A verdadeira revolução está por vir

Há décadas, as máquinas ajudam a humanidade a melhorar a aprendizagem. O baixo poder computacional e o escasso acesso ao próprio computador, além da base da computação ser a programação, foram os fatores limitantes. Hoje, com smartphones democratizados e a inteligência artificial, temos as ferramentas para construir uma verdadeira revolução da educação.

Um dos primeiros artigos defendendo esta tese datam de 1966, quando o matemático e filósofo americano Patrick Suppes publicou artigo argumentando sobre o uso dos computadores na educação, afirmando que as máquinas facilitariam a individualização da instrução ao acompanhar a história de sucesso ou de fracasso de cada aluno.

Outro ponto levantando por Suppes é que as máquinas computacionais forneceriam informações diárias sobre o desempenho dos alunos em cada parte do currículo, tornando possível avaliar páginas e exercícios individualmente. Essas perspectivas ajudaram na criação na base do computer assistent instruction (CAI).

Norte evolutivo

A linha de raciocínio entre os primeiros proponentes do sistema CAI era a de que a educação era uma atividade de trabalho intensivo, que poderia ter ganhos de produtividade e na relação custo-benefício de forma análoga a outros setores que tiveram tecnologia aplicada.

O programmed logic for automatic teaching operations, ou PLATO, em 1960, liderado pelo cientista da computação e engenheiro elétrico Donald L. Bitzer, da University of Illinois, foi concebido como um misto de ambiente de aprendizagem e rede de telecomunicação para ambientes de ensino.

A plataforma já contava com recursos que, anos depois, fariam sucesso na web, como: salas de bate-papo, fóruns, e-mails e até mesmo emoticons. Entretanto, inicialmente, o ambiente de aprendizagem só funcionava no caro e grande computador ILLIAC I, pertencente à University of Illinois. Essa restrição, consequentemente, impediu a democratização de seu uso.

Outro exemplo foi o sistema IBM 1500, CAI, criado em 1964, supervisionado por Patrick Suppes, enviado à Stanford University, em agosto de 1967.

O primeiro nível de uso do sistema CAI facilitava a individualização da instrução, ao usarem histórico de sucesso e fracasso de cada aluno para a seleção de novos problemas e conceitos aos quais o estudante deveria ser exposto em seguida. O sistema fornecia ainda informações diárias sobre o desempenho dos alunos em cada parte do currículo, o que não era possível com livros e cadernos, em que os alunos recebiam os mesmos conjuntos de problemas.

O segundo nível de tutoriais do sistema CAI usou instruções faladas com crianças do ensino fundamental para ajudar os alunos na aquisição de conceitos. Contudo, a máquina falava, mas não "escutava".

O terceiro nível de interação foi chamado de sistemas de diálogo. Os diálogos eram feitos pelo reconhecimento de padrões de voz por computadores e pelo reconhecimento das perguntas feitas pelos alunos por meio de um terminal.

Ao final de 1960, o sistema PLATO poderia ensinar até mil alunos simultaneamente, permitindo evolução independente. Outras inovações chamam a atenção, como o verificador ortográfico rudimentar, além de uma página de comentários para discussões e uma espécie de fórum para comunicação entre instrutor e aluno. O sistema ainda registrava as respostas dos alunos às perguntas, bem como cada botão apertado pelo aluno e o tempo em que havia sido apertado. Já a apresentação de materiais foi chamada de livro eletrônico.

Base cognitiva

Os anos se passaram e somente nos anos 2000 ampliou-se o uso de computadores para o aprendizado. A base para isso foi a ampliação da capacidade computacional, sua democratização – uso disseminado dos smartphones –, e pela computação cognitiva, essência para a inteligência artificial em atual desenvolvimento.

A computação cognitiva é a terceira geração da computação. A primeira foi a tabulação de dados e a segunda foi a programação de dados – essa última, usada na década de 1960. Computação cognitiva trabalha sobre duas bases: (1) o reconhecimento de linguagem natural, ou seja, a máquina entende o sentido de uma sentença, inclusive o que está por de trás das palavras e não apenas cada palavra ou um conjunto predeterminado de palavras organizadas, e (2) a capacidade de analisar dados não estruturados, isto é, conseguir extrair e analisar dados sem que estejam previamente organizados, por exemplo em uma planilha.

Com estes avanços tecnológicos, foram possíveis a criação e o acesso a interações muito mais fluentes e precisas, como a criação de redes neurais artificiais que resultam em professores multidisciplinares que ficam à disposição de alunos 24 horas, 7 dias por semana, incluindo aplicações de personalização de como aprender melhor e o que aprender.

FUTURO MUITO PRÓXIMO

Esses avanços, somados à capacidade de análise de dados com machine learning e deep learning, dão à humanidade a oportunidade de avançar na personalização, customização e adaptação da aprendizagem, inclusive de forma preditiva, com custos unitários marginais na casa dos centavos. Por isso, a verdadeira revolução da educação com uso de máquinas está por vir.

Gostou do artigo do José Cláudio Securato? Saiba mais sobre educação e tecnologias cognitivas assinando gratuitamente nossas newsletters e ouvindo nossos podcasts na sua plataforma de streaming favorita.