Experimentos da Degreed: aproveite os benefícios da aprendizagem prática e adaptativa

Taylor Blake

quarta-feira, 16 de julho de 2025

Compartilhar

Um dos aspectos mais impressionantes da IA conversacional do Degreed Maestro é a capacidade de proporcionar, por voz, experiências bidirecionais, personalizadas e adaptativas de aprendizagem. Mesmo assim, sabemos que a voz nem sempre é a modalidade ideal para todas as tarefas educativas.

As IAs de voz deixam a desejar quando:

• É preciso ter um alto grau de fidelidade na criação ou apresentação de informações complexas.
• Referências visuais são importantes.
• É preciso ter tempo e espaço para elaborar mais a fundo o processo de solução de problemas.
• As tarefas não envolvem a fala, como formulação de código ou navegação pela interface de um software.

Isso suscita uma questão crucial: é possível aproveitar as melhores características da fala — ou seja, a interatividade e adaptabilidade — e aplicá-las a contextos que não a envolvem?

Exercícios de aprendizagem adaptativa, o mais novo experimento da Degreed

Nossa resposta se transformou em uma abordagem inovadora à ideia de “aprender com a prática”. O conceito é simples: inicia-se com um objetivo de aprendizagem, que é dividido em exigências ou marcos progressivos.

A partir disso, a IA gera microtarefas, uma por vez, para orientar a compreensão e a prática. O aprendiz recebe, então, feedback personalizado imediato após cada tentativa, de modo que a tarefa seguinte é dinamicamente ajustada conforme o progresso e a compreensão apresentada. 

Feedback dos usuários de teste

• “Achei intuitivo. Gostei da forma como o processo me levou a fazer algo após cada explicação e descrição da tarefa.” 
• “Em geral, foi um processo tranquilo. O feedback em relação às respostas que dei me ajudou.”

Diversificação das modalidades

As interações práticas foram fundamentais. Começamos com interações por texto para diversas tarefas e expandimos para viabilizar um editor de código para aplicações mais técnicas.

Depois, integramos a gravação de webcam e de tela, que se mostraram particularmente inestimáveis por possibilitar que os usuários de teste demonstrassem suas habilidades diretamente no contexto do dia a dia de trabalho ou em aplicações específicas. 

Feedback dos usuários de teste

• “Eu gostei de gravar minha voz, além de digitar. Eu reforcei o que aprendi. Para mim, esses dois pontos são muito bons.” 
• “Tudo foi bem interativo e interessante.”

Por fim, acrescentamos perguntas de múltipla escolha. Afinal, pedir para os aprendizes digitarem o tempo todo pode deixar a experiência cansativa. Essas perguntas oferecem um jeito mais leve de confirmar que os conhecimentos foram compreendidos.

Com essa diversidade de modalidades, a IA pode selecionar o formato mais adequado para cada tarefa, sequenciando-as progressivamente e gerenciando a carga cognitiva de maneira eficaz. Na prática, o processo normalmente começa com perguntas de múltipla escolha para confirmar os conhecimentos básicos, avança para perguntas abertas ou formulação de código para proporcionar a aplicação prática e se encerra com uma gravação da webcam ou da tela para demonstrar domínio dos conhecimentos aprendidos.

Criação de instruções personalizadas

Foi especialmente desafiador encontrar o ponto ideal do suporte instrucional: suficiente para evitar frustrações, mas sem exageros para evitar distrações. Nossa solução atual envolve diversas opções de configuração:

• Dicas: disponíveis conforme a necessidade.
• Tira-dúvidas com IA: para esclarecimentos em tempo real.
• Nível de aprofundamento: personalizável como nenhum, básico ou profundo.

Também incluímos o ícone da “toca do coelho” em cada tarefa, que permite aos usuários de teste se aprofundarem em recursos educativos específicos para ter mais contexto ou explicação, caso precisem. 

Nuances

Por si só, a missão de trazer adaptabilidade para esse processo já traz alguns desafios. Se o processo for aberto demais, os aprendizes ficam sem expectativas claras quanto ao prazo ou ao esforço que se exige deles. Optamos por uma estrutura inicial combinada com uma rota que se adapta, garantindo sempre a visibilidade do progresso.

A mensuração do progresso dentro da régua das demandas foi outra dificuldade, especialmente quando o domínio pode exigir diversas tentativas ao longo de uma quantidade desconhecida de tarefas. Foram necessárias diversas baterias de testes para chegarmos à sensação do que é ideal para a adaptabilidade. O sistema precisou facilitar as coisas diante de dificuldades reiteradas dos aprendizes, repartir as tarefas em volumes mais palatáveis, se basear em conhecimentos prévios e se alinhar a exemplos e instruções sem acabar totalmente com o desafio.

Próximos passos após o protótipo: a jornada continua

Este experimento continuará evoluindo graças ao feedback de mais de 50 usuários de teste (nosso agradecimento a todos vocês!). Nossa expectativa é de que administradores e curadores possam traçar objetivos de aprendizagem, integrar experiências adaptativas a trilhas mais abrangentes e usufruir de estatísticas e relatórios robustos. De acordo com os primeiros feedbacks que recebemos, um componente essencial desse experimento será a capacidade de fazer o upload de documentações ou materiais de treinamentos existentes para automatizar a geração e a personalização dos requisitos de aprendizagem, possibilitando o aproveitamento dos conhecimentos exclusivos da organização e o trabalho dos colaboradores. 

Segundo um dos nossos usuários de teste: “A ferramenta é ótima. Ela abriu os meus olhos para como as empresas podem adotá-la para aproveitar conhecimentos proprietários como um apoio no dia a dia… É um assistente online que vai nos ajudar em tempo real”.

Por fim, esse experimento mostrou ser uma ferramenta de aprendizagem excepcionalmente flexível, envolvente e eficaz. Sua capacidade de apresentar feedbacks personalizados e imediatos sem aumentar a carga de trabalho administrativo não tem preço. A progressão adaptativa orientada pela IA garante que a dificuldade esteja sempre no nível ideal, enquanto o aprofundamento opcional dá autonomia para que os aprendizes personalizem o apoio conforme considerarem necessário. 

Feedback dos usuários de teste

• “Para quem quer aprender na prática ou tem pouco tempo para aprender algo, é uma ferramenta fantástica.”
  

O que está por vir no campo da aprendizagem adaptativa?

O sucesso desse protótipo revelou novas possibilidades animadoras para o futuro, tais como:

• Avaliações adaptativas: repense a forma de mensurar habilidades e conhecimentos.
• Adaptabilidade do suporte e dos recursos motivacionais na aprendizagem: indo além da adaptação de tarefas e recursos instrucionais, vislumbramos a personalização da maneira como prestamos apoio e motivamos aprendizes ao longo de suas jornadas.
• Fluxos adaptativos: em vez de gravar telas, que podem conter dados sensíveis, será que a IA é capaz de imitar fluxos e otimizá-los para fins de prática sem colocar dados reais em risco? Fica aqui o questionamento. 

Participe

Para experimentar esse protótipo em primeira mão:

• Envie uma mensagem para Taylor Blake no LinkedIn
• Cadastre-se na lista de e-mails dos Experimentos da Degreed
• Siga a Degreed no LinkedIn