Ligar a Aprendizagem Automática aos Padrões de Ciência de Próxima Geração
11 de maio de 2021
Os Next Generation Science Standards (NGSS®) apelam à aprendizagem multidimensional que enfatiza a integração das práticas científicas com a compreensão conceptual das ideias centrais para melhor preparar os alunos para o mundo atual. O aspeto mais importante da implementação do NGSS na sala de aula é a sua ênfase na aprendizagem multidimensional da ciência e na prática envolvente dos professores que apoia os alunos. À medida que os alunos navegam pela vida diária, desenvolvem naturalmente padrões intuitivos de conhecimento e raciocínio que moldam a sua aprendizagem, incluindo a aprendizagem científica. À medida que os alunos vivem estas experiências, é igualmente importante que os professores estejam preparados para interpretar as respostas escritas dos alunos moldadas por essas experiências. Como resultado desta necessidade, surgiu um estudo recente financiado pela National Science Foundation, Student Reasoning Patterns in Next Generation Science Standards Assessment (SPIN-NGSS), lidero juntamente com os meus colegas da ETS com o objetivo de desenvolver ferramentas automatizadas. Estas ferramentas destinam-se a ajudar os professores a interpretar dados de avaliações alinhadas com estes padrões, de modo a revelar padrões de raciocínio dos alunos, ajudando a refletir fraquezas particulares no raciocínio dos alunos.
A partir do que os alunos trazem para a aula
Os alunos trazem ideias diversas, competências de raciocínio e experiências de vida para a sala de aula. Quando se trata de compreender o mundo da ciência, as experiências da primeira infância podem ter levado as crianças a desenvolver competências de raciocínio causal que aplicam de forma ampla. Construir sobre as experiências do dia a dia dos alunos pode ser uma forma eficaz de expandir ideias e estratégias de raciocínio já existentes que as crianças possam ter desenvolvido. Os padrões de raciocínio dos alunos refletem uma diversidade de ideias intuitivas e podem ser considerados degraus para uma compreensão científica sofisticada. No entanto, os alunos podem por vezes trazer para a sala de aula ideias que o professor considera imprecisas e que mais tarde são instruídos com conceitos precisos. Esta estratégia de substituição pode resultar em os alunos memorizarem conhecimentos escolares, mas recorrerem aos seus equívocos quando lhes pedem para explicar fenómenos científicos.
Padrões de raciocínio dos alunos na aprendizagem e avaliações de ciências da próxima geração
A investigação identificou distintos "estilos de raciocínio" dos cientistas que envolvem as três dimensões do conhecimento exigidas pelo NGSS, nomeadamente: as ideias centrais disciplinares (DCIs), as práticas de ciência e engenharia (SEPs) e os conceitos transversais (CCCs). Existe menos documentação dos padrões de raciocínio dos alunos na aprendizagem multidimensional. Com mais avaliações alinhadas com o NGSS disponíveis, existem oportunidades para realizar investigação sobre características características do raciocínio dos alunos.
Como parte do nosso projeto de bolsa, os meus colegas da ETS e eu temos utilizado dados de avaliação já existentes alinhados com a NGSS para identificar padrões típicos de raciocínio dos alunos. Por exemplo, ao explicar um conceito específico de ciência, verificámos que alguns alunos se focavam apenas em descrever observações e dados, enquanto outros apenas forneciam princípios científicos sem consultar dados ou evidências. Finalmente, verificámos que alguns tentaram integrar tanto dados como princípios científicos no seu raciocínio. Diagnosticar estes padrões de raciocínio é útil para gerar feedback personalizado que colmata lacunas no raciocínio dos alunos. Nas salas de aula de ciências, os professores precisam de ajuda para identificar os padrões de raciocínio dos alunos.
Diagnóstico automatizado dos padrões de raciocínio dos alunos
Para ajudar os professores a prestar melhor atenção às formas de raciocínio dos alunos, a nossa equipa desenvolveu modelos de aprendizagem automática para automatizar o diagnóstico dos padrões de raciocínio dos alunos com base em características-chave relacionadas com as dimensões NGSS. Estes modelos fornecem tanto um rótulo de padrão de raciocínio como evidências nas respostas dos alunos associadas ao padrão. Como parte deste processo, especialistas em conteúdos codificaram primeiro um conjunto de respostas dos alunos. Depois, especialistas em Processamento de Linguagem Natural (PLN) usaram os códigos humanos para treinar computadores a desenvolver modelos automatizados. Foi aplicada uma abordagem de classificação em duas etapas. A classificação da primeira fase identifica partes das respostas relacionadas com as dimensões NGSS. O segundo classificador classifica automaticamente respostas inteiras com um padrão de raciocínio. A equipa continua a validar os nossos modelos e a desenhar uma ferramenta de feedback automatizada para apoiar a aprendizagem multidimensional em salas de aula de ciências. O SPIN-NGSS preenche a lacuna do diagnóstico dos padrões de raciocínio dos alunos ao ligar a aprendizagem automática à aprendizagem NGSS. Os produtos do SPIN-NGSS têm o potencial de potenciar a utilização das avaliações de ciências pelos professores para facilitar a aprendizagem dos alunos através de feedback individualizado e imediato.
Lei Liu é Cientista Sénior de Investigação Gestora na ETS e Investigadora Principal da bolsa SPIN-NGSS NSF. Co-PIs do projeto da bolsa SPIN-NGSS são Dante Cisterna (Desenvolvedor Associado de Investigação, ETS), Aoife Cahill (Cientista Sénior de Investigação, ETS) e Matthew Johnson (Diretor Principal de Investigação, ETS).
Veja o vídeo da equipa do projeto, que destaca as suas conquistas, que será apresentado no STEM for All Video Showcase de 2021.
Este material baseia-se no trabalho apoiado pela National Science Foundation ao abrigo da Subvenção #2000492. Quaisquer opiniões, conclusões, conclusões ou recomendações expressas neste material pertencem ao(s) autor(es) e não refletem necessariamente as opiniões da National Science Foundation.