A ferramenta de feedback de IA melhora as práticas de ensino

Jan 12, 2024

O primeiro estudo desse tipo mostra que uma ferramenta que fornece feedback automatizado melhora as práticas de comunicação dos instrutores e a satisfação dos alunos.

A inteligência artificial está transformando rapidamente a educação, de maneiras preocupantes e benéficas. Do lado positivo, uma nova pesquisa mostra como a IA pode ajudar a melhorar a maneira como os instrutores se envolvem com seus alunos, por meio de uma ferramenta de ponta que fornece feedback sobre suas interações em sala de aula.

A ferramenta M-Powering Teachers fornece feedback com exemplos de diálogos da turma para ilustrar padrões de conversação de apoio. Clique na imagem para ampliá-la. (Crédito da imagem: Cortesia Dora Demszky)

Um novo estudo liderado por Stanford, publicado em 8 de maio no periódico revisado por pares Educational Evaluation and Policy Analysis, descobriu que uma ferramenta automatizada de feedback melhorou o uso dos instrutores de uma prática conhecida como absorção, em que os professores reconhecem, reiteram e desenvolvem a experiência dos alunos contribuições. As descobertas também forneceram evidências de que, entre os alunos, a ferramenta melhorou a taxa de conclusão das tarefas e a satisfação geral com o curso.

Para os instrutores que buscam melhorar sua prática, a ferramenta oferece um complemento de baixo custo para a observação convencional em sala de aula – que não requer um instrutor instrucional ou outro especialista para observar o professor em ação e compilar um conjunto de recomendações.

“Sabemos de pesquisas anteriores que o feedback específico e oportuno pode melhorar o ensino, mas simplesmente não é escalável ou viável para alguém sentar na sala de aula de um professor e dar feedback o tempo todo”, disse Dora Demszky, professora assistente da Stanford Graduate School of Education. (GSE) e principal autor do estudo. "Queríamos ver se uma ferramenta automatizada poderia apoiar o desenvolvimento profissional dos professores de maneira escalável e econômica, e este é o primeiro estudo a mostrar que sim."

Reconhecendo que os métodos existentes para fornecer feedback personalizado exigem recursos significativos, Demszky e seus colegas decidiram criar uma alternativa de baixo custo. Eles aproveitaram os avanços recentes no processamento de linguagem natural (NLP) – um ramo da IA ​​que ajuda os computadores a ler e interpretar a linguagem humana – para desenvolver uma ferramenta que pode analisar transcrições de uma sessão de aula para identificar padrões de conversação e fornecer feedback consistente e automatizado.

Para este estudo, eles se concentraram em identificar a aceitação das contribuições dos alunos pelos professores. "A aceitação é fundamental para fazer com que os alunos se sintam ouvidos e, como prática, tem sido associada a um maior desempenho do aluno", disse Demszky. "Mas também é amplamente considerado difícil para os professores melhorarem."

Dora Demszky é professora assistente na Stanford Graduate School of Education. (Crédito da imagem: Cortesia Stanford GSE)

Os pesquisadores treinaram a ferramenta, chamada M-Powering Teachers (o M significa máquina, como no aprendizado de máquina), para detectar até que ponto a resposta de um professor é específica ao que um aluno disse, o que mostraria que o professor entendeu e construída a partir da ideia do aluno. A ferramenta também pode fornecer feedback sobre as práticas de questionamento dos professores, como fazer perguntas que obtiveram uma resposta significativa dos alunos e a proporção de tempo de conversação professor/aluno.

A equipe de pesquisa colocou a ferramenta para funcionar na sessão da primavera de 2021 do Código in Place de Stanford, um curso online gratuito agora em seu terceiro ano. No programa de cinco semanas, baseado no popular curso introdutório de ciência da computação de Stanford, centenas de instrutores voluntários ensinam programação básica para alunos de todo o mundo, em pequenas seções com uma proporção de 1:10 professor-aluno.

Os instrutores de Code in Place vêm de todos os tipos de origens, desde estudantes de graduação que fizeram o curso recentemente até programadores de computador profissionais que trabalham na indústria. Por mais entusiasmados que sejam para introduzir iniciantes no mundo da codificação, muitos instrutores abordam a oportunidade com pouca ou nenhuma experiência anterior de ensino.

Os instrutores voluntários receberam treinamento básico, objetivos de aula claros e esboços de sessões para se preparar para sua função, e muitos receberam bem a chance de receber informações automatizadas em suas sessões, disse o coautor do estudo Chris Piech, professor assistente de educação em ciência da computação em Stanford. e co-fundador da Code in Place.