Avaliação formativa assistida por tecnologia: aplicativos e plataformas para feedback contínuo
DOI:
https://doi.org/10.5281/zenodo.20371513Palavras-chave:
Avaliação Formativa, Feedback, Tecnologias Educacionais, Avaliação Adaptativa, Inteligência artificial em educaçãoResumo
Este artigo, configurado como revisão bibliográfica analítico-crítica, examina a tensão estrutural entre a racionalidade instrumental que organiza a oferta de tecnologias avaliativas e a racionalidade pedagógica dialógica que define a efetividade da avaliação formativa. Articulando referenciais internacionais consolidados (Black e Wiliam, Hattie, Sadler), produção crítica recente sobre IA em educação (Selwyn, Williamson, Luckin, Mollick) e a tradição brasileira de avaliação (Luckesi, Hoffmann), o trabalho percorre os fundamentos teóricos do feedback efetivo, sistematiza a taxonomia de ferramentas e analisa as transformações impulsionadas pela inteligência artificial generativa. Como contribuição teórica, propõe-se o framework da Arquitetura Pedagógica Formativa Tecnologicamente Mediada (APFTM), que articula cinco dimensões interdependentes (diagnóstica, dialógico-temporal, de agência e autorregulação, ético-algorítmica e de reversibilidade pedagógica) pelas quais se avalia se determinada configuração tecnológica sustenta ou descaracteriza a operação formativa. Sustenta-se que tecnologias digitais operam como amplificadores condicionais da avaliação formativa, cuja potência depende da arquitetura pedagógica em que se inscrevem, sem substituir os processos dialógicos e relacionais que sustentam sua efetividade. Conclui-se que a pergunta pedagogicamente relevante não é "que ferramentas adotar", mas "que arquitetura torna determinada adoção tecnológica efetivamente formativa", reposicionamento relevante para o contexto educacional brasileiro.
Referências
BAKER, R. S.; INVENTADO, P. S. Educational data mining and learning analytics. In: LARUSSON, J. A.; WHITE, B. (Ed.). Learning analytics: from research to practice. New York: Springer, 2014. p. 61-75.
BEARMAN, M.; AJJAWI, R. Learning to work with the black box: pedagogy for a world with artificial intelligence. British Journal of Educational Technology, v. 54, n. 5, p. 1160-1173, 2023.
BENNETT, R. E. Formative assessment: a critical review. Assessment in Education: Principles, Policy & Practice, v. 18, n. 1, p. 5-25, 2011.
BLACK, P.; WILIAM, D. Assessment and classroom learning. Assessment in Education: Principles, Policy & Practice, v. 5, n. 1, p. 7-74, 1998.
BLOOM, B. S. Learning for mastery. Evaluation Comment, v. 1, n. 2, p. 1-12, 1968.
BRASIL. Ministério da Educação. Base Nacional Comum Curricular. Brasília: MEC, 2018.
CALDWELL, J. E. Clickers in the large classroom: current research and best-practice tips. CBE Life Sciences Education, v. 6, n. 1, p. 9-20, 2007.
CETIC.BR. Pesquisa sobre o uso das tecnologias de informação e comunicação nas escolas brasileiras: TIC Educação 2024. São Paulo: Comitê Gestor da Internet no Brasil, 2025.
CHEUNG, A. C. K.; SLAVIN, R. E. The effectiveness of educational technology applications for enhancing mathematics achievement in K-12 classrooms: a meta-analysis. Educational Research Review, v. 9, p. 88-113, 2013.
GAŠEVIĆ, D.; DAWSON, S.; SIEMENS, G. Let's not forget: learning analytics are about learning. TechTrends, v. 59, n. 1, p. 64-71, 2015.
HATTIE, J. Visible learning: a synthesis of over 800 meta-analyses relating to achievement. London: Routledge, 2009.
HATTIE, J.; TIMPERLEY, H. The power of feedback. Review of Educational Research, v. 77, n. 1, p. 81-112, 2007.
HOFFMANN, J. Avaliação: mito e desafio: uma perspectiva construtivista. 45. ed. Porto Alegre: Mediação, 2017.
HOLMES, W.; TUOMI, I. State of the art and practice in AI in education. European Journal of Education, v. 57, n. 4, p. 542-570, 2022.
HUNSU, N. J.; ADESOPE, O.; BAYLY, D. J. A meta-analysis of the effects of audience response systems (clicker-based technologies) on cognition and affect. Computers & Education, v. 94, p. 102-119, 2016.
KASNECI, E.; SEßLER, K.; KÜCHEMANN, S.; BANNERT, M.; DEMENTIEVA, D.; FISCHER, F.; GASSER, U.; GROH, G.; GÜNNEMANN, S.; HÜLLERMEIER, E.; KRUSCHE, S.; KUTYNIOK, G.; MICHAELI, T.; NERDEL, C.; PFEFFER, J.; POQUET, O.; SAILER, M.; SCHMIDT, A.; SEIDEL, T.; STADLER, M.; WELLER, J.; KUHN, J.; KASNECI, G. ChatGPT for good? On opportunities and challenges of large language models for education. Learning and Individual Differences, v. 103, art. 102274, 2023.
KINGSTON, N.; NASH, B. Formative assessment: a meta-analysis and a call for research. Educational Measurement: Issues and Practice, v. 30, n. 4, p. 28-37, 2011.
LIMA, T. C. S.; MIOTO, R. C. T. Procedimentos metodológicos na construção do conhecimento científico: a pesquisa bibliográfica. Revista Katálysis, Florianópolis, v. 10, n. esp., p. 37-45, 2007.
LUCKESI, C. C. Avaliação da aprendizagem escolar: estudos e proposições. 22. ed. São Paulo: Cortez, 2011.
LUCKIN, R. Machine learning and human intelligence: the future of education for the 21st century. London: UCL Institute of Education Press, 2018.
MINAYO, M. C. S. O desafio do conhecimento: pesquisa qualitativa em saúde. 14. ed. São Paulo: Hucitec, 2014.
MOLLICK, E. Co-intelligence: living and working with AI. New York: Portfolio/Penguin, 2024.
NICOL, D. J. From monologue to dialogue: improving written feedback processes in mass higher education. Assessment & Evaluation in Higher Education, v. 35, n. 5, p. 501-517, 2010.
PERROTTA, C. Programming the platform university: learning analytics and predictive infrastructures in higher education. Research in Education, v. 109, n. 1, p. 53-71, 2021.
SADLER, D. R. Formative assessment and the design of instructional systems. Instructional Science, v. 18, n. 2, p. 119-144, 1989.
SAILER, M.; HOMNER, L. The gamification of learning: a meta-analysis. Educational Psychology Review, v. 32, n. 1, p. 77-112, 2020.
SCRIVEN, M. The methodology of evaluation. In: TYLER, R. W.; GAGNÉ, R. M.; SCRIVEN, M. Perspectives of curriculum evaluation. Chicago: Rand McNally, 1967. p. 39-83.
SELWYN, N. Education and technology: key issues and debates. 3. ed. London: Bloomsbury, 2022.
SHUTE, V. J.; RAHIMI, S. Review of computer-based assessment for learning in elementary and secondary education. Journal of Computer Assisted Learning, v. 33, n. 1, p. 1-19, 2017.
STEENBERGEN-HU, S.; COOPER, H. A meta-analysis of the effectiveness of intelligent tutoring systems on college students' academic learning. Journal of Educational Psychology, v. 106, n. 2, p. 331-347, 2014.
UNESCO. Guidance for generative AI in education and research. Paris: UNESCO Publishing, 2023.
VANLEHN, K. The relative effectiveness of human tutoring, intelligent tutoring systems, and other tutoring systems. Educational Psychologist, v. 46, n. 4, p. 197-221, 2011.
WHITTEMORE, R.; KNAFL, K. The integrative review: updated methodology. Journal of Advanced Nursing, v. 52, n. 5, p. 546-553, 2005.
WILIAM, D.; THOMPSON, M. Integrating assessment with instruction: what will it take to make it work? In: DWYER, C. A. (Ed.). The future of assessment: shaping teaching and learning. Mahwah: Lawrence Erlbaum Associates, 2007. p. 53-82.
WILLIAMSON, B. Big data in education: the digital future of learning, policy and practice. London: SAGE, 2017.
WILSON, J.; CZIK, A. Automated essay evaluation software in English Language Arts classrooms: effects on teacher feedback, student motivation, and writing quality. Computers & Education, v. 100, p. 94-109, 2016.
ZHAI, X. ChatGPT for next generation science learning. XRDS: Crossroads, The ACM Magazine for Students, v. 29, n. 3, p. 42-46, 2023.
