Inteligência Artificial na Educação: conheça os efeitos dessa tecnologia no ensino e na aprendizagem

Saiba como a IA impacta no aprendizado e na gestão e entenda os riscos para privacidade e reprodução de desigualdades

Introdução

A Inteligência Artificial (IA) vem impactando as relações sociais e diversos processos organizacionais. Na educação, novas soluções para ensino e aprendizagem estão sendo usadas em diversos contextos de modo a apoiar as atividades dos professores. Instituições de ensino e governos também estão usando a IA em sistemas de gestão escolar e análise de dados. São tecnologias diferentes trabalhando juntas para permitir que as máquinas percebam, compreendam, ajam e aprendam com níveis de inteligência semelhantes aos humanos.

Atualmente, entretanto, a maioria das tecnologias educacionais baseadas em IA são usadas no setor privado. Para quem trabalha no setor público, em países em desenvolvimento, como o Brasil, surgem algumas questões sobre as possibilidades dessa tecnologia, suas aplicações práticas, como se preparar para seu uso e como mitigar possíveis riscos para a segurança e a reprodução de desigualdades.

Este especial - que integra o projeto Ciência de Dados na Educação do Instituto Unibanco em parceria com o CRIE (Centro de Referência em Inteligência Empresarial, da COPPE/UFRJ) - tem como tema central Inteligência Artificial e Educação. Para uma experiência ainda mais profunda sobre o tema, compartilhamos uma série de links para materiais do Observatório de Educação - Ensino Médio e Gestão ao longo do conteúdo. Utilize-os para uma experiência ainda mais rica e completa sobre o uso de Inteligência Artificial na educação e conheça inúmeras oportunidades para serem exploradas.

Aspectos conceituais da Inteligência Artificial

A Inteligência Artificial (IA) deixou de ser uma realidade distante ou restrita à ficção científica e está cada vez mais presente em nossas vidas – inclusive na educação. A temática não é nova, já nos anos 1930 o pai da computação e matemático Alan Turing formalizava o termo algoritmo em artigo sobre a máquina de Turing. O algoritmo é o ingrediente fundamental para a Inteligência Artificial, termo cunhado pelos pesquisadores John McCarthy, Marvin Minsky e Claude Shannon em uma conferência em 1956.

É difícil ter uma definição única para IA, pelo fato de ser um campo multidisciplinar e em constantes atualizações. Confira abaixo um vídeo no qual o jornalista Marcelo Tas explica o que é IA, que integra o Glossário de Inteligência Artificial da I2AI (International Association of Artificial Intelligence), associação sem fins lucrativos que conecta pessoas, negócios, conhecimento e tecnologia para acelerar a adoção sustentável da Inteligência Artificial no mundo.

Oportunidades e desafios a serem considerados

Em geral, há abordagens distintas sobre o assunto, com níveis de gradação entre elas. Existem desde previsões que a IA substituirá os seres humanos e eliminará uma lista de profissões até alegações de que ela contribuirá com "o uso humano dos seres humanos", parafraseando o subtítulo do livro de 1954 do matemático e considerado fundador da cibernética, Norbert Wiener, liberando-os para usar melhor o tempo ao assumir as tarefas repetitivas.

Uma pesquisa da empresa de consultoria McKinsey, com 2000 professores dos Estados Unidos, Canadá, Cingapura e Reino Unido sugere que 20 a 40% das horas atuais dos professores – o equivalente a 13 horas por semana – são gastas em atividades que poderiam ser automatizadas usando tecnologia já existente. Ainda de acordo com a pesquisa da McKinsey, a área com maior potencial de automação é a preparação das aulas. Os professores entrevistados revelaram gastar em média 11 horas por semana em atividades de preparação. Estima-se que o uso eficaz da tecnologia poderia reduzir esse tempo para apenas seis horas. Mesmo que os professores passem o mesmo tempo se preparando, a tecnologia poderia tornar esse tempo mais eficaz, ajudando-os a criar planos de aula e abordagens ainda melhores. A automação poderia reduzir também o tempo que os professores gastam com atividades administrativas - de cinco para apenas três horas por semana.

Um grupo de pesquisadores - formado por Rose Luckin , professora da University College London (UCL), em Londres, e diretora da Educate Ventures , empresa de pesquisa e desenvolvimento criada para ajudar o ecossistema de EdTech a agir eticamente; Wayne Holmes , consultor em IA e educação da Unesco, e professor da UCL; Mark Griffiths, professor da Nottingham Trent University, na Inglaterra, e diretor de pesquisa na Pearson; e Laurie B. Forcier, diretora de parcerias da Educate Ventures - produziu a publicação "Intelligence Unleashed - an argument for AI in education" (na tradução livre Inteligência Liberada - um argumento para a IA na educação) para demonstrar os benefícios da IA para a educação.

Antes de elencar quais são esses benefícios, é importante definir o que é Inteligência Artificial aplicada na educação - algo que vem sendo estudado na academia há mais de três décadas. Para os autores da publicação mencionada, "Intelligence Unleashed", IA refere-se a "sistemas de computador que foram projetados para interagir com o mundo através de capacidades (por exemplo, percepção visual e reconhecimento de fala) e comportamentos inteligentes (por exemplo, avaliando as informações disponíveis e, em seguida, tomando a ação mais sensata para atingir um objetivo declarado) que seriam consideradas essencialmente humanos".

Um dos objetivos do uso da IA na educação é abrir a chamada "caixa preta do aprendizado", ou em outras palavras, contribuir para uma compreensão mais profunda e detalhada de como o aprendizado realmente acontece (por exemplo, como é influenciado pelo contexto socioeconômico e físico dos alunos ou por tecnologia).

Neste contexto, a IA na educação oferece a possibilidade de uma aprendizagem mais personalizada, flexível, inclusiva e envolvente. Além disso, as ferramentas fornecem informações não apenas sobre o que está sendo aprendido, mas também como está sendo aprendido e como os alunos estão se sentindo. Ainda, a IA pode ajudar os professores a criar ambientes de aprendizagem colaborativa e a atender as necessidades de seus alunos por meio de técnicas de mineração de dados educacionais para "rastrear" o comportamento dos alunos, processamento de linguagem natural, rastreamento ocular e outros sensores.

Os pesquisadores também elencaram três categorias de IA na educação para oferecer suporte mais direto ao aprendizado:

1. tutores pessoais para cada aluno, que entregam atividades de aprendizagem de acordo com as necessidades cognitivas dos alunos e que fornecem feedback direcionado;

2. suporte inteligente para aprendizagem colaborativa, para apoiar a formação de grupo, a facilitação e a moderação;

3. realidade virtual inteligente, que proporciona experiências imersivas.

De acordo com a Organização das Nações Unidas para a Educação, a Ciência e a Cultura – Unesco, a IA pode ser relevante em duas frentes: (a) personalização da aprendizagem e melhoria do desempenho escolar, (b) em sistemas de gestão escolar e análise de dados. Na primeira vertente, a robótica de telepresença permite, por exemplo, que alunos com necessidades especiais frequentem escolas em casa ou hospital, ou mantenham a continuidade da aprendizagem em situações de crise. Além disso, a IA pode contribuir para a promoção da aprendizagem colaborativa.

Com base em técnicas de IA, como aprendizado de máquina e processamento de texto superficial, sistemas de IA são usados para monitorar grupos de discussão assíncronos, fornecendo aos professores informações sobre as discussões e suporte aos alunos para orientar o envolvimento e a aprendizagem. E, ainda, ajudar a mapear os planos de aprendizagem individuais de cada aluno e trajetórias, seus pontos fortes e fracos, assuntos mais facilmente assimilados ou aprendidos, e preferências de atividades de aprendizagem.

No que se refere a sistemas de informações gerenciais, que coletam, armazenam, processam, analisam e divulgam informações para planejamento educacional e gestão, os algoritmos de IA podem ser úteis para subsidiar decisões baseadas em dados para melhorar a educação escolar. Um sistema aprimorado com IA tem uma capacidade muito mais robusta para analisar automaticamente os dados e gerar dashboards, além de realizar análises preditivas.

Além das oportunidades elencadas, no entanto, há desafios a serem enfrentados. A publicação da Unesco "Artificial Intelligence in Education: Challenges and Opportunities for Sustainable Development" (Inteligência Artificial na Educação: Desafios e Oportunidades para o Desenvolvimento Sustentável, tradução livre), lista seis desafios relacionados à incorporação da IA na educação como forma de melhorar a equidade e qualidade do ensino e possíveis maneiras de lidar com eles. Confira:

Primeiro desafio: políticas públicas de IA abrangentes para o desenvolvimento sustentável

O desenvolvimento de políticas públicas sobre IA em educação ainda está em sua infância, mas é um campo que provavelmente crescerá exponencialmente nos próximos dez anos. Alguns países estão desenvolvendo laboratórios e incubadoras por meio de parcerias com o setor privado para implementar ou ampliar ecossistemas de IA.

Segundo desafio: garantir a inclusão e equidade em IA na educação

Estudos recentes, como o do professor Benjamin Nye, da University of Southern California, mapearam os obstáculos para a introdução IA na educação em países em desenvolvimento, como baixo acesso a energia elétrica, hardware e internet; habilidade básica dos alunos em TICs; falta de conteúdo culturalmente apropriado ou em outro idioma. Para remover esses obstáculos, múltiplas políticas devem ser colocadas em prática.

Terceiro desafio: preparar os professores para atuar com IA na educação e preparar sistemas que atendam às demandas educacionais

Para que sistemas de análise de aprendizagem sejam eficazes, é necessário ter utilidade e relevância para estudantes e educadores. O processamento de dados em tempo real deve se traduzir em feedback em tempo real, intervenção mais rápida e instrução individualizada. Professores e diretores precisam de autonomia suficiente para gerenciar suas respectivas salas de aula e escolas, pois são eles que estão mais familiarizados com as necessidades de seus alunos. No entanto, para serem capazes de usar tecnologias de IA de forma eficaz, novas competências precisam ser assimiladas pelos professores, tais como crítica, analítica e habilidades para dados, ressaltam Rose Luckin e outros pesquisadores.

Quarto desafio: desenvolvimento de sistemas de dados inclusivos e de qualidade

Um sistema com dados abrangentes e atualizados abre possibilidades para algoritmos preditivos e de aprendizado de máquina. No entanto, muitos países ainda lutam para coletar dados educacionais básicos. Os dados educacionais devem ser abertos e sistemas de informações gerenciais devem ser capazes de gerar análises granulares o suficiente para ajudar professores e gestores a entenderem os principais desafios. Também devem conseguir agregar dados para revelar tendências que podem subsidiar o desenvolvimento de políticas. Embora as tecnologias para capturar dados estão realmente se tornando cada vez mais poderosas, é necessário reconhecer que seus custos podem ser proibitivamente altos, particularmente para países de baixa e média renda.

Quinto desafio: fazer pesquisas significativas sobre IA em educação

A pesquisa tem um papel fundamental para a investigação mais aprofundada sobre o papel que as soluções de tecnologia desempenham na melhoria da qualidade da educação. As pesquisas educacionais, no entanto, têm condições limitantes para realizar generalizações, o que afeta sua contribuição na criação de teorias universalmente válidas. Assim, é fundamental que sejam desenvolvidas pesquisas locais e descentralizadas, para compreender o que está acontecendo nas salas de aula, em especial no contexto dos países em desenvolvimento.

Sexto desafio: ética e transparência na coleta, no uso e na disseminação de dados

Diversos estudos já evidenciaram os vieses dos algoritmos e como eles podem funcionar de maneira discriminatória e não transparente, entre eles o artigo da ProPublica, de 2016; o artigo da Mic, 2016; e o livro “Algoritmos de Destruição em Massa” de Cathy O’Neil. Na educação, isso pode ter impactos negativos. Instituições educacionais que usam, por exemplo, algoritmos de aprendizado de máquina para aceitar ou rejeitar alunos podem ter dois potenciais problemas: falta de informações sobre a "caixa preta" e discriminação injusta. Outra questão é a concentração de dados pessoais. As plataformas educacionais atuais são de propriedade de poucas empresas, o que gera risco de privacidade e monopólio de dados. O ecossistema fAIr LAC, iniciativa do Grupo Banco Interamericano de Desenvolvimento – Grupo BID e parceiros composta por especialistas e profissionais da academia, governo, sociedade e setor privado, atua na América Latina e Caribe para promover o uso ético e responsável da IA a fim de melhorar a prestação de serviços sociais e criar oportunidades de desenvolvimento. Para tal, estão sendo desenvolvidos projetos-piloto para o bem social e também ferramentas para mitigar os possíveis riscos associados aos sistemas de IA.

GLOSSÁRIO DE TERMOS DA CIÊNCIA DE DADOS

É uma sequência de instruções para realizar um cálculo ou resolver uma classe de problemas. Ou seja, ele é um conjunto de passos elementares que são aplicados sistematicamente até que a solução seja atingida.

Ambiente de aprendizagem digital que adapta abordagens de ensino e aprendizagem, assim como materiais, às capacidades e necessidades dos alunos.

O termo foi cunhado em 1956 em uma conferência de tecnologia nos EUA. É uma área ampla dentro da Ciência da Computação que está relacionada à capacidade de computadores compreenderem e aprenderem, imitando a inteligência humana. De acordo com a definição de Stuart J. Russell e Peter Norvig, IA refere-se a "agentes inteligentes que recebem percepções do ambiente e realizam ações que afetam esse ambiente". Segundo o jornal NYTimes, existem diversos tipos de IA: a Inteligência Artificial Explicável (Explainable AI ou X.A.I.), que permite aos operadores humanos a compreensão dos dados utilizados que resultaram em uma conclusão; Inteligência Artificial Fraca (ou Weak AI), que é capaz de executar apenas um determinado número de tarefas; e a Inteligência Artificial Forte (ou Strong AI), que utiliza um sistema hipotético para que a Inteligência Artificial possa realizar qualquer tarefa e aprender sobre qualquer habilidade.

Trata-se, inicialmente, de análise exploratória, para o entendimento dos dados disponíveis e percepção de possíveis tendências e, posteriormente, de análise preditiva por meio de métodos avançados para extrair valor dos dados. O objetivo é buscar entender o que acontece com o comportamento dos alunos, permitindo, por exemplo, prever o conteúdo ou o momento temporal de um curso onde os alunos encontram maiores dificuldades ou tendências para o abandono.

Sistemas que aprendem com conjuntos de dados para a execução e o aprimoramento de uma tarefa específica. Este aprendizado pode ser supervisionado, não supervisionado e por reforço. É um subconjunto da IA. O termo foi cunhado por Arthur Samuel em 1959, que definiu o conceito como "a capacidade de aprender sem ser explicitamente programado”.

Extração de dados da base em estudo, seja de um SQL escolar ou alimentado pela nuvem em volume muito grande (Big Data).

Estudo das escolhas de um agente que necessita adotar estratégias na tomada de uma decisão ideal ou ótima envolvendo riscos diferentes ou expectativas de ganho ou perda dependendo do resultado. Esta teoria possui abordagem interdisciplinar nas áreas da economia, estatística, cientista de dados, psicologia, ciências sociais, ciência da computação, entre outras.

Debates atuais e o uso ético de IA na educação

Até o momento, a liderança no uso de IA na educação na maioria dos países é do setor privado. Gigantes da tecnologia, concentrados principalmente nos Estados Unidos e na China, por exemplo, estão dominando o desenvolvimento de tecnologias habilitadas para IA. O surgimento de startups na área educacional, as "EdTechs", também desempenham um papel significativo na aceleração da penetração da IA no setor.

No entanto, em países em desenvolvimento, essas discussões estão distantes e limitadas por obstáculos estruturais, tais como infraestrutura tecnológica e escassez de recursos humanos treinados na área de IA. A Conferência Internacional sobre Inteligência Artificial e Educação “Planejando a educação na era da IA: liderar o avanço”, reuniu em 2019 em Pequim, na China, 50 ministros e vice-ministros de governo, além de cerca de 500 representantes de agências das Nações Unidas, instituições acadêmicas, sociedade civil e o setor privado para debater a temática.

O documento final do evento, o Consenso de Beijing, traz 10 recomendações de ações a serem implementadas por governos e outras partes interessadas, em resposta às oportunidades e desafios relacionados à IA na educação:

Passo a Passo do 1 ao 5 Passo a Passo do 6 ao 10

Além disso, também são temas de inúmeros debates o uso ético dos dados, informações e a preparação da tecnologia para que a mesma não reproduza desigualdades sociais.

A cidade de Nova York, nos Estados Unidos, é um exemplo. Com mais de oito milhões de habitantes, conta com sistemas de automação que cuidam desde calendário de vistorias prediais até o manejo de vagas escolares.

Esses sistemas têm como objetivos realizar essas tarefas com eficiência, rapidez e economia, e utilizam componentes computadorizados e inteligência artificial para influenciar (e até mesmo tomar) decisões nas mais diversas áreas como as vagas nas escolas, critérios de julgamentos no sistema prisional e quais prédios devem ser vistoriados e em que ordem pelo Corpo de Bombeiros.

No entanto, quando não supervisionados por humanos qualificados, esses sistemas podem causar consequências prejudiciais não intencionais. Assim, a Força-Tarefa de Sistemas de Decisão Automatizados, criada em 2018, tem como objetivo revisar “sistemas de decisão automatizados, comumente conhecidos como algoritmos, através das lentes de equidade, justiça e responsabilidade”.

A intenção é que a força-tarefa monitore e avalie os impactos desses sistemas nas pessoas. Um site foi criado para explicar a caixa-preta por trás dos algoritmos aos habitantes da cidade, para que eles possam monitorar esses sistemas e denunciar qualquer incoerência ou desigualdade. O objetivo é que sejam observados o propósito de cada sistema e cinco aspectos: impacto, vieses, explicabilidade (o quão o sistema é transparente), automação (o sistema já decide ou orienta a decisão) e flexibilidade (como as pessoas podem dar feedback sobre o sistema e o quanto ele pode ser alterado). Em 2019, foi criado o cargo de Algorithms Management and Policy Officer para gerenciar o uso de algoritmos pela cidade.

Na área da educação, todos os anos, aproximadamente 80 mil estudantes fazem a transição para o ensino médio. São mais de 400 escolas, com diferentes requisitos de elegibilidade e número de vagas. E quem orquestra isso tudo é um algoritmo do Departamento de Educação de Nova York.

O processo funciona da seguinte maneira: os estudantes registram-se em um sistema online, classificando até 12 escolas em ordem de preferência. Simultaneamente a cada ano, as escolas enviam suas informações, como quantas vagas têm e quais os critérios que possuem para classificar ou priorizar os alunos que desejam se inscrever em sua escola. Por exemplo, algumas escolas chamadas "escolas selecionadas" podem dizer que dão prioridade aos alunos com a maior média da 8ª série. Algumas escolas chamadas de "escolas zoneadas" podem dizer que dão prioridade aos que moram em seus bairros.

As primeiras escolhas dos estudantes são provisoriamente combinadas com as escolas que as desejam. Os que não conseguiram a primeira opção são pareados com a escolha seguinte. O processo para quando não há vagas disponíveis nas escolas nas listas de preferências dos estudantes. Aqueles que não conseguiram vaga em nenhuma das 12 escolas podem reenviar uma lista de escolas que ainda têm vagas para uma segunda rodada do processo de correspondência.

Infelizmente, cerca de 3 mil adolescentes não conseguem ser alocados nas suas escolhas após a primeira rodada e precisam passar por uma segunda rodada. Mas o cenário era muito pior sem os algoritmos. Antes, esses estudantes não eram alocados em nenhuma escola.

Entretanto, o algoritmo não questiona as prioridades de admissão escolar que prejudicam certos grupos ou mantêm as escolas segregadas. Além disso, escolas altamente disputadas e com muitos recursos não estão incluídas nesse sistema. O que acarreta em um sistema educacional desigual.

Você pode saber mais sobre a força-tarefa novaiorquina neste site.

A fim de estimular um debate universal e sobre o uso ético da IA, a Unesco está propondo um código de ética global para pesquisa em inteligência artificial. A primeira versão do documento já foi elaborada por um grupo de especialistas. O documento deve estar finalizado até o final de 2021 após consulta à comunidade acadêmica e à sociedade civil.

5 perguntas para Rose Luckin

Em entrevista exclusiva para este especial, a pesquisadora da University College London aborda alguns pontos importantes referentes a esses debates e traz recomendações sobre o uso da IA na educação em países como o Brasil.

Você propõe o Triângulo Dourado, que integra educadores, programadores de EdTechs e pesquisadores, reforçando a importância da integração entre os setores para o desenvolvimento da inteligência artificial no contexto da educação. Os pesquisadores ajudariam a fazer a intermediação entre os programadores e educadores, os programadores se aprofundariam mais sobre os processos de aprendizagem e os educadores sobre as tecnologias de IA. Qual a sua recomendação para a criação de um ecossistema formado por diversos stakeholders para o desenvolvimento da IA na educação em países em desenvolvimento, que apresentam muitas desigualdades educacionais?

Não é fácil, eu entendo. Acho que começar de uma forma pequena, encontrando um grupo de educadores, pessoas que trabalham com tecnologia, pesquisadores, que possam atuar juntos para olhar os principais desafios no que diz respeito às desigualdades. Cada situação é diferente, mas existem muitos desafios comuns quando se trata de desigualdade. É uma tarefa enorme criar esses grupos de múltiplas partes interessadas, mas você pode fazer um design colaborativo com vários stakeholders. Isso é muito eficaz, mesmo que seja apenas para ajudar todos a entender algo claramente, porque diferentes pessoas abordarão a questão de maneiras diferentes.

Por exemplo, uma boa parte do trabalho que estamos fazendo agora - na Educate Ventures , centro de pesquisa que treina startups de tecnologia educacional, do qual é fundadora - é ajudar os educadores a entender melhor seus dados. Parte do que fazemos é aplicar técnicas de IA a esses dados - o que, obviamente, os professores podem fazer, mas podemos ajudar. O professor pode olhar para as tecnologias que está usando e até mesmo olhar além das tecnologias, para ver quais dados existem na sala de aula para que entenda mais um desafio que enfrenta. Então, talvez ele esteja percebendo que há uma diferença entre a maneira como as meninas e os meninos da turma se desempenham em um determinado assunto, seja geografia, história, matemática, o que for. E ele tem muitas teorias sobre o que pode ser, ao conversar com outros colegas, ver pesquisas. Mas o que ele sabe? O que pode dizer mais sobre isso? Que dados tem? Obviamente, o professor tem o trabalho que os alunos fizeram, mas talvez haja outros tipos de dados aos quais também tenha acesso e que não tenha pensado antes. Haveria algum dado que pudesse dizer quanto tempo o professor estava falando e quanto tempo os alunos estavam falando na classe? Ou existem dados sobre ruído, luz ou calor na sala de aula?

Tentamos ajudá-lo a pensar na sala de aula como uma entidade rica em dados, que pode ser mais compreendida se o professor puder entender os dados. Assim, você pode começar a pensar sobre a tecnologia e os dados - como você pode usá-los, que tecnologia usar para coletar, organizar e analisar esses dados. E isso é apenas no nível de uma única sala de aula, até mesmo em um microcosmo você pode começar a desenvolver um ecossistema com vários stakeholders, como professor, cientista de dados, pesquisador, desenvolvedor. Talvez no nível da escola, você possa pensar em ajudar a desenvolver uma estratégia para resolver um problema que a escola enfrenta. Professores, desenvolvedores, pesquisadores trabalham juntos para ver o que sabem sobre o problema, o que podem aprender, que tecnologia pode ajudar, que tipo de dados devem coletar.

Você menciona a importância do fator humano na preparação para a inteligência artificial e ressalta que a inteligência artificial fortalece a inteligência humana. Poderia falar mais sobre isso considerando especificamente os países em desenvolvimento?

A indústria de tecnologia tem feito um trabalho incrível em fazer com que todos sintam que deveriam usar a tecnologia, que ela vai fazer essas coisas incríveis e nos ajudar de diferentes maneiras. Mas, na verdade, você precisa fazer alguma preparação, se quiser realmente ser capaz de usar qualquer tipo específico de tecnologia de forma eficaz. Primeiramente, descobrir por que a tecnologia deve ser usada. Do contrário, você pode acabar usando a tecnologia para algo que, na verdade, poderia estar fazendo melhor sem ela e talvez não seja a coisa certa para o problema principal que está tentando resolver. Não queremos que nossas tecnologias nos tornem menos inteligentes. Queremos que nos ajudem a ser mais inteligentes. Portanto, precisamos pensar em como podemos usá-las para nos ajudar a fazer isso. Acho que é muito fácil sentar e pensar: "ótimo, agora tenho uma tecnologia que pode fazer isso para mim". Mas, na verdade, você talvez ainda precise entender o que a tecnologia está fazendo para ter certeza de que está satisfeito com o resultado. Portanto, é muito importante que vejamos a tecnologia como uma ajuda para nossa inteligência, em vez de algo que nos impeça de aprender.

Uma grande questão relacionada às tecnologias de IA é a reprodução de desigualdades. O que você sugere para mitigar os vieses e preconceitos de algoritmos?

Não há diversidade no mundo do desenvolvimento de IA e isso certamente não ajuda a tentar garantir que os dados usados para aprendizado de máquina sejam representativos da população. E acho que precisamos resolver isso. Uma forma seria aumentar a diversidade de pessoas envolvidas no desenvolvimento da IA. Mas acho que outra coisa que podemos fazer é entender que o preconceito pode existir, tanto em nós, como humanos, quanto nas máquinas. E acho que uma das coisas que tentamos ajudar as pessoas é pensar com muito cuidado sobre as premissas que estão fazendo sobre qualquer situação. Porque muitas vezes fazemos suposições enormes sobre coisas que na verdade podem não ser verdadeiras. E isso nos leva ao preconceito e vieses.

Um exemplo é entrar em uma sala e ver muitos alunos diferentes, jovens e mais velhos. Eu poderia, mesmo sem perceber, supor que os alunos mais novos entenderão como usar a tecnologia mais do que os alunos mais velhos. Isso pode ser válido, mas pode não ser. Por isso é importante que um educador entenda o que a IA está fazendo. E na maioria dos casos, a IA parece uma caixa preta mágica que apenas faz coisas. E isso não ajuda. Porque se eu não entendo, como posso entender que pode haver algum preconceito aí? Isso envolve educar as pessoas, especialmente educadores, pais de alunos, para entender o suficiente sobre os dados e a maneira como são processados, pois pode haver vieses.

Como você vê o futuro da IA em países em desenvolvimento?

Eu me preocupo com isso, porque acho que há o perigo de as pessoas verem a IA como uma forma de baratear a educação. E poderia ajudar nesse aspecto. Mas isso não significa que podemos apenas usar IA e não ter professores humanos, precisamos de ambos. O caminho para o sucesso, não importa onde você esteja, é a combinação certa de inteligência humana e artificial. Portanto, precisamos nos concentrar no que a tecnologia de IA pode fazer para apoiar o ser humano, e como o ser humano pode alavancar a tecnologia de forma mais eficaz, para ajudá-la a alcançar o que está tentando alcançar.

Você gostaria de deixar alguma mensagem para educadores, professores, diretores?

O que eu gostaria de enfatizar é: não tenha medo da tecnologia. Não tenha medo da IA. Ela não pode substituir você. Pode ajudá-lo, mas nunca será tão inteligente quanto você. Portanto, tente encontrar maneiras de fazer com que ela o ajude. E, no caso da IA, tente encontrar maneiras de entender o que é e o que pode fazer. Não tenha medo de experimentar e explorar. E não tenha medo de fazer perguntas. Acho que muitas pessoas ficam apreensivas em fazer perguntas, por exemplo, para alguém que está tentando vender alguma tecnologia ou inteligência artificial. Porque, para ser honesto, se eles não conseguem explicar o que a tecnologia está fazendo de uma forma que você entenda, não devemos comprá-la.

Aplicações práticas da Inteligência Artificial na educação

Há um enorme potencial para usar IA em escolas. A Nesta, organização britânica criada para promover a inovação em diversos setores, destacou três categorias de ferramentas de IA que estão sendo usadas em escolas e faculdades atualmente: 1) aquelas voltadas para o aluno (por exemplo, plataformas de aprendizagem adaptáveis), 2) as voltadas para o professor (por exemplo, ferramentas de avaliação automatizadas ou painéis avançados do professor) e 3) as voltadas para o sistema (por exemplo, análise de dados de escolas para prever o desempenho da avaliação escolar).

Destacamos a seguir alguns exemplos de plataformas educacionais que usam IA, os chamados Sistemas Tutores Inteligentes, que são sistemas que promovem ensino e aprendizagem personalizados e também fornecem dados que podem ser usados por professores e escolas para promover uma melhoria contínua do ensino.

CogBooks

Pioneira no uso de algoritmos adaptativos para personalizar a experiência do aluno em tempo real. A plataforma oferece apoio a professores e permite que os estudantes aprendam no seu ritmo, ao avaliar e responder a cada atividade enquanto o aluno avança no material atribuído por seu instrutor. Quando combinado com dados de milhões de outras interações de alunos, a CogBooks é capaz de apresentar o melhor conteúdo para manter o aluno engajado. Um estudo de quatro anos consecutivos da disciplina de Introdução à Biologia da Arizona State University, nos Estados Unidos, revelou que houve uma queda de 20% na evasão escolar com o uso da plataforma.

Mindspark

Plataforma indiana usada em mais de 300 escolas para ensino de matemática, inglês e ciência gerou desde que foi criada, em 2009, um imenso banco de dados a partir de milhões de avaliações que fornece ao professor as necessidades específicas de cada aluno. Diariamente, o sistema oferece 2 milhões de perguntas e os dados coletados ajudam a detectar padrões de erros que geralmente prejudicam o aprendizado dos alunos. Com base nessas informações, entrevistas com usuários e pesquisa acadêmica, os programadores criaram uma série de intervenções - jogos, perguntas, ações interativas – para lidar com o conteúdo que não era bem compreendido. Em 2015, uma equipe de pesquisadores, liderada por Karthik Muralidharan, da Universidade da Califórnia em San Diego, conduziu um estudo de caso-controle randomizado para avaliar os ganhos de aprendizagem dos alunos que frequentaram centros de estudo que usavam o Mindspark. Os resultados da pesquisa mostraram que os alunos que frequentavam os centros por quatro meses e meio tiveram ganhos de aprendizagem que eram duas vezes maiores em matemática e 2,5 vezes maiores em hindi do que os alunos que foram atribuídos aleatoriamente para um grupo de controle que só recebeu instruções por meio de escolas locais que não usavam a plataforma.

Arbor Education

Ajuda as escolas a aprenderem com seus dados para melhorar a experiência de aprendizagem das crianças. Por meio da análise de Big Data, a Arbor Education ajuda a identificar as áreas de melhor e pior desempenho e fornece ferramentas de fluxo de trabalho para permitir uma intervenção precoce. Mais de 1.800 escolas usam o sistema de gerenciamento de informações da Arbor Education no Reino Unido e em todo o mundo.

M-Shule

Solução que envia conteúdo personalizado para crianças no Quênia por meio de SMS. Assim, consegue atingir um número maior de estudantes em um país no qual 80% da população não têm smartphones ou internet. A ferramenta permite, ainda, que professores e pais acompanhem o progresso dos alunos por meio de análise de dados.

De acordo com o estudo "Tendências em Inteligência Artificial na Educação ", desenvolvido pela professora da Universidade Federal do Rio Grande do Sul (UFRGS) Rosa Maria Vicari a pedido do SESI e do SENAI, até 2030 as seguintes tecnologias estarão difundidas em até 50% das escolas públicas e privadas do Brasil: os sistemas tutores inteligentes para ensino personalizado com processamento de linguagem natural; as plataformas para aprendizagem colaborativa; os recursos de learning analytics, e os ecossistemas de educação – que permitem a integração de componentes típicos de ensino personalizado com a comunicação em fóruns e chats, por exemplo, entre alunos que estejam utilizando o sistema. A computação em nuvem, por sua vez, deve estar presente em até 70% das instituições de ensino.

Quer saber mais? Confira a palestra de Rose Luckin, professora do Instituto de Educação da University College London – UCL e uma das principais pesquisadoras da atualidade sobre o uso da Inteligência Artificial na educação durante o Cambridge Summit of Education 2019. Nela, Rose questiona se a educação está pronta para a IA e sugere como os educadores podem ajudar futuros alunos a superar os robôs. Confira a gravação (em inglês, 33 minutos).

Aprofunde seus conhecimentos sobre a IA e outras tecnologias da ciência de dados

Ao longo deste especial, apresentamos várias definições, conceitos e razões para utilizar a IA como meio de personalizar o ensino ou aprimorar a gestão escolar. Se você quer adquirir um conhecimento ainda mais profundo sobre o tema para aplicá-lo em seu trabalho, deixamos abaixo uma série de referências importantes que estão disponíveis aqui no Observatório de Educação. Confira:

Intelligence Unleashed - an argument for AI in education

Artigo sobre inteligência artificial na educação que possui dois objetivos. O primeiro é explicar a um leitor não especialista e interessado o que é IA na educação, seus objetivos e como funciona. O segundo é apresentar o argumento que a IA na educação pode oferecer ensino e aprendizagem, agora e no futuro, com o objetivo de melhorar a aprendizagem e os resultados de vida para todos. Em inglês.

Acesse aqui

Artificial Intelligence in Education: Challenges and Opportunities for Sustainable Development

Publicação da Unesco que analisa como a IA pode ser usada para melhorar os resultados de aprendizagem, explora os diferentes meios pelos quais governos e instituições educacionais estão repensando e reformulando programas educacionais para preparar os alunos para a presença cada vez maior da IA em todos os aspectos da atividade humana e aborda os desafios e as implicações políticas que devem fazer parte das conversas globais e locais sobre as possibilidades e riscos da introdução da IA na educação. Em inglês.

Acesse aqui

Consenso de Beijing sobre a inteligência artificial e a educação

Documento final da Conferência Internacional sobre Inteligência Artificial e Educação “Planejando a educação na era da IA: liderar o avanço”, realizada nos dias 16 a 18 de maio de 2019, em Beijing, República Popular da China.

Acesse aqui

Policy Guidance on AI for Children

Guia desenvolvido pelo Fundo das Nações Unidas para a Infância (Unicef), como parte do projeto de Política de Inteligência Artificial para Crianças, para promover os direitos das crianças nas políticas e práticas de IA do setor privado e governamental, e para aumentar a conscientização sobre como os sistemas de IA podem defender ou minar esses direitos. Em inglês.

Acesse aqui

IA na Educação Pública: construindo uma iniciativa

Gravação de webinar promovido pela organização AI Inclusive com os professores Karla Esquerre, Raony Fontes, Ana Luiza Nogueira e Laís Bastos, na qual discutiram os desafios e perspectivas para a inserção da Inteligência Artificial na educação pública a partir de experiências de 2020 e 2021 com o projeto Ciência de Dados na Educação Pública (UFBA).

Acesse aqui

Ciência de Dados na Educação Pública

Apresentação de Raony Fontes (UFBA) no webinar acima, com ferramentas para professores que desejam usar IA na educação.

Acesse aqui

Tecnologias Educacionais Inteligentes a Serviço dos Professores

Vigésima aula do curso gratuito de aperfeiçoamento "Tecnologia na Educação, Ensino Híbrido e Inovação Pedagógica", oferecido pelo Laboratório Digital Educacional da Universidade Federal do Ceará. Na aula, discute-se acerca das Tecnologias Educacionais Inteligentes a serviço dos professores. São abordados os seguintes assuntos: Inteligência Artificial na Educação e aplicações e da Inteligência Artificial à Inteligência Aumentada na Educação. Mediação de Herbert Lima.

Acesse aqui

Tendências em inteligência artificial na educação no período de 2017 a 2030 - Sumário Executivo

Levantamento que apresenta tendências mundiais em tecnologias baseadas em Inteligência Artificial para a educação no período de 2017 a 2030. O estudo constatou que parte significativa da produção científica atual em Inteligência Artificial está relacionada com o tema da Educação, o que indica forte presença da Inteligência Artificial nos sistemas educacionais e, consequentemente, um grande impacto nos processos de ensino-aprendizagem no curto e no médio prazo. A reformulação da sala de aula por meio das novas tecnologias pode ser um importante passo para a formação de pessoas mais alinhadas com as exigências do século XXI, sendo um motor essencial para a competitividade da indústria brasileira.

Acesse aqui

Documentário Coded Bias - Netflix

Documentário investiga o viés nos algoritmos depois que a pesquisadora Joy Buolamwini, do MIT, descobriu falhas na tecnologia de reconhecimento facial.

Acesse aqui

La gestión ética de los datos

Este documento do BID fornece estruturas sobre o gerenciamento ético de dados e a importância do consentimento, um resumo das melhores práticas e um roteiro com etapas concretas para o gerenciamento responsável de dados pelo setor público.

Acesse aqui

Usos y efectos de la inteligencia artificial en educación

Este documento aborda os impactos da inteligência artificial (IA) na educação, com base em uma revisão do progresso feito na melhoria dos processos de ensino e aprendizagem, e na gestão de sistemas educacionais. A publicação faz parte da iniciativa FAIr LAC do Banco Interamericano de Desenvolvimento (BID), que busca promover o uso ético e responsável de dados e sistemas baseados em IA na região, especialmente na prestação de serviços sociais

Acesse aqui

Gostou? Veja mais

Big Data na Educação

Big Data refere-se geralmente a uma gigantesca quantidade de dados, gerados em uma velocidade vertiginosa, de diferentes origens e formatos (estruturados ou não). Mas se há tanto tempo temos...

Saiba mais

Explorando os Dados da Educação

essa transformação não ocorra de maneira democrática, a cada dia são gerados volumes astronômicos de dados sobre tudo que fazemos, gostamos, consumimos e temos interesse. Neste contexto, a ciência de dados ...

Saiba mais