Quão bem os estudantes aprendem?
Os formuladores de políticas públicas de hoje tendem a basear suas avaliações em testes padronizados, e não mais do que isso. No entanto, alguns pesquisadores em educação sugerem que é tão importante fazer uma pergunta mais fundamental: Como os alunos aprendem?
“Temos todo um conjunto de testes padronizados que visam medir a aprendizagem de alguma forma”, disse Rosemary Russ, pesquisadora de educação física da University of Wisconsin–Madison, “mas também precisamos examinar os comportamentos dos alunos e procurar padrões, entre comportamentos, metodologias de ensino e outras medidas de aprendizagem.”
Uma maneira de fazer isso é observar os comportamentos em sala de aula. Os alunos estão dormindo quando o professor desliga as luzes para uma apresentação em PowerPoint, por exemplo, ou eles estão tomando notas e fazendo perguntas?
Para esse objetivo, pesquisadores da Universidade da Califórnia, Irvine; A Seattle Pacific University e a Harvard University em Cambridge, Massachusetts, investigaram novas maneiras de observar e analisar as interações gerais da sala de aula.
De acordo com um artigo publicado na revista Physical Review Physics Education Research no final de novembro, análises significativas em sala de aula podem ser feitas apenas com dados de vídeo, sem áudio. Essa nova visão pode reduzir drasticamente o custo e o esforço necessários para futuras pesquisas em sala de aula em todos os níveis de ensino.
Apenas olhe, não escute “No momento, quando as pessoas estão fazendo essas análises, geralmente coletam dados de áudio e vídeo”, disse Laura Tucker, pesquisadora de educação científica da UC Irvine, que trabalhou no projeto.
Para obter gravações claramente audíveis de uma sala de aula, os pesquisadores muitas vezes têm que configurar vários microfones em vários ângulos e posições. Isso se torna difícil para classes maiores, onde as vozes dos alunos começam a se misturar e as observações individuais se tornam indistinguíveis.
“Logisticamente, os dados de áudio são difíceis de coletar e analisar, e combinar o áudio para estudantes específicos em estudos de grande porte é ainda mais difícil. Parando uma câmera em uma sala de aula (sem coleta de áudio) é muito mais fácil”, disse Tucker.
A maioria dos smartphones tem duas câmeras já construídas, apenas um exemplo de como é relativamente barato para coletar e armazenar dados de vídeo.
Para testar a possibilidade de analisar salas de aula com apenas vídeos, os pesquisadores treinaram um grupo de voluntários para marcar atividades de sala de aula usando um sistema de classificação publicado em 2009, por Rachel Scherr e David Hammer, um par de pesquisadores da University of Maryland.
Ao olhar para amostras de vídeo tomadas dentro de uma classe universitária, os voluntários foram capazes de identificar vários tipos de atividades – como se os alunos estavam preenchendo testes, ouvindo uma palestra, tendo discussões ou apenas brincando.
Eles fizeram isso observando os gestos dos alunos, linguagem corporal, movimentos de cabeça e outras pistas não-verbais, usando os protocolos fornecidos pelo sistema de classificação.
Em última análise, os pesquisadores descobriram que os voluntários poderiam distinguir entre essas atividades com a mesma precisão, independentemente da presença de gravações de áudio.
Próxima etapa – computadores Eventualmente, os pesquisadores gostariam de automatizar o processo com computadores, para que mais dados possam ser processados. A comunicação não-verbal, a linguagem corporal, é um componente natural da interação humana.
Mas antes que os computadores possam reconhecê-lo, os pesquisadores precisam articular essas pistas visuais de uma forma que os computadores possam entender.
“Os seres humanos são absolutamente essenciais para fazer o trabalho inicial”, disse Tucker. “Primeiro precisamos descobrir se e como essas análises podem ser feitas, então podemos ensinar um computador como fazê-lo.”
Desde os rudimentares filtros antispam dos e-mails até os algoritmos mais sofisticados de marcação de foto, como os usados pelo Facebook, universidades e empresas fizeram grandes avanços no software de reconhecimento de padrões na última década. A tecnologia agora também está tomando a análise de vídeo.
“Se o processo pudesse ser automatizado, poderíamos analisar substancialmente mais dados e começar a procurar padrões entre os comportamentos dos alunos e outras medidas de aprendizado”, disse Russ.
Dada a diversidade de ambientes de aprendizagem em diferentes distritos, estados e países, a análise de vídeo poderia fornecer informações em sala de aula que os testes padronizados simplesmente não podem oferecer.
Este texto foi traduzido e adaptado de "How to Learn About How Students Learn" publicado originalmente em: https://www.insidescience.org/news/how-learn-about-how-students-learn.
Assine a nossa lista de e-mails e esteja sempre atualizado com as principais novidades.
