eLearning e Inteligência Artificial (2)

eLearning e Inteligência Artificial (2)

eLearning e Inteligência Artificial (2)

  1. Evolução da IA

Para podermos compreender e sustentar cientificamente o processo de ensino – aprendizagem no âmbito da Inteligência Artificial, temos de olhar para os estudos realizados ao longo dos séculos XX e XXI sobre o funcionamento do cérebro na vertente cortical e límbica, analisar as conclusões da Psicometria e da Psicologia Diferencial e do Desenvolvimento, bem como, observar áreas afins: Inteligências Múltiplas, Inteligência Emocional, Estilos de Aprendizagem e a Personalidade, para além das respostas que os vários sistemas foram conseguindo dar ao nível das diferentes sociedades, sem esquecer a panóplia de recursos tecnológicos utilizados, durante mais de um século de investigação.

Para poder ser eficaz, qualquer sistema educacional ou de formação profissional necessita de ter a montante um processo de diagnóstico, que possibilite a futura orientação. Este deverá ocorrer numa fase muito precoce. Dito de outro modo, é indispensável medir em tempo útil as características de cada aluno/formando e, a partir dessa informação, orientá-lo, podendo recorrer a estratégias que ajudem no aprender a aprender. O sistema deveria avaliar também o professor/formador, de modo a poder auxiliá-lo na construção das aulas, sejam estas presenciais ou noutra metodologia. Ou seja, temos de ajudar aquele que ensina a selecionar o modelo didático-pedagógico que melhor se ajusta às características dos alunos, tendo em conta a tipologia das matérias e as idiossincrasias do grupo.

Apercebemo-nos pela experiência do dia-a-dia, que cada sujeito tem uma forma própria de aprender. Também não temos dificuldade em concluir que, podemos agrupar as pessoas por características e/ou afinidades que resultam da forma como aprendem. Em resumo, empiricamente constatamos que temos diferentes estilos de aprender e que também existem diferentes estilos de ensinar

Paralelamente, sentimos que as exigências da sociedade atual nos conduzem à seguinte conclusão: aprender a aprender convertesse numa das competências básicas indispensáveis à nossa sobrevivência social. Alvin Tofler (1991), no livro: Mudança e o Poder, defende que nas sociedades modernas o poder se constrói tendo como suporte o conhecimento.

No passado, desde o primeiro quartel do século XX, a Psicometria e a Psicologia Diferencial ofereceram-nos ferramentas como os Testes de Inteligência (QI), de Personalidade, de Aptidões e de Preferências Vocacionais que, globalmente, nos davam informação suficiente para podermos orientar as pessoas, de modo a tentar colocar a “pessoa certa no local adequado”, porém, este sistema sofreu sempre muitos enviesamentos, desde a ditadura do QI, para entrar nas melhores escolas dos USA, até aos países menos desenvolvidos como era Portugal, onde a escassez de meios ocorria com evidência, que nunca existiu uma verdadeira orientação escolar nem mesmo profissional, para não evocar os países em vias de desenvolvimento, nos quais nunca existiu esta necessidade.

Num futuro próximo, a Inteligência Artificial vai contribuir de forma decisiva para segmentar as pessoas em função das suas aptidões, embora como as profissões vão ter uma natureza mais efémera, este processo de colocar o sujeito de acordo com as suas idiossincrasias inato-adquiridas na atividade certa, ocorrerá muitas vezes ao longo da sua vida ativa. Paralelamente, como dizia Alvin Tofler, usando como exemplo a Agroesfera, Tecnoesfera e Infoesfera, existirá sempre uma área dominante, mas as outras vão coexistir.

Com a IA, a China, não na totalidade do seu território, mas nas grandes cidades como Pequim, Xangai, Shenzhen e Hong Kong; nos USA, nas metrópoles como Nova Iorque, Los Angeles, São Francisco e Boston, vai haver a aplicação quase generalizada desta tecnologia. Ao invés, noutras zonas, a integração será parcial e, nas menos desenvolvidas, todo funcionará de forma tradicional. Na Europa, o Sul terá muito menos cidades envolvidas neste movimento inovador, daquilo que ocorrerá no Norte e no Centro.

Em suma, existirá um desenvolvimento desigual como sempre ocorreu ao longo da História, só que nos séculos XXI e XXII, o tempo de mudança vai acontecer em períodos cada vez mais curtos; prevê-se que existam de acordo com uma progressão geométrica. Mesmo na América Central e do Sul, e em várias zonas da Ásia, que na primeira metade deste século estarão na cauda da evolução da IA, previsivelmente, até ao final do mesmo, vão estar muito próximas da média. Na África, é previsível que tudo ande ainda mais de vagar, embora não saibamos como os diferentes continentes vão progredir na segunda metade do século XXI.

 

  1. Os Estilos de Aprendizagem e IA

artificial inteligence

Numa sociedade como a portuguesa, que acumula erros educacionais há muitas gerações, fazendo investimentos na educação e na formação sempre numa ótica de curto prazo; o que nos tem colocado, endemicamente, na cauda da Europa. Daqui ressaltam, destacadamente, os problemas da preparação dos jovens para a vida laboral e os da formação contínua e de reciclagem. Neste início de século e do milénio, onde urge fazer mudanças essenciais para a nossa sobrevivência enquanto Nação, o que nos obrigará a uma reflexão que, inevitavelmente, deverá ter consequências práticas, se não queremos afastar-nos mais deste Continente, onde estamos, por direito próprio, há mais de oito séculos.

Esta reflexão vai colocar-nos perante o problema do diagnóstico pré-educativo ou preformativo, onde surgirão, inevitavelmente, perguntas como as seguintes:

  • Sabemos que as pessoas aprendem de modo diferente, será que é possível diagnosticar essas diferenças?
  • Uma vez encontrado um hipotético estilo de aprendizagem, podemos mudá-lo e ensinar outro?
  • Qual a origem e de que depende cada estilo de aprendizagem encontrado?
  • Que implicações pedagógico-didáticas pode ter cada estilo diagnosticado e que repercussões ou que impactos terá na carreira académica e profissional de cada pessoa?

Da mesma maneira que a Inteligência Artificial, a medicina geral e familiar, como outras especialidades, dão um contributo decisivo; numa primeira fase, na ajuda para a tomada de decisão. Dito de outro modo, o médico vai inserir no sistema as análises ao sangue, urina e vários exames complementares de diagnóstico, como RX, RM, TAC, ECG, anamnese, queixas do doente, etc. O algoritmo fará a avaliação com base nos dados fornecidos pelo clínico, mas também daqueles que existem na memória do sistema e, ainda, no Big Data, isto é, de tudo o que está presente na rede. Também na Educação e na Formação Profissional, as perguntas que estão colocadas no parágrafo anterior vão sendo sucessivamente respondidas:

A IA vai avaliar todas as diferenças existentes no processo de aprendizagem de cada pessoa e onde radicam essas idiossincrasias. Fará com que o aprendente adquira conhecimentos em função da sua matriz biopsicossocial ou, caso esta não sirva para aquilo que a própria pessoa deseja alcançar, propõe-lhe um plano de mudança de seu estilo. A título de exemplo, o individuo é reflexivo, portanto, as suas decisões são muito ponderadas; analisando detalhadamente todos os prós e os contras de cada escolha; o que inevitavelmente consome muito tempo. Porém, esta pessoa é Controladora de Tráfego Aéreo, onde se exige segurança, análise ponderada, capacidade decisão em situações críticas, com um elevado controlo emocional; caraterísticas típicas de um reflexivo, todavia, tudo isto tem de ocorrer em frações de segundos, portanto, a variável tempo é determinante, todavia, esta não faz parte das caraterísticas do estilo reflexivo mas do ativo. Em suma, o sistema vai ter de ajudar esta pessoa a mudar uma parte significativa da sua matriz comportamental.

Para se poder entender melhor o nível e as conexões destas premissas, será importante fazer uma breve reflexão sobre os Estilos de Aprendizagem e sobre os Estilos de Ensinar. É hoje um lugar comum dizer: “as pessoas aprendem de forma diferente umas das outras”, no entanto, resta saber como o fazem. Muitas investigações têm demonstrado que uns sujeitos organizam a informação de modo muito diverso: linear, sequencial, global, etc. Podemos então começar por refletir, num âmbito didático-pedagógico, qual deverá ser a eficácia dos modelos de ensino apresentados na atualidade, que sugerem uma única solução, quiçá, tida como a melhor para cada pessoa ou grupo alvo, num determinado momento da evolução de saberes e da aquisição de conhecimento.

O Behaviorismo, bem como o Ensino Programado, que é oriundo desta corrente psicopedagógica (The Science of Learning and the Art of Teaching, Skinner, 1954), sempre partiram do pressuposto de que era necessário pegar no “TODO” e segmentá-lo em pequenas tranches, por este processo poder funcionar como um facilitador, no entanto, se ligarmos as mesmas entre si por um elo lógico e sequencial, de modo a que cada segmento termine com um reforço adequado à situação, alcançar-se-á a aprendizagem plena. Hoje podemos concluir que esta estratégia continua a ser a mais correta para determinadas pessoas, mas não para outras. Sabemos também que este modelo pedagógico se adapta muito bem a determinadas matérias, mas não a todas. Assim, se queremos aumentar a eficácia do processo de ensino/aprendizagem será necessário investigar cada estilo individual, mas em paralelo conjugar essa informação com a tipologia dos conteúdos. Portanto, há inúmera informação que tem de ser correlacionada, daí que seja necessário criar algoritmos capazes de realizar este trabalho, pois pelos processos tradicionais como foi proposto por Kolb, Honey e os Dunn, dificilmente chegaremos a bom porto.

Se pensarmos nos meios tradicionais de aprendizagem, de que o livro é um bom exemplo, constatamos que as pessoas podem estudar de acordo com a própria lógica do meio, isto é, sequencialmente, embora saibamos que outros sujeitos o fazem de forma alternada; neste caso, será o estilo da pessoa a querer contrariar a lógica do suporte usado. Atualmente, em alguns modelos de aulas virtuais de eLearning, em sistemas multimédia offline e no hipertexto, já é o próprio suporte que sugere que o estudante siga uma estratégia ditada pelo seu estilo. Noutra aceção (plataformas online), será o próprio sistema computacional a diagnosticar o estilo de aprendizagem e, a partir dele, automaticamente, fará a orientação de acordo com uma estratégia pré-definida, otimizada, completamente sustentada pelas características de cada estilo de aprendizagem.

Todos os professores, formadores, tutores, consultores pedagógicos e técnicos das diferentes áreas da educação/formação devem conhecer, até ao mais ínfimo pormenor, que aprendemos de maneiras muito diversas: observando, repetindo, imitando, por tentativa e erro, por associação de ideias, por reflexão, através da resolução de problemas ou de tarefas, etc., no entanto, será essencial perceber que, desde o momento em que o estímulo atua sobre os nossos sentidos, até à fase em que a informação chega ao cérebro, existiu um longíssimo caminho a percorrer cheio de obstáculos e de filtros, o qual, como é óbvio, variará de pessoa para pessoa, tendo em conta aspetos biológicos, psicológicos e sociais, ligados à hereditariedade, à cultura, ao percurso de vida e ao psiquismo individual.

O modelo de Processamento da Informação de Gagné, R. (1987) demonstra que existe um ciclo de aprendizagem, que começa “sempre” na motivação e termina no feedback. Portanto, alimenta-se do dinamismo do processo, fazendo com que cada “coisa” passe a ter um significado próprio para cada sujeito (idiossincrasia), isto é: entre o “velho” (o conhecido) e o “novo” (o desconhecido) é estabelecida a ponte do conhecimento. A motivação vai orientar a nossa atenção seletiva, a qual irá escolher aquilo que tem ou não qualidade para continuar a viagem até alcançar a meta no interior do cérebro: “o armazém do conhecimento”. Por outro lado, a atribuição de significado para aquela pessoa, levá-la-á a codificar esse significado, preparando logo a futura resposta ou, a capacidade para elaborar a mesma e concomitantes desempenhos, os quais vão variar de intensidade em função do reconhecimento/reforço que alimentam as expectativas e a motivação, que é o mesmo que dizer: fecha-se o ciclo da aprendizagem e inicia-se outro.

O papel do cérebro límbico, como lhe chamou Ned Herrmann (1996), deverá ser tido como fundamental no processo de aprendizagem, pois pode condicionar ou, mesmo impedir o funcionamento de todo o circuito cognitivo. No que dissemos antes sobre os diferentes modelos, nunca referimos de forma clara a importância dos aspetos emocionais no processo de aprendizagem, embora estes estejam implícitos quando falamos sobre motivação. Pretendemos fazê-lo com bastante detalhe mais a frente, mas por agora vamos apenas relacionar o cognitivo com  o emocional nos Estilos de Aprendizagem, pois como sabemos estes possuem uma natureza biopsicossocial. Dito de outro modo, os estilos são a parte visível do nosso comportamento; são, portanto, os indicadores de superfície dos níveis profundos da mente.

O principal problema não está situado na utilidade dos Estilos de Aprendizagem, mas sim no seu diagnóstico preciso e rigoroso ou, mais ainda, na conceção dos planos de estudo, das didáticas e estratégias rigorosamente montadas de acordo com o ou os estilos dominantes. Para desenhar as tão ambicionadas estratégias e planos de estudo, não é importante o sistema de ensino (presencial, distância, alternância, etc.), nem a faixa etária dos estudantes ou a tipologia dos conteúdos, mas o modelo que queremos implementar para provocar a mudança de atitudes.

 

  1. Estilos de Aprendizagem, Big Data e IA

big data

A Inteligência Artificial, no que concerne aos Estilos de Aprendizagem, será uma ajuda essencial; vejamos porquê. Podemos aplicar os questionários de “papel e lápis” ou utilizar a Plataforma NetForma de eLearning, com a finalidade de avaliar os estilos de uma turma presencial de 25 alunos ou um curso de eLearning com 950 formandos. Este primeiro passo é fácil, pois existem 20 anos de experiência na implementação deste sistema, porém, onde começa o problema? – Na classe presencial ficamos a conhecer o estilo de cada pessoa, todavia, a dificuldade vai surgir logo a seguir, ou seja, o que fazer com essa informação. Obviamente, para cada aluno, estes dados são essenciais na lógica do “aprender a aprender”, uma vez que, a cada individuo será explicado como é que ele deve estudar em função da suas características, contudo, no que concerne ao “aprender a ensinar” a tarefa já é mais complexa, pois o tutor, professor ou formador têm de preparar quatro conjuntos de materiais de estudo; isto é, conteúdos para reflexivos, pragmáticos, teóricos ou ativos, pois só assim tirará verdadeiro partido desta segmentação.

No que diz respeito ao eLearning, bLearning e mLearning o processo está muito facilitado, pois a formando/aluno realiza a avaliação online e sabe imediatamente os resultados, bem como, são-lhe dadas instruções, de como deve “aprender a aprender”, além disso, os 15 minutos gastos para preencher o questionário serão altamente rentabilizados, pois cada pessoa, em princípio realiza uma prova única durante a sua vida ativa, com a vantagem do Big Data poder utilizar estes dados para outras finalidades. Onde está então o problema nos sistema automáticos, como é o caso do eLearning através da Plataforma NetForma?

As vantagens para quem aprende são inúmeras, como já foi por nós claramente demonstrado em várias investigações, mas na ótica dos custos, esta modalidade obriga a multiplicar por quatro as verbas do desenvolvimento. É certo que vamos recuperar este montante quando existe escala, ou seja, acima de 500 formandos, porém, exige uma alta especialização por parte de quem desenvolve os cursos, pois estes técnicos têm de construir as aulas teóricas, as aulas práticas e outros materiais por quatro vezes; uma por cada Estilo de Aprendizagem. Em resumo, os custos vão subir de uma forma muito significativa, dado obrigar os consultores pedagógicos, altamente especializados, a quadruplicar o tempo de produção dos conteúdos de cada  curso, uma vez que terão de criar, construir e desenvolver materiais para cada uma das tipologias.

Quando é que a IA poderá vir a ser a solução que há muito anos se procurava? Existem quatro Estilos de Aprendizagem, contudo, há pessoas que apresentam classificações muito próximas em estilos que não são afins, como Reflexivo com Ativo e o Pragmático com Teórico. Isto significa que, por razões biopsicossociais ou especialmente devido à cultura familiar ou de grupo, estes aspetos paradoxais coexistem na mesma pessoa, portanto, num processo manual ou automático, o aprendente é enviado para um dos dois estilos principais, pois ele aprende bem em ambos. Com a IA este problema será mais fácil de resolver, pois numa lógica de causa – efeito, a tomada de decisão será probabilística, mas verdadeira. Além disso, será construído apenas um só curso de eLearning e os conteúdos serão rearranjados com base em dois vetores: um do Teste de Diagnóstico, ou seja, o estudante só irá aprender o que não sabe, uma vez que esta prova, através de porções mínimas da matéria, por exemplo, os tópicos, vai dimensionar o curso a partir do desconhecimento de cada sujeito aprendente. Cada pessoa deverá ter um curso em função daquilo que não sabe, portanto, numa “turma”, cada pessoa possuirá um curso com uma carga horária diferente e conteúdos distintos.

Embora recorrendo ao mesmo método do paragrafo anterior, este algoritmo será com certeza muito mais difícil de construir que o anterior. Utilizará os resultados do questionário para construir o curso, tendo por base as idiossincrasias de cada estudante e dos quatro estilos, sejam estes puros ou com interinfluências mútuas dos outros. O ponto de partida será sempre o disgnóstico, o qual determinará o modo como o sujeito aprende e as suas caraterísticas únicas de abordagem dos materiais, as estratégias a que recorre. Por exemplo, lê o conteúdo de relance, sem grande atenção seletiva só para se contextualizar ou, ao invés, entra nele e dá ao mesmo toda a atenção. Dito de outro modo, faz uma leitura na diagonal ou começa logo a tentar compreender e memorizar? – Faz resumos escritos ou fica-se apenas pela leitura? – Se o curso é de eLearning e é baseado no modelo pedagógico SAFEM-D, visiona os vídeos, responde aos casos e problemas e ouve, vê e interage na leitura dos slides? – Lê o e-manual em seguida, ou seja, cumpre sequencialmente as Aulas Teóricas antes de iniciar as aulas Práticas, para depois realizar a avaliação inerente ao que aprendeu? – Ao invés, não vê vídeos, só ouve, vê e interage na leitura dos slides e depois faz as Aulas Práticas e a avaliação?

O algoritmo da IA segue todos os procedimentos do parágrafo anterior e realiza uma análise de conteúdo que rearranja/elimina as matérias que não pertencem a um dado estilo. Para melhor sermos compreendidos, vamos dar um exemplo, que embora possa ser muito grosseiro, apresenta um curso destinado ao Estilo Ativos, tendo como contraponto os Reflexivos. O algoritmo retira aos Reflexivos todas as matérias que não sejam as essenciais e coloca estas como um ficheiro de “sabe mais” (parte destinada só para alguns ativos, ou seja, matérias que estão fora da carga horária do curso. Só visitada pelos ativos mais curiosos). Ao mesmo tempo, coloca em destaque os conteúdos do curso que exigem desafios, como jogos, resolução de problemas simples, ou seja, tudo o que vai exigir ação, tomada de decisão, quiçá, algum risco. Este conteúdo para os Ativos, não devem implicar análises de grande profundidade, pois o Estilo Ativo adora coisas novas, desafiantes, mas que não obriguem a muito tempo de estudo ou realização. Não vamos explicar neste artigo a forma de construir e programar o algoritmo, pois o risco de sermos mal interpretados é muito grande, principalmente, porque esta narrativa iria obrigar a muitos passos explicativos, que fogem do âmbito deste artigo.

Kolb (1976) propõe-nos metodologias e processos de treino que capacitem o aluno/formando com o mesmo grau de proficiência em todos os estilos. Honey (1986), ao invés, considera mais eficaz fazer o diagnóstico e, depois, a partir do estilo ou estilos dominantes (Reflexivo, Ativo, Teórico ou Pragmático) ensinar-se o sujeito a aprender a aprender de acordo com as características evidenciadas no seu perfil de aprendizagem, obviamente, atendendo sempre ao contexto e às componentes afetivas.

Os trabalhos de Witkin e os de Goodenough (Estilos Cognitivos, 1975) sobre a dependência e independência de campo e Estilos Cognitivos, demonstram que devido a aspetos meramente idiossincráticos, alguns de nós têm preferência por estratégias globais, ao invés, outros preferem as analíticas, por ação direta do nosso aparelho cognitivo.

Os trabalhos de Rita Dunn e Kenneth Dunn (1984) são bem demonstrativos da importância dos fatores ambientais para a aprendizagem, muito embora a sua aplicação prática seja de difícil implementação, pois o ecossistema escolar ou, mesmo o da formação profissional, não são tão moldáveis como possam parecer à primeira vista. Contudo, fica-nos o rigor metodológico dos trabalhos e a certeza da importância de agir em função dos estímulos do ambiente. Há, porém, uma “nova luz ao fundo do túnel”, que nasceu com as TIC e com o eLearning e agora com a IA, dado ser hoje possível controlar em qualquer espaço o habitat de cada sujeito, por exemplo, relativamente à luz, som e às temperatura ideais, tal como estes autores propõem, mas agora através da IoT.

O modelo de Estilos de Aprendizagem proposto por Rita e Kenneth Dunn (1984) será suportado por 21 variáveis, que resultam dos principais motivos propostos pelos alunos para atingir a eficácia nos estudos. São essencialmente estímulos destinados a interagir com os diferentes órgãos sensoriais, com os afetos e a estrutura cognitiva, portanto, há uma relação causal direta. Se melhorarmos os produtores de estímulos positivos e controlarmos e/ou anularmos os negativos, chegaremos a uma aprendizagem eficaz.

O modelo dos Dunn, embora tenha surgido no universo dos modelos cognitivos, possui inúmeras semelhanças conceptuais com o Behaviorismo de Skinner, de comportamento/reforço. Este modelo apoia-se na regulação do equilíbrio das diferentes necessidades e, através dele, o ser humano irá alcançar o pleno da aprendizagem. É evidente que o homem é um ser complexo, o que significa, na nossa opinião, que não será suficiente mudar mecanicamente os estímulos para alcançar o êxito, embora seja para nós evidente, que a conjugação adequada de fatores como a luz, a temperatura, a adaptação ergonómica dos espaço; para só citarmos alguns, poderá ter profundas implicações na eficácia da aprendizagem. Aqui, mais uma vez a IA, conjugada com a Internet das Coisas (IoT), podem dar um contributo decisivo ao processo de aprendizagem, quer estamos a falar das metodologias presenciais ou online.

 

  1. Estilos, Inteligências Múltiplas, Inteligência Emocional e IA

Rosenthal (1965), demonstrou-nos de forma magistral, através da investigação, que as expectativas elevadas dos professores sobre os seus alunos, afetavam positivamente o seu desempenho e provocavam até alterações no QI; o que era até aquela data considerado como sendo impossível de acontecer. Também os trabalhos de Daniel Goleman (1995) são muito ilustrativos da importância central da componente afetiva ou emocional na aprendizagem, para só citar estes dois conhecidíssimos investigadores.

Importa reforçar, desde já, que não foi encontrada nenhuma evidência ou relação direta entre Estilos de Aprendizagem e Inteligência, se esta for encarada como uma mera medida de QI (Quociente de Inteligência). Uma dada pessoa pode ser Reflexiva e possuir um QI de 95 e outra, do mesmo estilo, apresentar um de 150. No entanto, admitimos poder haver uma relação entre os Estilos e as Aptidões, sendo estas, para muitos autores, subconjuntos da Inteligência. Uma pessoa Ativa, por exemplo, poderá ter uma forte aptidão para os negócios, o que implica um determinado número de características que advêm do percurso do indivíduo, do seu meio cultural e da base biológica. Em suma, ter aptidão para o negócio, deriva de um vasto leque de fatores, entre os quais, dispor do estilo Ativo como dominante ou conjugado, preferencialmente, com o Pragmático (Fernandes, A., 2000).

Nos estudos de Gardner (1983), sobre as Sete Inteligências Múltiplas, este autor procura fazer a ponte entre as Aptidões e a Inteligência Emocional, pois cria conceitos que, de certo modo se afastam dos modelos tradicionais de QI e do Fator Geral (Wechsler, 1965 e Spearman, 1961) e interliga cada inteligência com uma aptidão específica: Inteligência Linguística, Inteligência Musical, Inteligência Lógico-matemática, etc.), mas também lhes dá uma dimensão afetivo-emocional (Inteligência Interpessoal e Inteligência Intrapessoal). A Inteligência Naturalista e a Inteligência Existencial só foram estudadas uns anos mais tarde, portanto, não existe ainda investigação suficiente para que possam ter o mesmo estatuto das outras.

Indubitavelmente, os Estilos de Aprendizagem, bem como as Aptidões, estão de forma direta ligadas aos fatores biológicos e psicológicos de cada indivíduo, ou seja, derivam da hereditariedade e daquilo que cada ser tem de mais individual, que é o seu património genético, bem como das mudanças que ocorrem em cada pessoa na sua interação com o meio socioeconómico. Isto quer dizer que, estas características (estilos e aptidões) sofrem modificações ao longo da vida e, por essa razão, interessa investigar o grau de proximidade dos dois conceitos e as correlações que podem existir entre eles, principalmente, se pensarmos na sua utilização conjunta na orientação escolar e profissional, onde a aplicação destes dois instrumentos poderá tornar o exame psicológico mais rigoroso na predição de futuros comportamentos. Mais uma vez a IA e o Big Data podem, em conjunto, ser a “pedra filosofal” há muito procurada pela Psicologia Diferencial.

O exame psicológico ainda hoje é feito através de amostras de comportamento estudadas estatisticamente através de padrões, porém, a correlação de dados genéticos com comportamentos registados através do Big Data, associados aos desempenhos medidos pelos diversos equipamentos (IoT), interrelacionados por algoritmos que fazem mensuração e estudo dos padrões comportamentais, vão ser, num futuro próximo, os novos sistemas de medir a personalidade, emoções, aptidões, motivação e as próprias preferências, sejam vocacionais ou outras.

Ao contrário do modelo de Rita Dunn e Kenneth Dunn, onde cada sujeito reage positivamente em função das condições ideais ou próximas deste ideal, Kolb (1976) constrói uma sequência com quatro etapas (seguindo os parâmetros dos quatro estilos). A génese deriva da interação do sujeito/meio desde os primeiros anos de vida, destinada esta a moldar a pessoa para um determinado Estilo de Aprendizagem, através do treino, da reflexão e de estratégias de mudança. Estas mudanças tornar-se-ão cada vez mais estáveis, à medida que avançamos para a idade adulta.

Não há incompatibilidade entre os modelos dos Dunn e Kolb, poder-se-á mesmo dizer que são complementares, pois o primeiro modelo diagnostica os Estilos de Aprendizagem numa vertente estímulo/comportamento/reforço, sem descorar os aspetos emotivo-sociais e, o segundo, tem subjacente o modelo piagetiano de assimilação-acomodação, onde a componente biológica e psicológica se adapta às transformações exteriores, adquirindo deste modo um capital de enorme valor que é a experiência.

Os modelos de Juch (1987) e de Honey (1983), no essencial, não divergem do modelo conceptual de Kolb (1976), dir-se-á mesmo, representam outras vias de exploração e de aperfeiçoamento. Dito de outro modo, treinar as competências manuais e as intelectuais, tal como propõe Juch, tendo como meta o perfil ideal, após o diagnóstico das potencialidades e das estratégias atuais, num processo sequencial de: perceber, pensar, planear e fazer; representa, do ponto de vista prático, uma excelente orientação, tanto no âmbito escolar como profissional.

Numa ótica estrita de orientação escolar e profissional, Honey, Mumford, Alonso e Gallego preconizam, ao invés de Kolb, que o questionário de diagnóstico não seja um fim mas um meio. Nesta aceção, entendem, que o Exame Psicológico obviamente deverá conter diferentes tipos de testes, todos destinados a avaliar as várias potencialidades do sujeito: Inteligência, Aptidões, Atitudes, etc., isto é, deverá conter também um Questionário de Estilos de Aprendizagem, todavia, sugerem criar um guia prático que ajude e oriente o indivíduo a aumentar as suas competências, melhorando as várias estratégias de abordagem das matérias. Preconizam ainda que nas escolas o modelo seja extensivo aos docentes e, nas empresas, aos colegas e à estrutura hierárquica.

Para os autores citados no parágrafo anterior, o objetivo central do estudo dos Estilos de Aprendizagem é o aperfeiçoamento de uma ferramenta de diagnóstico que seja eficaz na caracterização de tendências e na captação dos padrões de aprendizagem que cada indivíduo foi desenvolvendo ao longo da vida, de modo a conhecer como é que este aborda um ciclo que contém vivências relacionadas com a experimentação, reflexão, elaboração de hipóteses e, ainda, à aplicação de todas estas conclusões à vida prática.

O objetivo principal do modelo preconizado por estes investigadores, para além de procurarem dar um grande detalhe às descrições de cada um dos Estilos de Aprendizagem, será criar condições para o diagnóstico “conhece-te a ti mesmo”, bem como o concomitante reforço e aproveitamento exaustivo dos pontos fortes de cada pessoa (estilo ou estilos de aprendizagem dominantes), sem deixar de treinar as outras potencialidades que o sujeito possui em menor escala (estilos onde obtiveram menor pontuação no questionário), de modo a alcançar as quatro competências necessárias à vida, que são os próprios estilos: Ativo, Reflexivo, Teórico e Pragmático.

Terminamos esta segunda parte sobre eLearning e Inteligência Artificial dando um mote à investigação nesta área,  pois esta metodologia de aprendizagem do século XXI irá, paulatinamente, substituindo a Presencial, obviamente, utilizando o bLearning sempre que a realidade prática o exigir, o que representará enormes ganhos de produtividade e um aumento exponencial da aprendizagem, todavia, o que fazemos hoje são cursos iguais para todos, como os mesmo conteúdos e iguais estratégias de aquisição de conhecimento e de treino, porém, tal como foi demonstrado desde o início deste artigo, existem tantos estilos de aprendizagem como pessoas; pois cada ser é uno, no entanto, a maioria destas diferenças não possuem relevância, daí terem sido encontrado quatro tipologias que, de forma mais ou menos universal, contêm dentro de si padrões comportamentais muito semelhantes, a partir dos quais a ciência construiu quatro estilos.

Podemos estimar que o eLearning veio dar à aprendizagem uma progressão de tipo aritmético, mas a Inteligência Artificial vai permitir que esta seja geométrica, desde que se inicie a construção de algoritmos capazes de organizarem cursos que explorem a vertente dos Estilos de Aprendizagem. Hoje diagnosticamos os estilos através de Questionários (Honey – Mumford), que nos indicam estilos que permitem orientar os alunos/formandos para estratégias de aprendizagem que sejam biopsicossociais, isto é, atendam às idiossincrasias. No futuro, com a IA, a própria maneira como as pessoas leem um texto, interagem e/ou resolvem um problema, observam objetos, visionam vídeos, falam, escrevem e comunicam, vai ser o suficiente para que seja determinado o estilo de cada pessoa. Nesta fase, são amostras de comportamento ou a resolução de dilemas que permitem, através de estudos estatístico, especialmente, da análise fatorial, saber qual é o estilo de cada pessoa, com uma fiabilidade de 90 a 95%, porém, com a IA este valor alcançará os cem por cento e permitira ligar esta informação ao Big Data e à IoT, gerando cursos completamente adaptados à forma de pensar e agir dos aprendentes, daí se especular que os ganhos serão uma progressão geométrica.

Lisboa, 9 de agosto de 2019
António Augusto Fernandes, Ph.D.

dlcadmin