Inovação em educação precisa de mais ambição e menos fetiche tecnológico

Educação virou prioridade retórica, não prioridade de investimento. No painel “Moonshots that Move the Needle”, no SXSW, Arati Prabhakar — ex-diretora da DARPA e defensora precoce do investimento em mRNA antes da pandemia — resume a ambição necessária em duas perguntas: onde se quer chegar e o que é preciso para chegar lá. O ponto de partida é duro: se a educação tivesse recebido o mesmo apetite por risco, teste e financiamento que saúde, defesa ou energia, talvez seus resultados já tivessem mudado de patamar.

O paralelo que ela faz com a saúde ajuda a entender a escala do desafio. Durante muito tempo, certos avanços pareceram inalcançáveis — até que começamos a decodificar a biologia e transformar esse conhecimento em intervenção. Com aprendizagem, o problema é ainda mais complexo. “Se biologia é complicada, tente entender seres humanos e estudantes”, diz ela. A diferença é que agora, com avanços da neurociência e da pesquisa aplicada em sala de aula, começamos a ter instrumentos mais concretos para agir.

Steve Ritter, pesquisador de aprendizagem com formação em psicologia cognitiva e um dos nomes por trás da Carnegie Learning, cita um exemplo preciso: um programa baseado na neurociência da audição que ajuda crianças a distinguir sons muito próximos da fala, como “bug” e “pug”, ampliando essa diferença acústica para fortalecer a percepção e apoiar o caminho até a consciência fonêmica — uma base central da alfabetização.

Num momento de mobilização social e política para banir celulares das escolas, e de medo real de pais e professores sobre os efeitos da IA no aprendizado, o painel propõe outra chave de leitura. IA não é uma coisa só. São ferramentas diferentes, que precisam ser julgadas por suas aplicações concretas. “Como toda tecnologia poderosa na história humana, vamos usá-la para o bem e para o mal”, diz Prabhakar. O desafio é “capturar os benefícios e administrar os riscos”.

Na educação, o uso mais promissor aparece num problema antigo: a tutoria personalizada. Há anos sabemos que ela funciona. O entrave sempre foi custo. Se sai a US$ 4 mil por aluno, não é política pública, é miragem. O que muda agora é que a queda no custo computacional e a expansão de recursos multimodais começam a tornar viável um tipo de personalização que antes era impraticável.

Ritter leva essa promessa para a sala de aula. Em vez de devolver apenas texto, sistemas podem gerar vídeos, animações e diagramas sob medida para explicar a dúvida de cada aluno. E a lógica vale também para o uso de realidade aumentada. O caso que ele apresenta parte de um problema banal e enorme: nem todo estudante pede ajuda. Com óculos de realidade aumentada, o professor consegue visualizar em tempo real quais alunos estão numa dificuldade improdutiva — não a confusão normal do aprendizado, mas o ponto em que já não conseguem avançar sozinhos. A tecnologia não substitui o professor. Dá a ele mais precisão para intervir.

O exemplo mais forte de escala vem do Mississippi. Prabhakar cita a virada do estado da 49ª para a 9ª posição em leitura no ranking nacional para mostrar que pesquisa só importa de verdade quando consegue sair do paper e atravessar o sistema. A mudança não veio de uma inovação isolada, mas da capacidade de escalar resultados de pesquisa para a rede inteira, depois de uma década de investimento até chegar ao piloto em escala. “Provamos que a inovação consegue promover mudança com escala na educação”, diz ela. “Não vamos esperar uma geração. Vamos começar agora.”

É nesse ponto que a fala de Ritter fecha melhor. Ele diz que, quando a tarefa não importa para o aluno, a tendência é usar a IA para pegar a resposta e seguir em frente. Mas, quando o estudante está diante de algo que realmente quer entender, “ele não quer a resposta; quer usar a IA como ferramenta”. A partir daí, a régua muda: “Todo estudante é capaz de aprender, se você der a ele oportunidade, motivação e se o levar a sério.”

A tese do painel é simples e exigente. Educação não precisa de mais deslumbramento com ferramenta. Precisa de mais ambição para definir metas reais, financiar pesquisa aplicada e escalar o que funciona. A tecnologia só move o ponteiro quando ajuda a fazer isso.

---