• Validação de métodos de avaliação dúbios.

• Menor interação e relação interpessoal professor-aluno.

• Potencial perda de criatividade e de capacidade de escrita.

• No campo da educação, a IA ainda se encontra em fase experimental, gerando dúvidas sobre benefícios-limitações.

• Exposição inadequada de conteúdos.

• Segurança de dados pessoais.

• Ferramentas de Inteligência Artificial com potencial desmedido para auxiliar aprendizagens, auxiliando professores em várias tarefas.

• Produção de conteúdo imensurável.

• Possível melhoria da finalidade das aprendizagens.

• Redução de carga horária não letiva, permitindo que os professores se dediquem aos aspectos pedagógicos.

  
  

• Mais de 70 % considera carga horária elevada.

• Carga horária elevada apontada como a principal causa para abandonar o sector.

• Mais de 65% considera que perde horas de ensino devido a atividades de planificação e administrativas.

O paradigma de avaliação padrão (SAP) utiliza um conjunto definido de itens para depreender a capacidade dos alunos (Mislevy et al., 2012).

·       Pratica - Onerosa para os educadores, requerem cuidado tanto no seu design como técnicas; discretas, ou avaliação instantânea, ficando resumida ao que se pode fazer no momento

·       SAP ou uniforme, atribui tarefas iguais, independentemente das capacidades, conhecimentos, antecedentes culturais já adquiridos, experiências ou seja não se adaptam às competências e antecedentes específicos dos alunos    

·       SAP é inautêntica, a criatividade o pensamento e interpretação deixa de estar presente, afetando a avaliação no seu todo.

  SAP também é vista como antiquada, frequentemente informações antiquadas torna as competências cada vez mais obsoletas, devendo esta ser repensada, tendo como opção uma pedagogia centrada nos novos tipos de tarefas, e competências adquiridas por processamento externo.

Estes exploram fatores como a expetativa de desempenho, esforço, influência social e condições facilitadoras na implementação das tecnologias educacionais.

Chatbots e Robôs Sociais: Oferecem assim um suporte administrativo e psicológico aos alunos, embora estes enfrentem desafios na compreensão completa dos contextos humanos.

Previsão de Abandono Estudantil: Emprego de algoritmos de aprendizagem na máquina para prever o abandono dos alunos, permitindo intervenções preventivas.

Complexidade tecnológica e falta de infraestruturas adequadas.

Preocupações éticas, especialmente relacionadas à integridade acadêmica e a privacidade de dados.

Desafios financeiros e de infraestrutura impedem uma adoção mais ampla e eficaz.

Formação adicional e apoio financeiro são essenciais para capacitar os professores.

Integração cuidadosa da IA nas práticas acadêmicas, considerando aspetos éticos e pedagógicos.

Abordagem colaborativa entre pesquisadores, educadores e instituições para superar os desafios e promover uma adoção eficaz da IA no ensino superior.

Eles destacaram que a inteligência artificial (IA) está a desempenhar um papel significativo na transformação da experiência de aprendizagem dos alunos no ensino superior.

Uma das principais maneiras pelas quais a IA está sendo usada é na personalização da experiência de aprendizagem dos alunos.

Isto é alcançado por meio de sistemas de recomendação baseados em IA, que utilizam algoritmos de aprendizagem de máquina para oferecer conteúdo e suporte adaptados às necessidades individuais de cada aluno. Estes sistemas têm o potencial de melhorar significativamente a eficácia do ensino, permitindo assim que os alunos recebam um ensino mais direcionado e relevante para qual seja o seu nível de habilitações ou estilo de aprendizagem.

Além disso, os autores observaram um aumento da presença de chatbots e assistentes virtuais no ambiente educacional. Estas ferramentas baseadas em IA estão tornando-se cada vez mais comuns e eficazes, fornecendo um suporte administrativo e informações aos alunos de forma rápida e eficiente. Os chatbots podem auxiliar os alunos em diversas tarefas, desde responder perguntas frequentes até fornecer orientação sobre matrícula e horários de aula.

Em resumo, O'Dea e O'Dea argumentam que a IA está a desempenhar um papel crucial na personalização da experiência de aprendizagem dos alunos no ensino superior, por meio de sistemas de recomendação, chatbots e assistentes virtuais. Estas ferramentas promissoras têm o potencial de transformar significativamente a maneira de como o ensino é entregue e recebido, proporcionando uma educação mais adaptada e eficaz.

• A tarefa de avaliação é crucial para obter evidências da aprendizagem.

• Técnicas de IA têm sido aplicadas para automatizar a geração de tarefas de avaliação, como questões de múltipla escolha e questões de resposta aberta.

• O feedback de qualidade é essencial para o sucesso dos alunos.

• Com turmas maiores, é difícil para os professores fornecer feedback suficiente e em tempo útil.

• A avaliação por pares é uma solução eficaz e sustentável para este desafio.

• Funciona bem em turmas grandes, como em MOOCs, e melhora a aprendizagem mais do que a avaliação apenas pelo instrutor.

• Práticas de avaliação tradicionais capturam instantâneos discretos do desempenho dos alunos.

• Técnicas de IA foram desenvolvidas para oferecer uma visão mais contínua do desempenho e da aprendizagem.

• Algumas abordagens utilizam práticas de avaliação tradicionais, como questionários e exames, em ambientes digitais.

• Outras abordagens aplicam-se a diferentes tipos de tarefas e provas de avaliação.

• Estas técnicas proporcionam visões mais detalhados e contínuos sobre a aprendizagem dos alunos.

• As plataformas eletrônicas de avaliação (EAPs) para exames on-line ou off-line tornaram-se populares.

• Dados extraídos dos exames tornaram-se mais sofisticados, permitindo análises além das técnicas tradicionais.

• Dados incluem carimbos de data e hora para cada ação e resposta dos alunos.

• EAPs e avaliação furtiva monitoram continuamente as ações dos alunos e incorporam essas ações em modelos de desempenho e aprendizagem.

• A estimativa de conhecimento latente é uma técnica de IA amplamente utilizada para gerar esses modelos.

• Personalização das tarefas: Técnicas de IA ajustam as tarefas de avaliação às capacidades dos alunos, proporcionando experiências personalizadas.

• Sistemas de Teste Adaptativo Computadorizado (CAT):

• Avaliações autênticas: Medem a aprendizagem através de tarefas que simulam atividades de uma comunidade de prática.

• Uso da IA em simulações

• Ferramentas de escrita: Processadores de texto digitais evoluíram para incluir técnicas de IA.

• Funções modernas

• Perigo da tomada de decisões automatizada: Pode marginalizar a experiência dos professores, que podem passar a confiar demais nos resultados da IA.

• Exemplo: Softwares de plágio podem levar os educadores a aceitar automaticamente os resultados da IA sem questionamento.

• Soluções: Desenvolver sistemas onde a tomada de decisão da IA seja explicável e supervisionada pelos professores.

• Impacto na interação professor- aluno: A IA pode impedir os professores de utilizar a avaliação para motivar e apoiar os alunos.

• Exemplos: Avaliação pelos pares e autoavaliação incentivam a autorreflexão e deliberação dos alunos.

• Questões: É necessário considerar os valores e fundamentos ideológicos da avaliação baseada na IA.

• Impacto da IA na avaliação: Ajustar traços e competências avaliadas para aquelas que requerem influência humana.

• Modelo de tarefa: Permitir o uso de ferramentas computacionais baseadas em IA durante a avaliação.

• Modelo de evidência: Considerar as contribuições humanas e da IA na geração de provas de avaliação.