Palavras-chave
Inteligência Artificial
Educação
Personalização
Futuro da Educação
Resumo
Este artigo aborda a integração em crescimento da Aprendizagem Adaptativa (AA) com a Inteligência Artificial (IA) na educação contemporânea. Explora-se o potencial transformador dessa fusão, destacando como a IA pode personalizar a educação, adaptando-se às necessidades únicas de cada aluno. Isso impulsiona o engajamento e a eficácia da aprendizagem, oferecendo um ensino mais significativo. Contudo, a integração enfrenta desafios éticos, como a privacidade dos dados dos alunos e a equidade na acessibilidade, que necessitam de soluções éticas e inclusivas. O papel crucial do educador nesse cenário é evidenciado. Sua formação contínua é vital para compreender e aplicar eficazmente as ferramentas de IA, interpretando insights para aprimorar a experiência educacional. A colaboração entre educadores e desenvolvedores de IA é fundamental para criar soluções alinhadas às necessidades reais da educação. O futuro aponta para uma IA mais especializada, capaz de personalização refinada e ambientes de aprendizagem imersivos. No entanto, a interpretabilidade dos algoritmos permanece como desafio para garantir a transparência e a confiança nas decisões da IA. Conclui-se que essa integração está moldando um futuro educacional inovador, onde a aprendizagem é adaptativa, eficiente e centrada no aluno, preparando os indivíduos para um mundo dinâmico em constante transformação.
Referências
BLOOM, B. S. The 2 sigma problem: The search for methods of group instruction as effective as one-to-one tutoring. Educational researcher, v. 13, n. 6, p. 4-16, 1984.
BAKER, R. S.; YACEF, K. The State of Educational Data Mining in 2009: A Review and Future Visions. Journal of Educational Data Mining, [S. l.], v. 1, n. 1, p. 3–17, 2009. DOI: 10.5281/zenodo.3554657. Disponível em: https://jedm.educationaldatamining.org/index.php/JEDM/article/view/8. Acesso em: 19 set. 2023.
BRUSILOVSKY, P.; MILLÁN, E. User models for adaptive hypermedia and adaptive educational systems. In: Brusilovsky, P., Kobsa, A., Neidl, W. (eds.) The Adaptive Web: Methods and Strategies of Web Personalization. LNCS, vol. 4321, p. 3-53. Springer, Heidelberg. 2007.
COSTA JÚNIOR, J. F. et al. Reflexões sobre as TICs - Tecnologias da Informação e Comunicação e as Metodologias Ativas no processo de Ensino-aprendizagem. In: CAVALHEIRO, Claudionor Nunes; LIMA, Laise Katiane Alencar (orgs). Caminhos da Educação: Concepções e Desdobramentos - Volume 2. Formiga (MG): Editora MultiAtual, 2022. p.42-62. Disponível em: https://educapes.capes.gov.br/handle/capes/717446. Acesso em 02 set. 2023.
DIETTERICH, T. G. Steps toward robust artificial intelligence. AI Magazine, vol. 38, n. 3, p. 3-24. 2017.
ISTE - International Society for Technology in Education. ISTE Standards for Educators. Eugene, OR: ISTE, 2017. Disponível em https://www.iste.org/standards/for-educators. Acesso em: 02 set. 2023.
JOHNSON, L.; ADAMS BECKER, S.; ESTRADA, V.; FREEMAN, A. NMC/CoSN Horizon Report: 2016 K-12 Edition. The New Media Consortium. 2016.
JURAFSKY, D.; MARTIN, J. H. Speech and Language Processing: An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition. Pearson. 2009.
MACHADO, N. J. Epistemologia e didática: As concepções de conhecimento e inteligência e a prática docente. 5ª ed. São Paulo: Cortez, 2002.
MCCARTHY, J.; MINSKY, M. L.; ROCHESTER, N.; SHANNON, C. E. A Proposal for the Dartmouth Summer Research Project on Artificial Intelligence, August 31, 1955. AI Magazine, [S. l.], v. 27, n. 4, p. 12, 2006. DOI: 10.1609/aimag.v27i4.1904. Disponível em: https://ojs.aaai.org/aimagazine/index.php/aimagazine/article/view/1904. Acesso em: 10 set. 2023.
MITCHELL, T. M. Machine Learning. McGraw Hill. 1997.
MORIN, E. Conhecimento, ignorância, mistério. Tradução de Clovis Marques. Rio de Janeiro: Bertrand Brasil, 2020.
ROMERO, C.; VENTURA, S.. Data mining in education. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, v. 3, n. 1, p. 12-27, 2013.
RUMELHART, D. E.; MCCLELLAND, J. L. Parallel Distributed Processing: Explorations in the Microstructure of Cognition. MIT Press. 1986.
SIEMENS, G.; BAKER, R. S. Learning Analytics and Educational Data Mining: Towards Communication and Collaboration. In: Proceedings of the 2nd international conference on learning analytics and knowledge. ACM. Pages 252-254, 2012.
SILVEIRA; A. C. J; VIEIRA JUNIOR, N. A Inteligência Artificial na educação: utilizações e possibilidades. Revista interritórios. Caruaru, v. 5, n. 8, 2019.
SOPRANA, P. Inteligência artificial deixará ensino mais personalizado no Brasil, diz pesquisa. Folha de São Paulo Online, 20 fev. 2019. Disponível em: https://www1.folha.uol.com.br/tec/2019/02/inteligencia-artificial-deixara-ensino-mais-personalizado-no-brasil-diz-pesquisa.shtml. Acesso em: 02 set. 2023.
UNESCO. Educação: Um tesouro a descobrir, relatório para a UNESCO da Comissão Internacional para a educação do século XXI. UNESCO. Tradução Guilherme João de Freitas Teixeira. Brasília, 2010. 41 p. Tradução de: Learning: the treasure within; report to UNESCO of the International Commission on Education for the Twenty-first Century (highlights). Disponível em: https://unesdoc.unesco.org/ark:/48223/pf0000109590_por. Acesso em: 25 ago. 2023.
VANLEHN, K. The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational psychologist, vol. 46, n. 4, p. 197-221, 2011.
WOOLF, B. P. Building Intelligent Interactive Tutors: Student-centered strategies for revolutionizing e-learning. Morgan Kaufmann. 2008.
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License.
Copyright (c) 2023 Revista Educação, Humanidades e Ciências Sociais