Como personalizar o ensino com inteligência artificial

Personalizar é uma decisão antes de ser um algoritmo

Quando alguém fala em personalização do ensino com inteligência artificial, a imagem que aparece é a de um sistema que entende cada aluno e monta uma aula sob medida. Mas quem dirige um curso online ou um instituto precisa olhar isso por outro ângulo. Personalizar é decidir o que vai variar de aluno pra aluno e o que vai ficar igual pra todo mundo. Essa decisão é pedagógica, porque mexe em como o aluno aprende, e é comercial, porque mexe em conclusão, recompra e reembolso. A IA entra depois, como a ferramenta que executa a decisão em escala.

E há um limite que vale deixar claro desde o começo. A IA só personaliza aquilo que a estrutura do curso já mede. Se a área de membros não registra em que aula o aluno parou, nenhum modelo vai saber que ele parou. Então a pergunta certa antes de contratar qualquer coisa com IA no nome é o que o seu curso já sabe sobre cada aluno hoje.

As cinco dimensões que dá pra personalizar

Num curso online, a personalização cabe em cinco dimensões, e cada uma depende de um dado diferente.

Ritmo é a velocidade com que o conteúdo é liberado. Um aluno que assiste três aulas por dia e outro que assiste uma por semana não precisam da mesma cadência. Ritmo acertado melhora a conclusão. O dado que precisa existir é o progresso por aula com data.

Ordem da trilha é a sequência em que os módulos aparecem. Um aluno que já domina a base pode começar do módulo três, e outro que chegou sem repertório precisa de um nivelamento antes. Isso resolve a retenção na primeira semana, quando o aluno decide se fica. O dado é a hierarquia de produto, módulo, aula e recurso, com o que é pré-requisito de quê. O guia de como estruturar uma área de membros trata essa hierarquia como a primeira decisão de arquitetura, e ela é também o pré-requisito de qualquer personalização.

Formato do conteúdo é oferecer a mesma aula em vídeo, texto, áudio ou material de apoio, e apresentar primeiro o formato que aquele aluno consome. Resolve o engajamento por semana, porque o aluno que prefere ler e recebe só vídeo longo tende a sumir. O dado é o consumo por tipo de recurso.

Acompanhamento é quem fala com o aluno, quando e sobre o quê. O mesmo guia descreve a régua de 7, 14 e 30 dias de aluno parado, do lembrete factual até a conversa humana. Personalizar o acompanhamento é variar essa régua e a mensagem pelo comportamento de cada aluno. Resolve conclusão e reduz reembolso. O dado é o sinal de aluno parado, com a última data de acesso.

Próxima oferta é qual produto aparece pro aluno quando ele termina o atual. Quem trabalha com esteira de produtos já usa regras de oferta baseadas em conclusão e comportamento, e personalizar aqui significa que dois alunos que concluíram o mesmo curso podem receber ofertas diferentes, segundo o que cada um consumiu. Resolve recompra. O dado é a conclusão por produto e o NPS por módulo.

O que as cinco dimensões pedem da estrutura

As cinco dimensões dependem de quatro dados que uma área de membros bem organizada já deveria registrar. São a hierarquia de módulos, o progresso por aula, o NPS por módulo e o sinal de aluno parado. Então, antes de perguntar ao fornecedor o que o modelo dele faz, a pergunta é se a sua área de membros gera esses quatro dados no mesmo lugar em que o aluno estuda e compra o próximo produto. Se hoje isso está espalhado em várias ferramentas, a personalização vai começar pela área de membros, antes de qualquer IA.

Feedback de atividade e riscos

Feedback individual sobre atividade entregue também é uma forma de personalização, e é onde a IA generativa já aparece mais. Mas o assunto tem detalhes próprios, sobre o que corrigir automaticamente e o que uma pessoa precisa revisar, e vai ficar no post sobre IA para corrigir e dar feedback de atividades dos alunos.

Sobre riscos, personalizar exige guardar dado de comportamento do aluno, e isso traz obrigações com a LGPD, além de questões de viés na recomendação e de dependência do aluno em relação ao caminho sugerido pela máquina. O post sobre riscos e limites da inteligência artificial na educação cobre cada um deles com fonte e com a pergunta que você deve fazer ao fornecedor.

O que continua sendo humano

Duas situações não devem ir pra IA. A primeira é o aluno parado há 30 dias. Lembrete automatizado resolve os dois primeiros gatilhos da régua, e o trigésimo dia pede uma conversa organizada com mentor ou suporte. Um aluno que sumiu por um mês raramente volta por causa de uma mensagem mais bem segmentada. Ele volta quando alguém pergunta o que aconteceu.

A segunda é o caso fora do padrão. Todo modelo trabalha com a média da turma, e o aluno com uma dúvida que ninguém previu sai dessa média e precisa de alguém com autoridade pra abrir exceção. O papel da IA aqui é reduzir o volume de casos que chegam até essa pessoa, e só isso.

Por onde começar sem algoritmo

Dá pra aplicar boa parte das cinco dimensões com regras simples. Uma regra de conclusão libera o módulo três quando o aluno termina o módulo dois e mostra a próxima oferta quando ele termina o curso. Uma regra de comportamento manda o lembrete pro aluno sem acesso há sete dias e coloca o de trinta dias na lista de quem o mentor vai chamar.

Essas regras já personalizam ritmo, acompanhamento e próxima oferta. Elas não decidem sozinhas a ordem da trilha nem o formato preferido de cada aluno, e é nesse ponto que a IA passa a valer o investimento. Como o algoritmo faz esse cálculo é assunto do post sobre trilha de aprendizagem adaptativa com inteligência artificial. Mas o mais importante do começo por regra é que ele obriga a estrutura a existir, porque quando a regra roda você descobre se o progresso está sendo registrado.

A personalização com IA costuma ser vendida como o passo que vem depois de tudo pronto. Talvez seja mais útil tratá-la como um teste da estrutura que você já tem. Se a sua operação ainda não gera esses quatro dados com confiança, o trabalho desta semana está na área de membros, e o guia de como estruturar uma área de membros é o lugar pra começar.