Aprendizagem interativa com IA generativa

Um método de aprendizagem interativo e em tempo real

Introdução

A Inteligência Artificial Generativa (GenAI) tomou o mundo de assalto com aplicativos como o ChatGPT, Gemini, Claude, Perplexity e sendo lançados em um ritmo acelerado. Aprendizagem interativa com IA generativa está transformando a forma como nos envolvemos com essas ferramentas no dia a dia. O estilo de comunicação e de conversação com ferramentas como o ChatGPT assemelha-se ao questionamento socrático e ao ensino dialógico com os estudantes fazendo perguntas e pedem esclarecimentos sobre as respostas respostas que recebem, e a IA responde e os estimula ainda mais, envolvendo assim as pessoas em um diálogo por meio do qual elas podem aprender.

Esse método é conhecido como aprendizagem interativa com IA generativa, que promove um aprendizado mais engajador e dinâmico.

Os chatbots GenAI são sistemas on-line baseados em diálogo que podem interagir com perguntas na forma de texto (e cada vez mais imagens e palavras faladas) dos usuários, chamados de prompts, e gerar respostas em linguagem semelhante à humana.

Eles podem responder a perguntas e afirmações com uma ampla variedade de resultados, desde respostas simples até histórias geradas, poemas, ensaios e muito mais, em tempo real, na forma de uma conversa com a pessoa que o está solicitando.

É preciso lembrar que nem todas as respostas são fiéis as histórias, muito importante ter a capacidade de avaliar criticamente cada uma das respostas para não ser colonizado digitalmente. É simples de descobrir o viés é só perguntar quem inventou o avião, se a resposta não for Santos Dumont no mínimo desconfie.

IA generativa como um tutor virtual 24 horas por dia, 7 dias por semana

A ideia de ter acesso a um professor 24 horas por dia, 7 dias por semana (sempre disponível) que pode ajudar os alunos com seus estudos é atraente. A GenAI promete fazer isso por meio de assistentes de tutoria digital assistentes ou chatbots que podem responder às perguntas dos estudantes sobre um tópico ou fazer perguntas aos estudantes para verificar sua compreensão do conteúdo.

Os estudantes universitários parecem entusiasmados com a ideia de ter acesso a um tutor virtual sempre que precisarem. Eles relatam benefícios em termos de ter assistência em tempo real, obter respostas imediatas às suas perguntas e receber apoio sobre como realizar tarefas acadêmicas específicas. No entanto, eles também se preocupam com a privacidade de seus dados ao usar esses sistemas e a possibilidade de uso indevido por outros alunos (por exemplo, plágio em trabalhos acadêmicos).

Eles receberiam com entusiasmo assistentes de IA que utilizassem conteúdo institucional, em vez de qualquer conteúdo da web, para resolver preocupações relacionadas à precisão, qualidade e relevância para seus estudos.

Um desses sistemas é o tutor de IA da Khan Academy, o Khanmigo, que oferece aos alunos suporte e orientação personalizados em matemática, ciências e humanidades. Ele sugere tópicos que os estudantes podem estudar e faz perguntas de acompanhamento com base em suas respostas para ajudá-los a identificar erros e melhorar sua compreensão.

Essas ferramentas podem promover a aprendizagem personalizada que atenda às necessidades de aprendizagem de cada indivíduo. Um aluno pode pedir ao GenAI para obter explicações em diferentes níveis de profundidade (por exemplo, “Explique a mecânica quântica em termos termos que um aluno da 7ª série entenderia”) ou relacionadas a seus interesses (‘Explique o princípio econômico de oferta e demanda usando exemplos do setor musical”).

Os estudantes também podem solicitar que as respostas sejam dadas de uma maneira culturalmente relevante, como, por exemplo: Sou um estudante britânico-iraniano do ensino médio que está estudando poesia.

Preciso entender melhor como os poetas usam comparações. Você pode me dar alguns exemplos usando poemas de Hafez, que eu costumava ouvir quando era pequeno?

Mesmo depois de usar os melhores modelos da categoria, o conteúdo criado ainda precisa de ajustes e verificações humanas.

Conversando com a IA geradora na simulação de papéis e no jogo

No aprendizado de idiomas, as simulações facilitadas por IA permitem que os estudantes pratiquem em vários cenários, como fazer um pedido a um garçom em francês em um café parisiense ou discutir planos de viagem para a Grande Muralha da China com um explorador em mandarim.

Essa prática imersiva pode não apenas aumentar a fluência da conversação e habilidades auditivas, mas também apresenta aos estudantes às nuances culturais do uso do idioma como os diversos termos diferentes para “palha” em espanhol usados nos países da América Latina.

Isso é algo que os alunos podem pedir a um chatbot de IA para fazer, ou podem usar uma ferramenta especializada como o Duolingo Roleplay que oferece parceiros de conversação parceiros de conversação personalizados para essa finalidade.

A simulação e a interpretação de papéis com a GenAI também podem ser úteis para o desenvolvimento de habilidades profissionais; por exemplo, preparação para entrevistas de emprego ou diagnóstico médico baseado em entrevistas (simuladas) com pacientes.

Ao assumir vários papéis, a GenAI pode simular diferentes partes interessadas em uma variedade de ambientes profissionais com diferentes tipos de características (por exemplo, garantir um contrato vantajoso para produzir lanches com alguém que adota uma abordagem concorrente para a negociação), proporcionando aos alunos uma gama diversificada de experiências interativas.

A GenAI pode também ser útil para assumir o papel de um parceiro intelectual, principalmente em campos que exigem argumentação robusta, como direito, filosofia e ética. Ao desafiar os os alunos a defender seus pontos de vista, identificar falácias lógicas e contrapor argumentos contrários, a GenAI pode ajudá-los a aprimorar um argumento específico a ser apresentado e aprimorar seu pensamento crítico e habilidades de debate.

IA generativa como parceira de currículo para professores

A GenAI também tem o potencial de se tornar um colaborador de professores na produção de recursos de e atividades educacionais. Esse uso da IA mostra como um diálogo entre um professor ou designer de curso e a IA pode se desenvolver para apoiar a criação de conteúdo de aprendizagem, como objetivos de aula, rubricas de avaliação e atividades interativas.

Para isso, é importante que a IA seja cuidadosa, criativa e iterativa. O processo iterativo significa repetir ações ou ciclos, refinando constantemente os resultados com base no feedback, até atingir o resultado desejado. Isso inclui a avaliação crítica das respostas geradas pela IA, garantindo que o conteúdo seja verdadeiro e que projetos de cursos sejam incluídos de forma adequada. A iteração é essencial para aprimorar continuamente a qualidade das soluções fornecidas pela IA. 

Para fazer parceria com a IA na produção de recursos úteis para o curso, é importante aproveitar estratégias de estímulo conhecidas, como, por exemplo:

• fornecer informações detalhadas sobre o contexto de aprendizado
• dar exemplos dos tipos de atividades ou materiais que você está procurando
• solicitar que a IA assuma uma persona (por exemplo, você é um desenvolvedor de currículo especializado…)
• dividir tarefas complexas em várias tarefas menores
• fornecer instruções semelhantes a receitas sobre as etapas que a IA deve seguir
• adicionar instruções importantes no final de um prompt.

Pode ser útil fornecer à IA os princípios pedagógicos a serem seguidos em suas criações, por exemplo, projetar para inclusão, envolvimento ativo do estudante e colaboração do aluno. Também foram desenvolvidos para apoiar os educadores nessas tarefas (por exemplo, consulte o repositório do Github “Prompts for Education”), como um prompt para planejar aulas ou gerar ideias para tarefas.

A avaliação inicial dos esforços para criar currículo com IA sugere que ela pode ajudar no brainstorming de ideias, na criação de um esboço, avaliar a adesão a orientações específicas de redação (como legibilidade e linguagem inclusiva).

No entanto, vale a pena observar que os resultados da GenAI precisam ser verificados por especialistas no assunto que possam comentar sobre como os prompts são elaborados, a qualidade dos materiais produzidos e sua adequação ao ensino.

Mesmo depois de usar os melhores modelos da categoria modelos, o conteúdo criado ainda precisa de ajustes e verificações humanas, que variam desde pequenos ajustes até a regeneração total para torná-lo adequado ao contexto de aprendizado para o qual está sendo projetado (por exemplo, aprendizado on-line universidade, sala de aula do ensino fundamental, museu de ciências). 

Desafios, barreiras, limitações

Embora as possibilidades de aprendizado por meio do diálogo com a GenAI são diversas e empolgantes, também há desafios importantes a serem observados. Inicialmente, os estudantes demonstraram níveis variados de envolvimento; eles variam de conversas ricas, conversas de aprendizado profundo, a simples solicitações para receber “a resposta”.

Alguns alunos resistem à interação, por exemplo respondendo “idk” (“não sei”) a todas as perguntas que o chatbot faz. Isso destaca a necessidade de orientação (para alunos e professores) sobre alfabetização em IA, incluindo como “conversar” com a GenAI para promover um diálogo produtivo e como avaliar criticamente as respostas da GenAI. Essa A última é fundamental, pois os modelos GenAI representam como as coisas são faladas em geral, e não de acordo com o conhecimento disciplinar verificado.

Como resultado, esses modelos são conhecidos por produzem “alucinações” – respostas que parecem críveis, mas que, na verdade, estão incorretas ou desatualizadas. Essas mesmas preocupações são importantes para os educadores estarem cientes e identificar como superá-las; por exemplo, ao instruir a IA a responder usando informações de recursos específicos. As respostas da GenAI também pode simplificar demais conceitos complexos ou adicionar detalhes irrelevantes a uma explicação. Juntos, esses fatores criam o perigo de gerar concepções errôneas e/ou aprendizado superficial. A pesquisa também mostrou que as pessoas podem tender a confiar na IA, em vez de aprender com a IA ou trabalhar em colaboração com a IA.

Outra preocupação é o risco de perpetuar vieses sociais nos dados de treinamento, como o retorno de menos exemplos de mulheres e pessoas de cor ao perguntar sobre cientistas que fizeram a diferença em um determinado campo. Um exemplo de um modelo criado em um conjunto de treinamento mais diversificado, incluindo fontes que têm dados da tradição oral indígena, é o Latimer.ai. Acesso desigual aos modelos GenAI mais recentes e avançados, que geralmente não são gratuitos, também pode exacerbar as desigualdades educacionais, dando a alguns alunos ou educadores acesso a melhores tutores, parceiros de currículo ou simuladores melhores do que outros. Por fim, as preocupações com a privacidade relacionadas ao uso e armazenamento dos dados dos alunos pelas plataformas GenAI devem ser abordadas para proteger as informações pessoais dos alunos.

Conclusões

Essa pedagogia tem potencial para apoiar o questionamento crítico dos alunos e habilidades de argumentação. Isso será cada vez mais importante à medida que as informações geradas pela GenAI se tornam mais predominantes e exigem uma postura mais crítica. Espera-se que a GenAI melhore com o tempo, apresentando recursos novos e imprevistos. Isso pode ter implicações diferentes para a forma como os alunos aprendem e se envolvem com os resultados da GenAI.

Referências

1. Prendergast, D. (2021), An investigation into the impact of dialogic teaching and Socratic questioning on the development of children’s understanding of complex historical concepts. Available at: Durham Repository (Accessed 26 June 2024).
2. University of Central Arkansas, Center for Excellence in Teaching and Academic Leadership (2024), Chat GPT: What is it?. Available at: University of Central Arkansas (Accessed 26 June 2024).
3. Rienties, B., Domingue, J., Duttaroy, S., Herodotou, C., Tessarolo, F., and Whitelock, D. (2024), I would love this to be like an assistant, not the teacher: a voice of the customer perspective of what distance learning students want from an Artificial Intelligence Digital Assistant. Available at: arXiv (Accessed 26 June 2024).
4. Open AI Developer Platform (2024), Prompt engineering. Available at: OpenAI (Accessed 26 June 2024).
5. Microsoft Azure (2024), Prompt engineering techniques. Available at: Microsoft Learn (Accessed 26 June 2024).
6. Ullman, T., Bektik, D., Edwards, C., Herodutu, C., and Whitelock, D. (2024), Teaching with Generative AI: Moving Forward with Content Creation. Presented at EDEN 24 Annual Conference, Graz, Austria.
7. Darvishi, A., Khosravi, H., Sadiq, S., Gašević, D., and Siemens, G. (2023), Impact of AI assistance on student agency, Computers & Education, 210(104967). Available at: ScienceDirect (Accessed 26 June 2024).
8. Mei, K., Fereidooni, S., and Caliskan, A. (2023), Bias against 93 stigmatized groups in masked language models and downstream sentiment classification tasks, Proceedings of the 2023 ACM Conference on Fairness, Accountability, and Transparency (pp. 1699–1710).
9. Dhingra, H., Jayashanker, P., Moghe, S., and Strubell, E. (2023), Queer people are people first: Deconstructing sexual identity stereotypes in large language models, arXiv Preprint. Available at: arXiv (Accessed 26 June 2024).

Recursos

• Khan Academy (2024), An example of a GenAI virtual tutor assistant called Khanmigo. Available at: Khan Academy Blog (Accessed 26 June 2024).
• DiCerbo, K., and Zau, C. (2024), How a GenAI virtual tutor works. Available at: YouTube (Accessed 26 June 2024).
• Duolingo (2024), Duolingo Max: A personalised language learning tool using GenAI. Available at: Duolingo Blog (Accessed 26 June 2024).
• Mollick, E., and Mollick, L. (2023), Assigning AI: Seven approaches for students, with prompts. Available at: arXiv (Accessed 26 June 2024).
• Mollick, E., and Mollick, L. (2023), Using AI to Implement Effective Teaching Strategies in Classrooms: Five Strategies, Including Prompts. Available at: SSRN (Accessed 26 June 2024).