Ensino de Machine Learning na Educação Básica: um Mapeamento Sistemático do Estado da Arte

Abstract

Uma vez que a Machine Learning (ML) está presente em vários aspectos de nossas vidas, novos desafios são apresentados à educação em ajudar estudantes a entender os potenciais e limites dessa tecnologia. Para obter um panorama do estado da arte do ensino de ML, foi realizado um mapeamento sistemático. Foram identificadas 39 unidades instrucionais focadas em conceitos básicos e redes neurais. Muitas unidades abordam apenas de forma parcial o processo de ML, como gerenciamento de dados, ou apresentam alguns processos apenas de forma abstrata. Os resultados obtidos indicam que o ensino de ML na educação básica pode aumentar o entendimento e interesse, bem como contextualizar conceitos de ML na vida dos estudantes.

Avaliação de Aprendizagem de Machine Learning na Educação Básica: Um Mapeamento da Literatura

“…Após obter poucos resultados relevantes com uma busca muito específica sobre avaliação em ML na Educação Básica, a estratégia de busca foi alterada visando em primeiro momento a busca por artigos que apresentassem unidades instrucionais voltadas ao ensino de ML, e em seguida considerados relevantes durante o processo de seleção somente artigos que incluíssem uma apresentação de avaliações. Para a busca de unidades instrucionais de ensino de ML foi definido a string seguindo Marques et al (2020):…”

“…No entanto, recentemente, algumas iniciativas e projetos que buscam ensinar ML na Educação Básica surgiram. Isto inclui diretrizes curriculares, p.ex., pela AI4K12 [Touretzky et al, 2019] e unidades instrucionais, principalmente extracurriculares [Marques et al, 2020]. Essas unidades instrucionais ensinam competências que vão de apresentações sobre o que é ML a técnicas específicas da área, com ênfase em redes neurais artificiais e impactos do ML até a aplicação e criação de modelos de Deep Learning.…”

“…Essas unidades instrucionais ensinam competências que vão de apresentações sobre o que é ML a técnicas específicas da área, com ênfase em redes neurais artificiais e impactos do ML até a aplicação e criação de modelos de Deep Learning. Poucas unidades instrucionais abordam o processo de ML de forma mais completa, com a maioria abordando somente uma parte, como preparação de dados, ou apresentação de alguns processos apenas de forma abstrata, por exemplo, o treinamento de redes neurais [Marques et al, 2020]. Tipicamente são adotadas ferramentas visuais e/ou ambientes textuais como Jupyter Notebooks, às vezes de forma integrada com ambientes de programação baseado em blocos, como Scratch, SNAP!…”

“…Tipicamente são adotadas ferramentas visuais e/ou ambientes textuais como Jupyter Notebooks, às vezes de forma integrada com ambientes de programação baseado em blocos, como Scratch, SNAP! ou App Inventor [Gresse von Wangenheim et al, 2020]. As unidades instrucionais variam também de unidades escolares e cursos no modo presencial até cursos e tutoriais on-line.…”

“…Como parte do processo de ensino, é importante avaliar a aprendizagem dos estudantes fornecendo feedback tanto para o aluno quanto para o professor [Hattie e Timperley, 2007]. No entanto, apesar de pesquisas existentes para avaliação do ensino de pensamento computacional e programação na Educação Básica [Tang et al, 2019][Lye e Koh, 2014][Oliveira e Oliveira, 2014 observa-se a falta de propostas de avaliações da aprendizagem de ML do aluno [Marques et al, 2020] como revisões sistemáticas, como p.ex. Camada e Durães (2020), Sanusi e Oyelere (2020), Zhou et al (2020) não analisam de forma explícita esta questão.…”