Pedagogia Inovadora

p>Baseada na análise de dados de actividades e ambientes de aprendizagem
Impacto: médio/alto
Tempo de conclusão: Médio (2-5 anos)

p>Antesquisa de Aprendizagem tem surgido na última década no campo muito mais vasto da análise de dados. À medida que as empresas se instalavam na Internet, viam o potencial dos “grandes dados”: os extensos conjuntos de dados produzidos pela interacção em linha. A fim de aumentar as receitas e a quota de mercado, desenvolveram a análise de negócios. A Amazon, por exemplo, utilizou os padrões de compra dos clientes e do pessoal júnior para desenvolver o seu poderoso motor de recomendação, os supermercados introduziram cartões de fidelidade para acompanhar o comportamento dos compradores e, mais controverso ainda, as companhias de seguros começaram a recolher dados sobre o estilo de vida a fim de estimar a esperança de vida.

A introdução de ambientes virtuais de aprendizagem (VLE) trouxe grandes volumes de dados para a educação. Isto levou ao aparecimento da mineração de dados educativos (EDM) no campo mais vasto da análise de dados, à medida que os cientistas informáticos e estatísticos começaram a tentar extrair valor a partir destes novos conjuntos de dados. Foram capazes de aplicar técnicas bem estabelecidas de mineração de dados para colher e preparar os dados, e de investigar características que pudessem ser identificadas automaticamente. A análise de agrupamento e classificação distinguiu entre novatos e peritos em situações de aprendizagem, o método de associação de minas de regras identificou características comuns de alunos que se saíram bem ou que desistiram, e a mineração de padrões sequenciais foi utilizada para identificar os percursos seguidos pelos alunos à medida que trabalhavam nos materiais do curso.

Estas abordagens iniciais da pedagogia baseadas em dados eram neutras – não se baseavam em teorias sobre métodos eficazes de ensino e aprendizagem. Isto mudou quando a aprendizagem em linha e mista se tornou mais difundida e os investigadores começaram a aplicar os conhecimentos das ciências da aprendizagem ao seu trabalho. A introdução da análise de redes sociais no conjunto de ferramentas de mineração de dados marcou uma mudança para uma abordagem mais orientada para a teoria. Os analistas das redes sociais foram informados pelos pontos de vista de Vygotsky, que argumentou que a aprendizagem tem lugar através da negociação social, e pelo trabalho de Wenger sobre as comunidades de prática.

Nos últimos cinco anos, as preocupações políticas tornaram este campo mais proeminente e conduziram à preocupação de que tem sido exagerado. Os partidos políticos dos EUA têm vindo a preocupar-se cada vez mais com o facto de o benchmarking internacional estar a mostrar que os padrões educacionais dos EUA estavam a escorregar, reduzindo assim a sua capacidade futura de competir com outros países. Uma série de relatórios e artigos da fundação EDUCAUSE sugeriu que a análise poderia oferecer uma solução que ajudaria a aumentar a retenção escolar e as taxas de sucesso. Estes atraíram interesse político e o financiamento da área começou a aumentar. EDUCAUSE trabalhou arduamente para estabelecer a importância da análise e também para clarificar os termos usados para os descrever.

Até 2008, a mineração de dados educativos foi um campo estabelecido com a sociedade internacional, revista e conferência anual. Continuava a ser orientado para os dados, com ênfase no desenvolvimento de ferramentas e algoritmos. Os analistas, por outro lado, estavam agora claramente concentrados na aprendizagem e no ensino. É agora feita uma distinção mais óbvia entre “análise académica” e “análise de aprendizagem”. A análise académica centra-se nas necessidades da instituição, tais como o aumento do recrutamento, retenção e taxa de aprovação. A análise da aprendizagem refere-se às necessidades dos estudantes e do corpo docente, pelo que se concentram na compreensão e aprendizagem e na optimização dos ambientes em que ocorre.

O actual exemplo emblemático da análise da aprendizagem é o projecto liderado pela Signals na Universidade Purdue, localizada a sul de Chicago. Os sinais são avaliações formativas apresentadas aos estudantes em tempo real – sem esperar até ao final da semana ou ao fim do semestre para obter feedback. O projecto atraiu financiamento da Fundação Gates e, através de parcerias comerciais, a Signals está a ser empregue noutras universidades dos EUA.

Signals recolhe dados sobre as características dos estudantes, tais como a formação académica, o esforço indicado pelo envolvimento com elementos on-line do curso, e o desempenho reflectido nas suas notas. A informação sobre preparação, desempenho e esforço são combinados para gerar Sinais. Estes são apresentados como semáforos: o verde indica um sinal de que tudo está bem, o âmbar sugere algumas áreas de preocupação, e as bandeiras vermelhas até problemas significativos. Estas cores não são apresentadas aos estudantes e tutores isoladamente, mas também despoletam mensagens e intervenções.

Purdue relata uma forte relação entre o uso de sinais e as taxas de retenção. Quando os alunos estão inscritos em cursos sem tacos a taxa de retenção é de 70%, quando estão inscritos em um ou dois cursos com tacos a taxa de retenção é significativamente mais elevada, e quando estão inscritos em três ou mais cursos com tacos a taxa de retenção sobe para 93%. O feedback dos estudantes sugere que a maioria sente que obteve uma nota mais alta como resultado do projecto Signals.

p27%20snapp.bmp

Outro exemplo de análise da aprendizagem é o SNAPP. A Universidade de British Columbia está a utilizar esta ferramenta para fornecer visualizações em tempo real da actividade do fórum, mostrando quem está a comunicar com quem e a que nível. O SNAPP integra VLEs comerciais e de código aberto comuns, incluindo a versão standard do Moodle. Pode ser utilizado para identificar estudantes que estão desligados e, portanto, em risco, para seleccionar corretores de informação chave dentro de uma turma, para encontrar estudantes com potencial de alto e baixo desempenho, para que os professores possam planear melhor as intervenções, e para mostrar até que ponto uma comunidade de aprendizagem se desenvolve num curso. Pode também apoiar a reflexão sobre a prática – mostrando, por exemplo, quando o pessoal focou a atenção em certos grupos ou indivíduos quando dominaram a interacção do curso.

As organizações de aprendizagem à distância estão bem posicionadas para explorar a análise para a aprendizagem, baseando-se em conjuntos de dados detalhados de aprendizagem e ensino que foram acumulados ao longo de muitos anos. Os investigadores da Universidade Aberta estão a assumir a liderança em áreas relacionadas com análise da aprendizagem social, análise visual, análise da aprendizagem para a acessibilidade, e partilha de dados aberta e interligada. Agora, o desafio consiste em reunir conjuntos de dados e conhecimentos de dentro e de fora da instituição a fim de aplicar ferramentas analíticas poderosas que tenham um impacto positivo e mensurável na aprendizagem e no ensino.

Recursos

Sinais do sistema da Universidade Purdue:
Ferramenta SNAPP que apresenta dados online aos estudantes da rede numa interface de utilizador facilmente interpretável:http://research.uow.edu.au/learningnetworks/seeing/snapp/index.html

Loco-Analyst professores, cada vez mais conscientes do processo de aprendizagem que ocorre nas suas aulas: http://jelenajovanovic.net/LOCO-Analyst/br>Sistema de monitorização e seguimento de estudantes GISM: http://gismo.sourceforge.net/index.html

Moodog mostrando aos professores como os alunos interagem com os materiais de curso on-line: Zhang, H. e Almeroth, K. (2010). Moodog: Tracking Student Activity in Online Course Management Systems, Journal of Interactive Learning Research, 21(3), 407-429.

p>Check My Activity (CMA), que permite aos alunos comparar a sua própria actividade de Blackboard com um resumo anónimo dos seus pares de curso: Fritz, J. (2011). Paredes de salas de aula que falam: Utilização de dados de actividades de cursos online de alunos bem sucedidos para aumentar a auto-consciencialização de colegas com fraco desempenho, A Internet e o Ensino Superior, 14 (2), 89-97.

Blackboard Learn Analytics para o módulo, concebido para ajudar os utilizadores a obter informações sobre a actividade do utilizador, concepção do curso e dados de desempenho dos estudantes:p>Social Learning Analytics:
Buckingham Shum, S. e Ferguson, R. (2011). Análise da Aprendizagem Social. Relatório Técnico KMI-11-01, Knowledge Media Institute, The Open University, Reino Unido. http://kmi.open.ac.uk/publications/pdf/kmi-11-01.pdf

Deixe uma resposta

O seu endereço de email não será publicado. Campos obrigatórios marcados com *