Tecnologia e abstração

desenvolvimento de habilidades complexas por meio de videogames

Resumo

O objetivo deste estudo é propor modelos de aprendizado de máquina supervisionado para predizer a capacidade de abstração em alunos, como mecanismo de alerta precoce, por meio do uso de tecnologia e de videogames. A metodologia utilizada é mista, com desenho descritivo e preditivo, analisando 118 testes aplicados a alunos chilenos de formação de professores. Para isso, as variáveis: idade, modalidade e semestre letivo foram correlacionadas e seis modelos preditivos foram examinados. Os resultados mostram três achados relevantes. Primeiro, na relação abstração/idade, nas categorias Satisfatório e Não Abstração, a distribuição é homogênea em todas as idades. Em segundo lugar, a relação abstração/modalidade evidencia que segue um padrão de 50% para todas as categorias de abstração. Terceiro, na relação abstração/semestre letivo, observa-se que no sétimo semestre concentra-se o maior número de alunos sem capacidade de abstração. Conclui-se que o nível de abstração é baixo, mostrando que 61,1% dos alunos não possuem um nível cognitivo superior. Dos 6 modelos de aprendizado de máquina supervisionados, dois são sugeridos para prever o aviso prévio, a árvore de decisão e a floresta aleatória com 100% de precisão (Precisão). Portanto, por meio do uso de tecnologia e videogames, é possível fortalecer o desenvolvimento de habilidades cognitivas superiores, por meio de uma série de estratégias planejadas em tempos de COVID-19, concentradas no primeiro e no segundo semestres de treinamento.