Efetividade de estratégias de sistemas de tutoria inteligente no apoio a tutores humanos para promoção do engajamento estudantil no aprendizado on-line

Abstract

A evolução da Inteligência Artificial (IA) impulsiona o desenvolvimento da aprendizagem on-line (e-learning), permitindo a incorporação progressiva de recursos baseados em IA nos ambientes virtuais de aprendizagem. Nesses ambientes, os Sistemas de Tutoria Inteligente (STI) utilizam modelos de IA para identificar padrões de engajamento dos estudantes e personalizar a tutoria. No entanto, desenvolver STI que transformem efetivamente as capacidades de tutores humanos em experiências tangíveis é um desafio complexo. Principalmente devido a processos de design que tendem a superestimar as capacidades dos agentes inteligentes, enquanto subestimam os papéis, as percepções e contribuições dos tutores humanos. Diante disso, esta tese defende que estratégias de STI podem ser desenvolvidas como soluções para a ampliação das capacidades de tutores humanos. Sendo assim, esta pesquisa teve o objetivo de analisar a efetividade da aplicação de estratégias de STI no apoio aos tutores humanos para o acompanhamento de indicadores de engajamento estudantil no aprendizado on-line. Para isso, a pesquisa adotou um paradigma projetivo baseado nas diretrizes do Design Science Research (DSR), envolvendo a realização e consolidação cumulativa de estudos que utilizaram técnicas de etnografia digital, revisão e mapeamento da literatura, análises qualitativas e quantitativas da atuação de tutores humanos de diferentes contextos do aprendizado on-line. Além de procedimentos projetivos para concepção, desenvolvimento e avaliação de uma abordagem de sistema de STI denominado “Its.Redu”. O sistema foi concebido com funcionalidades voltadas ao apoio das atividades de tutoria, direcionadas para cenários de promoção do engajamento estudantil, principalmente em Plataforma Social de Aprendizagem. As descobertas da pesquisa permitiram investigar as atividades de tutoria e obter informações sobre a experiência, a atratividade, a qualidade e a efetividade do sistema proposto. A hipótese material testada envolveu artefatos digitais do sistema que evoluíram a partir de modelos de IA, utilizando técnicas de Aprendizado de Máquina (AM), Processamento de Linguagem Natural (PLN) e Modelo de Linguagem de Grande Escala (LLM). O sistema desenvolvido foi avaliado ao longo da pesquisa por meio de investigações interdependentes ao viabilizar a seleção, classificação e acompanhamento de indicadores de engajamento dos estudantes no aprendizado on-line. Os resultados incluem a concepção da abordagem do sistema e as formas de apoio aos tutores com diferentes perfis de uso da tecnologia. Conclui-se, portanto, que a abordagem proposta tem potencial para se tornar uma ferramenta atrativa e significativamente efetiva no apoio aos tutores humanos, auxiliando na evidência do desempenho dos estudantes, na análise dos níveis de interação, na busca ativa, na antecipação, incorporação de tutorias e na facilitação do acompanhamento de indicadores. Com isso, as propostas podem contribuir para a ampliação das capacidades dos tutores humanos para promover estratégias didático-pedagógicas eficazes de engajamento estudantil. Consequentemente, o design das estratégias, ao valorizar o envolvimento dos tutores humanos, pode potencializar o impacto de estratégias híbridas de tutorias que permitam direcionar ações didático-pedagógicas para a promoção do engajamento estudantil.