Um estudo com 39 pós-graduandos analisou como estudantes interagem com feedback baseado em learning analytics e o que isso tem a ver com autorregulação e desempenho. A evidência sugere que o feedback pode ajudar a sustentar hábitos de estudo e aumentar motivação e auto-monitoramento, mas não mostrou impacto detectável nas notas, reforçando que dashboards e relatórios precisam ser mais acionáveis, personalizados e dialogados para gerar ganhos acadêmicos mensuráveis.
O QUE HÁ DE NOVO: A pesquisa investiga, em um curso presencial de pós-graduação em Tecnologia Educacional com 10 semanas, a relação entre engajamento com um painel de feedback analítico personalizado, competência de aprendizagem autorregulada (self-regulated learning, SRL) e desempenho na disciplina. O diferencial está em medir o engajamento com o feedback não apenas por auto-relato, mas por rastros digitais (clickstream) em uma aplicação web que exibiu gráficos e comentários para cada aluno no meio do semestre, combinando esses dados com questionários de SRL, logs do Moodle e do Google Docs e reflexões escritas dos estudantes.
COMO FUNCIONA: Os pesquisadores coletaram, nas seis primeiras semanas do curso, registros de interação dos alunos no Moodle e no Google Docs (cliques em recursos, visualizações de vídeo, participação em debates e volume de edição nas reflexões). Com isso, geraram um dashboard individual com visualizações (linhas, barras, heatmaps e contagens) e textos automáticos baseados em regras, enviando o feedback no meio do semestre; a ferramenta ainda permitia baixar os dados para análise própria e pedia, ao fim de cada página, uma breve avaliação do feedback. Para caracterizar o engajamento com esse feedback, foram usados três indicadores: número de visitas às páginas (proxy de engajamento “passivo”), interações com filtros e opções na página de visão geral (proxy de engajamento “ativo”) e downloads dos próprios dados (proxy de engajamento “construtivo”), inspirados no arcabouço ICAP (interativo–construtivo–ativo–passivo), embora a dimensão “interativa” (diálogo com docentes/pares) não tenha sido implementada no estudo.
PRINCIPAIS RESULTADOS: Ao comparar estudantes com SRL mais alta (21) e mais baixa (18), não houve diferença estatisticamente significativa no escore geral de engajamento com o feedback, embora o grupo com SRL mais alta tenha apresentado maior interação com a página de visão geral, um sinal de engajamento ativo. Já ao comparar estudantes com alto engajamento com o feedback (10) versus baixo engajamento (29), não apareceu diferença nas notas finais (em escala 0–100) nem nas duas componentes avaliativas (reflexões semanais e ensaio crítico final). Mesmo assim, a análise dos comportamentos ao longo do semestre indicou queda de engajamento na segunda metade para todos, mas com indícios de que quem se engajou mais com o feedback teve uma redução menos acentuada em alguns indicadores de participação e pontualidade, sugerindo um efeito mais comportamental do que diretamente avaliativo.
POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para a sala de aula e a aprendizagem, o trabalho adiciona nuance a uma promessa comum de dashboards: tornar o estudante “mais consciente” do próprio estudo pode aumentar motivação e monitoramento, mas isso não se traduz automaticamente em aprendizagem profunda ou melhores resultados em avaliações, especialmente quando o feedback enfatiza quantidade de interações (cliques, visualizações) sem conectar claramente esses sinais à qualidade do estudo. Para o trabalho docente, o estudo aponta que produzir visualizações e comentários não basta: é preciso que o feedback ajude a converter dados em decisões (o que mudar, quando, por quê), reduzindo o risco de relatórios virarem apenas “espelhos” do comportamento. Em termos de gestão e desenho de curso, os achados sugerem que learning analytics pode ser mais útil para sustentar rotinas e prevenir o “vale do meio do semestre” do que para elevar notas por si só, o que muda a régua de sucesso e as métricas esperadas de intervenções de LA.
SIM, MAS…: O estudo reconhece limitações importantes para tomadores de decisão: a amostra é pequena (39 estudantes) e composta por pós-graduandos com SRL acima da média, o que pode gerar efeito teto e reduzir variabilidade; além disso, as análises foram frequentemente subpotentes, tornando difícil detectar efeitos pequenos. Também há limitações no próprio instrumento: os proxies de engajamento (visitas, cliques em filtros e downloads) capturam uma parte do processo, mas podem não refletir compreensão, reflexão ou mudança real de estratégia; e a dimensão “interativa” do ICAP, central para transformar feedback em diálogo, ficou de fora por restrições tecnológicas e de desenho da intervenção.
INSIGHT CENTRAL: O ponto mais acionável do trabalho é a tentativa de aproximar “engajamento com feedback” de níveis de processamento cognitivo (ICAP) usando dados de uso do painel, em vez de tratar o ato de “ver o dashboard” como sinônimo de aproveitar o feedback. A mensagem é que a qualidade do engajamento importa: estimular ações simples (explorar filtros) pode ser um passo, mas resultados acadêmicos podem depender de promover níveis mais profundos (construção de sentido e, principalmente, interação e contestação), algo que exige desenho pedagógico e não apenas visualização de dados.
O QUE VEM DEPOIS: Os autores apontam caminhos que dialogam diretamente com tendências de IA na educação: incluir oportunidades de interação (com pares, docentes ou até chatbots) para discutir e interpretar o feedback; oferecer andaimes como tutoriais, tooltips e “progressive disclosure” para reduzir confusão com visualizações; e treinar letramento de dados para que estudantes saibam o que os indicadores representam e o que fazer com eles. Também sugerem expandir a coleta para fontes multimodais (por exemplo, entrevistas, testes de desempenho ou até rastreio ocular) e testar a intervenção em maior escala e em contextos mais diversos, além de correlacionar atributos do feedback (timing, relevância, modo de entrega) com desfechos educacionais mais sensíveis do que apenas a nota final.
