Associe-se
Newsletter
Imprensa
Associados
Contato
Ronaldo Mota
Membro do Colegiado da Presidência da ABMES
Chanceler do Grupo Estácio
Palestrante convidado da Hoper Educação
***
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, e
- Adaptação individualizada a diferentes modos de entrega de conteúdos.
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.
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.
