Aprimorando o engajamento sociopedagógico no Moodle por meio de aprendizado personalizado impulsionado por IA
Palavras-chave:
Inteligência Artificial, Aprendizagem Personalizada, Envolvimento Sócio-Pedagógico Moodle, Processamento de Linguagem Natural, Tecnologia EducacionalResumo
No cenário em rápida evolução da educação digital, plataformas como o Moodle tornaram-se integrais para facilitar o aprendizado e promover o engajamento dos alunos. No entanto, persistem desafios em manter o engajamento socio-pedagógico e fornecer suporte personalizado que atenda às diversas necessidades dos aprendizes. Este estudo apresenta um sistema baseado em IA projetado para aprimorar o engajamento socio-pedagógico dentro do Moodle, entregando mensagens e recomendações personalizadas adaptadas aos perfis individuais dos alunos. Aproveitando técnicas avançadas de Inteligência Artificial (IA) e Processamento de Linguagem Natural (NLP), o sistema proposto analisa as interações dos alunos, métricas de desempenho e padrões de engajamento para gerar conteúdo personalizado e estratégias de comunicação. A metodologia envolve o desenvolvimento de modelos de IA treinados em uma combinação de conjuntos de dados simulados que refletem potenciais cenários do mundo real dentro de ambientes educacionais. Esses modelos são integrados à plataforma Moodle para facilitar a adaptação dinâmica de materiais de aprendizado e comunicação com base nas necessidades individuais do aprendiz. Avaliações preliminares conduzidas por meio de testes baseados em cenários indicam um potencial significativo para o sistema baseado em IA melhorar o engajamento dos alunos e os resultados de aprendizado. O sistema demonstra a capacidade de identificar o desinteresse precocemente e responder com intervenções personalizadas, promovendo assim um ambiente educacional mais inclusivo e responsivo. Além disso, as recomendações personalizadas mostraram promessa em abordar diferentes ritmos e estilos de aprendizado, contribuindo para uma experiência de aprendizado mais equitativa. Apesar dos resultados preliminares encorajadores, o estudo reconhece as limitações impostas pelo uso de dados fictícios e a necessidade de validação por meio de implementação no mundo real. Pesquisas futuras se concentrarão em implantar o sistema em contextos educacionais reais para avaliar sua eficácia de forma abrangente. Considerações éticas, particularmente relacionadas à privacidade dos dados e ao tratamento de informações sensíveis dos alunos, serão primordiais nessas fases subsequentes. Esta pesquisa contribui para o crescente discurso sobre a integração da IA na educação, destacando seu potencial para revolucionar o engajamento socio-pedagógico. Ao adaptar experiências educacionais aos perfis individuais dos aprendizes, sistemas baseados em IA como o proposto podem preencher lacunas de engajamento e suporte, abrindo caminho para uma educação digital mais personalizada e eficaz. Os resultados enfatizam o potencial transformador da IA no aprimoramento da equidade e inclusão educacionais, alinhando-se com a mudança contemporânea em direção a paradigmas educacionais centrados no aprendiz.
Referências
Outoukarte I, Ben Fares S, Itouni H, et al (2023) Distance learning in the wake of COVID-19 in Morocco. Heliyon 9:e16523. https://doi.org/10.1016/j.heliyon.2023.e16523
Naseer F, Khan MN, Tahir M, et al (2024) Integrating deep learning techniques for personalized learning pathways in higher education. Heliyon 10:e32628. https://doi.org/10.1016/j.heliyon.2024.e32628
Logvinova OK (2016) Socio-pedagogical Approach to Multicultural Education at Preschool. Procedia - Social and Behavioral Sciences 233:206–210. https://doi.org/10.1016/j.sbspro.2016.10.203
Makitan V, Glušac D, Kavalić M, Stanisavljev S (2024) The socio-digital engagement of adolescents and their cognitive—Educational needs a case study: Serbia. Computers and Education Open 6:100170. https://doi.org/10.1016/j.caeo.2024.100170
Kanchon MdKH, Sadman M, Nabila KF, et al (2024) Enhancing personalized learning: AI-driven identification of learning styles and content modification strategies. International Journal of Cognitive Computing in Engineering 5:269–278. https://doi.org/10.1016/j.ijcce.2024.06.002
Koltovskaia S, Rahmati P, Saeli H (2024) Graduate students’ use of ChatGPT for academic text revision: Behavioral, cognitive, and affective engagement. Journal of Second Language Writing 65:101130. https://doi.org/10.1016/j.jslw.2024.101130
Kuronja M, Čagran B, Krajnc MS (2019) Teachers’ sense of efficacy in their work with pupils with learning, emotional and behavioural difficulties. Emotional and Behavioural Difficulties 24:36–49. https://doi.org/10.1080/13632752.2018.1530499
Vásquez-Bermúdez M, Aguirre-Munizaga M, Hidalgo-Larrea J (2023) Analysis of CoI Presence Indicators in a Moodle Forum Using Unsupervised Learning Techniques. In: Valencia-García R, Bucaram-Leverone M, Del Cioppo-Morstadt J, et al (eds) Technologies and Innovation. Springer Nature Switzerland, Cham, pp 27–38
Anggraeni DM, Sole FB (2018) E-Learning Moodle, Media Pembelajaran Fisika Abad 21. Jurnal Penelitian dan Pengkajian Ilmu Pendidikan: e-Saintika 1:57–65. https://doi.org/10.36312/e-saintika.v1i2.101
Rivas A, Fraile JM, Chamoso P, et al (2019) Students Performance Analysis Based on Machine Learning Techniques. In: Uden L, Liberona D, Sanchez G, Rodríguez-González S (eds) Learning Technology for Education Challenges. Springer International Publishing, Cham, pp 428–438
Chang Y-C, Li J-W, Huang D-Y (2022) A Personalized Learning Service Compatible with Moodle E-Learning Management System. Applied Sciences 12:3562. https://doi.org/10.3390/app12073562
Chiu TKF, Xia Q, Zhou X, et al (2023) Systematic literature review on opportunities, challenges, and future research recommendations of artificial intelligence in education. Computers and Education: Artificial Intelligence 4:100118. https://doi.org/10.1016/j.caeai.2022.100118
Bernard J, Popescu E, Graf S (2022) Improving online education through automatic learning style identification using a multi-step architecture with ant colony system and artificial neural networks. Applied Soft Computing 131:109779. https://doi.org/10.1016/j.asoc.2022.109779
Ismail H, Hussein N, Harous S, Khalil A (2023) Survey of Personalized Learning Software Systems: A Taxonomy of Environments, Learning Content, and User Models. Education Sciences 13:741. https://doi.org/10.3390/educsci13070741
OECD (2023) Shaping Digital Education: Enabling Factors for Quality, Equity and Efficiency. Organisation for Economic Co-operation and Development, Paris
Jiang Z, Zhou J (2020) Ethical Considerations and Challenges of AI in Higher Education: Analysis from the Perspective of International Organizations. In: Peters MA, Heraud R (eds) Encyclopedia of Educational Innovation. Springer Nature, Singapore, pp 1–6
Maier U, Klotz C (2022) Personalized feedback in digital learning environments: Classification framework and literature review. Computers and Education: Artificial Intelligence 3:100080. https://doi.org/10.1016/j.caeai.2022.100080
Abulibdeh A, Zaidan E, Abulibdeh R (2024) Navigating the confluence of artificial intelligence and education for sustainable development in the era of industry 4.0: Challenges, opportunities, and ethical dimensions. Journal of Cleaner Production 437:140527. https://doi.org/10.1016/j.jclepro.2023.140527
Rane N (2024) Enhancing the quality of teaching and learning through Gemini, ChatGPT, and similar generative Artificial Intelligence: Challenges, future prospects, and ethical considerations in education. TESOL and Technology Studies 5:1–6. https://doi.org/10.48185/tts.v5i1.1000
Chima Abimbola Eden, Onyebuchi Nneamaka Chisom, Idowu Sulaimon Adeniyi (2024) Integrating AI in education: Opportunities, challenges, and ethical considerations. Magna Sci Adv Res Rev 10:006–013. https://doi.org/10.30574/msarr.2024.10.2.0039
Gligorea I, Cioca M, Oancea R, et al (2023) Adaptive Learning Using Artificial Intelligence in e-Learning: A Literature Review. Education Sciences 13:1216. https://doi.org/10.3390/educsci13121216
Publicado
Como Citar
Edição
Seção
Licença
Copyright (c) 2024 Aammou Souhaib, Tagdimi Zakaria, Touis Tarik
Este trabalho está licenciado sob uma licença Creative Commons Attribution 4.0 International License. A revista segue a política para Periódicos de Acesso Livre, oferecendo acesso livre, imediato e gratuito ao seu conteúdo, seguindo o princípio de que disponibilizar gratuitamente o conhecimento científico ao público proporciona mais democratização internacional do conhecimento. Por isso, não se aplica taxas, sejam elas para submissão, avaliação, publicação, visualização ou downloads dos artigos. Além disso, a revista segue a licença Creative Common (CC BY) permitindo qualquer divulgação do artigo, desde que sejam referenciados o artigo original. Neste sentido, os autores que publicam nesta revista concordam com os seguintes termos: A) Os autores mantém os direitos autorais e concedem à revista o direito de primeira publicação, com o trabalho simultaneamente licenciado sob a Creative Commons Attribution License (CC BY), permitindo o compartilhamento do trabalho com reconhecimento da autoria do trabalho e publicação inicial nesta revista. B) Autores têm autorização para distribuição não-exclusiva da versão do trabalho publicada nesta revista (ex.: publicar em repositório institucional e não institucional, bem como capítulo de livro), com reconhecimento de autoria e publicação inicial nesta revista. C) Autores sãoo estimulados a publicar e distribuir seu trabalho online (ex.: repositórios online ou na sua página pessoal), bem como aumentar o impacto e a citação do trabalho publicado.