Por: Andrew Ramsden

Ipswich, Reino Unido

Tornar-se um aprendiz independente ou autorregulado é um passo fundamental para ser um aprendiz mais efetivo. As características de um aprendiz autorregulado incluem “sua capacidade de resposta ao feedback relativo à efetividade de seu processo de aprendizagem e de sua auto-percepção nas realizações acadêmicas” (Zimmerman (2000:14)). Para isso acontecer, o aprendiz não só deve se responsabilizar pelas fraquezas próprias, também o corpo docente deve dar-lhe a oportunidade de identificar, corrigir e melhorar esses pontos fracos (Fritz (2013)).

A seguinte análise está voltada para dois objetivos específicos. O primeiro é estruturar a forma em que um membro do corpo docente pode redesenhar suas atividades de ensino utilizando o ambiente de aprendizagem virtual, no intuito de fornecer um feedback mais profundo e promover trocas de conhecimentos que encorajem os estudantes para serem aprendizes autorregulados mais efetivos. O segundo objetivo é delinear o caso para os diretores principais visando impulsionar este processo de redesenho e assim fazer com que a instituição tire maior proveito da analítica da aprendizagem e da tomada de decisões baseada em dados.

Davenport et al., (2000) define a analítica da aprendizagem como a “aplicação das técnicas analíticas na análise dos dados pedagógicos, incluindo a informação sobre as atividades dos aprendizes e professores, com a finalidade de identificar os padrões de comportamento e fornecer uma informação viável em prol da melhora da aprendizagem de das atividades relacionadas com essa aprendizagem”. Um aspecto importante dentro desta definição é o conceito de dados que sejam “viáveis”, seja por parte do aprendiz, do professor ou de qualquer outro grupo de atores interessados.

A coleta dos dados e a execução de ações precisa que o modelo de aprendizagem fique afastado de uma abordagem ortodoxa, concebida ao redor de avaliações acumulativas de alto impacto (em geral, um ensaio e um exame não visto), para se aproximar de uma abordagem que providencie oportunidades de feedback mais frequentes e ciclos de aprendizagem para o estudante, ao mesmo tempo em que é sustentável e escalável para o membro do corpo docente. A concepção ortodoxa não promove de forma rápida os aprendizes autorregulados porque em geral carece de suficientes pontos confiáveis e viáveis. Consequentemente, a abordagem redesenhada deve incluir a utilização de programas de exame para VLE (Ambiente de Aprendizagem Virtual em inglês), a apresentação de tarefas curtas escritas on-line (com critérios de avaliação definidos) e tecnologias potenciais de votação em aula. Por exemplo, você pode utilizar quatro exames on-line (de 5 perguntas) que serão respondidas por todos os estudantes a intervalos regulares ao longo do curso. Isso geraria uma quantidade importante de dados viáveis sem isso representar um trabalho significativo. Além disso, ao utilizar vários tipos de perguntas diferente, você pode ter absoluta certeza de estar examinando habilidades que requerem processos complexos de pensamento de análise e síntese. Os tipos de perguntas podem incluir a escala do Likert (em que medida você concorda com…) e perguntas de resposta curta (em menos de 200 palavras, explique por quê…) Os estudantes poderão acessar a suas notas e comentários on-line e se comparar com a nota média da turma. O professor pode dedicar uma parte da seguinte etapa ao ensino presencial para aprofundar ainda mais sobre  as perguntas. O modelo de aprendizagem deve enquadrar os sete princípios de um processo de feedback adequado, que deve incluir a ajuda para explicar o bom desempenho, a reflexão durante a aprendizagem, o estímulo do diálogo sobre aprendizagem entre os professores e colegas e o fornecimento de informações ao corpo docente sobre como modelar o processo de ensino (Nicol & Macfarlane-Dick (2006).

Assim sendo, ¿por que os diretores principais devem encorajar o corpo docente para melhorar o desenho do ensino baseado na tecnologia? Desde uma perspectiva institucional, a resposta simples é que utilizar o VLE para gerar e compartilhar informações suporta a adoção efetiva da Analítica da aprendizagem. Estes redesenhos individuais funcionarão como “uma série de pequenos passos desenhados para ganhar experiência e fazer com que as decisões baseadas em dados tenham um valor agregado” (Bichsel 2012:26). O uso de pilotos a pequena escala é essencial, pois a analítica da aprendizagem não precisa de dados perfeitos, enquanto isso, para identificar os benefícios da analítica da aprendizagem, uma instituição precisa aplicá-la dentro das condições específicas da instituição. Por tanto, uma quantidade de pilotos a pequena escala focados em relatórios mais detalhados e em estratégias de intervenção efetiva que procuram possibilitar uma boa preparação da analítica de aprendizagem. Estes pilotos promoverão o diálogo sobre a cultura institucional, as pessoas e os processos, bem como a infraestrutura tecnológica.

Qual o seguinte passo? Se você faz parte de um corpo docente, um ponto ótimo de partida será explorar a funcionalidade e as possibilidades da ferramenta de exames on-line e do centro de notas. Se faz parte dos diretores principais um bom ponto de partida seria pesquisar sobre os modelos efetivos de adoção acadêmica dentro do contexto de sua instituição. As informações para ambos os casos está disponível em Blackboard (http://www.blackboard.com).

*Andrew Ramsden – EMEA Consultor Estratégico, Blackboard Internacional

————————————————

Bichsel, J., (2012) ECAR Study of Analytics in Higher Education, disponível em: http://www.educause.edu/library/resources/2012-ecar-study-analytics-higher-education (Consultado em Outubro 2015)

Davenport, T., Harris, J., and Morrison, R., (2010) Analytics at Work, Harvard Business School Publishing Corporation

Fritz, J., (2013) Using Analytics at UMBC, Educase Center for Applied Research, Research Bulletin, disponível em https://net.educause.edu/ir/library/pdf/ERB1304.pdf

Nicol, D., & Macfarlane-Dick, D., (2006), Formative assessment and self-regulated learning: A model and seven principles of good feedback practice. Studies in Higher Education, 31(2), 199-218

Nussbaumer, A., Hillemann, E-C., Gutl C., and Albert, D., (2015), “Competence-based Service for Supporting Self-Regulated Learning in Virtual Environments, Journal of Learning Analytics, 2(1), 101-133

Zimmerman, B., (1990), “Self-Regulated Learning and Academic Achievement: An Overview” in Educational Psychologist, 25(1), 3-17