O Que Aconteceu Com Sistemas De Tutoria Inteligentes?
o uso mais pedestre do computador como um entregador de Conteúdo e avaliação é a maneira dominante como os computadores servem a educação hoje. Na melhor das hipóteses, a maioria dos sistemas simplesmente alerta os alunos sobre respostas erradas e faz pouco para ajudar a orientar o processo de aprendizagem. Os pesquisadores começaram a examinar um método “mais sensível” para diagnosticar não apenas se as respostas estavam erradas, mas por que estavam erradas. Esse conceito de diagnóstico preciso de erros é fundamental para todas as tutorias bem-sucedidas, e os desenvolvedores começaram a incorporar a compreensão da natureza dos erros em uma nova geração de ferramentas de ensino inteligentes. Embora a definição de uma ferramenta inteligente seja objeto de muito debate, houve algum consenso, pelo menos no contexto da educação, de que “um sistema deve se comportar de maneira inteligente, não ser realmente inteligente, como um ser humano”, segundo a psicóloga Valerie Shute.
sistemas inteligentes de tutoria
os projetos de sistemas inteligentes de tutoria diferem significativamente de seus antecessores históricos orientados por computador. Em vez da estratégia única de entregar conteúdo a um aluno passivo nesses projetos, seus projetos são capazes de personalizar a experiência de aprendizagem que o aluno recebe com base em fatores como conhecimento pré-existente, estilo de aprendizagem e progresso do aluno através do material de conteúdo.
um típico ITS conterá uma série de componentes conceituais, ou modelos, que interagem uns com os outros. O modelo de Conteúdo contém um mapeamento semelhante à web do conteúdo a ser aprendido, definindo os pré-requisitos e dependências entre os elementos de conteúdo. O modelo de aluno é exclusivo para cada aluno e trabalha em paralelo com o modelo de conteúdo para registrar o que o aluno faz e ainda não entende. Finalmente, existe um método de entregar a instrução ao aluno, conhecido como modelo pedagógico.
a maioria de seus sistemas inicia o processo instrucional determinando qual conhecimento o aluno já conhece, normalmente por meio de uma avaliação, e depois atualizando o status do modelo do aluno conforme a instrução ocorre. O sistema compara o que é necessário saber com o que é conhecido (ou seja, comparando o modelo do aluno com o modelo de Conteúdo) e entrega a unidade de instrução pedagogicamente apropriada ao aluno (ver Diagrama).
a instrução é frequentemente incorporada com recursos de Avaliação e/ou resolução de problemas altamente interativos para que o modelo do aluno seja atualizado dinamicamente para sempre refletir o nível de conhecimento atual do aluno. O ITS aproveita o fato de que a granularidade do conteúdo é tão fina e bem compatível com o modelo de estudante, que apenas a quantidade certa de remediação é oferecida, teoricamente produzindo tempos de aprendizagem mais curtos.
um dos esforços mais bem-sucedidos, pelo menos em termos de longevidade, é a série de professores de matemática da Carnegie Mellon University para alunos do ensino médio. O professor de Psicologia e Ciência da computação John Anderson foi capaz de casar sua engenharia com uma teoria da ciência cognitiva para simular e compreender a cognição humana. Sua teoria de aprendizagem ACT * foi usada para sustentar uma série de programas bem-sucedidos no início dos anos 1980 para ensinar a programação de computadores Lisp, chamada Lisp Tutor, e, finalmente, os bem-sucedidos tutores de geometria e Álgebra, que são vendidos hoje pela Carnegie Learning Corporation.A psicóloga Educacional Valerie Shute desenvolveu uma série popular de módulos de computador em 1994 que usou uma alusão à “Senhora da Igreja” da popular esquete de Dana Carvey no programa de televisão Saturday Night Live da NBC para ensinar estatísticas introdutórias. Partes do design do modelo estudantil da Stat Lady foram influenciadas pela teoria do ato* de Anderson. Stat Lady foi inovador além de seu apresentador animado digitalmente humorístico, em que o modelo do aluno estava muito alinhado com o modelo de Conteúdo e foi codificado em elementos processuais, simbólicos e conceituais, e rastreado com um nível muito fino de granularidade, a fim de fornecer sequenciamento e remediação curricular apropriados ao aluno no momento mais valioso.
Os Sistemas De Tutoria Inteligentes Podem Ensinar?
apesar da falta de visibilidade de SEUS sistemas no mundo real, fora o escasseado ar da universidade de laboratórios de investigação, há uma quantidade modesta de pesquisa sugerindo que os sistemas tutores inteligentes podem alcançar aumentos notáveis na aprendizagem do aluno ao longo da sala de aula tradicional.
por exemplo, o desempenho de Stat Lady em comparação com o mesmo material de estatística introdutória ensinado em uma sala de aula tradicional e ela encontrou a muito procurada melhoria de dois sigma com o ITS. Sherlock, um seu projetado para ensinar procedimentos de manutenção de campo para a mecânica da tripulação terrestre da Força Aérea em caças F-16, foi capaz de produzir o mesmo nível de competência após 20-25 Horas de instrução que aqueles que tomaram treinamento tradicional ao longo de um período de quatro anos. A Carnegie Learning Corporation informou que os alunos que fizeram seu tutor de Álgebra I tiveram um desempenho 85% melhor nas avaliações de habilidades complexas de resolução de problemas, 14% melhor nas habilidades básicas de matemática e 30% melhor nas avaliações TIMSS.
Por Sistemas tutores Inteligentes Não Floresceu
Sistemas tutores Inteligentes têm claramente não viveram à altura de seu potencial, pelo menos quando julgado por sua adoção pela comunidade educativa, apesar de, aparentemente, ter a combinação certa de recursos. Mas seria injusto descontar cerca de 30 anos de pesquisa para o que parece ser questões de execução. Os resultados dos estudos sobre a eficácia de seus sistemas sugerem que eles podem ser eficazes para alcançar a aprendizagem dos alunos, mas vários fatores se alinharam para entregar “derrota das mandíbulas da vitória.”
talvez o obstáculo mais importante a superar seja a dificuldade em criar material didático usado por seus programas. Historicamente, a maioria dos sistemas tinha seu conteúdo “codificado” no software ITS, que tinha que ser feito por programadores qualificados com grandes despesas. Isso também significava que os instrutores e outros especialistas no assunto não puderam participar diretamente no desenvolvimento das partes de conteúdo dos sistemas. A questão de diagnosticar respostas erradas acaba sendo um problema extremamente difícil, demorado e caro de resolver; requer tediosamente conectar à mão um grande número de possíveis respostas erradas com instruções corretivas específicas.
Uma Ratoeira Melhor?
ao pensar sobre o seu, é difícil imaginar um sistema potencialmente mais eficaz para a instrução. Esses sistemas contêm uma conceituação semanticamente conectada do conteúdo a ser ensinado, uma maneira de saber o que o aluno faz e não entende e um método de entrega que adapta essa instrução de acordo. Parece que os primeiros sistemas não foram executados bem o suficiente para se tornarem mainstream; mas eles devem, no entanto, fornecer uma base rica para futuras máquinas de ensino tirarem lições, pois esses sistemas começam a usar o poder do computador para mais do que simplesmente fornecer instruções.
