Conhecimentos sobre Tomada de Decisão e Intervenções Pedagógicas

Combinação da inteligência artificial com a inteligência humana como abordagem para solução de problemas complexos [1][2][3][4].

Um SI multiplataforma e capaz de suportar um número de participantes maior que em uma sala de aula tradicional poderia ajudar a resolver o problema.

Não há apoio tecnológico apropriado para os professores e tutores lidarem com os dados. Ferramentas de visualização, interpretando os dados de modo a facilitar a tomada de decisão por parte dos professores.

Segundo [7] EDM foca no processo e LA foca no estudante.

Detecção, identificação, entendimento e tomada de decisão, seguida de avaliação da eficácia, de estratégias pedagógicas relevantes ocorrendo no grupo.

A abordagem que combina esforços da inteligência humana e da inteligência computacional[1][2][10].

Ideias: 

Avaliar de QoE do ensino/aprendizagem. Gerar impacto positivo na experiência da aprendizagem é papel do professor, em conjunto com estratégias tecnológicas como uso de softwares e aplicações educacionais.

Mudanças de comportamentos baseadas em incentivos sociais (Como eu estou em comparação com o grupo?), compensações imediatas (gamification?), monitoramento do progresso (painel de visualização de informações?),no lugar de avisos e alertas.

Levantamento de quais seriam as melhores métricas e critérios para avaliação do nível de aceitabilidade de conhecimento de um aluno de programação com professores da disciplina, baseada na ementa geral do DI. (Levantamento - questionários e entrevistas- com )


Dúvidas:


Prática instrucional, qual o papel do designer instrucional na criação de um curso?

Quem pode tomar decisões pedagógicas? Os alunos?

Decisões data-driven vs. data-informed, uma abordagem que aplique a primeira e caso não ocorra mudanças ou não ocorra mudanças positivas aplique a segunda???



Referências

[1] Ryan S Baker. Stupid tutoring systems, intelligent humans. International Journal of Artificial Intelligence in Education, 26(2):600–614, 2016.

[2] Chih-Yueh Chou, Bau-Hung Huang, and Chi-Jen Lin. Complementary machine in- telligence and human intelligence in virtual teaching assistant for tutoring program tracing. Computers & Education, 57(4):2303–2312, 2011.

[3] Neil T Heffernan and Cristina Lindquist Heffernan. The assistments ecosystem: buil- ding a platform that brings scientists and teachers together for minimally invasive research on human learning and teaching. International Journal of Artificial Intelli- gence in Education, 24(4):470–497, 2014.

[4] Joseph CR Licklider. Man-computer symbiosis. IRE transactions on human factors in electronics, (1):4–11, 1960.

[5] Ig Ibert Bittencourt, Evandro Costa, Marlos Silva, and Elvys Soares. A computational model for developing semantic web-based educational systems. Knowledge-Based Systems, 22(4):302–315, 2009.

[6] Johann Ari Larusson and Brandon White. Learning Analytics. Springer, 2014.

[7] Max Van Manen. The tact of teaching: The meaning of pedagogical thoughtfulness.
Suny Press, 1991

[8] Jeffrey C Wayman. Involving teachers in data-driven decision making: Using com-

puter data systems to support teacher inquiry and reflection. Journal of Education for

Students Placed at Risk, 10(3):295–308, 2005.

[9] Ian H Witten, Eibe Frank, and A Mark. Hall. 2011. Data mining: Practical machine

learning tools and techniques, 2011.

[10] Cristóbal Romero and Sebastián Ventura. Educational data science in massive open

online courses. Wiley Interdisciplinary Reviews: Data Mining and Knowledge Discovery, 2016.