Observando uma plataforma modelo
José de Oliveira Júnior[1]
Resumo:
O ensino adaptativo vem sendo apresentado como uma tendência inovadora, capaz de oferecer a professores e alunos oportunidade de avanços reais no processo de ensino aprendizagem. Mas a ideia de customizar a oferta de conteúdos educacionais moldados às necessidades individuais e específicas de cada aluno é de fato bastante antiga, e o método proposto na atualidade toma partido de avanços recentes da tecnologia da informação, associados a análise de bases de dados para compreender melhor a aprendizagem a nível individual, e assim personalizar método e conteúdos educacionais. Este artigo questiona a distância entre conceito e prática, a partir do exame de caso de uma plataforma digital de ensino online adaptativo, buscando demonstrar as limitações e lacunas entre expectativas, marketing e efetivo resultado de tecnologias educacionais aprimoradas.
Palavras-chave: educação à distância, plataforma adaptativa, tecnologia educacional, inteligência artificial, trilhas de aprendizagem.
Abstract:
Adaptive teaching has been presented as an innovative trend, capable of offering teachers and students opportunities for real advances in the teaching learning process. But the idea of customizing the provision of educational content tailored to the individual and specific needs of each student is actually quite old, and the method proposed today takes advantage of recent advances in information technology, associated with database analysis to better understand learning at the individual level, and thus customize educational method and content. This paper questions the gap between concept and practice, from the case examination of a digital adaptive online learning platform, seeking to demonstrate the limitations and gaps between expectations, marketing, and actual outcome of enhanced educational technologies.
Keywords: distance education, adaptive platform, educational technology, artificial intelligence, learning path.
1 Introdução
O ensino adaptativo é uma forte e indiscutível tendência na educação digital recente. De fato, recomendações de entidades de estudos e pesquisa que influenciam os investimentos globais em educação online alertam para a importância do ensino adaptativo (adaptive learning) em especial no contexto pós pandemia COVID.
Neste texto, começamos por mapear esta tendência nas referências de entidades de pesquisa de mercado e de tendências de inovação em educação, de forma a confrontá-las com as abordagens de perfil acadêmico.
Em seguida, propomos reconhecer no marketing de algumas plataformas disponíveis no mercado elementos do conceito, elegendo uma delas para aprofundar a compreensão da proposta de personalização, que é o grande atrativo da metodologia.
Esta abordagem nos permite explicitar, ao cabo, o distanciamento entre as promessas de desenvolvimento de tecnologias educacionais lastreadas em ferramentas de ponta no campo da computação móvel, big data e inteligência artificial e os resultados efetivos que os educadores pretendem buscar para o avanço nos processos de ensino-aprendizagem.
Assim, nossa proposta de trabalha busca revisar alguma literatura recente sobre o assunto, em especial para detectar a tendência apontada de crescimento destas plataformas específicos dentro do mercado de e‑learning, e simultaneamente levantar elementos para um estudo de caso, para avançar na compreensão das propostas do ensino adaptativo.
2 Ensino Adaptativo como tendência do mercado
O relatório do Gartner Group sobre tendências de mercado para educação do que chamam de K‑12 (expressão usada pelos americanos para designar os anos escolares entre o início da educação formal até o ensino médio, abrangendo, nos padrões daquele país, 12 anos escolares) inclui o adaptive learning como uma das cinco principais metodologias (Williams, 2021, p. 1) a merecer atenção prioritária de educadores e dirigentes de instituições educacionais.
Chamam atenção dois pontos: o uso da aprendizagem adaptativa baseada em inteligência artificial; e a pretensão de quê essa abordagem possa ser mais útil no contexto de recuperação das possíveis perdas dos estudantes pelo lapso provocado pela pandemia da COVID (Williams, 2021, p. 12). Além disso, considera que a adequação da tecnologia aos ambientes virtuais (AVA) já presentes em diversas instituições é um fator facilitador da disseminação do método.
Já o CoSN (Consortium for School Networking), entidade que congrega instituições e pessoas (stakeholders) em sistemas de ensino escolar digital, igualmente menciona entre as tecnologias líderes, estabelecendo a distinção entre técnicas analíticas e adaptativas (COSN, 2020, COSN innovation survey reveals key k‑12 hurdles, accelerators and technology enablers for 2020, [s.d.]). A importante distinção deriva da ênfase em tecnologias de análise de dados (analytical), aspecto importante a fortalecer as metodologias de personalização.
Um terceiro relatório, um pouco anterior aos já citados, é o da DOCEBO – empresa fabricante de software educacional, de tradicional influência no mercado. Em 2016, eles tratavam como “aprendizagem personalizada” todo o conjunto de “de programas educacionais, experiências de aprendizagem, abordagens instrucionais e estratégias de suporte acadêmico destinadas a atender às necessidades específicas de aprendizagem, interesses, aspirações ou origens culturais de alunos individuais” (Docebo, 2016, p. 25, tradução do autor).
Em todos esses relatórios citados, a expectativa do segmento do ensino adaptativo (ainda que eventualmente designado como ensino personalizado) e as ferramentas tecnológicas que o acompanham, como o uso de big data, analytics e inteligência artificial, são apresentados como tendências de forte crescimento dentro do e‑learning, cujas cifras no mercado mundial de educação são gigantescas, o que é corroborado por centenas de menções em artigos e blogs que discutem e‑learning.
3 Adesão de empresas líderes
No cenário mundial pós-COVID as instituições de pesquisa mostram tendências exponenciais de crescimento do uso do ensino adaptativo. Mas a crença no ensino personalizado é bastante antiga na educação, talvez tão antiga quanto a própria escola enquanto instituição social. Mesmo no mundo da educação digital, resultados positivos do ensino adaptativo são acompanhados e demonstrados por players bastante influentes.
Em 2014 a fundação Gates (de Bill e Melinda Gates), apresentava relatórios demonstrando a melhoria de resultados educacionais em disciplinas como matemática e línguas, com o uso de plataformas de ensino personalizado (Rand, 2014, p. 1). Os resultados das pesquisas demonstrando melhorias de resultados persistem sendo reportados na rede, em diversos blogs especializados, como por exemplo em Raudys (2021).
A revista Time americana destacou a decisão de Mark Zuckerberg e Priscilla Chan, ele principal criador do Facebook, no anúncio da doação de maior parte da fortuna pessoal de ambos para ações de caridade. O foco da destinação dos recursos bilionários, avisaram, seria “aprendizado personalizado, cura de doenças, conexão de pessoas e construção de comunidades fortes” (Edwards, 2015, p. 1).
Google, Facebook, Microsoft.… são realmente pesos pesados da tecnologia falando de ensino personalizado ou adaptativo. Mas na mesma reportagem da Time, um importante alerta de entidades americanas de educação destaca um ponto central: “Não há evidências de que a aprendizagem online ou combinada funcione para melhorar o ensino ou leve a uma aprendizagem personalizada real”, disse Leonie Haimson, da Parent Coalition for Student Privacy. “Em vez disso, isso é realmente um aprendizado despersonalizado por meio de máquinas… ferramentas de aprendizagem personalizadas são prejudiciais para o desenvolvimento das habilidades de pensamento crítico dos alunos, uma vez que reduzem a interação humana na sala de aula” (Edwards, 2015, tradução livre do autor).
4 O conceito: personalização e adaptação
Em Teixeira & Lima (2020), reproduzindo conceito atribuído a Rosenberg, encontramos um conhecido resumo das características principais normalmente atribuídas ao ensino adaptativo’
“1. Apoia-se em redes informáticas, e a utilização da internet permite a atualização, o
desdobramento e a distribuição das informações de forma praticamente instantânea, bem como a participação em comunidades de aprendizagem; 2. Desenvolve-se por meio de tecnologia padronizada de internet, o que permite disponibilizar toda a informação no computador do usuário; 3. Baseia-se na aprendizagem em seu significado mais amplo” Teixeira & Lima (2020, p. 3).
Já para Silva (2016), “foi na década de 1990 que o ensino adaptativo ganhou força, devido à grande utilização da web, e a procura de adaptabilidade dos sistemas aos usuários surgiu com grande força com o sistema de hipermídia adaptativa… Essa adaptação do ensino ocorre a partir do feedback, positivo ou negativo, do aluno durante a realização das atividades. Percebe-se que essa adaptação pode acontecer a partir de outros requisitos como o contexto e os estilos de aprendizagem” (Silva, 2016, p. 24).
Como se vê, há uma diferença a ser buscada no que significa a “personalização” quando falamos de metodologias de ensino híbrido, no qual o papel do professor encontra-se mediado por tecnologias digitais. A personalização, nesse caso, é tratada pelo feedback que é por si só “padronizada”. Ou seja, é uma personalização mediada por computador, no qual o estudante proporciona feedback sobre variáveis já previamente conhecidas e delimitadas pela capacidade de “inteligência” do sistema.
5 Plataformas de tecnologia adaptativa
A evolução do conceito, como vimos, enfatiza a importância da inteligência artificial, promessa tecnológica para sistemas de inteligência mais aproximada dos padrões humanos. Observe que um requisito de aplicação da IA (inteligência artificial) é a existência de grandes conjuntos de dados (big data) tratados por técnicas especiais de análise (analytical). Sem esses requisitos não há como se aplicar a IA, porém a coleta e tratamento de dados não garante em nada a existência de sistemas de fato inteligentes.
E aqui chegamos ao cerne da questão fundamental deste artigo: as plataformas que pudemos observar, ainda que de maneira preliminar, não são efetivamente capazes de garantir um tipo de ensino que se possa chamar de “personalizado”, mas apenas de permitir, dentre algumas poucas opções de oferta de conteúdos, rotas ou “trilhas” de aprendizagem ajustadas ao feedback proporcionado pelo aluno.
Talvez as trilhas, outra expressão na moda, possam ser úteis, como podemos aprender nesse trabalho: “As trilhas de aprendizagem podem ser entendidas como um conjunto sistemático e multimodal de unidades de aprendizagem, contendo diferentes esquemas de navegação, que podem ir desde modelos lineares, prescritivos, passando-se por modelos mais hierárquicos, e chegando-se a modelos em rede, cuja navegação é mais livre, e tendo como propósito o desenvolvimento de competências. Esses esquemas de navegação podem ser personalizados, com base em variáveis como objetivos, perfil do aluno e características de aprendizagem” (Lopes & Lima, 2019, p. 9).
As trilhas são uma forma de estabelecer atividades de ensino em uma sequência organizada e planejada, permitindo ao estudante apreender os conteúdos de maneira mais eficiente.
3 Observando plataformas disponíveis
Uma plataforma examinada pelo autor foi a Mosaic, autointitulado justamente uma “adaptive personalized learning” (Mosaic, [s.d.]). Facilmente utilizável, a plataforma apresenta ferramentas muito interessante para a autoaprendizagem, permitindo o login de qualquer usuário e facilitando o diagnóstico inicial mediante a apresentação de algumas telas interativas.
Para justificar nossa hipótese inicial de trabalho, a tela reproduzida abaixo é bastante elucidativa. Trata-se das opções de aprendizagem para a disciplina de matemática, no âmbito dos graus contemplados na designação americana de K‑12. Como se pode ver, ela não dispensa os rigorosos padrões de aprendizagem e certificação fortemente presentes no sistema de ensino americano.
Pelo contrário, a expressão “adaptive” e “learning paths” se coadunam com as hipóteses que temos buscado demonstrar: a personalização do ensino sobre premissas bastante estritas de padrões anteriormente estabelecidos, no qual a facilitação do ensino ocorre, de fato, mas apenas entre distintas trilhas para o aprendizado.
Aqui avançamos a segunda hipótese: a utilização de tecnologias de inteligência artificial não se traduz, até o momento, em uma proposta de ensino efetivamente mais capaz de se antecipar às necessidades dos aprendizes e oferecer recursos diferenciados do ambiente tecnológico. Ao contrário, os sistemas examinados operam apenas oferecendo alternativas entre roteiros diferenciados para o conteúdo já previamente desenhado.
Outras plataformas nas quais o autor teve oportunidade de se inscrever como aluno e avançar nas preliminares de customização não fogem ao ponto aqui descrito. É o caso, por exemplo, da plataforma brasileira Geekie Games na qual se “garante um roteiro de aprendizagem de acordo com as necessidades de cada aluno, com resultados mais eficazes; (Teixeira & Lima, 2020, p. 5).
De forma semelhante à Mosaic, o Geekie Games também trabalha sobre um método fortemente associado ao padrão de perguntas e respostas do ENEM, o Exame Nacional do Ensino Médio brasileiro, que por sua vez estabelece um padrão, facilitando a adoção da plataforma.
Situações similares podem ser verificadas em outras plataformas, apesar de que o autor não pode testá-las como estudante em razão dos critérios e restrições de acesso definidos pelos seus mantenedores, mas a própria descrição do objeto já referenda a ideia de trabalhar com modelos padronizados de avaliação de aprendizagem, como no caso da PAM – Plataforma Adaptativa de Matemática, utilizada no sistema de ensino médio do Uruguai.
“Ao trabalhar na série, a PAM dá ao aluno feedback sobre cada atividade, seja ela designada pelo seu professor, ou escolhida livremente por ele. No caso de cometer erros sistemáticos, a PAM sugere áreas de melhoria. Elas são Séries que buscam retomar, seja o conceito em que o aluno cometeu erros, ou conceitos básicos anteriores dele. Esse aspecto da PAM é o conceito de uma plataforma adaptativa no plano macro. No plano micro, dá ao aluno feedback imediato. Quando está realizando uma Série, se desempenha uma atividade corretamente, o aluno é informado e se propõe a ele a seguinte atividade; se cometer um erro, é informado, dando-lhe a possibilidade de realizar a atividade novamente, e se cometer um erro novamente antes de passar para a próxima atividade, é mostrada uma possível solução, acompanhada de uma explicação (Testa & Téllez, 2019, p. 111).”
Podemos assim considerar, diante da amostra de plataformas examinadas, que as possibilidades atuais ofertadas no mercado educacional digital sob a designação de plataformas adaptativas se apropriam justamente de disciplinas ou ramos de conhecimento nos quais os objetivos de ensino-aprendizagem estão submetidos a padrões rigorosos e métricas de avaliação definidas por escores bastante regulares. Ou seja, “adaptam-se” de forma personalizada a cada aluno, mas com a margem de escolha delimitada pelos padrões curriculares bem rigorosos existentes.
3 Considerações Finais
Neste texto, começamos por constatar a importância crescente atribuída à modalidade de ensino adaptativo no portfólio das grandes organizações de ensino digital.
Esta tendência de crescimento é atestada por entidades de pesquisa de abrangência mundial, e se repete em diversos relatórios de atividades e prognósticos de tendências apresentados nos últimos anos por diferentes organizações de pesquisa.
Além disso, a crise posterior à Pandemia COVID gerou, a nível mundial, graves desequilíbrios nos sistemas de ensino, causando prejuízo a milhões de pessoas que tivram que interromper atividades educacionais e priorizar modalidades de ensino à distância. Neste contexto, o ensino adaptativo para ser bastante indicado para avaliar os prejuízos à performance da aprendizagem, e assim recomendar caminhos mais eficientes para a recuperação das etapas perdidas.
Mas se essa tendência parece tão urgente agora, vimos que ela foi de fato antecipada por líderes empresariais da área de tecnologia, que tinham como perspectiva usar métodos adaptativos suportados por tecnologias de inteligência artificial. Nesse sentido, a fundação de Bill Gates, o bilionário criador do Facebook, entre outros personagens igualmente relevantes, já faziam a defesa de métodos de ensino personalizados no ambiente digital há pela menos uma década.
A análise de algumas plataformas específicas de ensino adaptativo, porém, levada a cabo para o desenvolvimento deste paper, demonstra as limitações práticas existentes para a personalização do ensino.
Buscamos demonstrar que a personalização até agora, baseia-se em métodos analíticos aplicados sobretudo a conteúdos padronizados, como é como em algumas disciplinas, como a matemática, ou aos sistemas de avaliação padronizados, como o ENEM no caso brasileiro.
Assim, as plataformas adaptativas buscam compreender as dificuldades dos alunos diante dos padrões existentes para daí propor abordagens diferenciadas de conteúdos previamente planejados e produzidos, que podemos tratar como trilhas de aprendizagem
No que importa esta diferença? Na percepção de que o marketing de uma espécie de superinteligência artificial distante até da nossa capacidade de compreensão estaria a presidir uma nova abordagem de ensino capaz de produzir resultados potencialmente muito superiores.
Esta, ainda que possa ser uma alternativa de pesquisa para o futuro da tecnologia, ainda está distante do que os modelos atuais têm a oferecer. O que não significa que os modelos atuais sejam ruins, mas diferenciar a capacidade de ensino aprendizagem e o real potencial da educação à distância não pode se limitar apenas a reproduzir o marketing de interesse da grande indústria de tecnologia da informação. Decifrar os limites e compreender a efetividade real das ferramentas disponíveis continua sendo a grande tarefa educacional dos professores.
4 Referências Bibliográficas
Cosn. (2020a). COSN innovation survey reveals key k‑12 hurdles, accelerators, and technology enablers for 2020 | cosn. https://www.cosn.org/about/news/cosn-innovation-survey-reveals-key-k-12-hurdles-accelerators-and-technology-enablers-2020
Cosn. (2020b). Driving K‑12 Tech Enablers (2020). COSN.
Docebo. (2016). E‑learning market Trends and Forecast 2017–2021. https://www.docebo.com/
Edwards, H. S. (2015, dezembro 2). Why mark zuckerberg wants to spend on personalized learning. Time. https://time.com/4132619/mark-zuckerberg-personalized-learning/
Lopes, P., & Lima, G. A. (2019). Estratégias de Organização, Representação e Gestão de Trilhas de Aprendizagem: Uma revisão sistemática de literatura. Perspectivas em Ciência da Informação, 24(2), 165–195. https://doi.org/10.1590/1981–5344/3862
Mosaic. ([s.d.]). Adaptive personalized learning—How it works—Mosaic. ACT. Recuperado 5 de setembro de 2021, de https://www.act.org/content/act/en/learning-solutions/adaptive-academic-learning/how-it-works.html
Neurociência e educação: 5 ensinamentos para melhorar a escola. ([s.d.]). Geekie. Recuperado 26 de agosto de 2021, de https://www.geekie.com.br/
Rand. (2014). Early progress on personalized learning—Summary. Rand Corporation, Bill e Melinda Gates Foundation. https://usprogram.gatesfoundation.org/news-and-insights/usp-resource-center/resources/early-progress-on-personalized-learning–summary
Raudys, J. (2021). 7 personalized learning strategies to implement in class & examples. https://www.prodigygame.com/main-en/blog/personalized-learning/
Silva, R. G. (2016). Ensino personalizado em ambiente virtual de aprendizagem para o contexto universitário. https://repositorio.uninter.com/bitstream/handle/1/72/ROBERTA-GALON-SILVA.pdf?sequence=1&isAllowed=y
Teixeira, C. V., & Lima, K. M. R. D. (2020). Novas formas de aprendizagem: Utilização da plataforma adaptativa geekie games. Apresentações Trabalhos Científicos. 26º CIAED Congresso Internacional ABED de Educação a Distância. https://doi.org/10.17143/ciaed.XXVICIAED.2020.57107
Testa, Y., & Téllez, L. S. (2019). Professores uruguaios confrontados com a implementação da Plataforma de Adaptação Matemática para aprender e ensinar Matemática. Educar em Revista, 35(78), 105–129. https://doi.org/10.1590/0104–4060.69045
Williams, K. C. (2021). Top 5 Trends Impacting K‑12 Education in 2021 (Education Digital Transformation and Innovation). Gartner Inc. https://emtemp.gcom.cloud/ngw/globalassets/en/information-technology/documents/trends/736049-top-5-trends-impacting-k-12-education-in-2021.pdf
[1] Economista. Especialista em Ciências Sociais (Estado e Sociedade no Nordeste do Brasil) e Empreendedorismo. Mestrando em Tecnologias Emergentes em Educação pela Must University.
E‑mail josedeoliveira.junior@gmail.com.
