O processo de educação e aprendizagem acontece o tempo todo desde a tenra idade. O desempenho dos alunos e professores é avaliado de acordo com uma série de critérios. Geralmente, os professores avaliam os alunos com base em certas razões predeterminadas: disciplina, criatividade, engajamento, velocidade de aprendizado, obediência aos professores, etc. Entre eles, a atenção dos alunos às disciplinas e a capacidade de reproduzir seu próprio entendimento em exames estão no topo da lista. Nosso convite a reflexão deste post é: temos IA capaz de fazer a avaliação dos estudantes? E, além disso, a IA consegue ensinar?
Na década de 1970, a AIED (Inteligência Artificial na Educação) tornou-se um campo especializado que abrange o ensino e a aprendizagem, especialmente as novas tecnologias no ensino superior. O AIED foi projetado para fornecer um aprendizado mais pessoal, flexível, inclusivo e envolvente, e para automatizar tarefas rotineiras de aprendizado através de avaliação e feedback automatizados.
O aprendizado dessa categoria de dados pode fornecer mais informações sobre como ocorre o aprendizado em tempo real e ajudar os professores a escolher métodos de ensino poderosos. As ferramentas AIED devem conseguir ajudar a combater o esgotamento de alunos ou professores, o que pode ajudar a diminuir as diferenças de desempenho entre os alunos devido a diferenças pessoais ou sociais.1
Desde a estreia do AIEd há quase 30 anos, a IA tem sido vista como uma ferramenta poderosa que pode facilitar novos paradigmas em ‘design’ educacional, desenvolvimento de tecnologia e pesquisa educacional que eram impossíveis de desenvolver sob os modelos educacionais tradicionais. Com o desenvolvimento da tecnologia de computação e processamento de informações, a inteligência artificial (IA) tem sido amplamente utilizada na prática educacional (Inteligência Artificial na Educação; AIEd), como sistemas tutores inteligentes, robôs de ensino, painéis analíticos de aprendizagem, sistemas de aprendizagem adaptativa, computadores humanos.
Várias técnicas de AIEd (por exemplo, processamento de linguagem natural, redes neurais artificiais, aprendizado de máquina, aprendizado profundo e algoritmos genéticos) foram implementadas para criar ambientes de aprendizado inteligentes para detecção de comportamento, construção de modelos preditivos, recomendações de aprendizado e muito mais.2
A AIEd enfrenta questões fundamentais na educação geral, como atender às necessidades dos alunos, o que e quando fornecer aos alunos e como capacitar os educandos a aprender independentemente. O uso da tecnologia deve ser fortemente integrado com a teoria educacional e de aprendizagem para o ‘design’ instrucional e o desenvolvimento da tecnologia. A AIEd vem passando por várias mudanças paradigmáticas, que podem ser são caracterizadas em três paradigmas: 1) Orientado pela IA e o educando como receptor; 2) Apoiado pela IA e o educando como colaborador, e 3) Alimentado pela IA e o educando como líder.3
O Paradigma 1 é caracterizado pela orientação da IA, com os alunos como destinatários, ou seja, a IA representa o domínio do conhecimento e orienta o processo de aprendizagem, enquanto os alunos, como destinatários dos serviços de IA, seguem um caminho de aprendizagem específico. A base teórica do Paradigma Um é o behaviorismo, que enfatiza a construção de sequências de conteúdos bem arranjadas que levem ao desempenho correto dos aprendizes.
O Paradigma 2 é caracterizado pelo suporte da IA e o aprendiz como colaborador, ou seja, o sistema de IA abre mão do controle como ferramenta de suporte, e o aprendiz, como colaborador do sistema, foca no processo de aprendizagem do aprendiz individual. O segundo paradigma AIEd é baseado em uma visão cognitiva e social construtivista da aprendizagem, que reflete a noção de que a aprendizagem ocorre quando os alunos interagem com pessoas, informações e tecnologia em contextos sociais.
O terceiro paradigma é caracterizado por IA habilitada, aprendiz-líder, aprendiz-agente no coração da AIEd e IA como ferramenta para aumentar a inteligência humana. As informações do Paradigma 3 refletem a visão da teoria da complexidade, que vê a educação como um sistema adaptativo complexo, onde a colaboração colaborativa entre várias entidades no sistema (por exemplo, alunos, professores e tecnologia) é importante para garantir o aprendizado.
A tecnologia de aprendizagem difere da tecnologia pura. A tecnologia de aprendizagem deve ser centrada nas pessoas, pois envolve o ensino e a interação com as pessoas. Portanto, um ambiente de aprendizagem inteligente não pode se concentrar apenas no desempenho; sentimentos e resultados humanos devem ser as principais preocupações. Portanto, devemos começar com uma discussão de ética e normas para explorar ainda mais o impacto de ambientes de aprendizagem inteligentes no ambiente tecnológico atual, plataformas de aprendizagem atuais e comunidades de aprendizagem.
Uma outra forma de aplicação da inteligência artificial na educação é a chamada pesquisa básica da análise de aprendizado inteligente (Intelligent Learning Analytics), que consiste na aplicação de big data e inteligência artificial para identificar alunos em risco e fornecer intervenção oportuna. O objetivo é melhorar a qualidade do ensino para os professores e os resultados de aprendizagem para os alunos. O Intelligent Learning Analytics permite que os professores aprimorem continuamente o conteúdo educacional para adaptá-lo aos níveis de compreensão dos alunos à medida que progridem e monitoram o desempenho dos alunos para que os professores possam ajustar seu ensino. A análise inteligente de aprendizado pode ajudar os alunos a desenvolver habilidades e conhecimentos de maneira mais personalizada e individualizada, fornecendo aos alunos melhores informações sobre como estão progredindo e o que devem fazer para atingir as metas educacionais.4
A avaliação inteligente pode ser alcançada aumentando a avaliação das atividades de aprendizagem dos alunos, como pré-aula, reflexão, relatórios orais, tarefas, projetos e redação do programa, bem como a introdução de um mecanismo de exame no sistema de avaliação inteligente. Os professores fornecem materiais didáticos (como livros didáticos e slides), a IA extrai conceitos-chave no texto através de resumo de texto e o sistema gera automaticamente perguntas de teste e respostas de referência (geração automática de perguntas) para avaliar os principais conceitos.5
À medida que os algoritmos de IA se tornam mais poderosos, sua capacidade de ajudar os humanos a julgar e tomar decisões também aumentará. Nesse caso, criar vieses algorítmicos que podem levar ou até amplificar falsos vieses, especialmente aqueles relacionados a raça e gênero, é a abordagem mais fácil. À medida que a IA se torna cada vez mais poderosa, apenas grandes países e grandes empresas têm capacidade e recursos financeiros para desenvolvê-la, o que levará à competição entre países ou grandes empresas, criando obstáculos e encargos para países de baixa e média renda. Além disso, se essas tecnologias caírem nas mãos de ditadores ou corporações sem escrúpulos, elas serão tão perigosas para o futuro da humanidade quanto as armas destrutivas de hoje ou mercadorias viciantes.
Quanto maior o impacto da IA nos humanos, mais precisamos entendê-la. A principal diferença entre máquinas e humanos, ou o que pensamos deles como humanos, é que os humanos têm livre arbítrio, consciência e emoções que contêm às vezes conflitos irracionais. Os seres humanos podem manter vários estados mentais conflitantes ao mesmo tempo, enquanto o processo de pensamento de uma máquina só pode seguir uma sequência lógica.
Portanto, para manter a autoconsciência e a autonomia, o ser humano deve ter autoconhecimento e autodeterminação. Quando as tecnologias de IA podem tomar decisões melhores do que os humanos ou entender os indivíduos melhor do que eles mesmos, o que resta para os humanos fazerem?
A IA excede em muito as capacidades humanas em computação e tomada de decisões. No entanto, os humanos têm algumas características que a inteligência artificial não consegue igualar. Essas características são suas habilidades em relação à percepção, emoção, sentimento e cognição. Embora os algoritmos de IA tenham evoluído para imitar o comportamento humano, essas características humanas ainda são difíceis de imitar em um curto período. A última linha de defesa para os seres humanos deve ser o pensamento filosófico e a ética, porque somente através da auto regulação nos níveis ideológico e espiritual pode-se transcender as restrições materiais.
____________________
Heloisa Helena de Almeida Portugal
Referências
________________________________________
1. JOSHI, S.; RAMBOLA, R. K.; CHURI, P. Evaluating Artificial Intelligence in Education for Next Generation. Journal of Physics: Conference Series, v. 1714, n. 1, p. 012039, 1 jan. 2021.
2. OUYANG, F.; JIAO, P. Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2021.
3. OUYANG, F.; JIAO, P. Artificial intelligence in education: The three paradigms. Computers and Education: Artificial Intelligence, 2021.
4. JOSHI, S.; RAMBOLA, R. K.; CHURI, P. Evaluating Artificial Intelligence in Education for Next Generation. Journal of Physics: Conference Series, v. 1714, n. 1, p. 012039, 1 jan. 2021.
5. CHEN, L.; CHEN, P.; LIN, Z. Artificial Intelligence in Education: A Review. IEEE Access, v. 8, p. 75264–75278, 2020.
