Ensino do futuro: personalização por meio da análise de dados

SanDiegoLibrary5

 

Ninguém discute que personalizar o ensino de acordo com as necessidades de cada aluno é o cenário ideal para a aprendizagem. Na prática, os desafios surgem pelo tamanho das turmas, pelas restrições de tempo dos professores e pela diversidade de alunos no mesmo grupo, cada um com um background diferente. Para superar esses obstáculos, a tecnologia é grande aliada, especialmente no que diz respeito às possibilidades da análise de dados. Essa é a defesa  de Nick Sheltrown e Arthur VanderVeen, especialistas em software para educação.

Sobretudo quando tentam personalizar as lições entregues aos alunos dentro de uma instituição que mantém as estruturas e dinâmicas tradicionais de ensino, os professores precisam de auxílio. Trabalhando com o currículo padrão dentro da sala de aula ortodoxa, os educadores precisam se desdobrar para atender aos anseios de dezenas de estudantes ao mesmo tempo. Como é humanamente impossível dedicar horas de atenção a cada indivíduo, a tecnologia serve para manter registros pessoais e atualizados de cada aluno, arquivando seus dados relevantes da vida acadêmica, como faz o Blackboard Analytics, solução para o ensino superior.

Esses arquivos logo se tornam um mar de informações, no qual pode ser difícil pescar exatamente o que se busca. Felizmente, novos aplicativos inteligentes podem aplicar filtros que selecionam as informações das quais os professores realmente precisam. Esse trabalho conjunto entre o educador e a máquina é bastante comum na educação mista, que prevê aulas tradicionais complementadas por tarefas e conteúdo online. Enquanto os professores dão aulas expositivas, as plataformas virtuais podem medir os níveis de cada aluno e personalizar o ritmo das tarefas, bem como a sequência de atividades a serem realizadas. Depois, na sala de aula, com os resultados do desempenho online, o professor ainda pode agrupar os alunos conforme suas habilidades e necessidades.

Análise de dados na educação


Para conseguir personalizar as atividades de centenas de alunos, cada um em seu próprio nível de desempenho, e gerar diferentes objetivos a cada semana, os sistemas de dados se baseiam em mapas de conhecimentos e modelos estudantis. Com as informações a respeito do comportamento do aluno e com a "localização" de onde se ele encontra no mapa do conteúdo a ser aprendido, o sistema determina qual o melhor tipo de tarefa para cada acesso.

Claro que o mapa do conhecimento ainda precisa ser gerado por um ser humano. Cabe ao professor estabelecer os conceitos, as conexões entre o conteúdo e as habilidades que o aluno deve adquirir para ser considerado apto a passar ao próximo nível. O sistema vai girar as engrenagens que fazem as aulas evoluírem, apresentando novos conteúdos conforme o andamento do estudante.

Os estudantes, por sua vez, tendem a se encaixar em certos padrões: alguns são mais independentes, alguns aprendem melhor com repetições enquanto outros precisam de novidades, uns avançam passo a passo e outros preferem trabalhar com mais de um conceito ao mesmo tempo. O sistema registra os comportamentos de cada aluno e constrói modelos estudantis, unindo, depois, os métodos indicados e os trajetos do mapa de conteúdo de forma única para cada aluno.

Alguns sistemas são capazes de aprender empiricamente a partir dos comportamentos dos alunos. Conforme os resultados obtidos nas tarefas online, a plataforma pode melhor se adaptar a cada contexto de aprendizagem, registrando as estratégias de maior sucesso. A principal vantagem se torna visível quando comparamos ao cenário anterior. Sem a capacidade de processamento de dados de um sistema inteligente, o professor dependia da aplicação de provas e testes para medir o nível de conhecimento de alunos, mas estas provas eram idênticas para a turma inteira, assim como todas as aulas, o que resultava em uma abordagem que poderia ser apropriada para muitos, mas nunca para todos os estudantes.

Novos desafios
Coletar dados é bastante fácil desde que se tenha memória suficiente para armazenamento. Os desafios da análise de dados é separar o relevante do resto. Com cada vez mais alunos dotados de dispositivos móveis e a educação online ganhando espaço, os sistemas precisarão se tornar sempre mais inteligentes.

Ao lado da capacidade de processamento, deverá estar a preocupação com a segurança e o sigilo das informações. O histórico escolar é, afinal, de propriedade exclusiva do próprio aluno e não pode ser distribuído livremente. Embora a ideia de ensino mediado por computadores não seja uma novidade, a proliferação da tecnologia é recente e nos trará cenários ainda nem imaginados.

Além dos desafios técnicos, pode haver a barreira da adesão dos próprios professores e alunos. Uma boa dose de treinamento pode ser necessária para que todos se sintam à vontade com as novas ferramentas. Os professores devem saber como as plataformas funcionam e quepossibilidades se abrem com a tecnologia. Os alunos precisam entender quais dados são armazenados e com que finalidade, para que se sintam seguros no uso de programas online.

Em resumo, são tempos de aprendizado para todos: alunos, professores e desenvolvedores de sistemas. Assim como a integração entre aulas presenciais e online é peça chave para o sucesso da educação mista, a colaboração entre todos os interessados em plataformas de análise de dados educacionais será o diferencial na construção de melhores cursos.

 

Fontes: Desafios da Educação

http://www.desafiosdaeducacao.com.br/ensino-futuro-personalizacao-por-meio-da-analise-de-dados/

 

 

 

 

Recomende

Comente