Desde que a China anunciou a inclusão da Inteligência Artificial no currículo do ensino básico, de forma compulsória muito se tem falado sobre o assunto. China desenvolve conteúdo de IA para o ensino básico de maneira estruturada, com diretrizes claras e foco em formação docente.
Resumo
O curso de inteligência artificial é obrigatório para os alunos do ensino obrigatório na China. Entretanto, nem todos os professores e escolas estão totalmente preparados e prontos. Isso se deve, em parte, à falta de recursos adequados de ensino e aprendizagem, o que exige um grande investimento de tempo e esforço das escolas e dos professores para projetar e desenvolver. Para enfrentar o desafio da falta de recursos adequados para o ensino e o aprendizado de IA da 1ª à 9ª série, desenvolvemos uma estrutura de conhecimento de IA e recursos instrucionais com base no currículo nacional chinês de ciência e tecnologia da informação. Nosso programa de IA abrange 90 conceitos centrais, 63 indicadores de aprendizagem e 27 recursos de ensino e aprendizagem, que foram implementados. As fontes foram utilizadas como cursos modelo em programas de treinamento de professores e um curso exemplar foi implementado em escolas primárias que verificaram a eficácia das nossas fontes.
Introdução
O curso de inteligência artificial (IA) incorporado à ciência e tecnologia da informação é obrigatório para todos os alunos do ensino obrigatório na China, devido ao currículo nacional recém-lançado de ciência e tecnologia da informação (Ministério da Educação da República Popular da China, 2022). O currículo nacional chinês de educação obrigatória é uma série de currículos abrangentes que os alunos chineses devem aprender da 1ª à 9ª série.
Em outras palavras, mais de 158.000.000 de alunos em 207.200 escolas de ensino fundamental e médio (Ministério da Educação da República Popular da China 2022) devem ter pelo menos uma hora de aula de ciência e tecnologia da informação (incluindo IA) por semana. De acordo com o currículo nacional, a disciplina de ciência e tecnologia da informação é responsável por 1% a 3% das 30 a 34 horas de aula por semana (40 a 45 minutos por hora de aula), e o curso de IA é responsável por grande parte do conteúdo do currículo independente de ciência e tecnologia da informação. No entanto, os professores e as escolas ainda não estão preparados. Isso se deve, em parte, à falta de fontes adequadas de ensino e aprendizagem, o que exige um grande dispêndio de tempo e esforço.
A IA é uma disciplina que as escolas e os professores devem projetar e desenvolver. Como a IA costumava ser um curso eletivo criado pelos melhores professores em escolas de elite, a maioria dos professores em serviço não tem uma base sólida de conteúdo relacionado à IA, conhecimento tecnológico e pedagógico (Koehler e Mishra 2009). Em geral, mesmo que os professores estejam dispostos a desenvolver cursos e recursos de IA do zero, a maioria deles não tem tempo suficiente ou capacidade suficiente.
Em relação a isso, a maioria das escolas não está equipada com software, hardware ou sala de aula dedicados por enquanto. Para enfrentar o desafio da falta de recursos apropriados para o ensino e a aprendizagem de IA da 1ª à 9ª série, desenvolvemos uma estrutura de conhecimento de IA e recursos de ensino e aprendizagem com base no currículo nacional chinês, que define o conteúdo e os padrões do curso de IA. Nosso programa contempla um curso de IA apresenta 90 conceitos centrais, 63 indicadores de aprendizagem e 27 recursos de ensino e aprendizagem. Os recursos de ensino e aprendizagem incluem planos de aula, slides, demonstrações, jogos, tarefas, planilhas que podem ser impressas, projetos de programação baseados em blocos semi-acabados, projetos demonstrativos de programação baseados em python, manuais de instrução, vídeos de operação, questionários, rubricas etc.
Todos os recursos de instrução são gratuitos e abertos. Professores e alunos podem acessar facilmente por meio de um navegador, o que pode economizar investimentos em software e hardware para as escolas. Em cooperação com a Tencent, a maior empresa de IA da China, desenvolvemos e lançamos a estrutura de conhecimento de IA, bem como os recursos de ensino e aprendizagem (https://coding.qq.com/ai/), conforme mostrado na Figura 1.
Os professores podem reformular as aulas com base em nosso projeto de estruturação generalizada, de modo que possam economizar tempo e incorporar a experiência de outros pesquisadores. Neste artigo, apresentaremos uma lista de fontes bem elaboradas para o ensino de IA como um curso obrigatório na educação, que são desenvolvidas e organizadas com base no currículo nacional chinês. Os recursos foram usados como cursos modelo em programas de treinamento de professores que obtiveram grande satisfação dos professores. Além disso, um curso exemplar foi implementado em uma escola primária e verificou a eficácia dos nossos recursos.
Estrutura de conhecimento de IA
Nossa estrutura de conhecimento de IA é baseada no novo currículo nacional chinês de ciência e tecnologia da informação. O novo currículo nacional chinês foi desenvolvido por especialistas em IA, especialistas em educação, professores em serviço e administradores educacionais durante três anos.
Há duas partes na estrutura de conhecimento, que são os conceitos centrais e os indicadores de aprendizado. Os conceitos centrais são conceitos altamente relacionados à IA selecionados do currículo de ciência e tecnologia da informação. Os indicadores de aprendizagem são objetivos de aprendizagem que indicam o que os alunos devem saber ou o que devem ser capazes de fazer. Nossa estrutura de conhecimento também é compatível com as cinco grandes ideias de IA para o ensino fundamental e médio (Touretzky et al., 2019), incluindo percepção, representação e leitura, aprendizado, interação natural e impacto social.
Nos conceitos básicos, criamos uma estrutura de conhecimento de IA com 6 módulos, que correspondem parcialmente aos 9 módulos do novo currículo de ciência e tecnologia da informação e se concentram em cinco grandes ideias de IA. Os cursos de IA são projetados em 6 módulos para alunos do 1º ao 9º ano, conforme mostrado na Figura 2.
Os módulos 1 a 4 são as bases técnicas dos módulos 5 e 6. Do ponto de vista das 5 grandes ideias, incentivamos os alunos a ter uma percepção associativa da IA por meio da interação natural com os aplicativos de IA no Módulo 1. Com base nisso, os Módulos 2 a 4 detalham a representação e o raciocínio, a percepção e o aprendizado, e esses módulos respondem a perguntas sobre o que são dados e como descrevê-los, o que é algoritmo e como descrevê-lo e aplicá-lo, e como a máquina aprende, respectivamente.
Em seguida, no Módulo 5, focamos na tecnologia de IA para apresentar os principais conceitos, incluindo aprendizado de máquina, processamento de linguagem natural, visão computacional, etc. Além disso, o Módulo 6 enfatiza o impacto social da IA , como as bolhas de informações, viés de algoritmo, segurança de dados, etc.
Recursos de ensino e aprendizagem
Para refletir e implementar nossos conceitos centrais e indicadores de aprendizagem, elaboramos recursos de ensino e aprendizagem e utilizamos a metodologia de aprendizagem baseada em projetos (Kokotsaki, Menzies e Wiggins, 2016). Os cursos têm como objetivo promover quatro alfabetizações essenciais de acordo com o currículo nacional, saber, consciência da informação, pensamento computacional, aprendizagem e inovação digital e responsabilidade da sociedade da informação.
Em cada curso, os alunos são inspirados a praticar a auto-investigação por meio da aprendizagem baseada em projetos e a explorar respostas em vários campos de estudo.
Os tópicos dos recursos são escolhidos principalmente do currículo nacional, como (I am a Game Producer e Exploring Tower of Hanoi, e outros são provenientes da vida cotidiana dos alunos, como Smart Bin for WasteSorting e Rock paper scissors. Para ser mais específico, criamos 27 cursos em 6 módulos, conforme mostrado na Figura 3.
Vale a pena mencionar que há séries de cursos rotuladas com números 1 e 2 com dificuldades crescentes, como o Smart Campus no Módulo 6: Aplicação e ética da IA. Em cada curso, fornecemos um contexto de aprendizagem autêntico por meio de perguntas e práticas do mundo real para que os alunos se envolvam ativamente no processo de aprendizagem, que culmine com os resultados do projeto.
Por exemplo, no curso Smart Bin for Waste Sorting (Song et al. 2022) no Módulo 5: Foundation and Realization of AI, os alunos poderão projetar e programar suas próprias lixeiras inteligentes para a classificação de resíduos por meio de reconhecimento de voz e reconhecimento de imagem, o que reflete os principais conhecimentos de consciência da informação, pensamento computacional e responsabilidade da sociedade da informação, bem como grandes ideias de percepção, interação natural e impacto social (Touretzky et al. 2019).
Recursos de ensino e aprendizagem
| Uso de recursos | Tipos de recursos |
|---|---|
| Projeto do curso | Plano de aula |
| Conceito de ensino | Slides |
| Envolvimento com a aprendizagem |
Questionário, jogo de aquecimento, Vídeo de demonstração, Fluxograma, tabela de registros, questionário |
| Resultado do projeto | Rubrica, Manual de Instruções, Código |
Para cada curso, são criados diversos recursos multimídia prontos para uso para todo o processo de ensino e aprendizagem. Vários tipos de recursos são desenvolvidos e alocados para atender aos requisitos necessários do projeto do curso, do ensino de conceitos, do envolvimento da aprendizagem e dos resultados do projeto. De modo geral, listamos todos os tipos de nossos recursos na Tabela 1 e os detalharemos nas partes seguintes.
Plano de aula
Para operacionalizar nossos padrões nacionais e objetivos de aprendizagem, usamos o backward design (Wiggins, Wiggins e McTighe 2005) para planejar aulas e unidades. Nos planos de aula, listamos a duração, os objetivos, as atividades, as ferramentas e os materiais de IA para o ensino. As atividades de ensino são estruturadas com base no aprendizado baseado em projetos no contexto da vida cotidiana dos alunos para envolvê-los na solução de problemas. No curso Rock Paper Scissors 2 do Módulo 5: Foundation and Realization of AI, por exemplo, a questão principal é como projetar um jogo automático de pedra, papel e tesoura por meio da visão computacional (CV). Para resolver a questão principal, três subquestões são propostas e seriam resolvidas em três horas-aula separadas, para saber: “Como jogar pedra-papel-tesoura?”, “O que é visão computacional?” e “Como treinar um modelo de reconhecimento de gestos para pedra-papel-tesoura?”. Os indicadores de aprendizado são “conhecer a tecnologia básica e os aplicativos de CV” e “programar o jogo pedra-papel-tesoura em python”. O curso interdisciplinar envolve as áreas de matemática, ciência e tecnologia da informação e IA, especialmente a CV como uma tecnologia típica de percepção.
Slides
Desenvolvemos slides para cada lição, em que as etapas típicas são introdução, instrução de novos conceitos, prática, revisão etc. A Figura 4 mostra uma prévia dos slides do curso Rock Paper Scissors 2 no Módulo 5: Foundationand Realization of AI. O slide 1 da sessão de introdução apresenta as regras do jogo. Os slides 2 e 3 são mostrados na sessão de ensino de novos conceitos, em que os professores apresentarão os principais conceitos de visão computacional, incluindo como o computador lê imagens, tecnologia básica de CV, como classificação de imagens, detecção de objetos, segmentação de imagens e geração de imagens, bem como aplicações típicas de CV, como reconhecimento óptico de caracteres (OCR), reconhecimento facial e estimativa de pose. O slide 4 apresenta uma sessão de projeto prático para explicar como treinar um modelo de reconhecimento de imagem.
Questionário
Os alunos são incentivados a fazer uma pesquisa presencial para entender profundamente a questão principal. No curso Information Cocoon (Casulo de Informações) do Módulo 6: Aplicação e Ética da IA, fornecemos um questionário para orientar os alunos a conhecerem as recomendações personalizadas e o casulo de informações e descobrirem métodos para rompê-lo. No questionário, os alunos devem explorar quais aplicativos têm a função de recomendações personalizadas, quais são meus tópicos favoritos, quais conteúdos o aplicativo recomendou e descobrir a resposta para “Aplicativos diferentes recomendam as mesmas coisas para mim?”. Por meio da pesquisa, espera-se que os alunos permaneçam sóbrios com os conteúdos recomendados e percebam que há uma opção para desativar a função e romper o casulo de informações.
Jogo de aquecimento
A gamificação é uma abordagem atraente para os alunos estimularem a motivação e se envolverem no aprendizado (Zainuddin et al. 2020). No curso Smart Bin forWaste Sorting 1 do Módulo 5: Foundation and Realization of AI, desenvolvemos um jogo de aquecimento para os alunos se familiarizarem com as regras de classificação de resíduos, conforme mostrado na Figura 5. Os alunos podem receber feedback instantâneo quando fazem cada escolha e acumulam pontos quando fazem a escolha certa.
Vídeo de demonstração
Quando se trata de jogos ou tarefas desafiadoras, gravamos e fornecemos vídeos de demonstração para ajudar os alunos. No curso Exploring Tower of Hanoi (Explorando a Torre de Hanói) no Módulo 3: Algoritmo básico, desenvolvemos o jogo por meio de programação em python com animação autopintada exibida na tela, conforme mostrado na Figura 6. A dificuldade do jogo corresponde ao número de placas. A dificuldade aumenta significativamente quando o número de placas aumenta. Registramos o vídeo de demonstração, solução ideal do jogo da torre de Hanói com seis placas, para desafiar os alunos e despertar o interesse deles.
Fluxograma
Quando o curso envolve prática de programação, é importante que os alunos descrevam claramente a lógica do algoritmo antes da programação prática. Incentivamos os alunos a primeiro descrever o algoritmo em linguagem natural e depois passar para a descrição do fluxograma. No curso I’m a Game Producer (Sou um produtor de jogos), no Módulo 3: Algoritmo básico, oferecemos um modelo de fluxograma semiacabado com dicas de descrição em linguagem natural, explicação dos símbolos do fluxograma e exemplo de gráfico de três estruturas lógicas básicas. Os alunos devem preencher os gráficos com declarações condicionais, termos de operação e resultados de operação de acordo com as dicas fornecidas.
Tabela de registros
Também fornecemos diferentes tabelas de registros para auxiliar os alunos em várias atividades, como experimentos, discussões, derivação de fórmulas, etc. Você tende a ficar desorientado quando os alunos são expostos a um papel em branco. Portanto, criamos formulários estruturados para orientar os alunos na solução de problemas. No curso Exploring Tower of Hanoi (Explorando a Torre de Hanói), no Módulo 3: Algoritmo básico, fornecemos a tabela para que os alunos registrem suas tentativas de etapas que servem como dados brutos para a indução do algoritmo a seguir.
Quiz
Os testes são fornecidos para chamar a atenção dos alunos e avaliar a compreensão deles durante ou após o curso. No curso Expressing Feelings with Emoji Symbols (Expressando sentimentos com símbolos Emoji) no Modulo 1: Introdução aos dispositivos inteligentes, preparamos o início do curso falando sobre representação simbólica. Conforme mostrado na Figura 7, criamos um teste animado para pedir aos alunos que escolham os símbolos emoji apropriados para expressar sentimentos em declarações.
Rubrica
Ao final de alguns projetos, os alunos devem realizar e demonstrar os resultados do projeto que serão avaliados pelos professores e colegas de classe. Preparamos rubricas detalhadas para que alunos e professores avaliem os resultados do projeto. No curso Segurança de dados do Módulo 6: Aplicação e ética da IA, o resultado do projeto é um folheto sobre segurança de dados. Para avaliar a brochura, o critério de avaliação contém indicadores de conteúdo e de design, nos quais a pontuação varia de 1 a 5, marcada como melhoria necessária (1-2 pontuações), boa (3 pontuações) e excelente (4-5 pontuações). Por exemplo, a generalização, a riqueza e a inovação do conteúdo do folheto são consideradas, assim como a operacionalidade, a inovação da forma e a estética do design do folheto são contadas.
Manual de instruções
Caso os alunos não consigam acompanhar a aula ou trabalhar em um projeto prático de autoaprendizagem, são fornecidos manuais de instrução, nos quais são especificadas tarefas e metas de vários níveis, instruções passo a passo e exemplos. No curso I’m a Game Producer, no Módulo 3: Algoritmo básico, dividimos a tarefa de criar um jogo de palitos de fósforo em cinco subtarefas progressivas. No manual de instruções, a solução de referência de cada subtarefa e a orientação são especificadas, inclusive como acessar os códigos pré-programados, onde encontrar os blocos de destino e os resultados esperados das subtarefas.
Códigos
Para os cursos que envolvem a prática de programação, também criamos recursos de programação, como códigos de demonstração e projetos de programação semi-acabados com configuração preliminar do ambiente e rotulagem de dados. A plataforma também fornece recursos de computação em nuvem para o notebook Jupyter, onde Pytorch e Tensorflow, estruturas profissionais de aprendizagem profunda, estão disponíveis. Enquanto isso, a plataforma incorpora blocos típicos de IA no ambiente de programação baseado em blocos, como reconhecimento automático de fala (ASR), estimativa de pose e classificação de imagens, bem como blocos de hardware para operar o Arduino e o Micro:bit.
Para a programação em python, adotamos o Jupyter notebook, um ambiente de computação interativo, para ajudar os alunos a escrever e executar códigos passo a passo com feedback instantâneo. No curso Rock Paper Scissors 2, no Módulo 5: Foundation and Realization of AI, espera-se que os alunos programem o jogo com reconhecimento automático de gestos em python.
Para treinar e utilizar o modelo de reconhecimento de gestos, são fornecidos os recursos necessários, incluindo códigos de demonstração do Jupyternotebook, imagens de treinamento e avaliação amostradas do conjunto de dados públicos do Kaggle (Bru`ere-Terreault de la, Julien 2018), arquivos de texto da lista de nomes das imagens e rótulos correspondentes. Nos códigos de demonstração do notebook Jupyter, é construída uma estrutura de treinamento e implantação de modelos em que um modelo de classificação de imagens baseado no Pytorch é treinado e, por fim, implantado no jogo pedra-papel-tesoura. Não se espera que os alunos entendam os códigos em detalhes, mas que experimentem o processo real de treinamento do modelo simplesmente clicando no botão “executar” de cada célula do notebook.
Além disso, a programação baseada em blocos é um ambiente poderoso para que os iniciantes compreendam e implementem facilmente as funções básicas da IA. No curso Designing an Emotion Management Robot 2 (Projetando um robô de gerenciamento de emoções 2), no Módulo 5: Foundation and Realization of AI (Fundamentos e Realização da IA), os alunos são solicitados a utilizar a classificação de imagens para a criação de um robô.
Além disso, a programação baseada em blocos é um ambiente poderoso para que os iniciantes compreendam e implementem facilmente as funções básicas da IA.
No curso Designing an Emotion Management Robot 2 (Projetando um robô de gerenciamento de emoções 2), no Módulo 5: Foundation and Realization of AI (Fundamentos e realização de IA), os alunos são solicitados a utilizar componentes de IA relacionados à classificação de imagens para criar, treinar e implementar um modelo de classificação de emoções por meio de programação baseada em blocos.
Conforme mostrado na Figura 8, quando uma emoção negativa é detectada, o robô toca uma música relaxante. Por outro lado, o robô solicitaria ao usuário que descrevesse o dia alegre e gravaria com o bloco ASR.
Fornecemos códigos semiacabados e instruções específicas para ajudar a realizar a tarefa.
Além disso, também criamos cursos de mecatrônica por meio de um microcontrolador como o Micro:bit. Os alunos podem enviar programas para o hardware em programação baseada em blocos e experimentar intuitivamente o poder do controle.
No curso Conhecendo o controle de luz no Módulo 4: Processo e controle, espera-se que os alunos projetem uma luz com controle duplo por meio da luminosidade e da intensidade do som. Fornecemos orientação para a construção de uma luz com controle único e incentivamos os alunos a buscar maneiras de combinar as regras de controle e implementá-las por meio de programação baseada em blocos.
Treinamento de professores
Embora os alunos da 1ª à 9ª série sejam obrigados a fazer cursos de IA, os professores especializados em IA são insuficientes na China. Atualmente, a maioria dos professores de IA são professores de tempo integral de ciência da informação e tecnologia, ciências ou professores de prática abrangente que não têm conhecimento de IA. De acordo com uma pesquisa que realizamos, 192 professores participantes revelaram que o ensino de IA é desafiado principalmente pela falta de experiências de ensino, falta de conhecimento prévio, dificuldades no desenvolvimento de cursos, falta de ferramentas e recursos de instrução e falta de horas-aula, conforme mostrado na Figura 9.
Para preparar os professores para o ensino de IA na educação obrigatória, pretendemos treinar pelo menos 3.000 professores qualificados de IA em três anos com nossos recursos de ensino e aprendizagem.
Os professores de IA podem ser treinados por meio de aprendizagem on-line, off-line ou combinada. Afetados pela epidemia de COVID-19, a maioria das nossas atividades de treinamento foi realizada on-line. Treinamos mais de 900 professores que estão ensinando ou vão ensinar IA em 22 províncias da China. Para resolver os problemas que os professores encontram no ensino de IA, elaboramos nosso programa de treinamento de professores de dois dias, conforme mostrado na Tabela 2.
| Nº | Tópico | Resumo |
|---|---|---|
| Parte 1 | Inteligência Artificial e Educação Básica (K-12) | Introduz conceitos centrais e tecnologias básicas no uso da IA na educação K-12 e no ensino de IA para esse nível de ensino. |
| Parte 2 | Projetar cursos de IA | Apresenta e ilustra regras para o design de cursos eficazes de IA. Discussão em grupo: Como ensinar IA? |
| Parte 3 | Implementar cursos de IA: Curso exemplar 1 | Apresenta o curso exemplar: 1) Explica conceitos e tecnologias por trás do curso, 2) Demonstra o uso de ferramentas e recursos. |
| Implementar cursos de IA: Curso exemplar 2 | Apresenta o curso exemplar: 1) Explica conceitos e tecnologias por trás do curso, 2) Demonstra o uso de ferramentas e recursos. | |
| Implementar cursos de IA: Curso exemplar (outros) | O curso exemplar será selecionado de acordo com as escolas, séries e disciplinas dos professores participantes. | |
| Parte 4 (Opcional) | Plataforma de programação amigável para crianças | Módulo opcional para professores sem experiência em plataformas de programação baseadas em blocos ou em Python. |
| Parte 5 | Projetar minhas aulas de IA | Orienta os professores a projetar suas próprias aulas de IA, incluindo planos de aula, demonstrações e tarefas de programação. Discussão em grupo: Como projetar uma aula de IA? |
Tabela 2: Programa de formação de professores
O programa consiste em cinco partes:
A Parte 1 tem como alvo a dificuldade da falta de conhecimento básico de IA, introduzindo conceitos centrais e tecnologias básicas nas áreas de uso de IA e ensino de IA no ensino fundamental e médio.
A Parte 2 tem como objetivo solucionar as dificuldades no desenvolvimento de cursos de IA, ilustrando as regras para projetar cursos de IA eficazes. Por exemplo, os professores devem selecionar conceitos básicos em vez de conceitos de ponta como conteúdo de aprendizagem nos cursos de IA.
A Parte 3 demonstra o uso de ferramentas e recursos instrucionais em cursos de IA, o que pode aliviar o problema da falta de ferramentas e recursos para os professores de IA. Na Parte 3, cursos exemplares são escolhidos entre 27 cursos listados anteriormente, de acordo com a série em que os professores participantes lecionam.
A Parte 4 é uma sessão opcional, projetada especialmente para professores sem experiência em programação baseada em blocos ou em python.
Na parte 5, espera-se que os professores realizem um projeto independente para criar suas próprias aulas de IA.
Todos os professores participantes, independentemente do nível de conforto com a tecnologia de IA, são incentivados a criar e compartilhar suas próprias aulas e unidades de IA. De acordo com a pesquisa, 192 professores participantes ficaram muito satisfeitos com o treinamento de professores, conforme mostrado na Figura 10, incluindo palestras, tópicos, recursos de ensino e aprendizagem, formato e tarefas do programa de treinamento de professores. Em especial, alguns professores participantes observaram que:
“O treinamento de professores contém teoria e prática, o que facilita as experiências práticas para os professores em serviço.”
“Os cursos exemplares estão muito próximos da vida cotidiana dos alunos.”
“O conteúdo dos cursos exemplares é moderadamente difícil para os alunos aprenderem.”
Implementação em sala de aula
Para avaliar a eficácia e melhorar a qualidade dos recursos, o curso de Lixeira Inteligente para Triagem de Resíduos foi escolhido para ser implementado em escolas primárias. Tomando como exemplo uma escola primária em Pequim, 20 alunos da 4ª série fizeram esse curso durante 8 semanas, uma aula por semana e 45 minutos por aula. O pré-teste e o pós-teste foram realizados para avaliar o conhecimento de IA e o pensamento computacional dos alunos.
Em termos de pensamento computacional, a escala de pensamento computacional de alunos chineses do ensino fundamental (Zhang et al. 2020) com um coeficiente de confiabilidade de 0,928, 23 perguntas foram elaboradas em cinco dimensões de capacidade, saber, criatividade, pensamento crítico, resolução de problemas, pensamento de algoritmo e cooperação. Além disso, seis tarefas de classe foram dadas para avaliar as habilidades de programação dos alunos e uma pesquisa foi realizada para entender os interesses dos alunos em aprender IA e suas satisfações com os métodos de ensino.
Conforme mostrado na Tabela 3, os participantes obtiveram um progresso significativo no aprendizado (t=-2,268, p=0,035) no conhecimento de IA. O nível de pensamento computacional dos alunos também melhorou, especialmente na dimensão de solução de problemas (t=-2,153, p=0,044), como mostra a Tabela 4. Além disso, os alunos expressaram grande interesse em IA (média = 4,074) e alto grau de satisfação (média = 3,74) após o curso. Os resultados revelaram um crescimento significativo do conhecimento de IA e das habilidades de pensamento computacional dos alunos.
Discussão e conclusão
Nosso trabalho faz uma grande contribuição para os recursos e o treinamento de professores no contexto do novo currículo nacional de ciência e tecnologia da informação na China. A estrutura de conhecimento de IA organiza sistematicamente nossos recursos de ensino e aprendizagem. Os recursos de 14 cursos exemplares on-line são desenvolvidos sem a necessidade de instalação de software. Para facilitar ainda mais os professores, é fornecida uma série de programas de treinamento de professores de IA. Tomando como base as experiências de design de outros países (UNESCO2022), continuaremos a aprimorar a atual estrutura de conhecimento.
Para melhorar os recursos de ensino e aprendizagem, recursos de alta qualidade podem ser usados como referência, como o RAISE (RAISE 2022) e o Day of AI (Day of AI 2022).
Mais professores serão incentivados a participar de pesquisas baseadas em design para reduzir o tempo de desenvolvimento de cursos personalizados de IA. Treinaremos pelo menos 3.000 professores relacionados à IA em três anos e, enquanto isso, projetaremos e desenvolveremos mais recursos de IA de alta qualidade para escolas de ensino fundamental e médio na China.
Referências
Bruere-Terreault de la, Julien. 2018. rps-cv. https://github.com/DrGFreeman/rps-cv. Accessed: 2022-09-07.
Day of AI. 2022. Activities. https://www.dayofai.org/activities. Accessed: 2022-09-09.
Koehler, M.; and Mishra, P. 2009. What is technological pedagogical content knowledge (TPACK)? Contemporary issues in technology and teacher education, 9(1): 60–70.
Kokotsaki, D.; Menzies, V.; and Wiggins, A. 2016. Project-based learning: A review of the literature. Improving schools, 19(3): 267–277.
Ministry of Education of The People’s Republic of China. 2022a. The Main Statistical Results of National Edcuation, 2021. http://www.moe.gov.cn/jyb_xwfb/gzdt_gzdt/s5987/202203/t20220301_603262.html. Accessed: 2022-09-09.
Ministry of Education of The People’s Republic of China. 2022b. Ministry of Education released the compulsory education curriculum. http://www.moe.gov.cn/srcsite/A26/s8001/202204/t20220420_619921.html. Accessed: 2022-09-07.
RAISE. 2022. MIT AI Literacy Units. https://raise.mit.edu/resources.html. Accessed: 2022-09-09.
Song, J.; Zhang, L.; Yu, J.; Peng, Y.; Ma, A.; and Lu, Y. 2022. Paving the Way for Novices: How to Teach AI for K-12 Education in China. Proceedings of the AAAI Conference on Artificial Intelligence, 36(11): 12852–12857.
Touretzky, D.; Gardner-McCune, C.; Martin, F.; and Seehorn, D. 2019. Envisioning AI for K-12: What should every child know about AI? In Proceedings of the AAAI conference on artificial intelligence, volume 33, 9795–9799.
UNESCO. 2022. K-12 AI curricula: a mapping of government-endorsed AI curricula. https://unesdoc.unesco.org/ark:/48223/pf0000380602. Accessed: 2022-09-07.
Wiggins, G.; Wiggins, G. P.; and McTighe, J. 2005. Understanding by design. Ascd.
Zainuddin, Z.; Chu, S. K.W.; Shujahat, M.; and Perera, C. J. 2020. The impact of gamification on learning and instruction: A systematic review of empirical evidence. Educational Research Review, 30: 100326.
Zhang, Y.; Mo, W.; Zhang, Y.; Gao, H.; Li, N.; and Lin, Y. 2020. Development and application of Chinese pupils’ computational thinking scale. China Educational Technology, (10): 9.
Autores: Jiachen Song, Jinglei Yu, Li Yan, Linan Zhang, Bei Liu, Yujin Zhang, Yu Lu
Fonte: Conferência da AAAI sobre Inteligência Artificial
Artigo Original: https://ojs.aaai.org/index.php/AAAI/article/view/26904
