Um estudo apresenta o APPROVE PreK & K-Math, um modelo multimodal de machine learning capaz de identificar, em vídeos online, conteúdos de matemática alinhados a padrões de pré-escola e jardim de infância e alguns sinais de qualidade pedagógica. A proposta busca tornar escalável o monitoramento do que crianças pequenas assistem no YouTube, um cenário em que a produção de vídeos supera de longe a capacidade de avaliação manual, e abrir caminho para ferramentas de recomendação e novas pesquisas sobre efeitos do consumo de vídeo na aprendizagem.

O QUE HÁ DE NOVO: Pesquisadores reportaram, na Emerald (AI in Education), o desenvolvimento do que descrevem como o primeiro modelo de aprendizado de máquina para detectar automaticamente conteúdo matemático alinhado a padrões educacionais em vídeos para crianças em idade pré-escolar e de kindergarten. O sistema foi testado em um conjunto “curado” de 733 vídeos (média de 5 minutos) e, depois, em um conjunto naturalístico de 4.613 vídeos reais assistidos por 55 crianças de 4 e 5 anos ao longo de oito semanas; no primeiro cenário, a precisão para identificar se havia “qualquer conteúdo matemático” chegou a 92%, e no segundo caiu para cerca de 64%, subindo para 71% com uma adaptação baseada em poucas anotações.

COMO FUNCIONA: O APPROVE PreK & K-Math combina pistas visuais e de áudio para classificar vídeos em 13 categorias não exclusivas de matemática (como contagem, numerais escritos, comparação de grupos, formas e linguagem espacial), alinhadas ao Common Core (kindergarten) e ao Head Start Early Learning Outcomes Framework (pré-escola), além de cinco indicadores de qualidade pedagógica (por exemplo, “propósito de ensinar matemática”, “exemplos concretos” e “falar diretamente com a audiência”). Para treinar o sistema, a equipe primeiro construiu um codebook com critérios e exemplos, treinou anotadores humanos até atingirem pelo menos 80% de concordância com um especialista e, em seguida, usou essas anotações para treinar modelos separados por modalidade: no visual, o método extrai keyframes, gera legendas automáticas com o BLIP-2 e aplica um transformer sobre a descrição; no áudio, converte fala em texto via reconhecimento automático de voz e também usa um transformer. As previsões são combinadas por “late fusion”, ponderando visual e áudio conforme a tarefa.

PRINCIPAIS RESULTADOS: No conjunto curado, o modelo apresentou precisão média de 83% para categorias de pré-escola e 87% para kindergarten, com variação de 66% (subitizing, exclusivo da pré-escola) a 98% (comparar grupos). Para indicadores de qualidade, houve maior instabilidade: “propósito de ensinar matemática” chegou a 95%, enquanto “usar matemática para resolver problemas autênticos” ficou em 27%, um desempenho que os autores associam, em parte, à baixa incidência desse tipo de narrativa nos vídeos analisados. A análise humana do conjunto curado também mostrou que 79% dos vídeos com ao menos uma categoria de matemática incluíam ao menos um indicador de qualidade; os mais frequentes foram “propósito principal” (83%) e “exemplos concretos” (79%), ao passo que “resolver problemas” apareceu em apenas 7%.

POR QUE ISSO IMPORTA PARA A EDUCAÇÃO: Para gestores, pesquisadores e desenvolvedores de edtech, o trabalho sinaliza uma mudança prática: sair de amostras pequenas e avaliações artesanais rumo a uma leitura mais ampla do “ecossistema de mídia” ao qual crianças são expostas. Na sala de aula, a capacidade de localizar rapidamente vídeos alinhados a padrões pode ajudar professores a selecionar materiais complementares com mais precisão, algo relevante sobretudo quando escolas recorrem a recursos digitais em situações de interrupção (como desastres ou emergências sanitárias). Para redes e formuladores de política, métodos desse tipo podem apoiar diagnósticos sobre oferta e demanda de mídia educativa e orientar estratégias de curadoria e orientação às famílias.

SIM, MAS…: O estudo também explicita que o desempenho é sensível ao contexto: o modelo teve precisão menor quando saiu do conjunto curado (com vídeos buscados por palavras-chave e pré-selecionados) para um conjunto com formatos e intenções mais variados, o que sugere risco de “viés de seleção” e necessidade de treinar com dados mais representativos dos hábitos atuais. Além disso, a própria noção de “qualidade” é tratada com cautela: o codebook não pretende ser uma escala contínua, e os autores ressaltam que profundidade em um tópico pode ser mais educativa do que cobertura superficial de muitos. Há ainda o desafio ético de automatizar julgamentos sobre conteúdo e qualidade, incluindo transparência, vieses culturais/linguísticos e efeitos indiretos sobre criadores e práticas de recomendação,, especialmente se a tecnologia for incorporada a ferramentas que influenciam o que crianças assistem.

CONTEXTO E BASTIDORES: A motivação vem de uma tensão conhecida na educação infantil: evidências acumuladas indicam que mídia educativa de alta qualidade pode apoiar aprendizagem e até ter efeitos duradouros, mas o consumo migrou para plataformas com enorme volume de conteúdo e com presença relevante de vídeos não educativos. O artigo lembra que mais de 500 horas de conteúdo são enviadas ao YouTube por minuto, tornando impraticável a classificação manual na granularidade necessária para pesquisa e orientação às famílias. Também ecoa achados anteriores de que uma pequena fração do que crianças veem online tem alto valor educativo e que muitos pais relatam perceber pouco aprendizado de matemática via mídia.

O QUE VEM DEPOIS: Os autores apontam duas linhas de aplicação: (1) integrar a detecção automática em um recomendador para pais e educadores, com interface, testes de uso e atenção à “alfabetização em IA” necessária para interpretar sugestões,; e (2) habilitar pesquisas em escala sobre relações entre características das crianças, contextos de uso, tipos de conteúdo e resultados de aprendizagem, algo hoje limitado pela dificuldade de codificar muitos vídeos. Entre as próximas etapas, estão ampliar o APPROVE para outras áreas (como letramento e domínios socioemocionais), plataformas e faixas etárias, além de explorar recursos como detecção de personagens conhecidos e ferramentas generativas para sugerir conversas e atividades offline relacionadas aos vídeos.

Fonte: A machine learning model to detect early math content in YouTube videos