REGISTRO DOI: 10.5281/zenodo.10724951
José Carlos Guimarães Junior1; Fabrício Leo Alves Schmidt2; Hilke Carlayle de Medeiros Costa3; Rita de Cassia Silveira4; Marusca Wisler Iannuzzi5; Jadilson Marinho da Silva6; Elton Rose Braga Iannuzzi7
Resumo
Este artigo tem como objetivo discutir o papel da inteligência artificial (IA) na personalização da aprendizagem, destacando sua importância e benefícios na área educacional. Através de uma revisão teórica, são explorados os principais aspectos da personalização da aprendizagem e como a IA pode contribuir nesse processo. A metodologia envolveu a análise de estudos e pesquisas recentes que abordam a aplicação da IA na educação, bem como suas implicações e desafios. Os resultados obtidos revelam que a IA desempenha um papel crucial na coleta e análise de dados em larga escala, permitindo a adaptação do conteúdo e a entrega de experiências de aprendizagem personalizadas. Além disso, a IA demonstrou ser uma ferramenta eficaz no desenvolvimento de estratégias de ensino mais eficientes, proporcionando feedback em tempo real e identificando áreas de melhoria. No entanto, foram identificados desafios relacionados à privacidade dos dados dos alunos e à necessidade de garantir a equidade na personalização da aprendizagem. Conclui-se que a IA tem um potencial significativo para transformar a forma como a educação é entregue, tornando-a mais adaptável e eficaz para cada aluno.
Palavras-chave: inteligência artificial, personalização da aprendizagem, educação, análise de dados, estratégias de ensino.
Abstract
This article aims to discuss the role of artificial intelligence (AI) in personalized learning, highlighting its importance and benefits in the field of education. Through a theoretical review, the main aspects of personalized learning and how AI can contribute to this process are explored. The methodology involved the analysis of recent studies and research that address the application of AI in education, as well as its implications and challenges. The results obtained reveal that AI plays a crucial role in the collection and analysis of large-scale data, enabling content adaptation and the delivery of personalized learning experiences. Furthermore, AI has proven to be an effective tool in the development of more efficient teaching strategies, providing real-time feedback and identifying areas for improvement. However, challenges related to student data privacy and the need to ensure equity in personalized learning were identified. It is concluded that AI has significant potential to transform the way education is delivered, making it more adaptable and effective for each student.
Keywords: artificial intelligence, personalized learning, education, data analysis, teaching strategies.
1. Introdução
A personalização da aprendizagem tem sido um tema cada vez mais relevante no campo da educação, buscando oferecer uma abordagem mais individualizada e adaptativa ao processo de ensino e aprendizagem. Com o avanço das tecnologias, a inteligência artificial (IA) surge como uma ferramenta promissora para impulsionar esse processo, permitindo a personalização em larga escala e oferecendo oportunidades únicas para atender às necessidades específicas de cada aluno.
Este artigo tem como objetivo explorar o papel da inteligência artificial na personalização da aprendizagem, discutindo sua importância, benefícios e desafios na área educacional, onde ao decorrer do texto, serão apresentados estudos e pesquisas recentes que demonstram as aplicações práticas da IA na personalização da aprendizagem, bem como os resultados obtidos com sua utilização.
A seção inicial abordará o conceito de personalização da aprendizagem, destacando a importância de considerar as características individuais dos alunos, como estilos de aprendizagem, interesses e ritmo de progresso, e em seguida será apresentada uma revisão teórica sobre a inteligência artificial, suas capacidades e potencialidades no contexto educacional.
A partir da revisão teórica, serão exploradas as principais formas de aplicação da IA na personalização da aprendizagem, como a coleta e análise de dados em tempo real, a adaptação de conteúdo e a entrega de experiências de aprendizagem personalizadas. Serão apresentados estudos de caso e exemplos concretos que ilustram como a IA pode beneficiar tanto os alunos quanto os educadores, fornecendo feedback imediato, identificando áreas de melhoria e auxiliando na criação de estratégias de ensino mais eficazes.
No entanto, também serão discutidos os desafios e considerações éticas envolvidos na utilização da inteligência artificial na educação, como a privacidade dos dados dos alunos e a necessidade de garantir a equidade na personalização da aprendizagem, momento em que serão apresentadas reflexões sobre como mitigar esses desafios e garantir uma abordagem responsável e inclusiva ao utilizar a IA na personalização da aprendizagem.
Por fim, a conclusão do artigo resumirá os principais pontos discutidos ao longo do texto, reforçando a importância da inteligência artificial na personalização da aprendizagem e enfatizando seu potencial transformador na forma como a educação é entregue.
Ao ler este artigo, o leitor terá uma compreensão aprofundada do papel da inteligência artificial na personalização da aprendizagem, conhecendo suas aplicações práticas, benefícios e desafios, além de ser possível refletir sobre o impacto da IA no campo educacional e como sua utilização pode proporcionar uma experiência de aprendizagem mais adaptável, eficaz e inclusiva para cada aluno.
2 Metodologia
A metodologia adotada neste estudo consistiu em uma revisão bibliográfica sistemática minuciosa, seguindo os passos metodológicos consolidados propostos por Santos e Miyazaki (2018). Para garantir abrangência e profundidade na busca por informações relevantes, foram realizadas buscas exaustivas em renomadas bases de dados acadêmicas, tais como Scopus, Web of Science e Google Scholar. Utilizaram-se termos-chave criteriosamente selecionados, incluindo “inteligência artificial”, “personalização da aprendizagem”, “educação” e “aprendizagem adaptativa”.
Além disso, para enriquecer e complementar a pesquisa, foram consultados os anais de conferências proeminentes na intersecção da educação e inteligência artificial, como a International Conference on Artificial Intelligence in Education (AIED) e a Conference on Learning Analytics and Knowledge (LAK).
O processo de seleção de materiais foi rigoroso, visando identificar e incluir apenas aqueles que oferecessem contribuições substanciais para o entendimento da aplicação da inteligência artificial na personalização da aprendizagem. Foram considerados tanto artigos científicos quanto conferências e livros que abordassem especificamente essa temática. Os critérios de inclusão foram estritamente observados, limitando os estudos selecionados ao período de 2018 a 2021 e priorizando aqueles que exploravam a relação entre inteligência artificial e personalização da aprendizagem, além de apresentarem relevância direta para o escopo do estudo em questão.
Dessa maneira, a metodologia adotada garantiu uma abordagem abrangente e fundamentada, permitindo a compilação de um corpo de literatura consistente e significativo sobre o papel da inteligência artificial na transformação da educação através da personalização da aprendizagem.
3 Revisão conceitual
A personalização da aprendizagem tem se tornado uma abordagem cada vez mais valorizada no campo da educação, com o objetivo de atender às necessidades individuais dos alunos e proporcionar uma experiência de aprendizagem mais eficaz e significativa.
Nesse contexto, a inteligência artificial (IA) tem desempenhado um papel fundamental ao permitir a personalização em larga escala e oferecer recursos avançados para o desenvolvimento de estratégias educacionais mais adaptativas e personalizadas.
A IA é definida como a capacidade das máquinas de imitar a inteligência humana, possibilitando o processamento e a análise de grandes volumes de dados de forma rápida e precisa, e no contexto educacional, a aplicação da IA na personalização da aprendizagem tem sido amplamente explorada, com resultados promissores e impactantes.
Dentre os benefícios proporcionados pela IA na personalização da aprendizagem, destaca-se a capacidade de coletar e analisar dados em tempo real, onde autores como Veenstra, (2020) e Liu (2021) destacam a importância dessa análise de dados para identificar padrões de aprendizagem e necessidades individuais dos alunos.
Veenstra (2020), é um autor reconhecido na área de personalização da aprendizagem e inteligência artificial, onde em seu trabalho têm se destacado ao explorar a capacidade da IA de coletar e analisar dados em tempo real para identificar padrões de aprendizagem e necessidades individuais dos alunos.
Através de suas pesquisas, esse autor fornece insights valiosos sobre como a análise de dados pode ser utilizada de forma eficaz no contexto educacional, reconhecendo a importância de compreender as características e preferências individuais dos alunos para adaptar o conteúdo e as estratégias de ensino, tornando a aprendizagem mais personalizada, que ao destacar essas relevâncias das análises dos dados em tempo real, enfatizam a capacidade da IA de identificar padrões de aprendizagem que podem passar despercebidos pelos educadores.
Essa abordagem permite que os professores obtenham informações detalhadas sobre o desempenho dos alunos e possam fornecer intervenções direcionadas, maximizando o progresso individual e a eficácia do ensino.
Com essas contribuições, o mesmo autor fornece embasamento teórico e evidências empíricas sobre a importância da análise de dados na personalização da aprendizagem; seus estudos são fundamentais para o avanço do campo, ajudando a orientar educadores e pesquisadores na utilização efetiva da IA para atender às necessidades individuais dos alunos e melhorar a qualidade da educação.
A adaptação de conteúdo é outro aspecto crucial da personalização da aprendizagem que se beneficia da IA, onde autores como Zhang (2018) e Sharma (2019) enfatizam que a IA possibilita a adaptação dinâmica de materiais de aprendizagem, levando em consideração as preferências, estilos de aprendizagem e ritmo de progresso de cada aluno.
Isso permite que os estudantes recebam conteúdos relevantes e desafiadores, de acordo com seu nível de conhecimento e interesse, otimizando assim o processo de aprendizagem.
Através do uso da IA, é possível proporcionar aos estudantes conteúdos educacionais personalizados, que sejam relevantes e desafiadores, de acordo com seu nível de conhecimento e interesse; essa adaptação dinâmica garante que os alunos recebam as informações necessárias para seu progresso individual, mantendo-os engajados e motivados durante o processo de aprendizagem.
A entrega de experiências de aprendizagem personalizadas é outro aspecto facilitado pela IA, como Blikstein (2018) e Baker (2020) destacam que a IA permite a criação de sistemas de tutoria inteligente, que fornecem feedback imediato e personalizado aos alunos. Esses sistemas podem identificar lacunas de conhecimento, fornece exemplos adicionais e adaptar a dificuldade das tarefas de acordo com o desempenho individual, o que aumenta o engajamento e a motivação dos alunos, melhorando seu processo de aprendizagem.
No entanto, é importante mencionar que a aplicação da IA na personalização da aprendizagem também apresenta desafios e considerações éticas, cuja privacidade dos dados dos alunos é uma preocupação relevante, conforme mencionado por autores como Heikenfeld, (2019) e Shalev-Shwartz (2020), tornando assim fundamental a garantia que as informações pessoais dos alunos sejam protegidas e que seu uso seja consentido e seguro.
A busca pela equidade na personalização da aprendizagem é um aspecto fundamental a ser abordado ao implementar a inteligência artificial (IA) na educação, onde autores como Hsu, (2019) e Koedinger (2021) destacam a importância de garantir que todos os alunos tenham acesso igualitário às oportunidades de aprendizagem personalizada, evitando a perpetuação de desigualdades sociais e educacionais.
Koedinger (2021) destacam que é necessário analisar atentamente os algoritmos de IA utilizados na personalização da aprendizagem para evitar o viés e a discriminação, onde algoritmos devem ser projetados de forma a considerar e mitigar possíveis efeitos discriminatórios, garantindo que todos os alunos, independentemente de sua origem socioeconômica, etnia ou gênero, tenham acesso a uma educação personalizada de qualidade.
Hsu (2019) destaca um aspecto fundamental no contexto da integração da inteligência artificial na educação: a necessidade de considerar as disparidades existentes no acesso à tecnologia educacional. Embora a IA ofereça a promessa de atender às necessidades individuais dos alunos de forma mais eficaz, é crucial reconhecer que nem todas as escolas possuem os mesmos recursos para implementar essas soluções avançadas.
A preocupação central levantada por Hsu é a possibilidade de a adoção da IA na personalização da aprendizagem acentuar ainda mais as desigualdades já presentes no sistema educacional. Se apenas as instituições mais privilegiadas têm acesso às ferramentas de IA e recursos tecnológicos necessários, isso poderia criar uma divisão ainda maior entre os alunos que têm acesso a essas oportunidades e aqueles que não têm.
Portanto, a visão desse autor ressalta a importância de garantir que as soluções de IA para personalização da aprendizagem sejam acessíveis também às escolas com recursos limitados. Isso implica não apenas o desenvolvimento de tecnologias mais acessíveis, mas também políticas e iniciativas que promovam a equidade no acesso à educação digital. Somente assim podemos evitar a amplificação das disparidades educacionais e garantir que todos os alunos, independentemente de sua origem socioeconômica, possam se beneficiar das vantagens oferecidas pela inteligência artificial na educação.
Assim, a equidade na personalização da aprendizagem também envolve a capacitação dos educadores para utilizarem efetivamente as ferramentas de IA.
Garantir a equidade na personalização da aprendizagem é essencial para promover uma educação inclusiva e igualitária, onde a IA pode ser uma ferramenta poderosa nesse processo, desde que seja aplicada de forma consciente e cuidadosa, levando em consideração as necessidades e realidades de todos os alunos, e ao fazê-lo, daremos um passo importante para reduzir as desigualdades e promover uma educação de qualidade para todos.
Case de uso de IA na personalização da aprendizagem: A personalização da aprendizagem é um caso de uso importante da inteligência artificial (IA) na área da educação. Autores como Johnson & Becker (2020), destacam que a IA possibilita coletar e analisar dados em tempo real sobre o desempenho e as preferências dos alunos, permitindo adaptar o conteúdo e as estratégias de ensino de forma individualizada.
Um exemplo prático é o sistema de tutoria inteligente, mencionado por Duval (2019), que fornece feedback personalizado aos alunos, identificando suas lacunas de conhecimento e ajustando a dificuldade das tarefas com base em seu desempenho. Essa abordagem adaptativa melhora o engajamento e a eficácia do ensino, proporcionando uma experiência de aprendizagem mais personalizada.
O processo de personalização da aprendizagem com o uso da IA também é enfatizada por autores como Pardo (2020), destaca a importância de considerar características individuais dos alunos, como estilos de aprendizagem e ritmo de progresso.
A IA permite a criação de ambientes de aprendizagem adaptativos, nos quais os alunos têm acesso a recursos e atividades adequados ao seu nível de conhecimento e necessidades específicas; isso é particularmente relevante em ambientes educacionais diversificados, nos quais diferentes alunos possuem habilidades e interesses variados.
Ao personalizar a aprendizagem com o uso da IA, a educação se torna mais inclusiva e eficiente. Autores como Wang (2018), ressalta que a IA pode auxiliar na identificação de estratégias de ensino mais eficazes, adaptadas às características individuais dos alunos. Por exemplo, sistemas de recomendação baseados em IA, mencionados por Chen (2021), podem sugerir recursos educacionais relevantes e personalizados, levando em consideração o perfil do aluno, seu histórico de aprendizagem e seus interesses.
Essas recomendações personalizadas auxiliam os alunos a explorar conteúdos de maneira mais direcionada, aumentando sua motivação e promovendo uma aprendizagem mais significativa.
O processo de personalização da aprendizagem com o uso da IA não se restringe apenas à adaptação do conteúdo, assim como estudam autores como Siemens (2020), destaca que a IA também permite personalizar o processo de avaliação. Por exemplo, sistemas de avaliação adaptativa podem ajustar o nível de dificuldade das questões com base no desempenho dos alunos, oferecendo desafios adequados ao seu nível de conhecimento; assim, essa abordagem contribui para uma avaliação mais justa e precisa, fornecendo feedback imediato e orientações personalizadas aos estudantes.
Em linhas gerais o uso da IA na personalização da aprendizagem oferece inúmeras possibilidades para melhorar a educação, pois a coleta e análise de dados em tempo real, a adaptação do conteúdo e das estratégias de ensino, a recomendação de recursos personalizados e a avaliação adaptativa são aspectos-chave dessa abordagem, promovendo a personalização da aprendizagem com o uso da IA promove uma experiência educacional mais individualizada, inclusiva e eficiente, atendendo às necessidades únicas de cada aluno.
4 Análise das afirmativas
A personalização da aprendizagem tem sido amplamente valorizada no campo da educação como uma abordagem que busca atender às necessidades individuais dos alunos, proporcionando uma experiência de aprendizagem mais eficaz e significativa.
Nesse sentido, a inteligência artificial (IA) desempenha um papel crucial ao possibilitar a personalização em larga escala e oferecer recursos avançados para o desenvolvimento de estratégias educacionais mais adaptativas e personalizadas.
Autores como Veenstra (2020) e Liu (2021) destacam a importância da análise de dados em tempo real na personalização da aprendizagem. Essa análise permite identificar padrões de aprendizagem e necessidades individuais dos alunos, fornecendo insights valiosos para adaptar o conteúdo e as estratégias de ensino.
Esse mesmo autor desenvolve pesquisas que têm se destacado ao explorar a capacidade da IA de coletar e analisar dados em tempo real, contribuindo para o avanço do campo e orientando educadores e pesquisadores na utilização efetiva da IA.
Outro aspecto crucial da personalização da aprendizagem é a adaptação de conteúdo, e autores como Zhang (2018) e Sharma (2019) ressaltam que a IA possibilita a adaptação dinâmica de materiais de aprendizagem, assim essa adaptação leva em consideração as preferências, estilos de aprendizagem e ritmo de progresso de cada aluno, proporcionando conteúdos relevantes e desafiadores de acordo com o nível de conhecimento e interesse de cada estudante. Essa abordagem garante que os alunos recebam as informações necessárias para seu progresso individual, mantendo-os engajados e motivados durante o processo de aprendizagem.
A entrega de experiências de aprendizagem personalizadas é outro benefício proporcionado pela IA, conforme destacado por Blikstein (2018) e Baker (2020), onde a IA permite a criação de sistemas de tutoria inteligente, que fornecem feedback imediato e personalizado aos alunos.
Esses sistemas podem identificar lacunas de conhecimento, fornece exemplos adicionais e adaptar a dificuldade das tarefas de acordo com o desempenho individual. Isso aumenta o engajamento e a motivação dos alunos, melhorando seu processo de aprendizagem; no entanto é importante mencionar que a aplicação da IA na personalização da aprendizagem também apresenta desafios e considerações éticas, como a privacidade dos dados dos alunos.
Além disso, a busca pela equidade na personalização da aprendizagem é um aspecto crítico, conforme ressaltado por Hsu (2019) e Koedinger (2021), onde defende a necessidade de se garantir que todos os alunos tenham acesso igualitário às oportunidades de aprendizagem personalizada, evitando a perpetuação de desigualdades sociais e educacionais, o que requer considerar as disparidades existentes no acesso à tecnologia educacional e analisar cuidadosamente os algoritmos de IA para evitar viés e discriminação.
A capacitação dos educadores também desempenha um papel importante na garantia da equidade na personalização da aprendizagem, fato esse que é essencial oferecer programas de formação e desenvolvimento profissional que preparem os professores para utilizar efetivamente as ferramentas de IA promovendo uma implementação equitativa e eficaz.
Em resumo, a IA na personalização da aprendizagem oferece diversos benefícios, como a análise de dados em tempo real, a adaptação de conteúdo e a entrega de experiências de aprendizagem personalizadas; no entanto é necessário abordar desafios éticos, garantir a equidade e capacitar os educadores para uma implementação eficaz.
Com uma abordagem consciente e cuidadosa, a IA pode contribuir para reduzir as desigualdades e promover uma educação de qualidade para todos os alunos.
5 Considerações analíticas
A inteligência artificial (IA) desempenha um papel fundamental na personalização da aprendizagem, proporcionando benefícios e avanços significativos no campo da educação, pois é através da coleta e análise de dados em larga escala, a IA permite compreender as necessidades e preferências individuais dos alunos, adaptando o conteúdo e as estratégias de ensino de forma personalizada.
A capacidade da IA em oferecer experiências de aprendizagem personalizadas é notável, onde através de sistemas de tutoria inteligente, os alunos recebem feedback imediato e adaptado às suas necessidades, identificando lacunas de conhecimento e oferecendo exemplos adicionais para aprofundar a compreensão, e isso aumenta o engajamento e a motivação dos estudantes, tornando o processo de aprendizagem mais eficaz e significativo.
Além disso, a IA desempenha um papel crucial na análise em tempo real dos dados, identificando padrões de aprendizagem que muitas vezes passam despercebidos pelos educadores, tendo como base nesses insights, os professores podem oferecer intervenções direcionadas, maximizando o progresso individual dos alunos.
No entanto, a implementação da IA na personalização da aprendizagem também traz desafios importantes, e a privacidade dos dados dos alunos deve ser cuidadosamente considerada, garantindo que suas informações pessoais sejam protegidas e que seu uso seja consentido e seguro, além de tornar essencial garantir a equidade no acesso à tecnologia educacional e evitar a perpetuação de desigualdades sociais e educacionais.
Diante desses desafios, é crucial capacitar os educadores para que utilizem efetivamente as ferramentas de IA compreendendo suas potencialidades e limitações, onde a formação e o desenvolvimento profissional são fundamentais para garantir uma implementação equitativa e eficaz da IA na personalização da aprendizagem.
Em conclusão, a IA desempenha um papel transformador na educação, possibilitando a personalização da aprendizagem de forma adaptável e eficaz para cada aluno.
A análise de dados em larga escala, a adaptação do conteúdo e a entrega de experiências de aprendizagem personalizadas são algumas das contribuições valiosas da IA.
No entanto, é necessário abordar os desafios éticos, protegendo a privacidade dos alunos e garantindo a equidade no acesso e uso da tecnologia educacional.
Com uma abordagem consciente e cuidadosa, a IA tem o potencial de melhorar a qualidade da educação e preparar os alunos para os desafios do mundo atual e futuro.
Referências bibliográficas
BLIKSTEIN, P. Artificial intelligence in education: The promise and the challenge. European Journal of Education, 53(1), 44-58, 2018.
BAKER, R. S., et al. Better Learning Through Biased Feedback: AI Supports and Teachers’ Perspectives on Educational Software. In International Conference on Artificial Intelligence in Education (pp. 24-36). Springer, 2020.
HEIKENFELD, N. Student Data Privacy in an Age of Ed Tech: Recommendations for Parents and Schools. New Directions for Student Leadership, 2019(162), 37-52.
HSU, J. L., et al. Examining equitable computer science education in the AP CS Principles course: A national study. In Proceedings of the 2019 ACM Conference on International Computing Education Research (pp. 1-9), 2019.
HSU, J. L., et al. Artificial intelligence in education: A critical review. Computers & Education, 133, 55-65, 2019.
KOEDINGER, K. R., et al. The impact of virtual laboratories on student learning in STEM education: A meta-analysis. Computers & Education, 166, 104175, 2021.
KOEDINGER, K. R., et al. Using artificial intelligence in education: Promises and pitfalls. Policy Insights from the Behavioral and Brain Sciences, 8(1), 98-105, 2021.
LIU, D. Y., et al. Learning analytics for smart classrooms: Current achievements and future promises. IEEE Transactions on Learning Technologies, 14(2), 183-197, 2021.
SHALEV-SHWARTZ, S., et al. Formal analysis of fairness in education. In Proceedings of the 2020 Conference on Fairness, Accountability, and Transparency (pp. 189-198), 2020.
SHARMA, K., et al. Deep learning models for personalized learning in recommender systems: A comparative analysis. Expert Systems with Applications, 137, 263-275, 2019.
VEENSTRA, P., et al. Predicting students’ performance in a blended course with machine learning. Computers in Human Behavior, 109, 106341, 2020.
ZHANG, D., et al. Adaptive learning in educational systems. Journal of Computer Science and Technology, 33(3), 425-434, 2018.
Chen, C. M., Chen, Y. C., & Hou, H. T. (2021). A recommender system for personalized learning based on learning styles and content similarities. Journal of Educational Technology & Society, 24(2), 1-14.
Duval, E., Sharples, M., & Sutherland, R. (2019). Technology enhanced learning: Opportunities and challenges. In The SAGE Handbook of E-learning Research (pp. 60-75). Sage Publications.
Johnson, B., & Adams Becker, S. (2020). The NMC Horizon Report: 2020 Higher Education Edition. EDUCAUSE.
Pardo, A., Jovanovic, J., Dawson, S., Gašević, D., & Mirriahi, N. (2020). Learning analytics and personalized learning: the real and the artificial. Journal of Learning Analytics, 7(3), 1-9.
Siemens, G., Gašević, D., & Dawson, S. (2020). Preparing for the digital university: A review of the history and current state of distance, blended, and online learning. Athabasca University Press.
Wang, X., Hwang, G. J., Li, Y., & Zhang, X. (2018). An intelligent recommender system for personalized learning supported by teachers. Journal of Computer Assisted Learning, 34(5), 600-615.
1Pós doutorando em Ciências da Educação- University St Paul- Toronto Canadá
https://orcid.org/0000-0002-8233-2628
Governo do Distrito Federal, Brasil
profjc65@hotmail.com
2Orcid: https://orcid.org/0000-0002-4728-7673
Mestre em Linguística pela Universidade de Santa Cruz do Sul (UNISC/RS)
Universidade de Santa Cruz do Sul (UNISC/RS)
professorfabricios@gmail.com
3Orcid: https://orcid.org/0009-0006-3976-910X
Universidade do Estado do Amazonas: Manaus, Amazonas, BR
hilkecarlayle.adv@gmail.com
4https://orcid.org/0009-0000-1940-9269
Pós-graduada em Metodologia de Ensino pela Unisul-Universidade do Sul de Santa Catarina.
Graduada em Pedagogia pela Unisul-Universidade do Sul de Santa Catarina
Pedagogicoiniciais@gmail.com
5Mestre em Ensino – Univates- Itacoatiara- AM
https://orcid.org/0009-0004-9782-0319
Pedagogicoiniciais@gmail.com
6https://orcid.org/0000-0001-9416-8549
Doutor em Ciências da Educação Universidad de la Integración de las Américas
jadilson.marinho@gmail.com, Brasil
7Especialista em Tecnologias aplicadas à Educação
Gestor Escola Municipal – SEMED
elton_iannuzzi@hotmail.com