p Em um dos maiores experimentos de campo educacionais já realizados, uma equipe co-liderada por um pesquisador da Cornell descobriu que intervenções promissoras para ajudar os alunos a concluir cursos online não eram eficazes em grande escala - sugerindo que soluções direcionadas são necessárias para ajudar os alunos em diferentes circunstâncias ou locais. p Pesquisadores acompanharam 250, 000 alunos de quase todos os países em 250 cursos online abertos massivos (MOOCs) ao longo de 2 anos e meio de estudo, "Scaling Up Behavioral Science Interventions in Online Education, "publicado em 15 de junho no Proceedings of the National Academy of Sciences .

p "As intervenções comportamentais não são uma bala de prata, "disse Rene Kizilcec, professor assistente de ciência da informação e co-autor principal.

p "Estudos anteriores mostraram que, intervenções leves no início de alguns cursos selecionados podem aumentar a persistência e as taxas de conclusão, "disse ele." Mas quando ampliado para mais de 250 cursos diferentes e um quarto de milhão de alunos, os efeitos da intervenção foram uma ordem de magnitude menores. "

p O estudo foi co-liderado por Justin Reich do Massachusetts Institute of Technology e Michael Yeomans do Imperial College London. A pesquisa foi realizada nas plataformas edX e Open edX, e a edX se comprometeu a trabalhar para disponibilizar os dados a pesquisadores institucionais para o avanço da ciência educacional em escala.

p Os 250 cursos que os pesquisadores estudaram vieram da Universidade de Harvard, MIT e Stanford University.

p A falta de conclusão de cursos online é um obstáculo conhecido e de longa data para a aprendizagem virtual, particularmente entre comunidades desfavorecidas e em países em desenvolvimento - onde a educação online pode ser um caminho fundamental para o avanço social. As descobertas adicionaram relevância com tanta educação em todo o mundo ocorrendo online durante a pandemia COVID-19.

p "Meu conselho para os instrutores é entender e abordar os desafios específicos em seu ambiente de aprendizagem, "Kizilcec disse." Se os alunos tiverem problemas com sua conexão de internet, você não pode ajudá-los a superá-los com uma intervenção de autorregulação. Mas se os alunos precisam ir para a cama na hora certa para acordar para uma aula matinal, ou eles precisam planejar com antecedência para quando começar a trabalhar na lição de casa, a fim de tê-la pronta para entrega, então, uma breve intervenção de autorregulação pode de fato ajudar os alunos a superar esses obstáculos. "

p Anterior, pesquisa em menor escala, realizada por Kizilcec e seus co-autores, bem como outros estudiosos, descobriram que as intervenções de definição de metas, como escrever uma lista de intenções no início da aula, melhoraram as taxas de conclusão do curso dos alunos.

p Neste estudo, os pesquisadores exploraram os efeitos de quatro intervenções:

• fazer planos, onde os alunos são solicitados a desenvolver planos detalhados para quando, Onde, e como eles concluem o curso;
• uma atividade relacionada em que os alunos refletem sobre os benefícios e as barreiras para atingir seu objetivo, e planejar com antecedência como responder aos desafios;
• responsabilidade social, onde eles escolhem alguém para responsabilizá-los por seu progresso no curso, e planeje quando e o que dizer a eles; e
• relevância de valor, onde eles escrevem sobre como a conclusão do curso reflete e reforça seus valores mais importantes.

p Para as três primeiras intervenções, envolvendo planejamento futuro, os pesquisadores descobriram que a abordagem foi eficaz para aumentar o envolvimento nas primeiras semanas do curso, mas o impacto diminuiu conforme o curso avançava. A intervenção de relevância de valor foi eficaz em países em desenvolvimento, onde os resultados dos alunos foram significativamente piores do que outros, mas apenas em cursos com uma lacuna de desempenho global; em outros cursos, na verdade, teve um impacto negativo nos países em desenvolvimento.

p Os pesquisadores testaram se podiam prever em quais cursos ocorreria uma lacuna de desempenho, a fim de decidir onde a intervenção deve ser adicionada, mas achou extremamente difícil prever.

p "Não saber se isso vai ajudar ou prejudicar os alunos em um determinado curso é um grande problema, " ele disse.

p Os pesquisadores tentaram usar o aprendizado de máquina para prever quais intervenções podem ajudar quais alunos, mas descobriu que o algoritmo não era melhor do que atribuir a mesma intervenção a todos os alunos.

p "Isso questiona o potencial da IA ​​para fornecer intervenções personalizadas para alunos com dificuldades, "Kizilcec disse." Abordagens que se concentram em entender o que funciona melhor em ambientes individuais e, em seguida, adaptar as intervenções a esses ambientes podem ser mais eficazes. "

p Os pesquisadores disseram que suas descobertas sugerem que estudos futuros devem ser projetados para considerar e revelar as diferenças entre os alunos, além de estudos que avaliam os efeitos gerais.