Fonte | Autor: Grezan

Os avanços na inteligência artificial (IA) e na tecnologia educativa estão a transformar radicalmente a aprendizagem. Hoje, uma competência crítica na interação humano-computador é a capacidade de fazer perguntas eficazes por meio de engenharia imediata , uma competência digital emergente que permite otimizar o desempenho dos modelos de linguagem de IA para que respondam de maneira precisa e relevante no contexto. Este processo baseia-se na pedagogia da “educação pela pergunta”, abordagem defendida por Paulo Freire , em que o questionamento e a curiosidade são essenciais não só para aprender, mas também para transformar a realidade. Exploraremos como a abordagem pedagógica ou andragógica focada em perguntas (dependendo do perfil do meu aluno) ganha vida no design imediato , como a complementaridade humano-IA na educação otimiza a aprendizagem e como uma política de recomendação baseada na curiosidade ajuda a personalizar os caminhos de aprendizagem em adaptações de sistemas.

Prompt Engineering como uma competência digital essencial

A engenharia imediata é essencial para otimizar a interação com modelos de linguagem de IA, como os utilizados em sistemas educativos, onde permite orientar a IA para gerar respostas que sejam ao mesmo tempo informativas e contextualmente relevantes. Esta competência, fundamental na educação digital moderna, permite aos utilizadores direcionar as suas interações com a IA, moldando respostas adaptadas a necessidades específicas. A capacidade de fazer perguntas estratégicas através de prompts eficazes requer não apenas precisão e clareza, mas também uma compreensão profunda dos temas abordados, permitindo que estudantes e educadores explorem e cocriem conhecimento com IA em um ambiente dialógico e personalizado ( Wang et al. , 2022 ).

A pedagogia da pergunta de Freire, que enfatiza o questionamento ativo como um ato de liberdade, encontra assim sua extensão na concepção de prompts , pois incentiva a participação ativa do utilizador na construção do conhecimento, em vez de receber passivamente respostas pré-estabelecidas. Freire e Faundez enfatizaram que o ato de perguntar abre possibilidades de diálogo e exploração, uma filosofia que hoje se reflete na forma como interagimos com sistemas de IA que precisam de orientação precisa para fornecer valor educacional real ( Freire & Faundez, 1985 ).

Complementaridade Humano-IA em Ambientes Educacionais

Uma abordagem inovadora e promissora na educação é a colaboração recíproca entre humanos e inteligência artificial. Aproveitar os pontos fortes complementares dos professores e dos sistemas de IA não só expande as capacidades de ambos, mas também permite uma experiência educativa mais profunda. Um exemplo claro dessa sinergia é o uso de dispositivos assistivos, como os óculos inteligentes Lumilo, que oferecem aos professores análises em tempo real da aprendizagem e do comportamento dos seus alunos. Com esta ferramenta, os professores podem fazer intervenções mais informadas, enquanto a IA ajuda a detectar padrões de comportamento e desempenho, otimizando assim o processo de aprendizagem de cada aluno ( Holstein et al., 2022 ).

AI Prompt Power: Técnicas, trucos y frameworks

» Ver Preço na Amazon «

A complementaridade humano-IA nestes contextos mostra como, ao combinar a análise em tempo real de grandes volumes de dados pela IA com a percepção empática dos professores, podem ser criadas experiências de aprendizagem que combinam precisão analítica e sensibilidade humana. Esta colaboração melhora a aprendizagem dos alunos, permitindo que os educadores se concentrem em intervenções específicas, adaptadas às necessidades únicas de cada aluno, e liberta tempo para os professores se concentrarem em tarefas de apoio mais significativas, como o aconselhamento social e emocional dos alunos ( Ifenthaler & Schumacher, 2023) . ).

Política de recomendação baseada na curiosidade: Personalizar a aprendizagem adaptativa

A personalização na aprendizagem foi grandemente impulsionada por sistemas que utilizam políticas de recomendação baseadas na curiosidade e aprendizagem por reforço. Estas políticas, concebidas para incentivar a exploração e a descoberta, são especialmente eficazes em sistemas de aprendizagem adaptativos, onde os alunos precisam de ser motivados para explorar o conhecimento ao seu próprio ritmo. Uma abordagem baseada na curiosidade motiva o aluno a seguir um caminho de aprendizagem que seja ao mesmo tempo eficiente e gratificante, utilizando o método ator-crítico para gerar recomendações personalizadas com base na familiaridade do aluno com o conteúdo de aprendizagem ( Han et al., 2019 ).

A utilização de recompensas de curiosidade nestes sistemas permite que a IA capte e se adapte às novas necessidades do aluno, ajustando continuamente o foco e mantendo um elevado nível de motivação e envolvimento. Este tipo de política de recomendação não só adapta percursos de aprendizagem, mas também oferece uma experiência em que os alunos sentem que estão a explorar e a descobrir de forma autónoma, um processo de aprendizagem alinhado com a pedagogia da pergunta freireana, em que a Curiosidade se torna o motor do conhecimento.“É preciso desenvolver uma pedagogia da questão. Estamos sempre à escuta de uma pedagogia de resposta. “Os professores respondem a perguntas que os alunos não fizeram.”

Paulo FreireAdvogado, pedagogo, educador e filósofo brasileiro

A Pedagogia (ou Andragogia) da Pergunta e da Curiosidade como Fundamento do Conhecimento

A abordagem de Freire à pedagogia do questionamento é fundamental na interação humano-IA, pois convida os alunos a serem protagonistas do seu próprio processo educativo. Num contexto digital, saber perguntar é essencial para aceder e configurar informação relevante através da IA, transformando o utilizador num agente ativo que não se limita a receber respostas, mas explora e experimenta o conhecimento. Esta abordagem é apoiada por pesquisas que destacam o papel da curiosidade epistémica , que demonstrou melhorar a retenção e a motivação do conhecimento ( Loewenstein, 1994 ).

A capacidade de perguntar e experimentar sem medo de errar, como aponta Freire, também é central para a engenharia imediata , onde o utilizador deve tentar diferentes formulações para maximizar a utilidade da resposta da IA. Essa prática de tentativa e erro é fundamental na aprendizagem baseada no diálogo e na exploração, onde a IA se torna uma ferramenta de autodescoberta e aprendizagem contínua ( Karpicke & Blunt, 2011 ).

Promove proficiência em engenharia: uma competência crítica em literacia digital

A capacidade de fazer perguntas eficazes e sugestões de design representa uma forma avançada de literacia digital num mundo onde a IA é omnipresente. Esta capacidade permite que os utilizadores de IA não só acedam à informação, mas também configurem e adaptem as suas interações de forma a resultar numa aprendizagem significativa. A engenharia imediata envolve uma compreensão profunda do conhecimento em jogo e o domínio do processo para orientar respostas que expandam a compreensão do usuário. Esta competência é uma competência fundamental para o futuro da educação, permitindo que os alunos sejam alunos autodirigidos e críticos, em vez de consumidores passivos de informação ( Wang et al., 2022 ).

Um futuro educacional baseado em perguntas e no diálogo humano-IA

A pedagogia das perguntas e a engenharia imediata compõem uma abordagem educacional que coloca o usuário no centro do seu processo de aprendizagem, utilizando a IA como plataforma de curiosidade e transformação. Em última análise, a capacidade de fazer perguntas eficazes é uma competência crítica para a literacia digital, permitindo ao utilizador navegar, explorar e enriquecer a sua experiência de aprendizagem num mundo onde a IA é omnipresente. Esta abordagem é fundamental para educadores e estudantes que procuram criar uma aprendizagem mais crítica, exploratória e participativa, onde cada interação com a IA não seja apenas uma busca por respostas, mas o início de uma cadeia de descobertas e significados.

Referências

• Freire, P., & Faundez, A. (1985). Para uma pedagogia da questão . Século XXI. Recuperado de https://es.scribd.com/doc/12654681/Hacia-Una-Pedagogia-de-La-Pregunta
• Freire, P. (1970). Pedagogia dos oprimidos . Século XXI. https://doi.org/10.4324/9780429268144
• Gottlieb, J., Oudeyer, PY, Lopes, M., & Baranes, A. (2013). Busca de informação, curiosidade e atenção: Mecanismos computacionais e neurais. Tendências em Ciências Cognitivas, 17 (11), 585-593. https://doi.org/10.3389/fpsyg.2013.00763
• Holstein, K., McLaren, BM e Aleven, V. (2022). Projetando para a complementaridade humano-IA na educação básica. Revista AI, 43 (2), 239-248. https://doi.org/10.1002/aaai.12058
• Ifenthaler, D. e Schumacher, C. (2023). Questões recíprocas de inteligência artificial e humana na educação. Jornal de Pesquisa em Tecnologia na Educação, 55 (1), 1-6. https://doi.org/10.1080/15391523.2022.2154511
• Karpicke, JD e Blunt, JR (2011). A prática de recuperação produz mais aprendizagem do que o estudo elaborativo com mapeamento conceitual. Ciência, 331 (6018), 772-775. https://doi.org/10.1126/science.1199327
• Loewenstein, G. (1994). A psicologia da curiosidade: uma revisão e reinterpretação. Boletim Psicológico, 116 (1), 75-98. https://doi.org/10.1207/s15327906mbr2901_2
• Mezirow, J. (1997). Aprendizagem transformativa: teoria à prática. Novos rumos para a educação continuada e de adultos, 1997 (74), 5-12. https://doi.org/10.1002/ace.7401
• Wang, Y., Ou, C. e Wang, Y. (2022). Avanços na engenharia imediata: direções futuras para IA centrada no ser humano. Anais da Conferência ACM 2022 sobre Fatores Humanos em Sistemas Computacionais . https://doi.org/10.1145/3486568.3548669
• Han, R., Chen, K. e Tan, C. (2019). Estratégia de recomendação baseada na curiosidade para aprendizagem adaptativa por meio de aprendizagem por reforço profundo. Pré-impressão do arXiv arXiv:1910.12577 . https://arxiv.org/abs/1910.12577v1