Compartilhe:
Analítica da Aprendizagem (em inglês, “Learning Analytics”) é a metodologia que permite que os educadores possam tomar decisões levando em conta análises sistemáticas e elaboradas de dados dos educandos e dos contextos educacionais nos quais a aprendizagem se desenvolve. A partir da análise dos dados acerca de quanto e de como os alunos estão aprendendo, é possível uma percepção mais apurada das realidades educacionais. Tais procedimentos viabilizam que desenhos educacionais adequados (em inglês, “Learning Designs”) possam ser propostos, bem como estratégias e trilhas de aprendizagem diversas sejam implementadas. Ao mesmo tempo, esta metodologia colabora na seleção de quais recursos, inclusive tecnológicos e modos de entrega de conteúdos, são os mais adequados para cada contexto e, no limite, para cada educando.
Na verdade, os professores no ensino tradicional utilizam de forma corriqueira dados nos processos de ensino. Porém, o fazem, em geral, em uma versão limitada e preliminar, precursora daquilo que hoje denominamos Analítica de Aprendizagem. Por exemplo, notas finais, resultante de alguns poucos produtos, têm consequências relevantes, tais como aprovar ou não os alunos. Excepcionalmente, docentes mais dedicados conseguem, fruto de suas sensibilidades, perceber peculiaridades de uma turma de estudantes, identificar carências típicas e alterar procedimentos, porém, são casos raros e em pequena escala. Em geral, os dados disponíveis, alguns rendimentos acadêmicos dos alunos, são insuficientes para motivar e orientar mudanças de percursos educacionais.
“Analítica da Aprendizagem, em tese, permite e estimula adaptações, melhorando a aprendizagem à medida que reconfigura, em tempo hábil, os processos educacionais, customizando-os às realidades específicas e, sempre que possível, às características de cada um dos atores envolvidos.”
Em profundo contraste com os poucos dados disponíveis até pouco tempo (basicamente notas de provas individuais), graças às tecnologias digitais, hoje dispomos de uma abundância de informações (“big data”), que nos permite tentar entender, de forma inédita e inovadora, realidades educacionais complexas. Adicionalmente às formas usuais de avaliação, podemos explorar, dentre inúmeras outras possibilidades, dados resultantes de:
Nível e velocidade de assimilação de informações;
Capacidade do estudante de acessar conteúdos e sua autonomia na utilização de conhecimentos;
Características das respostas “erradas” em testes de múltipla escolha;
Habilidades de comunicação via capacidade de interpretação e de redação de textos complexos;
Habilidade de colaboração em equipe, percebendo e conjugando fragilidades e potencialidades de cada membro;
Produtividade e efetividade na confecção de artefatos;
Competência na solução de problemas e no cumprimento de missões;
Atitudes e comportamentos socioemocionais diante de desafios complexos;
Letramento matemático;
Adaptação individualizada a diferentes modos de entrega de conteúdos.
A título de exemplo, vejamos, em particular, o item III) acima, referente a como podemos fazer uso das respostas não certas (na Analítica da Aprendizagem elas são tão relevantes como as corretas) para melhorarmos o aprendizado. De forma simples, suponhamos que em um certo item do teste de múltipla escolha a resposta correta seja b). É possível um enunciado, especialmente assim desenhado, que busque identificar o educando que, mesmo dominando os conceitos básicos envolvidos, porque lê sem a devida atenção, opte por: a). Neste caso, é uma potencial indicação de que se trata de aluno cuja capacidade de foco merece toda nossa atenção. Agora, suponhamos que, apesar de ter estudado e compreendido o tema objeto, o estudante, mesmo concentrado, tenha dificuldade em interpretação de textos um pouco mais complexos. É possível construir um enunciado que, provavelmente, fruto desta deficiência, ele seja guiado para alternativa c) da mesma forma, imaginemos alguém que tenha fragilidade em letramento matemático; assim, mesmo com domínio eventual do conteúdo, uma operação matemática na qual ele tenha dificuldade, o leva à alternativa d). Por fim, um enunciado especialmente preparado pode tentar identificar, caso a caso, mais do que uma falha no domínio do conteúdo geral, podemos estar diante de deficiência em um particular conceito específico envolvido e, sendo este o caso, ele, provavelmente, optará pela alternativa e).
A receita acima é puramente ilustrativa e não há a menor chance de, a partir de um único item ou de um único teste, afirmarmos algo substantivo. No entanto, fruto de questões e respostas abundantes, e como um elemento a mais no conjunto mais amplo de dados qualificados acima citados, certamente, há características educacionais relevantes que podem ser extraídas.
O grande segredo é que, a partir de uma quantidade imensa de informações, algumas considerações mais bem embasadas podem começar a ser ponderadas acerca dos contextos educacionais específicos e sobre cada educando em particular.
Uma vez que tenhamos material mais consolidado e adequadamente analisado, podemos começar a construir caminhos educacionais múltiplos e personalizados. São trilhas individuais que dão conta, ou tentam dar conta, de:
Curiosamente, quanto mais estudantes, maior o número de testes e quanto mais analistas e curadores de conteúdo tivermos, mais bem elaborados serão os caminhos e abordagens específicas que poderemos propor.
Para quem sempre associou qualidade a poucos e má qualidade a muitos, temos um novo paradigma: a escala que gera qualidade.
Começamos, portanto, a construir algoritmos educacionais inteligentes que nos permitem sair do artesanato e de outras limitações, que caracterizam o ensino tradicional, para darmos respostas qualificadas às demandas e propiciarmos atendimento em grande escala. Esta é marca de uma educação contemporânea onde todos aprendem, aprendem o tempo todo e cada qual de maneira única. Este é o caminho de uma educação flexível, híbrida, adaptativa e personalizada.
Para quem sempre associou qualidade a poucos e má qualidade a muitos, temos um novo paradigma: a escala que gera qualidade.
Começamos, portanto, a construir algoritmos educacionais inteligentes que nos permitem sair do artesanato e de outras limitações, que caracterizam o ensino tradicional, para darmos respostas qualificadas às demandas e propiciarmos atendimento em grande escala. Esta é marca de uma educação contemporânea onde todos aprendem, aprendem o tempo todo e cada qual de maneira única. Este é o caminho de uma educação flexível, híbrida, adaptativa e personalizada.
Quer saber mais sobre novas metodologias de aprendizagem? Agende uma conversa conosco.
Ronaldo Mota - Chanceler do grupo Estácio e palestrante convidado da Hoper Educação.
EXPEDIENTE:
Revisão: Nicolas Zaparolli, Maria Luiza Zarro e Márcio Schünemann – Diagramação: Nicolas Zaparolli, Gráfico: Mariana Andrade
ATENÇÃO: Não é permitida a reprodução integral do conteúdo acima. A reprodução parcial é permitida apenas na forma de citação e com link para o conteúdo na íntegra. Plágio é crime (Lei 9610/98).
