Machine Learning para Estudantes Online

 Machine Learning para Estudantes Online

É possível aplicar Machine Learning à educação? Aliás, o que é Machine Learning? Esse termo vem sido utilizado de maneira constante ao referenciar novas tecnologias, modelos adaptáveis e otimização otimizada… mas, como funciona? Machine Learning, ou Adestramento Mecânico, nada mais é do que um método de análises de dados, que automatiza a criação de modelos de análise  próprios para o negócio, estrutura ou operação em questão. Ou seja, na medida em que essa operação, negócio ou estrutura gera dados sobre os diferentes processos inerentes ao seu funcionamento, esses mesmos dados são utilizados para melhorar e otimizar aquela etapa na cadeia de entrega de valor.

Explicado dessa maneira, fica fácil entender os benefícios de sua aplicação em negócios digitais, não é mesmo? Como todas as etapas pelas quais o usuário passa, dentro de um ambiente digital, geram dados – sejam estes dados de navegação e visualização ou dados cadastrais – é necessário pensar em maneiras de processá-los para facilitar a compreensão e utilização dos mesmos. As aplicações reais dessa tecnologia já podem ser encontradas em diversos processos online. Desde a detecção de fraudes para pagamentos online até recomendações de produtos relacionados em sites de compra e e-commerces, incluindo tecnologias e ferramentas voltadas para a postagem automatizada e social listening, tudo utiliza alguma forma de Machine Learning para coletar, analisar e categorizar os dados gerados ou inseridos.

No entanto, para coletar esses dados, organizá-los de acordo com a etapa e intenção do usuário à qual se referem, para então extrair as informações deles que serão utilizadas para a otimização, o processo é outro. Primeiramente, para cursos online , a intenção do usuário nem sempre é a mesma em todas as etapas, como também o comportamento ideal dele, para cada fase, muda de acordo com o objetivo. Entre resposta de testes, revisão de conteúdo, análise das questões, entre diversas outras possibilidades, a intenção do usuário desejada nem sempre é tão óbvia quanto às de portais de conteúdo, e-commerces ou sites de entretenimento. O objetivo não é, somente, o click de um botão, chegar até o final da página, ou converter em um evento.

É POSSÍVEL INTEGRAR MACHINE LEARNING COM EDUCAÇÃO

Dentro do escopo educacional, a conversão, nutrição e preparação dos alunos não pode ser resumida a uma ação pontual dentro de um funil de vendas. Dados coletados a partir de ações pontuais são úteis apenas quando correlacionados aos ensinos e conhecimentos associados à determinadas etapas do conteúdo, seja este escrito ou em vídeo. A eficiência com a qual os ensinamentos são transmitidos são mais dificilmente comprovados e analisados em ambientes digitais, visto que a quantidade de alunos é discrepante em relação ao número observado em espaços físicos. Nesse contexto, o atrativo dessas plataformas para a transmissão de informação acaba sendo, também, um dos maiores impeditivos: ao mesmo tempo em que a capacidade de multiplicação da mensagem é aumentada exponencialmente utilizando os meios digitais, as ferramentas para o aumento da capacidade produtiva e analítica em função da qualidade desse ensino não sentiu o mesmo impacto.

Como saber a eficácia com a qual aquele ensinamento foi transmitido? Como atestar à qualidade dos materiais produzidos para quela função em questão? Os mecanismos de estruturação de MOCs (Massive Online Courses) tentam providenciar recursos para a avaliação da qualidade do conteúdo oferecido, desde comentários e ratings até prompts de avaliação durante a aula. No entanto, o que falta hoje no mercado são ferramentas não intrusivas para a elaboração de relatórios direcionados do processo de intelecção dos estudantes online.

A maior parte dos sistemas disponíveis trabalham com servidores externos para entregar os recursos complementares dos cursos, possibilitando a criação de cursos completos com recursos completares extensos. No entanto, a informação que é computada da petição de acesso costuma ser rudimentar. Ao invés de registrar, categoricamente, o usuário pelo qual o pedido foi feito, junto com o tempo transcorrido da última atividade ou visualização do vídeo, o registro de acessos guarda apenas a origem do pedido, o horário no qual foi feito e qual recurso foi requisitado. Mesmo existindo diversas técnicas de limpeza e transformação desses logs em dados inteligíveis, além de formas analíticas voltadas para a identificação de padrões e tendências comportamentais dos estudantes online, ainda falta a integração desses dois mundos.

A identificação de padrões dentro da experiência de aprendizado dos estudantes online pode ser feita a partir de mecanismos de mineração de dados de navegação, amplamente difundidos na área de e-commerce e produtos SaaS (Software as a Service). Os padrões identificados podem ser usados para avaliar as atividades dos alunos, customizando a entrega de conteúdo relevante em fases com gargalos na navegação (ou seja, em momentos em que o aluno demorou mais tempo para responder determinadas questões) ou recomendações automáticas de atividades conforme a dificuldade notada durante o processo de aprendizagem.

No entanto, esses padrões não são facilmente identificáveis utilizando as ferramentas disponíveis hoje em dia. As ferramentas costumam trazer informações básicas, em relação à quantidade de clicks em páginas específicas, durante um período de tempo. O percurso do usuário, informações sobre buscas paralelas enquanto absorvia o conteúdo, a visualização repetida de alguns conteúdos, ou partes de conteúdo, são informações relevantes para a otimização dos MOCs. CTR, bounce rate e outros dados utilizados na otimização das vendas, não. Enquanto as plataformas que recebem a maior quantidade de add-ons, extensions, plug-ins e serviços de otimização do processo focam nas vendas, aquelas que focam no conteúdo e comercialização do aprendizado ainda está deficiente de profissionais que consigam identificar esses padrões.

Muitas vezes os educadores acabam chegando a um método ou maneira de passar o conhecimento que mais os condizem, de acordo com suas experiências cara a cara. No mundo digital, por mais que o carisma e o conhecimento ainda sejam de suma importância para a transmissão do ensino, aquela qualidade de poder dar a atenção necessária para cada aluno acaba sendo impossibilitada. Por isso, mais do que repensar a maneira como lidamos com MOCs, o certo seria entender como podemos analisar esse percurso dos estudantes online, para assim entender em quais etapas podemos otimizar o processo de absorção e processamento das informações relevantes.

SAIBA+

Como Criar Cultura de Inovação na Educação Online?