Buffer

artigo
Aprender-com-Big-Data no Ensino de Ciências

artigo 'Aprender-com-Big-Data no Ensino de Ciências'. Renato P. dos SantosAprender-com-Big-Data no Ensino de Ciências. dos SANTOS, Renato P.; LEMES, Isadora Luiz Acta Scientiae, v. 16, n. 4, pp. , 2014.

Resumo

Vivemos num universo digital que se estima conter hoje cerca de 5 zettabytes (aproximadamente 5×1021) de dados. Essa enorme quantidade de dados, processada em computadores extremamente velozes, com técnicas otimizadas, permite encontrar insights em novos e emergentes tipos de dados e conteúdos para responder a perguntas que foram anteriormente consideradas fora de nosso alcance. Essa é a ideia de Big Data. Os objetivos deste projeto, de caráter construcionista, são investigar como se desenvolve o processo de ensino e aprendizagem de Ciências Exatas, quando mediado pelo computador e por softwares aplicativos públicos e gratuitos de Big Data, tais como o Google Correlate e o Google Trends, desenvolver estratégias de ensino que tirem o melhor proveito dessas ferramentas para o ensino e aprendizagem de Ciências Exatas e, com isso, concluir sobre a viabilidade do uso Big Data como mediador no Ensino de Ciências Exatas, visando uma preparação de nossos estudantes, tanto para os desafios científicos propostos pelo Big Data ao mundo real quanto sobre uma melhor compreensão das noções de fenômeno, observação, medida, leis físicas, teoria e causalidade, dentre outras. O objetivo deste trabalho é investigar a viabilidade dessa proposta através da primeira aplicação da utilização de Big Data no Ensino de Ciências. Em termos metodológicos, a aplicação foi desenvolvida dentro da disciplina História e Epistemologia da Física, do curso de Licenciatura em Física da Ulbra, da qual o pesquisador é titular, realizada durante o primeiro semestre letivo de 2014, contando este semestre com 7 alunos de diversos períodos do curso. Os estudantes foram solicitados a pesquisar correlações de termos de busca relativos ao Ensino de Física na Google Correlate, à sua livre escolha. Obtidos os termos de busca que melhor se correlacionam com aqueles, os estudantes aprofundaram suas pesquisas sobre essas correlações em várias outras fontes, buscando possíveis explicações científicas (causações) para elas. Como atividade final de avaliação parcial da disciplina, os resultados de suas pesquisas foram apresentados e discutidos em forma de seminários à turma. Ao final do semestre, foi aplicado um questionário focando sobre contribuições das atividades de Big Data realizadas para seu aprendizado e foram feitas entrevistas estruturadas com os participantes sobre sua percepção da atividade em geral. Esta aplicação, por um lado mostrou que a proposta parece ser viável: no geral, os alunos apreciaram as atividades com as ferramentas e demonstraram compreender a distinção entre correlação e causação. Por outro, no entanto, evidenciou a necessidade de seu aperfeiçoamento em vários aspectos que incluem, principalmente, facilitar a apropriação das ferramentas pelos alunos, desenvolver estratégias para contornar dificuldade dos alunos em encontrar termos que tem relação causal e que, por isso, não apresentam o frequente padrão “temas escolares” em seus gráficos e facilitar a conexão da atividade com o processo de construção do conhecimento físico.

downloadAdobe file (.pdf)

Referências

  • ARNTZENIUS, F. Reichenbach’s Common Cause Principle. In: E. N. ZALTA (Ed.). The Stanford Encyclopedia of Philosophy. Stanford, CA: Stanford University, 2010.
  • BARAM-TSABARI, A.; SEGEV, E. Just Google it! Exploring New Web-based Tools for Identifying Public Interest in Science and Pseudoscience. In: Y. Eshet-Alkalai; A. Caspi; S. Eden; N. Geri; Y. Yair (Eds.); CHAIS CONFERENCE ON INSTRUCTIONAL TECHNOLOGIES RESEARCH 2009: LEARNING IN THE TECHNOLOGICAL ERA. Proceedings.... Raanana: The Open University of Israel, 2009a. p.20-28.
  • BARAM-TSABARI, A.; SEGEV, E. Exploring new web-based tools to identify public interest in science. Public Understanding of Science, v. 20, n. 1, p. 130-143, 2009b.
  • BARAM-TSABARI, A.; SEGEV, E. The half-life of a “teachable moment”: The case of Nobel laureates. Public understanding of science, p. 83-89, 2013.
  • BARAM-TSABARI, A. e SEGEV, E. The half-life of a “teachable moment”: The case of Nobel laureates. Public Understanding of Science, p. 83-89, 2013.
  • BÜLBÜL, M. S. Google Centered Search Method in Pursuit of Trends and Definitions in Physics and Education. fizkli. Disponível em: <http://www.fizikli.com/piwi/fizikli6.pdf>. Acesso em: 7/2/2014.
  • CHALMERS, D. J. Strong and weak emergence. In: CLAYTON, P.; DAVIES, P. (Eds.). The reemergence of emergence. New York: Oxford University Press, 2006. p. 244-256.
  • DOS SANTOS, R. P. Aprender Física, Biologia, Química e Matemática com Big Data. Educação Matemática em Revista - RS, v. 2, n. 15, 2014a.
  • Dos SANTOS, R. P. Big Data as a Mediator in Science Teaching: A Proposal. JETERAPS - Journal of Emerging Trends in Educational Research and Policy Studies, v. 5, n. 2, 2014b.
  • FIELD, H. Causation in a Physical World. In: M. J. Loux & D. W. Zimmerman (Eds.). Oxford Handbook of Metaphysics. Oxford: Oxford University Press, 2003.
  • GANTZ, J.; REINSEL, D. The Digital Universe in 2020: Big Data, Bigger Digital Shadows, and Biggest Growth in the Far East. Framingham, MA, 2012.
  • HEALY, L. e KYNIGOS, C. Charting the microworld territory over time: design and construction in mathematics education. ZDM Mathematics Education, v. 42, n. 1, p. 63-76, 2009.
  • HOFER, B. K. e PINTRICH, P. R. The Development of Epistemological Theories: Beliefs About Knowledge and Knowing and Their Relation to Learning. Review of Educational Research, v. 67, n. 1, p. 88-140, 1997.
  • IBM. What is big data? 2011. Disponível em: <http://www-01.ibm.com/software/data/bigdata/>. Acesso em: 10/5/2013.
  • KYNIGOS, C. Constructionism: Theory of Learning or Theory of Design? In: 12TH ICME - INTERNATIONAL CONGRESS ON MATHEMATICAL EDUCATION, JULY 8TH-15TH, 2012, SEOUL, KOREA. Proceedings... Cheongju: Korea National Univ. of Education, 2012. Disponível em: . Acesso em: 25 jul. 2012.
  • MARGARYAN, A. M.;; LITTLEJOHN, A. e VOJT, G. Are digital natives a myth or reality? University students’ use of digital technologies. Computers & Education, v. 56, n. 2, p. 429-440, 2011.
  • MOHEBBI, M.; VANDERKAM, D.; KODYSH, J. et al. Google Correlate Whitepaper. 2011. Disponível em: <http://www.google.com/trends/correlate/whitepaper.pdf>. Acesso em: 10/5/2013.
  • NOVAK, J. D. e GOWIN, D. B. Learning how to Learn. Cambridge, MA: Cambridge University Press, 1984.
  • PAPERT, S. A. Logo: Computadores e Educação. São Paulo: Brasiliense, 1985.
  • PAPERT, S. A. The Children’s Machine: Bringing the Computer Revolution to Our Schools. New York: Basic Books, 1993.
  • PAPERT, S. A. Papert on Piaget. TIME, special issue: “The Century’s Greatest Minds”, p. 105, 1999.
  • ROBILOTTA, M. R. O cinza, o branco e o preto da relevância da história da ciência no ensino da física. Caderno Brasileiro de Ensino de Física, v. 5, n. 5, p. 7–22, 1988.
  • ROSA, M. A Construção de Identidades online por meio do Role Playing Game: relações com o ensino e aprendizagem de matemática em um curso à distância. Tese (Doutorado em Educação Matemática) - Universidade Estadual Paulista, Rio Claro, SP, 2008.
  • SEGEV, E.; BARAM-TSABARI, A. Seeking science information online: Data mining Google to better understand the roles of the media and the education system. Public Understanding of Science, v. 21, n. 7, p. 813-829, 2012.
  • YIN, C.; SUNG, H.-Y.; HWANG, G.-J.; et al. Learning by Searching: A Learning Environment that Provides Searching and Analysis Facilities for Supporting Trend Analysis Activities. Journal of Educational Technology & Society, v. 16, n. 3, p. 286-300, 2013.

Voltar a Artigos Científicos.

Citar esta página:
dos SANTOS, Renato P. . In Física Interessante. 17 Jul. 2021. Disponível em: <>. Acesso em: .

Voltar ao começo desta página

Voltar à página principal de Física Interessante

e-books Grátis


View Renato P. dos Santos's profile on LinkedIn

Renato P. dos Santos