Engenharia 360

Como Machine Learning pode ser usado para revolucionar a educação?

Engenharia 360
por Larissa Fereguetti
| 25/11/2019 | Atualizado em 30/06/2022 3 min
Imagem: newsone.com

Como Machine Learning pode ser usado para revolucionar a educação?

por Larissa Fereguetti | 25/11/2019 | Atualizado em 30/06/2022
Imagem: newsone.com
Engenharia 360

Machine learning (aprendizado de máquinas, em português) é uma ferramenta poderosa e que pode ser usada para moldar a educação como conhecemos hoje. Por sua aplicabilidade e versatilidade, essa tecnologia é capaz de revolucionar a forma como aprendemos.

Se olharmos para o passado, não faz muito tempo (e é bem provável que a geração antes dos anos 2000 se recorde bem) que os trabalhos eram apresentados em cartolina e as folhas vinham direto do mimeógrafo. Um pouco depois, as fotocópias se tornaram mais comuns.

PUBLICIDADE

CONTINUE LENDO ABAIXO

Então, os computadores entraram na jogada ao se popularizarem e mudaram a forma de aprendizado desde como os alunos faziam suas pesquisas e buscavam informações até a apresentação do conteúdo em sala de aula, com os projetores e recursos multimídia. Agora, chegou a hora do Machine Learning (e da Inteligência Artificial) mostrar que também merece espaço.

machine learning na educação
Imagem: newsone.com

Basicamente, Machine Learning consiste em um campo da Engenharia e da Ciência da Computação que está relacionado ao reconhecimento de padrões e a capacidade de uma máquina estar em aprendizado contínuo a partir de dados, usando-os para fazer previsões. No caso da educação, essa ferramenta pode ser usada de diferentes maneiras para tornar o aprendizado mais divertido, mais prático e melhor. Algumas delas são:

Melhor eficiência:

As tarefas dos educadores podem ser simplificadas com ferramentas de gerenciamento de aula, agendamento de atividades, etc. Assim, sobra mais tempo para que eles se dediquem a atividades voltadas para os alunos.

Ainda, é possível usar algoritmos para auxiliar na correção de provas e atividades (claro que com parcimônia). O objetivo não é substituir a correção do professor, mas usar como uma técnica auxiliar para identificar algo que o professor não conseguiu (e para reduzir possíveis diferenças na correção).

PUBLICIDADE

CONTINUE LENDO ABAIXO

Acessibilidade para todos:

Os algoritmos de Machine Learning podem ajudar a equalizar o aprendizado na sala de aula. Com conversão de texto em fala, por exemplo, é possível que deficientes visuais acompanhem a aula. Ainda, o processo contrário pode beneficiar deficientes auditivos.

Aprendizado personalizado:

Cada aluno aprende melhor de uma forma diferente. No aprendizado personalizado, cada um pode seguir seu próprio ritmo para aprender e tomando decisões sobre isso.

machine learning na educação
Imagem: news.ets.org

A ideia não é tratar os alunos de forma excludente, mas aproveitar as vantagens do jeito que cada um gosta de aprender. Por exemplo, os alunos podem escolher no que têm interesse e os professores, com auxílio de Machine Learning, montam os currículos de acordo com o interesse de cada um (dentro do possível, claro).

Análise de aprendizado preditiva:

Por meio de Machine Learning é possível tentar avaliar a situação do desempenho dos alunos e o quanto eles conseguem absorver de cada tarefa realizada. Ainda, é possível tentar prever, pelas notas e pelo desempenho dos alunos, aqueles que têm maior tendência a desistência ou reprovação e agir antes que isso aconteça.

PUBLICIDADE

CONTINUE LENDO ABAIXO

machine learning na educação
Imagem: brookings.edu

Há muitas outras formas pelas quais as ferramentas de Machine Learning (e outras tecnologias) podem ser usadas para otimizar o aprendizado e não deve demorar muito para que esses recursos estejam em nosso meio. Mesmo que muitas pessoas não se familiarizem facilmente com a tecnologia, é preciso admitir que ela está incorporada ao nosso cotidiano e, às vezes, é preciso aceitá-la para tornar nossa vida mais fácil.


Referências: The Tech Edvocate; DAAM.

Comentários

Engenharia 360

Larissa Fereguetti

Cientista e Engenheira de Saúde Pública, com mestrado, também doutorado em Modelagem Matemática e Computacional; com conhecimento em Sistemas Complexos, Redes e Epidemiologia; fascinada por tecnologia.

LEIA O PRÓXIMO ARTIGO

Continue lendo