, já que engloba todos os
tipos de alunos e pode tornar a aprendizagem personalizável para a necessidade
de cada um. Em relação a isso, listamos a seguir as principais vantagens da adoção
do machine learning:
16
nos dizer quais alunos têm maior probabilidade de desistência por causa de
falha acadêmica ou mesmo sua pontuação prevista em uma avaliação.
17
REFERÊNCIAS
18