Development and Validation of AI instructional Platform Using ADDIE Model for Enhancing Pre-service Biology Teachers Learning Outcomes in Collaborative Learning Settings in North-East, Nigeria
Este estudo desenvolveu e validou uma plataforma de instrução por IA utilizando o modelo ADDIE, demonstrando que sua integração com estratégias de aprendizagem colaborativa — particularmente a tutoria entre pares — melhorou significativamente o rendimento académico em Genética entre estudantes de licenciatura em Biologia no nordeste da Nigéria em comparação com os métodos de ensino convencionais.
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
No mundo da educação, um desafio persistente tem sido como ensinar ideias complexas e abstratas de forma eficaz. A biologia, o estudo da vida, é repleta de tais conceitos. Tópicos como a genética, que explicam como as características são passadas dos pais para os descendentes, muitas vezes parecem invisíveis e difíceis de compreender porque não podem ser vistos a olho nu. Durante décadas, os professores confiaram em palestras e livros didáticos padrão, mas muitos alunos ainda têm dificuldade em visualizar esses processos ou conectá-los ao mundo real. Ao mesmo tempo, o surgimento da inteligência artificial prometeu revolucionar a aprendizagem ao oferecer ajuda personalizada e feedback instantâneo. No entanto, simplesmente entregar a um aluno um dispositivo inteligente não garante que ele aprenderá melhor. A verdadeira questão é como tecer essa poderosa tecnologia no tecido social da sala de aula, onde os alunos aprendem melhor conversando, discutindo e resolvendo problemas juntos.
Uma equipe de pesquisadores no nordeste da Nigéria partiu para responder a essa pergunta, construindo uma ferramenta digital personalizada projetada especificamente para futuros professores de biologia. Eles focaram no difícil tópico da genética e questionaram se um programa de computador poderia ajudar os alunos a aprenderem melhor quando combinado com formas específicas de trabalhar em conjunto. A equipe não testou apenas um aplicativo pronto; eles construíram sua própria plataforma do zero usando um processo de planejamento sistemático de cinco etapas conhecido como modelo ADDIE. Essa abordagem garantiu que cada característica do software fosse escolhida para corresponder às necessidades dos alunos e aos objetivos do currículo de biologia. Os pesquisadores então testaram este novo sistema contra métodos de ensino tradicionais em quatro faculdades diferentes, envolvendo centenas de estudantes de licenciatura para ver se a abordagem digital realmente fazia diferença.
O desenvolvimento desta plataforma foi uma jornada cuidadosa e passo a passo. Primeiro, a equipe analisou o que os alunos precisavam e o que o currículo de biologia exigia, identificando que a genética era um grande obstáculo. Eles então projetaram um sistema onde os alunos pudessem trabalhar em grupos, compartilhar notas e receber ajuda imediata de um assistente inteligente integrado ao software. Durante a fase de construção, os pesquisadores criaram um ambiente digital onde os alunos podiam participar de videochamadas, colaborar em documentos em tempo real e receber dicas personalizadas quando ficavam travados. Antes de a ferramenta ser usada em uma sala de aula, ela foi rigorosamente verificada por especialistas em educação e ciência da computação. Esses especialistas confirmaram que o conteúdo era preciso, o software era fácil de usar e o design era adequado para o ensino. A plataforma recebeu uma pontuação quase perfeita por sua qualidade, provando que estava pronta para o uso no mundo real.
Depois que a ferramenta foi validada, os pesquisadores a colocaram à prova com 361 estudantes de licenciatura. Eles dividiram os alunos em diferentes grupos para ver qual método de aprendizagem funcionava melhor. Um grupo usou a nova plataforma de IA enquanto trabalhava em duplas para discutir ideias. Outro grupo usou a mesma plataforma, mas seguiu o método "jigsaw" (quebra-cabeça), onde cada aluno se torna um especialista em uma parte de um tópico e depois o ensina aos seus colegas de equipe. Um terceiro grupo usou a plataforma para tutoria entre pares, onde alunos mais instruídos ajudavam aqueles que estavam com dificuldades. Um quarto grupo, servindo como controle, aprendeu genética usando o método convencional padrão de palestras e livros didáticos, sem qualquer ferramenta digital especial. Todos os grupos realizaram um teste antes do início da instrução e novamente após doze semanas para medir o que haviam aprendido.
Os resultados mostraram uma vantagem clara e significativa para os alunos que utilizaram a plataforma apoiada por IA. Aqueles que aprenderam com a ajuda da ferramenta digital e estratégias colaborativas obtiveram pontuações muito mais altas no teste final do que os alunos ensinados com métodos tradicionais. Entre as diferentes estratégias, a abordagem de tutoria entre pares produziu as pontuações mais altas, com os alunos desse grupo superando o grupo tradicional por uma margem ampla. Os outros métodos colaborativos também mostraram melhoria significativa, com os grupos de trabalho em dupla e jigsaw pontuando significativamente melhor do que o grupo de controle. Os dados indicaram que a combinação de tecnologia inteligente e cooperação humana criou um ambiente de aprendizagem onde os alunos compreenderam os conceitos difíceis de genética muito melhor do que com o ensino padrão isolado.
Este estudo demonstra que a inteligência artificial não precisa substituir o professor ou isolar o aluno para ser eficaz. Em vez disso, quando a tecnologia é cuidadosamente projetada para apoiar o trabalho conjunto dos alunos, ela pode amplificar os benefícios da colaboração. Os pesquisadores descobriram que a chave não era apenas ter o software, mas como ele era usado. Ao integrar a ferramenta de IA com métodos comprovados como a tutoria entre pares, a plataforma ajudou os alunos a explicarem conceitos uns aos outros, receberem feedback instantâneo e construírem uma compreensão mais profunda dos sistemas biológicos complexos. O sucesso deste projeto sugere que, para assuntos difíceis como a genética, o futuro da aprendizagem reside em uma abordagem equilibrada, onde ferramentas inteligentes e interação humana trabalham lado a lado para tornar as ideias abstratas claras e acessíveis.
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.