2.4+Da+Instruç╞o+pré-planeada+ao+eLearning+Adaptativo

Da Instrução pré-planeada ao eLearning Adaptativo
Um dos principais desenvolvimentos recentes da CLT tem como foco os efeitos da instrução pré-planeada na carga cognitiva e no desempenho de transferência.  Tendo em conta o efeito de reversão por especialização, em combinação com a aplicação da CLT,os cursos com maior duração exigem uma abordagem mais dinâmica, em que a instrução pode ser adaptada em tempo real para o aumento dos níveis de competências individuais dos aprendentes.

 Esta abordagem requer dois novos desenvolvimentos:
 * 1) Os métodos de avaliação são necessários para medir os níveis de conhecimentos dos alunos, para que a carga cognitiva seja tida em conta.
 * 2) É necessário pesquisar como estas medidas podem promover formas mais eficazes e apelativas de ensino adaptativo, que hoje assumem a forma de eLearning adaptativo.

Tradicionalmente a avaliação na educação lida principalmente com **desempenho**, definida na capacidade de realização de tarefas pelo número de respostas corretas num teste, o número de erros ou o tempo usado na tarefa. O Desempenho é uma componente de avaliação da carga cognitiva, pois uma maior carga cognitiva, muitas vezes aumenta o número de erros e diminui o desempenho (ver Paas e van Merriënboer, 1994b). No entanto, a CLT salienta que existem outras dimensões tão importantes para a avaliação. Elas incluem: A **carga mental**, que se origina a partir da interação entre as características da tarefa (por exemplo, o formato da tarefa, multimédia, complexidade da tarefa) e as **características do aluno** (por exemplo, idade, conhecimento prévio, habilidade espacial) produzindo uma estimativa prévia da carga cognitiva e esforço mental, que retrata a capacidade cognitiva que é realmente alocada para atender às exigências impostas pela tarefa (Paas e van Merriënboer, 1993, 1994b). A intensidade do esforço a ser despendido pelos alunos é considerada essencial para a obtenção de uma estimativa fiável da carga cognitiva. Por exemplo, é possível duas pessoas atingirem os mesmos níveis de desempenho mesmo que uma delas precise de trabalhar arduamente e passar por um processo de esforço maior para chegar à resposta correta, enquanto que a outra pessoa atinge a mesma resposta com o mínimo esforço. Apesar de ambas as pessoas demonstrarem desempenho idêntico, a "expertise" deverá ser maior para a pessoa que executa a tarefa com o mínimo esforço do que para que a pessoa que exerce um esforço substancial.

Uma avaliação prévia de competências deve incluir medidas de esforço mental e desempenho. Paas et al. (2003b) discutem diferentes técnicas de medição para o esforço mental, incluindo escalas de avaliação, métodos de tarefas secundárias e medidas psicofisiológicas. Considerando que as técnicas mais recentes, tais como métodos de tarefas secundária (por exemplo, Brünken et al., 2003) e medidas psicofisiológicas (por exemplo, Van Gerven et al., 2004) são usadas para medir a carga cognitiva, a maioria dos pesquisadores usaram escalas de classificação.

 Com base numa revisão global de cerca de 30 estudos, Paas et al. (2003b) concluem que "... o uso de escalas de avaliação para medir o esforço mental e a carga cognitiva continua a ser popular, porque são fáceis de usar, não interferem com o desempenho da tarefa primária, são baratas, podem detectar pequenas variações da carga de trabalho (ou seja, sensibilidade), são confiáveis e permitem construir e discriminar a validade "(p. 68).

 A CLT está interessada nas medidas que refletem a qualidade dos esquemas cognitivos disponíveis, mas a maioria das medidas de desempenho não são especialmente concebidas com esse fim em mente. Kalyuga e Sweller (2004) propôs um "teste de rápida avaliação" para medir a qualidade dos esquemas dos aprendentes que orientam seu processo de resolução de problemas. O teste de rápida avaliação solicitava que indicassem o seu primeiro passo para a solução de uma tarefa, utilizando um simples problema de álgebra, analisando como resolviam a primeira etapa da seguinte equação:


 *  (3x - 5) / 2 = 5 **

a) Se o primeiro passo está incorreto ou o aprendente “não sabe a resposta” O aluno é classificado como um **novato sem pré-esquemas relevantes**.

 b) 3x - 5 = 10 <span style="font-family: Verdana,Geneva,sans-serif;">O aluno que multiplicou primeiro, os lados da equação por 2-O aluno é classificado como um **novato**.

<span style="font-family: Verdana,Geneva,sans-serif;"> c) 3x = 15 <span style="font-family: Verdana,Geneva,sans-serif;">O aluno que mentalmente multiplica ambos os lados da equação por 10 e adiciona 5 a ambos os lados da equação é classificado como tendo **capacidade intermédia**.

<span style="font-family: Verdana,Geneva,sans-serif;"> d) X = 15 / 3 <span style="font-family: Verdana,Geneva,sans-serif;">O aluno que mentalmente divide ambos os lados por 3 e grava imediatamente a resposta final é classificado como um **estudante avançado**.

<span style="font-family: Verdana,Geneva,sans-serif;"> e) X = 5 <span style="font-family: Verdana,Geneva,sans-serif;">O aluno que tem todo o procedimento automatizado é classificado como um **especialista**.

<span style="font-family: Verdana,Geneva,sans-serif;"> A suposição de que os esquemas de alta qualidade permitem o salto de etapas é fundamental para este tipo de avaliação rápida. O salto das etapas é uma caraterística importante dos elevados níveis de especialização, porque regras de solução bem aprendidas ou automatizadas junta processos cognitivos que se seguem sempre uns aos outros na realização de tarefas específicas (Blessing e Anderson, 1996; Sweller et al, 1983). <span style="font-family: Verdana,Geneva,sans-serif;"> Isso indica que o primeiro passo é realmente um bom indicador da qualidade de esquemas disponíveis para resolver problemas. Ain-da, Kalyuga e Sweller (2004) apresentaram dados indicando que a seleção de tarefas com base na avaliação rápida de conhecimentos, facilita a aprendizagem.

<span style="font-family: Verdana,Geneva,sans-serif;"> A etapa final na avaliação de conhecimentos é a difícil tarefa de combinar o esforço mental do aluno e as medidas de desempenho, porque uma interpretação significativa de um determinado nível de carga cognitiva só pode ser feita no contexto associado ao seu desempenho e vice-versa. <span style="font-family: Verdana,Geneva,sans-serif;">Paas e van Merriënboer (1993, ver também Paas et al, 2003b) desenvolveram uma abordagem computorizada de combinar medidas de esforço mental, com medidas de desempenho associado, a fim de comparar a eficiência das condições de ensino, sob o pressuposto de que o comportamento dos alunos numa determinada condição é mais eficiente se o seu desempenho é maior do que poderia ser, com base no esforço mental investido. Na mesma ordem, o esforço mental investido é menor do que o esperado com base no seu desempenho. <span style="font-family: Verdana,Geneva,sans-serif;">Usando essa abordagem, um nível elevado de desempenho da tarefa associado a pouco esforço é chamado de **elevada eficiência instrucional**, enquanto baixo desempenho de tarefas com elevado esforço é chamado de **baixa eficiência instrucional**.

<span style="font-family: Verdana,Geneva,sans-serif;">Infelizmente, essa abordagem é baseada em medidas padronizadas e só pode ser usada depois de reunir todos os dados de um grupo de aprendentes que trabalham sob diferentes condições instrucionais. Os métodos alternativos são necessários para a contínua valorização de competências individuais dos aprendentes. Essas alternativas estão atualmente em desenvolvimento no contexto do eLearning adaptativo.

**<span style="font-family: Verdana,Geneva,sans-serif;">e-Learning Adaptivo **
<span style="font-family: Verdana,Geneva,sans-serif;">O e-Learning adaptativo foi descrito, por Ron Salden e colaboradores, como um ciclo em dois passos:
 * 1) <span style="font-family: Verdana,Geneva,sans-serif;">Avaliação da especialização do aluno.
 * 2) <span style="font-family: Verdana,Geneva,sans-serif;">Seleção dinâmica da próxima tarefa de aprendizagem.

<span style="font-family: Verdana,Geneva,sans-serif;">Em relação à avaliação da especialização, eles distinguiram os alunos que têm que trabalhar laboriosamente para alcançar um certo nível de "performance", de outros que alcançam o mesmo nível sem grande esforço mental. A tarefa de aprendizagem mais complexa deve apenas ser apresentada ao segundo grupo de alunos, que resolveu o problema com esforço mínimo. Em relação à seleção de tarefa, tendo em atenção o nível de especialização do aprendente, podem selecionar-se tarefas menos difíceis, de igual dificuldade ou mais difíceis que a anterior; pode variar-se o formato da tarefa (//i. e.//, exemplos trabalhados, problemas parcialmente resolvidos, ou problemas convencionais), ou pode variar-se a quantidade de apoio dado ao aprendente na resolução do problema.

<span style="font-family: Verdana,Geneva,sans-serif;"> No domínio do Controlo de Tráfego Aéreo (CTA), Camp //et al.// (2001) e Salden //et al.// (2004) compararam a eficácia de quatro aproximações:
 * 1) <span style="font-family: Verdana,Geneva,sans-serif;">Uma sequência fixa de tarefas de aprendizagem, ordenadas por complexidade crescente.
 * 2) <span style="font-family: Verdana,Geneva,sans-serif;">Seleção dinâmica da tarefa baseada na eficácia.
 * 3) <span style="font-family: Verdana,Geneva,sans-serif;">Seleção dinâmica baseada na "performance".
 * 4) <span style="font-family: Verdana,Geneva,sans-serif;">Seleção dinâmica baseada no esforço mental.

<span style="font-family: Verdana,Geneva,sans-serif;">As hipóteses de trabalho foram:
 * <span style="font-family: Verdana,Geneva,sans-serif;">A seleção dinâmica da tarefa resulta em "performance" mais alta no teste do que uma sequência fixa de tarefas de aprendizagem.
 * <span style="font-family: Verdana,Geneva,sans-serif;">A seleção dinâmica de tarefa com base da eficácia resulta em resultados superiores no teste em relação às outras duas seleções dinâmicas (esforço mental e desempenho).

<span style="font-family: Verdana,Geneva,sans-serif;">O esforço mental e o desempenho foram ambos medidos numa escala de 5 pontos. Os dados do grupo de sequência fixa foram recolhidos primeiro e usados como linha de base dos outros três grupos, dinâmicos. <span style="font-family: Verdana,Geneva,sans-serif;"> Nas condições de seleção dinâmica, os alunos receberam tarefas de CTA com 10 níveis de dificuldade, começando pela mais simples. A tarefa seguinte foi selecionada em função dos resultados da avaliação. Por exemplo, a um estudante que atinge uma nota de 4 na escala de desempenho e que apresenta uma carga cognitiva de 1 apresenta-se uma nova tarefa que está dois níveis acima da tarefa anterior na escala de complexidade. Em ambos os estudos, (Camp //et al//., 2002; Salden //et al.//, 2004), o e-Learning adaptativo provou ser superior ao uso de uma sequência fixa de tarefas, mas a seleção dinâmica de tarefas com base na eficácia não foi mais efetiva do que as outras duas condições dinâmicas. No entanto, no estudo de Salden //et al.// (2004), a eficiência mental surgiu como mais efetiva durante o treino do que as condições de esforço mental e de desempenho. Os participantes na condição de eficiência mental precisaram de menos tarefas de aprendizagem para alcançar o nível mais alto de complexidade, atingiram um nível mais alto de complexidade e deram saltos maiores em nível de complexidade do que estudantes em que foram utilizadas as outras condições dinâmicas.

<span style="font-family: Verdana,Geneva,sans-serif;">Com o objetivo de obter um indicador otimizado da especialização do aluno, Kalyuga e Sweller (na imprensa) usaram uma aproximação diferente da de Camp //et al.// (2001) e Salden et al. (2004) para combinar as medições de desempenho e do esforço mental. Na área de Álgebra, usaram o "teste de avaliação rápido" tal como está descrito na secção prévia para medir o desempenho, utilizando uma escala classificação de 9 pontos para medir o esforço mental. A eficiência cognitiva (E) foi assim definida como E = P/R, sendo R o nível de esforço mental e P a medida de "performance" na mesma tarefa. Por um lado, este indicador é semelhante ao indicador de eficiência definido por Paas e Merriënboer (1993), porque ambos os indicadores aumentam quando são alcançados níveis semelhantes de desempenho com esforço menor, ou com níveis mais elevados de "desempenho atingidos com o mesmo esforço. Por outro lado, este novo indicador torna desnecessário o uso grupo de controlo porque não há necessidade de padronizar medidas entre diferentes grupos, como no indicador de eficiência de Paas e Merriënboer (1993).

<span style="font-family: Verdana,Geneva,sans-serif;"> No estudo de Kalyuga e Sweller (na imprensa), o indicador de eficiência cognitiva foi usada para monitorizar o progresso dos alunos durante a instrução. Foram apresentadas aos alunos tarefas com diferentes níveis de dificuldade. Para cada nível, foi definido arbitrariamente um nível crítico de eficiência cognitiva (Ecr) como o valor máximo atingível de desemepnho (que era diferente para cada nível de tarefa) dividido pelo valor máximo de esforço mental (que era sempre 9). A eficiência cognitiva é positiva se E > Ecr [E for maior que ECR] e negativa se E < Ecr [E for menor que ECR]. Assim, se alguém investe um esforço mental máximo numa tarefa mas não apresenta o nível máximo de desemepnho, a especialização passa a ser considerada sub-ótima; se alguém tem uma "performance" ao nível mais alto com menos que o máximo de esforço mental, então o seu nível de especialização deve ser visto como ótimo.

<span style="font-family: Verdana,Geneva,sans-serif;"> Na condição de e-learning adaptativo do estudo de Kalyuga e Sweller (na imprensa), os aprendentes foram expostos a tarefas de Álgebra com três diferentes níveis. Se: <span style="font-family: Verdana,Geneva,sans-serif;">Eficiência cognitiva foi **negativa** para tarefas de mais baixo nível, eles continuam com o estudo de exemplos trabalhados; Se a eficiência cognitiva era **positiva** para tarefas do nível mais baixo, mas **negativa** para tarefas de segundo nível, eles continuaram com problemas parcialmente resolvidos simples. <span style="font-family: Verdana,Geneva,sans-serif;">Se eficiência cognitiva era **positiva** para tarefas do nível mais baixo e de segundo nível mas **negativa** para tarefas de terceiro nível, eles continuaram com problemas parcialmente resolvidos difíceis. <span style="font-family: Verdana,Geneva,sans-serif;">Se eficiência cognitiva era **positiva** para todas as tarefas dos três níveis, eles continuavam com problemas convencionais.

<span style="font-family: Verdana,Geneva,sans-serif;">Métodos adaptativos similares foram usados quando os estudantes utilizaram exemplos resolvidos, problemas parcialmente resolvidos e problemas convencionais. Cada estudante em condição de e-Learning adaptativo foi emparelhado com um estudante em condição controlo, que serviu de controlo pareado. Kalyuga e Sweller (na imprensa) reportaram ganhos maiores em competências algébricas e em eficiência cognitiva, entre os testes iniciais e os posteriores, para o grupo em e-Learning adaptativo em relação ao grupo controlo.

<span style="font-family: Verdana,Geneva,sans-serif;">Assim, de acordo com Camp //et al.// (2001) e Salden //et al.// (2004), o **e-learning adaptativo foi considerado superior ao não-adaptativo.**

<span style="font-family: Verdana,Geneva,sans-serif;">Estes e outros estudo semelhantes permitiram o desenvolvimento de estratégias educativas que permitam a implementação do e-Learning adaptativo. Como exemplo, o Grupo de Investigação de e-Learning adaptativo da Universidade de South Wales tem desenvolvido uma plataforma que permite aos alunos estudarem e avançarem no currículo consoante o seu desempenho, como demonstrado no seguinte vídeo:

media type="youtube" key="f2i6gTMI3uw?rel=0" height="349" width="560"