From food waste data to transformative sensemaking: the Motta Framework for sustainability learning
Este estudo introduz o Framework Motta para a Elaboração de Sentido Transformativa, um modelo não linear derivado de uma intervenção escolar brasileira, que demonstra como dados contextuais de desperdício de alimentos, mediados por uma ferramenta híbrida de ensino-digital, facilitam um processo recursivo de materialização de problemas e elaboração de sentido coletiva que reformula questões socioambientais sem depender do poder transformador autônomo da tecnologia.
Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo
Imagine que você está caminhando por uma cantina escolar. Você vê uma lata de lixo transbordando com maçãs comidas pela metade e sanduíches intocados. Por anos, a maioria das pessoas apenas via isso como "restos de almoço" e seguia em frente. Mas e se pudéssemos transformar essa lata de lixo em uma caixa de mistérios? Este artigo vive no mundo da aprendizagem para a sustentabilidade, que é basicamente o estudo de como ensinamos as pessoas a cuidar do planeta não apenas memorizando fatos, mas conectando esses fatos aos seus próprios sentimentos e vidas cotidianas. Também se apoia no sensemaking (ou construção de sentido), uma forma elegante de dizer "compreender o que algo significa quando está confuso", e na agência estudantil, que é o superpoder de sentir que você pode realmente fazer algo para mudar as coisas, em vez de apenas observar. A grande questão aqui é simples, mas complexa: será que apenas mostrar números para as pessoas sobre quanta comida é desperdiçada realmente faz com que elas se importem o suficiente para mudar? Ou precisamos de algo mais para transformar uma estatística chata em um motivo para agir?
Os autores deste estudo, Sany da Silva Motta e Ricardo César da Silva Guabiroba, decidiram descobrir isso transformando uma cantina de um ensino médio brasileiro em um laboratório de detetives da vida real. Eles não apenas disseram aos alunos: "Ei, o desperdício é ruim". Em vez disso, construíram uma ferramenta híbrida chamada Merenda Inteligente. Pense nesta ferramenta como uma lupa mágica que combina um aplicativo digital com uma série de atividades em sala de aula. Os alunos a utilizaram para pesar o desperdício de comida durante 16 dias, transformando o lixo invisível em uma pilha de dados concretos. No total, eles registraram 68,803 kg de comida desperdiçada.
É aqui que a mágica acontece. Os pesquisadores descobriram que os números, por si só, não surtiram efeito. Ver "68,803 kg" em uma tela era como ver uma pontuação em um videogame; era interessante, mas não necessariamente fazia você querer jogar melhor. A verdadeira transformação aconteceu quando os dados colidiram com os sentimentos e experiências reais dos alunos. Os autores chamam isso de "fricção fenomenológica". Imagine esfregar dois gravetos para fazer fogo; a fricção é aquele momento em que o dado frio e duro esbarra na memória de um aluno sobre um colega com fome ou sobre sua própria culpa ao jogar fora uma refeição saborosa. Essa fricção gerou uma faísca de desconforto ou curiosidade.
Uma vez que essa faísca foi acesa, os alunos começaram a conversar entre si. Esta é a segunda parte da história: o sensemaking coletivo. Em vez de se culparem por serem "maus comedores", os alunos começaram a fazer perguntas melhores. Eles perceberam que o desperdício não era apenas sobre eles; era sobre a escola servir porções enormes, não dar tempo suficiente para comer ou o cardápio ser monótono. Eles passaram de pensar "Eu sou desperdiçador" para "Nosso sistema é desperdiçador". Essa mudança permitiu que sentissem uma sensação de agência compartilhada. Eles começaram a propor ideias como compostagem, iniciar uma horta escolar ou pedir por porções menores.
No entanto, o artigo é muito cuidadoso para não prometer um final de contos de fadas. Os autores afirmam explicitamente que este estudo não prova que os alunos pararam de desperdiçar comida para sempre, nem afirma que o sistema da escola foi completamente corrigido. Na verdade, eles descobriram que o processo foi confuso e, às vezes, travou. Alguns alunos sentiram culpa, mas não sabiam o que fazer; outros tinham ótimas ideias, mas não tinham como colocá-las em prática porque a administração da escola não os ouvia. O estudo sugere que, embora os alunos tenham se tornado mais conscientes e se sentido prontos para agir, a "criação de valor" real (a mudança no mundo real) era apenas uma possibilidade nesta fase, não um produto acabado.
Em resumo, os autores desenvolveram o que chamam de Estrutura de Motta para o Sensemaking Transformativo. Pense nesta estrutura como um mapa para uma jornada que não é uma linha reta. Ela tem quatro paradas:
- Materialização: Transformar o lixo bagunçado em dados claros (a pesagem).
- Fricção Fenomenológica: Aquele momento de desconforto ou surpresa quando o dado atinge o coração.
- Sensemaking Coletivo: A conversa em grupo onde todos descobrem juntos por que o desperdício está acontecendo.
- Agência Compartilhada: O grupo decidindo tentar consertar o problema, mesmo que ainda não tenham controle total.
O ponto mais importante é que a tecnologia (como o aplicativo) e os dados (os pesos) são apenas as ferramentas, não os heróis. Eles são a faísca, mas o fogo só começa quando os alunos têm espaço para sentir, falar e questionar. O artigo sugere que, para a aprendizagem para a sustentabilidade funcionar, não podemos apenas despejar números nas pessoas e esperar que elas mudem. Temos que ajudar a esfregar esses números contra suas próprias vidas até que a fricção crie um novo entendimento. E embora este estudo tenha mostrado que os alunos podiam alcançar esse novo entendimento, ele também alertou que, sem uma escola disposta a ouvir e agir, esse entendimento pode permanecer apenas como uma boa ideia, em vez de uma realidade transformada.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.