Como funciona a trilha de aprendizagem adaptativa com IA

Você já decidiu personalizar o ensino e já sabe o que personalizar. Essa decisão fica com o post sobre personalização do ensino com inteligência artificial, publicado ontem aqui no blog. Este texto pega um mecanismo só, a trilha de aprendizagem adaptativa, e mostra o que ela faz com os dados do aluno, como decide o próximo passo e o que a sua operação precisa ter pronto antes de contratar qualquer algoritmo.

O que muda quando a trilha é adaptativa

Numa trilha comum, a sequência de aulas é a mesma pra todo mundo. Numa trilha adaptativa, a sequência é decidida por dado, aluno a aluno. Quem demonstra domínio avança mais rápido e quem trava recebe reforço antes de seguir.

Trilha adaptativa e trilha gamificada são mecanismos distintos. A gamificada usa recompensa pra manter o aluno andando numa sequência igual pra todos, e a adaptativa muda a própria sequência.

Quais sinais o algoritmo coleta

Os sinais mais usados são quatro.

• Tempo por aula, comparado com a média da turma. Tempo muito acima sugere dificuldade. Tempo muito abaixo sugere que o aluno pulou ou já sabia.
• Erro em exercício. Qual questão errou, quantas vezes tentou e em qual conceito a questão se apoia. É o sinal mais rico, porque liga o erro a um assunto específico.
• Abandono de módulo. Em que aula o aluno parou e há quantos dias. Abandono concentrado numa mesma aula aponta problema no conteúdo mais do que no aluno.
• Retorno. Se o aluno voltou a uma aula já concluída, quantas vezes e depois de qual exercício. Revisitar indica que a primeira passagem não bastou.

Nenhum deles exige tecnologia sofisticada, só que a plataforma grave progresso por aula e por exercício. Sem esse registro, não há o que adaptar.

Como o algoritmo estima onde o aluno travou

Coletado o sinal, o sistema transforma comportamento em diagnóstico. A forma mais simples é uma regra escrita à mão, do tipo "errou duas vezes a questão sobre o conceito X, então está travado em X". Sistemas mais elaborados cruzam vários sinais e atribuem uma probabilidade de domínio a cada conceito do curso. O aluno que gastou o dobro do tempo na aula 4 e errou o exercício ligado a ela recebe uma estimativa baixa de domínio naquele conceito.

Pra esse cruzamento funcionar, cada aula e cada exercício precisam estar ligados a um conceito. Se nenhuma aula declara qual assunto ensina, o algoritmo só sabe que o aluno demorou e não sabe o que reforçar. Esse mapeamento é trabalho pedagógico, feito por pessoa, e é a etapa mais demorada da implantação.

Como ele decide o próximo conteúdo

Com o diagnóstico em mãos, a trilha escolhe um de três movimentos.

O reforço dá ao aluno um conteúdo extra sobre o conceito em que ele travou, como uma aula curta de revisão, e ele só avança quando o sinal muda.

O aluno que acerta o exercício diagnóstico de um módulo sem assistir às aulas pula direto pro próximo.

A revisão entra antes de um módulo que depende de conceitos anteriores, quando o sistema puxa uma revisão rápida dos conceitos com estimativa baixa de domínio.

Essas decisões dependem de pré-requisitos declarados. O sistema precisa saber que o módulo 5 depende dos conceitos do 2 e do 3 pra decidir o que revisar. Sem isso, ele só reforça o conceito atual e nunca antecipa o problema.

A trilha usa o resultado do exercício como sinal, mas corrigir e comentar a resposta do aluno é outro processo, com o professor no meio. Esse tema fica com o post sobre IA pra corrigir e dar feedback de atividades, desta mesma série.

O que a operação precisa ter antes de qualquer IA

Três coisas precisam existir antes de contratar algoritmo.

Estrutura modular clara. Hierarquia de produto, módulo, aula e recurso, com nomes padronizados.

Pré-requisitos declarados. Cada módulo diz de quais conceitos depende. Cada aula e cada exercício dizem qual conceito trabalham.

Dados de progresso rastreáveis. A plataforma registra conclusão por aula, resultado por exercício e data do último acesso, consultáveis por aluno e por turma. Se você está escolhendo plataforma agora, vale colocar essa pergunta ao fornecedor junto com as do guia de como escolher plataforma de cursos.

Quem opera treinamento corporativo tem uma exigência a mais, porque o RH do cliente quer comprovar o progresso por funcionário, e o rastreio vira entregável do contrato. A página de treinamentos B2B trata desse público.

Checklist de maturidade antes de comprar algoritmo

Confira se a sua operação já faz o básico com o dado que tem.

• Você sabe a taxa de conclusão por curso e por módulo, e olha esse número todo mês.
• Você tem uma régua de reengajamento pra aluno parado. O guia de área de membros sugere lembrete simples aos 7 dias, intervenção direta aos 14 e conversa humana aos 30.
• Você identifica a aula com mais abandono em cada módulo.
• Cada exercício do curso está ligado a um conceito nomeado.

Se a maioria das respostas for não, a trilha adaptativa vai automatizar um diagnóstico que você ainda não sabe fazer. Régua manual de reengajamento e relatório de conclusão por módulo entregam boa parte do ganho com custo quase zero, e ainda produzem o histórico que o algoritmo vai precisar.

Uma ressalva sobre risco. Um sistema que decide o que o aluno vê carrega o viés do dado que o treinou e precisa ser transparente sobre o que faz com o registro de progresso, principalmente quando há menor de idade na turma. Esses limites ganham um post próprio nesta série, sobre riscos e limites da inteligência artificial na educação.

Onde a IA já funciona hoje na sua operação

Trilha adaptativa madura é um projeto de meses. Enquanto isso, existe uma frente em que a inteligência artificial já entrega resultado pra quem vende curso, que é o atendimento e a venda fora do horário comercial. A única IA que a EngagED opera hoje é o agente de atendimento e vendas, treinado no produto, no FAQ e na política de reembolso de cada cliente, que se identifica como IA na primeira mensagem e passa a conversa pra uma pessoa quando não tem resposta segura. A página do agente de IA de vendas explica como ele funciona.

Pra trilha adaptativa, organize a hierarquia de módulos, declare os pré-requisitos e passe a registrar progresso por aula e por exercício. O guia de como estruturar a área de membros é o lugar pra começar esse trabalho. Quando a estrutura estiver medindo, escolher o algoritmo vira a parte mais fácil da decisão.