REVOLUTIONIZING THE DISTANCE LEARNING: AI AS A CATALYST MECHANISM FOR PERSONALIZED LEARNING
REGISTRO DOI: 10.69849/revistaft/ra10202408151853
Luciana Campos Mota1
Elise Eleonore de Brites2
Resumo
O presente estudo permitiu verificar uma transformação radical nos processos da educação a distância (EaD), impulsionada pela inteligência artificial que, nesse contexto, atua como um mecanismo catalisador, intensificando o processo de personalização da aprendizagem e seus desdobramentos. Por meio desse trabalho, percebemos que o surgimento das tecnologias emergentes tem, efetivamente, contribuído para a superação de limites dos métodos tradicionais de ensino. Além de se tratar de uma temática de extrema relevância para o mundo atual, a inovação permite democratizar o acesso ao conhecimento e converge com outras tecnologias como realidade virtual e análise de dados massivos, o que abre possibilidades diversas para o ensino global. Nesse contexto, essa pesquisa foi fundamentada em uma extensa revisão bibliográfica, a qual teve como principal objetivo analisar os impactos dessa tecnologia na EaD destacando seus benefícios e desafios. Outrossim, os resultados qualitativos desta pesquisa evidenciaram a necessidade de mais investimentos em infraestrutura, formação especializada dos tutores e o desenvolvimento de políticas públicas voltadas ao aproveitamento máximo do potencial da IA nesse âmbito. Reforça-se a importância do escopo aqui estudado, uma vez que a pandemia, notadamente, tenha acelerado a adoção da EaD, evidenciando tanto seus potenciais quanto suas limitações.
Palavras-chave: Inteligência Artificial. Computação. Inovação. Ensino a distância. Tecnologias emergentes.
1 INTRODUÇÃO
Em pleno século XXI, a crescente demanda por uma educação mais personalizada aliada a uma geração exponencial de dados, impulsiona a busca por soluções inovadoras no campo da educação a distância (EaD). O surgimento de tecnologias emergentes como: a Inteligência Artificial (IA), a Internet das Coisas (IoT), a Realidade Aumentada (RA) e a
Realidade Virtual (RV), torna o estudo de seus impactos na educação um tema de suma importância para profissionais de ambas as áreas. A IA vem mudando a educação, atuando como um catalisador fundamental nesse processo, oferecendo ferramentas para personalizar o aprendizado, otimizar processos e ampliar o acesso ao conhecimento. Tanto é que Tavares et al., (2020) afirmam que o significativo avanço tecnológico abre possibilidades a uma era em que a IA está transformando a sociedade e essas transformações estão ficando cada vez mais nítidas. Portanto, compreender os desafios e oportunidades dessa nova realidade é fundamental para preparar educadores, pesquisadores e estudantes para o futuro, sem negligenciar o aspecto humano, sem esquecer de valores como ética e responsabilidade, trabalho em equipe e flexibilidade, citadas por Bates (2015) como essenciais para a sociedade da informação.
As possibilidades de aplicação são vastas e promissoras. A participação de fóruns, chats, posts e lista de e-mails quando utilizadas de maneira efetiva, formam um ambiente de interação entre os alunos, que estão inseridos no meio tecnológico a todo momento, e transforma a maneira de ensinar (Kenski, 2003). O Processamento de Linguagem Natural (PLN), por exemplo, tem sido utilizado para traduções simultâneas de texto e voz, a gamificação tem permitido que o aprendizado se torne mais divertido, enquanto que o Learning Analytics (LA) extrai descobertas valiosas de grandes volumes de dados educacionais, possibilitando a personalização do ensino. Os Sistemas Tutores Inteligentes (STI), por sua vez, utilizam a IA para criar experiências de aprendizado mais adaptativas e o Machine Learning (ML), ao analisar dados, capacita os sistemas a aprender, identificar padrões e tomar decisões de forma autônoma. Ao incorporar tecnologias inteligentes nos ambientes educacionais, é possível criar experiências adaptativas que atendem às necessidades únicas dos alunos, promovendo um aprendizado mais significativo (Silva, 2024).
Sendo assim, tivemos como objetivo geral analisar os impactos da IA na EaD. A fim de mapear a literatura existente, a revisão bibliográfica exploratória, foi realizada nas bases de dados Google Scholar e SciELO e teve como objetivo identificar estudos que tivesse aplicado a IA em ambientes educacionais online. Foram utilizadas as palavras-chave ‘inteligência artificial na educação’, ‘tecnologias emergentes’, ‘tradução automática e educação’ e ‘machine learning’ resultando em um amplo conjunto de artigos publicados em periódicos de renome internacional e a análise dos dados consistiu em uma leitura detalhada dos artigos.
No capítulo 2, será apresentado um histórico sobre como a IA foi desenvolvida, os processos de transformação que ocorreram no EaD após o aparecimento dessa tecnologia e ainda, verificaremos alguns desafios que precisam ser superados nesse contexto. No capítulo 3, apresentaremos as considerações finais e finalmente, no último capítulo, é a seção onde são apresentadas as referências bibliográficas.
2 A INTELIGÊNCIA ARTIFICIAL PERSONALIZANDO A EDUCAÇÃO
2.1. Um histórico sobre o surgimento da Inteligência Artificial
A história da IA está intrinsecamente ligada à evolução da computação, que apareceu por volta de 1930, através de um grupo de jovens cujos principais nomes foram Alan Turing e Kurt Gödel (Brandão, 2017). O autor comenta que o primeiro deles foi o homem que conseguiu decifrar a máquina criptográfica sofisticada, criada pelos Nazis, durante a Segunda Guerra Mundial, e que, durante seus estudos, o matemático haveria criado o conceito da IA. Além de decifrar a ‘Enigma’, ele haveria construído a Máquina de Turing, que é um modelo teórico fundamental para a computação e a IA, e uma das primeiras coisas que Turing demonstrou foi que alguns jogos construídos sob estas regras podem ser sofisticados, considerando a simplicidade destas operações primitivas (Pozza & Penedo, 2002).
McCarthy & Minsky (2006) cunharam o termo “inteligência artificial”, na Conferência de Dartmouth, em 1956, e esse foi considerado o marco inicial das pesquisas. Segundo os autores, cada aspecto da aprendizagem pode ser descrito com tanta precisão que uma máquina pode ser construída para simulá-lo. Aquela conferência foi realizada para tentar descobrir como fazer com que as máquinas utilizassem a linguagem, formassem abstrações, resolvessem tipos de problemas reservados aos humanos e melhorassem a si mesmas.
Allen Newell e Herbert Simon também estiveram em Dartmouth e, como destaques, os estudiosos apresentaram o programa Logic Theorist (Gomes, 2010), que foi um dos primeiros programas de computador a demonstrar capacidade de resolução de teoremas matemáticos, um feito inédito para a época.
A IA não surgiu de uma só vez, mas sim através de avanços e descobertas ao longo do tempo. Em 1981, os japoneses anunciaram o projeto Fifth Generation, um plano de 10 anos para montar computadores inteligentes (Gomes, 2010). O autor concluiu que, em resposta, os EUA constituíram a Microelectronics and Computer Technology Corporation (MCC), como um consórcio de pesquisa projetado para assegurar a competitividade nacional. Em ambos os casos, a tecnologia fazia parte de um amplo esforço, incluindo o projeto de chips e a pesquisa da interface humana. A evolução dessas tecnologias não apenas transformou processos, mas também permitiu moldar culturas e sociedades. A humanoide Sophia tem pele maleável e dezenas de computadores acoplados, seu sistema de inteligência artificial processa dados visuais e reconhecimento facial, tornando-a capaz de imitar expressões humanas e manter um diálogo sobre tópicos pré-definidos (Kaufman, 2019). A autora demonstra surpresa diante de tantos detalhes humanos em um robô, como Sophia, que já cantou em concerto, foi capa de revista feminina e, em outubro de 2017, ela se tornou o primeiro robô a receber cidadania de um país, a Arábia Saudita, desafiando nossas concepções sobre a inteligência artificial.
2.2. As transformações ocorridas no EaD após o aparecimento da IA
Em um mundo cada vez mais digital, a educação também busca se adaptar às necessidades dos alunos e a EaD foi sendo revolucionada pela IA. Del Pilar Gonzalez & Chiappe, (2024) nos informam que o LA é um campo interdisciplinar que aproveita atividades de aprendizagem capturadas e armazenadas em ambientes de aprendizagem digitais e que permite entender como os alunos aprendem. Esses dados podem ser extraídos e analisados por meio de dados de log para identificar padrões de comportamentos e fornecer insights sobre práticas de aprendizagem (Xu et al., 2023). A LA inclui técnicas como modelos preditivos, construção de perfis, aprendizagem adaptativa, otimização do sucesso da aprendizagem, intervenções, análise de redes sociais e sentimentos (Waheed et al., 2023).
Uma outra grande transformação nos processos educacionais é a utilização da análise preditiva, que pode ser aplicada em diferentes áreas como: a identificação de alunos em risco e a otimização de recursos. Guarnier & Chimenti (2023) discutem como a IA pode analisar dados de desempenho dos alunos e fornecer feedbacks instantâneos. As tecnologias emergentes estão transformando o papel do professor na Educação 4.0 (Lamattina, 2023). De acordo com Aldowah et al., (2019), tanto instituições de ensino quanto professores podem utilizar para fazer previsões em tempo real sobre o comportamento e desempenho acadêmico dos alunos ou para implementar planos de contingência para a melhoria do ensino e aprendizagem em ambientes digitais.
A IA otimiza o processo avaliativo ao utilizar algoritmos que permitem a correção automática de provas e trabalhos, aliviando a carga dos professores. Para aprimorar ainda mais a avaliação de atividades escritas, pesquisadores como Júnior et al., (2017) têm desenvolvido aplicações específicas para esse fim. Além disso, a IA permite a geração automática de conteúdo, como: questões de múltipla escolha e tutoriais. Essa personalização, conforme destacado por Peronaglio et al., (2023), potencializa a eficácia dos STI’s.
Os assistentes virtuais estão revolucionando a maneira como interagimos com a tecnologia em diversas áreas, e a educação não está imune a essa transformação. Prola (2003), nos mostra que esses personagens podem ser usados como agentes pedagógicos com o objetivo de aumentar a efetividade das aplicações de educação. Maciel et al. (2014), apontam que o uso dessas tecnologias tem se tornado cada vez mais um recurso de afetividade importante.
O microlearning, uma abordagem pedagógica que fragmenta o conteúdo em pequenas unidades de aprendizado, com vídeos curtos e podcasts, emerge como uma alternativa flexível à educação tradicional. Essa modalidade, especialmente relevante no contexto corporativo (Becker, 2019), permite que os alunos adquiram conhecimentos específicos de forma rápida. Ao oferecer microaprendizados direcionados, as empresas possibilitam que seus colaboradores revisem conceitos rapidamente, adaptem-se a diferentes situações e retornem às suas atividades com maior agilidade, conforme apontam Torgerson & Iannone (2019).
A gamificação, aplicação de elementos lúdicos em contextos não lúdicos, tem se mostrado uma ferramenta capaz de transformar o processo de aprendizagem em uma experiência mais atrativa. Ao incorporar elementos de jogos, essa técnica promove a aprendizagem ativa, corroborando com as ideias de Lamattina (2023) sobre o potencial da gamificação para estimular o engajamento. Silva (2024) complementa isso, ao afirmar que os educadores podem proporcionar aos alunos uma experiência mais envolvente e atual. Conforme Vicari (2021), a essência da gamificação reside na inclusão de características típicas de jogos, como pontuações e níveis, com o objetivo de manter o interesse dos alunos.
A RV e a RA estão revolucionando a educação e oferecendo aos alunos experiências de aprendizado interativas. Conforme Lamattina (2023), os estudantes podem visitar locais históricos, realizar experimentos científicos ou até mesmo viajar para o espaço, tudo isso sem sair do lugar, o que torna o aprendizado mais dinâmico e memorável.
A tradução automática tem revolucionado a forma como nos comunicamos e diversas ferramentas vem demonstrando o potencial da IA em superar as barreiras linguísticas. A Skylar, que emprega algoritmos de ML, é uma ferramenta que tem por objetivo criar legendas para videoaulas através de reconhecimento de voz (Moro, 2019).
A implementação dos STI’s tem desencadeado uma série de transformações significativas, impactando tanto o papel do professor quanto a forma como os alunos constroem o conhecimento. Conforme Chen & Zhang (2019), essas ferramentas têm ganhado destaque, enriquecendo bibliotecas para a aprendizagem, ao combinar IA, a instrução auxiliada por computador e a psicologia cognitiva. A pesquisa de Vicari (2021) aponta que mais de 25 escolas da Suécia estão adotando o Education Albert, uma solução de aprendizado que usa algoritmos de ML para apoiar o tutor de matemática a oferecer aulas personalizadas aos alunos.
2.3. Os desafios da implementação da IA nos ambientes virtuais de educação
O Brasil, com sua diversificada população, enfrenta desafios únicos em seu sistema educacional, afirmam os autores Maciel et al., (2014) e que muitos estudantes não têm acesso a infraestrutura de internet confiável e dispositivos digitais, dificultando sua participação plena em escolas virtuais. Cruz & Diaz, (2016) concordam que a capacidade global para utilizar esta tecnologia de forma eficaz é baixa.
Sobre a implementação da IA nos ambientes de EaD, apesar de muitos outros setores da sociedade terem se aperfeiçoado, essa área ainda enfrenta um descompasso nesse processo (Jesus et al., 2024), quer seja pelo sistema de ensino precário, quer seja pela falta de políticas públicas, quer seja pela falta de especialização dos professores. Saif et al., (2022) concorda que a inclusão das TICs na educação requer facilitação e formação adequadas.
Uma das promessas do uso da TI na educação tem sido a promoção de esquemas de personalização da aprendizagem (Huang, 2015) e isso é reconhecido como muito importante para o ensino do século XXI (Ament & Edwards, 2018). Entretanto, a realidade educacional está muito distante do cumprimento dessa promessa, evidenciando a necessidade de investimentos em infraestrutura tecnológica, formação especializada de tutores e políticas públicas mais eficazes (Berssanette, 2021).
O uso da IA levanta questões sociais e éticas importantes. Um exemplo da perda da privacidade seria o fato de um software educacional que monitora os interesses pessoais desse aluno (sites visitados, atividades culturais, etc.). Quando esse aluno terminar a sua formação e for buscar um emprego, a empresa poderá ter acesso a todas estas informações pessoais, cita Vicari (2021).
3 CONSIDERAÇÕES FINAIS
As análises aqui realizadas corroboram com estudos anteriores que apontam para a extrema relevância da IA na EaD, permitem concluir que, ainda há um longo caminho a se percorrer e, que essa tecnologia transformadora impulsiona a evolução dessa modalidade de ensino podendo garantir um futuro educacional mais eficaz e inclusivo para toda a sociedade.
Entretanto, a pesquisa também revelou lacunas de conhecimento, como a necessidade de mais estudos sobre seus impactos na equidade educacional. Desde a prensa de Gutenberg, até a era da Internet cada tecnologia traz consigo a promessa de um futuro mais promissor. Portanto, uma evolução imediata dessa área seria a formulação de políticas públicas que incentivem o desenvolvimento do EaD e garantam um acesso equitativo à educação.
REFERÊNCIAS
Aldowah, H., Al-Samarraie, H., & Fauzy, W. M. (2019). Educational data mining and learning analytics for 21st century higher education: A review and synthesis. Telematics andInformatics, 37, 13-49. DOI:10.1016/j.tele.2019.01.007.
Bates, A. W. (2015). Teaching in a Digital Age: Guidelines for Designing Teaching and Learning. Vancouver BC: Tony Bates Associates Ltd.
Becker, J. (2019). Mobile learning como suporte de uma modalidade híbrida na educação corporativa. Dissertação de mestrado, Centro Universitário Internacional, Curitiba, PR, Brasil.
Berssanette, J. H. B. (2021). Metodologias ativas de aprendizagem e a teoria da carga cognitiva para a construção de caminhos no ensino de programação de computadores. Tese de Doutorado, Universidade Tecnológica Federal do Paraná, Ponta Grossa, PR, Brasil.
Brandão, P. R. (2017). Alan Turing: da necessidade do cálculo, a máquina de Turing até a computação. Revista de Ciências da Computação, 12, 73-88.
Chen, Y., Zhang, Y. (2019). Research on Intelligent Tutoring System Based on Data-Mining Algorithms. Proceedings. International Conference on Intelligent Transportation, Big Data and Smart City, 443–446.
Cruz, F. J. F., & Díaz, M. J. F. (2016). Generation z’s teachers and their digital skills. Revista Comunicar, 24(1), 97-105.
del Pilar Gonzalez, N. A., & Chiappe, A. (2024). Learning analytics and personalization of learning: a review. Ensaio: Avaliação e Políticas Públicas Em Educação, 32(122), e0244234. https://doi.org/10.1590/S0104-40362024003204234.
Gomes, D. D. S. (2010). Inteligência Artificial: conceitos e aplicações. Revista Olhar Científico, 1(2), 234-246.
Guarnier, K., & Chimenti, P. (2023). Advancing in the neuroleadership field: A systematic and integrative review. Cadernos EBAPE.BR, 21(6), e2022-0184.
Huang, Yi-Hung et al., (2015). Comparison of different approaches on example-based learning for novice and proficient learners. Human-centric Computing and Information Sciences, 5(1), 29. https://doi.org/10.1186/s13673-015-0048-8.
Jesus, A. M. S. de, Souza, A. M. de O., Vilalva, E. A. de M. M., Oliveira, F. P. das C., & Aragão, M. R. (2024). Desafios e oportunidades da Inteligência Artificial na Educação Pública: Vantagens, desvantagens e perspectivas futuras. Revista Ilustração, 5(5), 109–116.
Júnior, C. R. C. A. (2017). Proposta de um sistema de Avaliações Automáticas de Redações do Enem, foco na competência 1: Demonstrar domínio da modalidade escrita formal da Língua Portuguesa. Dissertação de mestrado, Universidade Federal do Espírito Santo, ES, Brasil.
Kaufman, D. (2019). A inteligência artificial irá suplantar a inteligência humana? (1a ed.). São Paulo, SP: Estação das Letras e Cores.
Lamattina, A. A. (2023). Educação 4.0: transformando o ensino na era digital. Formiga, MG: Editora Union. doi: http://educapes.capes.gov.br/handle/capes/735230.
McCarthy, J., Minsky, M. L., Rochester, N., & Shannon, C. E. (2006). A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, 27(4), 12-14. https://doi.org/10.1609/aimag.v27i4.1904.
Maciel, A. M., Rodrigues, R. L., & Carvalho, E. C. (2014). Desenvolvimento de um assistente virtual integrado ao moodle para suporte a aprendizagem online. Simpósio Brasileiro de Informática na Educação. 25(1), 382.
Moro, L. (2019). Treinamento linguístico de “software” na pós-edição de transcrição e tradução automática em cursos de educação a distância. Tese de Doutorado, Campinas, SP, Brasil.
Peronaglio, F. F., Manacero, A., Baldassin, A. J., Santos, M. S., Spolon, R., & Cavenaghi, M. A. (2023). Adaptação automática de conteúdo aplicada em ambiente interativo de aprendizagem individualizada. Revista Brasileira De Informática Na Educação, 31, 255–270.
Pozza, O. A., & Penedo, S. (2002). A máquina de Turing. Dissertação de mestrado, Universidade Federal de Santa Catarina, Florianópolis, SC, Brasil.
Prola, M. T. (2003). Modelagem de um Agente Pedagógico Animado para um Ambiente Colaborativo: Considerando Fatores Sociais relevantes. Dissertação de Mestrado, UFRGS, Porto Alegre, RS, Brasil.
Saif, S. M.; Ansarullah, S. I.; Ben Othman, M. T.; Alshmrany, S.; Shafiq, M.; Hamam, H. (2022). Impact of ICT in Modernizing the Global Education Industry to Yield Better Academic Outreach. Sustainability, 14(11), 6884. https://doi.org/10.3390/su14116884.
Silva, J. J. G, Oliveira, M. L., Figueiredo, M. P. P., Guedes, A. A. B., et al. (2024). O Futuro da Educação na Era da Inteligência Artificial: Um Guia Completo para Educadores Entenderem e Aplicarem as Novas Tecnologias. São Paulo: Editora Brasileira de Publicação Científica Aluz.
Tavares, L. A., Meira, M. C., & Amaral, S. F. (2020). Inteligência Artificial na Educação: Survey. Brazilian Journal of Development, 6(7), 48699–48714. https://doi.org/10.34117/bjdv6n7-496.
Torgerson, C., & Iannone, S. (2019). Designing microlearning. Virginia: Association for Talent Development.
Vicari, R. M. (2021). Inteligência Artificial aplicada à Educação. Sociedade Brasileira de Computação. Doi: https://ieducacao.ceie-br.org/inteligenciaartificial.
Waheed, H., Hassan, S. U., Nawaz, R., Aljohani, N. R., Chen, G., & Gasevic, D. (2023). Early prediction of learners at risk in self-paced education: a neural network approach. Expert Systems with Applications, 213, 118868.
Xu, W.; Wu, Y.; & Ouyang, F. (2023). Multimodal learning analytics of collaborative patterns during pair programming in higher education. International Journal of Educational Technology in Higher Education, 20(1), 8.
1Discente do Curso de Pós-graduação Strictu-Sensu de Tecnologias Emergentes em Educação da MUST University Campus Florida/EUA e-mail: lucianacmota@gmail.com
2Docente do Curso de Pós-graduação em Gestão da Inovação e Inteligência Comportamental no Poder Judiciário da Academia Judicial do Tribunal de Justiça de Santa Catarina Campus Florianópolis/SC. Mestre em Ciências da Educação pela ACU – Absoulute Christian University (PPG/MCE). e-mail: elisebrites@bol.com.br