Inteligência Artificial está aqui e vive confortavelmente entre nós; em nossos carros, nas linhas de tempo do FaceBook, em nosso fluxo de trabalho diário - e até em nossas casas.
Utilizamos assistentes pessoais com inteligência artificial para selecionar a música que ouvimos, pedir delivery e escolher o filme. Quando queremos encontrar algo novo para assistir ou comprar, somos influenciados pelos sistemas de recomendação baseados em IA. Conhecemos chatbots orientados por IA em nossas interações nas mídias sociais e na Internet. Estamos vendo o impacto da IA na maneira como descobrimos e acessamos quase todo tipo de informação, em todos os aspectos de nossas vidas diárias
Então, por que o aprendizado deve ser diferente?
A inteligência artificial nos deu um novo tipo de interação entre humanos e máquinas que é distintamente diferente do que foi antes. E em um nível muito fundamental, esse novo tipo de interação é ideal para aplicações de aprendizado. Aqui está o porquê.
Os assistentes virtuais de IA, por exemplo, usam processamento em linguagem natural. Em outras palavras, eles "entendem" a maneira como falamos (não literalmente, é claro, mas no sentido estrito de que podem deduzir significado suficiente do que dizemos para dar uma resposta relevante). Existem vários níveis nos quais essa comunicação funciona, e algumas máquinas de IA são mais sofisticadas e "inteligentes" do que outras, mas a maneira básica de nossa interação é fazermos uma pergunta e esperarmos e recebermos uma resposta. Quando isso acontece, estamos tendo um diálogo.
Como a IA está ajudando a personalizar o aprendizado
Quando falamos sobre IA no aprendizado, na verdade estamos falando sobre várias vertentes diferentes do desenvolvimento. E novos aplicativos para IA estão surgindo o tempo todo. Abaixo, examinamos alguns dos aplicativos de IA que estamos vendo implantados pelos departamentos de aprendizado.
Recomendações e Curadoria de Conhecimento
Nós nos acostumamos muito a procurar nos mecanismos de pesquisa e nas mídias sociais para encontrar as respostas que buscamos. Mas essa facilidade de acesso a uma grande quantidade de informações traz consigo o risco de ser inundada e incapaz de filtrar o que é útil e relevante. "Não é sobrecarga de informações", disse Clay Shirky, "mas falha no filtro", esse é o nosso problema.
A IA está desempenhando um papel crucial para ajudar a corrigir esse problema para os alunos, fornecendo um filtro. No contexto da aprendizagem, isso é feito por meio de recomendações e curadoria de conhecimento.
No nível mais simples, um sistema pode fornecer recomendações para, digamos, leituras relacionadas ou aprendizado adicional, com base nas informações fornecidas pelo usuário no primeiro login; normalmente, por meio de uma lista suspensa de tópicos, mas cada vez mais por meio de entrada de texto livre. Novamente, no nível mais simples, o sistema pode escolher o conteúdo relevante a ser entregue com base em tags e metadados, mas com o advento da IA, isso está sendo feito cada vez mais através da 'leitura' do próprio conteúdo.
Um outro nível de sofisticação vem com a capacidade do sistema de observar nosso comportamento, perceber o que clicamos e visualizar e, em seguida, inferir interesses, predisposições e objetivos a partir disso. Isso é algo que todos conhecemos em nossas vidas como consumidores. Muitas vezes, isso nos dá arrepios; como quando perguntamos em uma plataforma como está o tempo em Salvador, por exemplo, e começamos a receber anúncios de voos baratos para Salvador e outras praias no Nordeste em uma plataforma diferente em um meio completamente diferente. No contexto de um sistema de aprendizado, no entanto, esse nível de atenção só pode ser uma coisa boa. Aprender, não está tentando vender nada!
Learnbots
Os assistentes virtuais de IA na forma de chatbots agora são comuns online. Vemos chatbots respondendo a consultas financeiras, fornecendo suporte ao cliente, diagnosticando problemas de saúde e até oferecendo aconselhamento. Eles agora estão impactando a educação geral e o aprendizado corporativo, especialmente na área de integração, onde servem como o primeiro ponto de escala para o treinamento de novos contratados e permitem que novos funcionários aprendam enquanto trabalham.
O formato de perguntas e respostas da interação com um bot permite que o treinamento reflita as necessidades de aprendizado pessoal de um funcionário. Isso evita a organização da sobrecarga e do tempo gasto em cursos que nem todo mundo precisa e evita que o treinamento se torne um evento único que resulta apenas em sobrecarga de informações.
O Learnbots também pode operar dentro ou como um front-end para Learning Management Systems (LMS) ou Learning Experience Platforms (LXP). O LXP surgiu como uma camada de descoberta de conteúdo na pilha de aprendizado corporativo que é ideal para esse tipo de interação, e o emparelhamento de robôs de aprendizagem com LXPs está rapidamente se tornando uma prática padrão. Também está se tornando comum a integração desses bots nas plataformas de comunicação geral da organização. Isso conduz o aprendizado das asas e o coloca no centro do palco. Não está mais escondido atrás de uma porta marcada como 'Treinamento', pode se tornar uma consideração no ponto exato em que uma lacuna de habilidades ou uma necessidade de conhecimento se abre, no curso normal de um dia de trabalho.
O Learnbots fortalece a personalização do aprendizado, fornecendo aos alunos um agente intermediário que pode responder em tempo real a problemas de desempenho e desenvolvimento. E eles disponibilizam e acessam recursos e experiências de aprendizado no fluxo de trabalho.
Google Analytics
Os robôs usam os dados que coletam do comportamento do usuário para fornecer uma resposta imediata ao indivíduo, mas esses dados também podem ser coletados, agregados aos dados de outros alunos de uma organização e usados para análises ricas.
Algumas organizações estão começando a reunir dados de várias partes da organização em 'lagos de dados' e submetê-los a técnicas de análise que também usam a tecnologia de IA.
Técnicas como análise preditiva podem, por exemplo, identificar novas áreas de necessidade, novas oportunidades para o desenvolvimento de habilidades e identificar funcionários com demandas de formação. Ainda estamos avançado nessa prática, mas um novo mundo empolgante de possibilidades está sendo aberto aqui.
Além disso, os LXPs vêm com a opção de vincular a um LRS (Learning Record Store). O LRS permite o rastreamento detalhado e baseado em dados e os relatórios de alunos individuais. Ele registra não apenas suas pontuações ou conclusão de tarefas, mas também usa o xAPI para registrar uma gama muito maior de comportamentos de aprendizagem, incluindo a aprendizagem informal. Os dados acumulados estão em um nível verdadeiramente granular, o que significa que a avaliação da satisfação do aluno e do impacto no aprendizado vai além da coleta de fichas anônimas e permite uma intervenção significativa e eficaz em um nível individual com base em dados reais e demonstráveis.
Aprendizado no fluxo de trabalho
A IA pode ajudar a reduzir a diferença entre treinamento e desempenho, entre aprendizado e trabalho, trazendo o aprendizado para o fluxo de trabalho.
Melhorando a experiência do aluno
Nos últimos anos, aumentou a ênfase na melhoria da experiência do aluno, à medida que o problema do envolvimento surgiu, e um modelo de sistemas de treinamento com foco administrativo, que tratam os alunos como unidades intercambiáveis, começa a parecer cada vez mais antiquado.
Com sua capacidade de oferecer uma personalização rica em escala, a IA é vista como uma poderosa tecnologia de assistência para melhorar a experiência do aluno. À medida que uma nova geração de sistemas de aprendizado surgiu, conhecida como plataformas de experiência de aprendizado (ou variações desse nome), parecia bastante natural, portanto, encontrar a IA desempenhando um papel importante em sua arquitetura técnica.
IDI Instituto de Desenho Instrucional
Comments