Um modelo centrado no estudante, para a reconstrução do sistema educacional humano

O que é um sistema inteligente de aprendizagem?

Um sistema inteligente de aprendizagem é um sistema educacional que coloca o estudante ou o aprendiz como centro, em vez do professor, do método de ensino ou do currículo. Qual é a diferença? O sistema de educação americano, tanto público como privado, colocou o método de ensino, o professor ou o currículo como centro dos seus sistemas nos últimos 200 anos. O resultado foi o rápido crescimento no número de crianças classificadas como incapazes de aprender, um perturbador número de crianças que tem aversão ao aprendizado e um incrível declínio na capacidade de ler e de escrever do estudante.

Os sistemas centrados no método são rígidos e inexoráveis, mantendo o método, o currículo e o estilo de ensino constante a qualquer custo, enquanto tentam forçar o estudante a mudar a sua maneira natural de aprender. Isso é como atirar uma panela de espaguete contra a parede, só comer o que grudar e atirar o resto no lixo. Os sistemas tradicionais de educação esperam que o aprendiz se adapte ao professor ou ao método, e aquele que não consegue é classificado negativamente. Não somente isso é ridículo, visto que todos os estudantes aprendem diferentemente, como também essa abordagem rígida destrói a autoestima da criança, a motivação, a confiança e o amor natural pelo aprendizado. Como devemos ser bons aprendizes para sobreviver nesta sociedade hi-tech sobrecarregada de informação, continuar a educar dessa maneira significa problema.

Deslocando a responsabilidade do estudante para o sistema

Um sistema inteligente de aprendizagem não tem que estigmatizar uma criança, rotulando-a como "incapaz de aprender", visto que não se espera que o aprendiz se sujeite a um método rígido e inalterável. Também não aceita a ideia da incapacidade de "aprender" já que a responsabilidade da transferência do conhecimento recai sobre o professor e o sistema, e não sobre o estudante. Como pode um ser humano racional esperar que o sistema que coloca a responsabilidade da transferência do conhecimento numa criança de seis anos de idade seja mais efetivo do que o sistema que põe a responsabilidade num educador que foi treinado toda a sua vida para educar?

O sistema inteligente de aprendizagem acolhe a visão do estudante/aprendiz no processo de transferência de conhecimento. Um sistema inteligente muda constantemente e se adapta ao perfil de processamento da informação do aprendiz. O sistema está num fluxo dinâmico constante e parece nunca ser exatamente o mesmo duas vezes. Suas adaptações são guiadas pelos princípios da função cerebral que são comuns a todos os seres humanos bem como no feedback dos aprendizes. Esses princípios resultam de muitos anos de pesquisas e desenvolvimento num campo conhecido como Neurociência da Educação, ou conhecido tecnicamente como Neuro Física Epistemológica Aplicada. Essa área é dedicada ao estudo do processo humano de informação e marca o primeiro esforço mundial para redesenhar os sistemas educacionais a partir dos princípios definidos pela Ciência do Cérebro.

O objetivo primário de um sistema inteligente de aprendizagem é:

• "Aprender" como você aprende

• Desenhar um mapa ou gabarito para orientar o fluxo de informações, e

• Auxiliar na construção e desenvolvimento dos veículos de entrega da informação que acondicionam a informação para que aprender seja divertido, fácil de recordar e usar, e melhorar a capacidade de aprender coisas semelhantes no futuro.

Cópia do projeto de aprendizagem

O cérebro de cada criança carrega dentro dele uma "cópia do projeto de aprendizagem", um NeuroPrint, capaz de guiar o professor através do processo de transferência de conhecimento. Um sistema inteligente de aprendizagem "lê" este NeuroPrint como um mapa e se redesenha espontaneamente para se ajustar às necessidades do aprendiz. O primeiro e mais importante princípio de um sistema inteligente é avaliar as tendências naturais do aprendiz, construir um perfil inicial do aprendizado, suspender todos os rótulos e classificações e usar todas as tendências naturais que a criança traz para o contexto educacional, para seu proveito.

Isso significa que cada criança já possui todos os recursos de que ela precisa para ser ensinada efetivamente, e é o sistema que deve se ajustar e se adaptar ao NeuroPrint individual do aprendiz, e não o contrário. Os sistemas tradicionais de educação consideram essas variações naturais na tendência do aprendizado como incapacidades funcionais do aprendizado em vez de recursos dos estudantes. Fazer isso é equivalente a ficar de pé debaixo das Cataratas do Niágara e tentar aproveitar e utilizar esse grande poder para forçar a água para cima com as próprias mãos. Sistemas inteligentes são sensíveis ao feedback e se estão consumindo esforço, é uma mensagem de que estão seguindo a abordagem errada, e precisam se reorganizar para se adaptarem mais corretamente às necessidades do aprendiz.

Fazendo funcionar os sistemas inteligentes de aprendizagem

Muitos exemplos disso podem ser encontrados no The Keys to Success Music Academy, onde nós usamos um sistema inteligente de aprendizagem chamado de SmartMusic para ensinar às crianças a disciplina simbólica mais complexa já criada pelo ser humano: a música. Sistemas inteligentes têm vida; são sistemas adaptáveis de transferência de conhecimento que "leem" e reagem ao feedback, e se ajustam continuamente as constantes mudanças das necessidades do aprendiz. Quando os estudantes aprendem, eles aprendem de modo diferente. O próprio processo do aprendizado muda a maneira que o estudante aprende. A capacidade funcional do estudante para processar a informação evolui continuamente quando ele desenvolve um novo caminho de aprendizagem feito pelos neurocircuitos funcionais dentro do seu cérebro. O projeto de aprendizagem de uma criança está num estado dinâmico de constante mudança e de reorganização, reformando sistematicamente seu mapa neural interno enquanto a informação flui através dele. As habilidades do processamento da informação mudam, o sistema se redesenha com o feedback do aprendiz. Resultado: uma melhora rápida e contínua da autoconfiança, autoestima, motivação, amplitude da atenção, concentração, disciplina, o desejo pelo conhecimento, menos esforço e pais felizes.

Sistemas inteligentes mantêm a visão do olho do cérebro no processo de transferência de conhecimento

Sistemas inteligentes de aprendizagem mantêm a visão ocular do cérebro no processo de transferência de conhecimento. Para ilustrar como o sistema inteligente "pensa", vamos dar uma olhada em como conduzimos algumas variações do aprendizado na nossa academia de música. Muitas crianças classificadas pelos sistemas tradicionais como tendo Transtorno do Déficit de Atenção com Hiperatividade, são percebidas por nós como super aprendizes, sem déficit de atenção sob qualquer condição. Quando o sistema inteligente explora os perfis de aprendizado ou o NeuroPrint delas, descobrimos que a atenção é facilmente obtida e mantida por extraordinários períodos de tempos contanto que a transferência de informação respeite a velocidade do processamento natural delas, a qual é muito mais rápida do que a desenvolvida pelos sistemas tradicionais de educação. Essas crianças aprendem os complexos símbolos da notação musical através de jogos que foram planejados levando em consideração o nível de atividade naturalmente preferido do aprendiz, a velocidade do processamento e o canal sensorial dominante de processamento.

Recentemente um pai desafiou a flexibilidade do sistema ao nos trazer o filho com um nível de energia tão elevado que ele preferia se atirar contra a pauta musical em vez de brincar de arremessar saquinhos cheios de feijão. (Como aqueles usados no jogo 5 Marias. N.T.) Perguntado o que nós faríamos se esse nível de atividade persistisse, respondemos dizendo a esse pai que iríamos desenhar num lençol uma pauta musical bem maior, colocar um colchão embaixo e deixar que seu filho se jogasse nele enquanto gritava a nota em que ele tinha aterrissado em cima, ouvindo, ao mesmo tempo, esta nota ser tocada no piano. O filho disse: "Legal, mal posso esperar pela próxima vez!" Isso não é melhor do que dizer que ele é "incapacitado para aprender" porque não presta atenção e que não aprende da maneira que nós queremos ensiná-lo. Isso não é melhor do que tentar controlar a atenção dele com drogas para manter seu comportamento e fazer seus pais se sentirem culpados por terem trazido ao mundo uma criança defeituosa?

Sensibilidade ao feedback e adaptabilidade

Outro exemplo da sensibilidade às condições do feedback que os sistemas inteligentes exibem vem do trabalho com crianças cegas. Professores tradicionais de música dizem aos estudantes e seus pais para nunca esperar que eles sejam capazes de "ler" ou "escrever" a música que eles mesmos compõem simplesmente porque não podem enxergar. Ao invés de limitar para sempre a experiência de uma criança cega com a música, um sistema inteligente usaria o que é dado pelo estudante e ajustado de acordo. Então se uma criança cega chega até nós, querendo ser capaz de ler e escrever música para que possa compor, e escrevê-la para os outros poderem ler e executar o trabalho dela, vamos simplesmente substituir o sistema visual pelo sensorial tátil da criança e criar um sistema de anotação musical que ela possa sentir. Isso é facilmente realizado começando com simples fichas de arquivo de 7 x 12 cm e um tubo de tinta que deixa relevo ao escrever. Com esse material pode-se desenhar um conjunto completo de cartões, neste caso cartões para "toque", e quando a criança cega toca cada símbolo ou nota, o professor pode demonstrá-la no piano. Desse modo o caminho para o processamento tátil-auditivo pode ser estabelecido para a leitura e a escrita da música, no lugar do tradicional caminho visual-auditivo normalmente desenvolvido para os "leitores com visão" que podem "ouvir" a música que eles veem e ler sem tocá-la. Os sistemas inteligentes não somente respondem aos problemas funcionais, mas também a problemas físicos, obstáculos orgânicos como a cegueira. Essas condições não são consideradas como incapacidades. Pelo contrário, são bifurcações no caminho que demandam novas decisões a serem tomadas pelo sistema.

Utilizando recursos naturais dos estudantes através dos grupos

Os sistemas inteligentes também fazem uso mais eficiente dos recursos dos estudantes ao agrupar crianças pelos perfis complementares de aprendizagem. Enquanto a educação tradicional agrupa os alunos por idade e inabilidade (grupos homogêneos), os sistemas inteligentes agrupam por necessidades e recursos dos estudantes. Agrupar por idade pretende tornar mais fácil a transferência do conhecimento devido aos níveis similares de desenvolvimento. Um olhar mais de perto demonstra que essa suposição não é verdadeira, pois coloca mais estresse tanto no professor como no aluno. A maioria dos pais e professores está consciente do fato de que meninos e meninas se desenvolvem cognitivamente em velocidades muito diferentes. Apenas esse fato torna o grupo por idade ineficiente e estressante tanto para o professor como para o aluno. Além disso, a exposição da criança a diferentes estímulos anteriores à entrada na escola cria uma tremenda disparidade na capacidade de aprendizagem entre crianças de uma sala de aula média com 30 alunos, mesmo que todas tenham a mesma idade. Agrupar crianças que supostamente tenham as mesmas incapacidades de aprendizado também prova ser ineficiente e estressante para o estudante e o professor. Como não há nenhum recurso complementar disponível, o professor precisa estar ao mesmo tempo em toda parte num esforço infrutífero para manter a atenção de cada estudante – impossível.

Um sistema inteligente de aprendizagem perfila as necessidades e as capacidades de cada estudante procurando aprendizes que se encaixam como peças de um quebra-cabeça. Os nossos conselheiros educacionais, o comitê de seleção, os professores, são todos treinados para fazer esse delicado processo através de entrevistas com os pais e os estudantes e de cuidadosa observação. Digamos que nós descobrimos um estudante de seis anos com necessidade de autoconfiança e que possua boas habilidades verbais e de audição e outro de nove anos que tem dificuldades com uma tarefa após ouvir as instruções só uma vez. Um sistema inteligente de aprendizagem iria otimizar os recursos deles formando um grupo temporário com os dois estudantes de maneira que o de seis anos fizesse bom uso das suas boas habilidades de linguagem, construindo a autoconfiança que ele precisa ao ensinar o de nove anos. Isso, por outro lado, iria retirar a pressão do professor de modo que tudo não teria que ser repetido duas vezes, o que diminui o ritmo da classe. Naturalmente que isso é um exemplo simplificado, mas imagine como a informação poderia ser transferida eficientemente se fossem feitos, simultaneamente, cerca de 10 a 15 desses grupos temporários. Otimizar os recursos dos estudantes e complementar as necessidades dos estudantes. Parece impossível? Esse é o procedimento padrão para um sistema inteligente, e os benefícios de longo prazo na otimização dos recursos dos estudantes são experimentados diariamente pelos estudantes no The Keys to Success. (The Keys to Success é um programa iniciado por Frank Gallagher para desenvolver habilidades básicas nos estudantes, e que começando na infância, irá assegurar atitudes bem-sucedidas por toda a vida. NT)

Aprendendo como aprender

Sistemas inteligentes de aprendizagem enfocam ensinar o estudante como aprender e se tornar um aprendiz mais flexível, não no que aprender. Uma vez que o cérebro humano pode processar a informação de quatro maneiras, é importante desenvolver igualmente bem todas as quatro. O nosso cérebro pode:

• codificar (armazenar) a informação,

• decodificar (ativar e recuperar) a informação,

• criar (ativar e reagrupar) a informação e

• transmitir (ativar e transferir) a informação de cérebro para cérebro bem como para partes diferentes do próprio cérebro.

Os sistemas tradicionais de educação desenvolvem somente as duas primeiras funções do processamento da informação, armazenar e recuperar, em praticamente todas as matérias desde a soletração até a aritmética. Os sistemas inteligentes desenvolvem as quatro habilidades de processamento da informação, pois ensinam as crianças como armazenar, recuperar, criar e transmitir todos os tipos de informação simbólica desde a notação musical até a matemática.

Cérebros humanos e sistemas inteligentes de aprendizagem são desenhados ciberneticamente

Os sistemas inteligentes de aprendizagem "aprendem" sobre como você aprende e também sabem como os cérebros são organizados. O cérebro humano é um sistema cibernético com de reconhecimento de padrões; e para aprender e ser capaz de usar alguma coisa nova deve ser dado ao cérebro uma imagem neural chamada de condição de referência. Isso é como uma "imagem" sensorial interna que diz ao cérebro como algo deveria parecer, soar, sentir, cheirar, qual o seu gosto, quando está "correta" ou quando o processo está "completo". Esse padrão interno atua como um "sinal de trânsito" para o comportamento, dizendo quando começar e quando parar. Isso é verdadeiro para os dois, o comportamento externo e o processamento interno da informação. Se a condição de referência não estiver corretamente estabelecida ou nem estiver estabelecida, o cérebro não aprende ou aprende muito bem a coisa errada.

Na primeira vez em que você tentou agarrar o seu copo de leite, você provavelmente exagerou e derramou todo o leite. Como o sistema neuromotor é bem desenvolvido, se isso aconteceu mais do que uma vez, temos um de dois problemas. Ou a sua pele nunca recebeu uma imagem clara (condição de referência) de quando é hora de parar o movimento do seu braço para frente em direção ao copo e começar a contrair os seus dedos em torno do copo. A outra possibilidade é que a sua mãe disse para não derramar o leite, e o seu sistema visual construiu uma imagem interna de como seria quando você derramasse o leite; e aí, a partir deste mapa, o seu cérebro guiou corretamente o seu braço e a mão para completar o processo. Se você mantiver esta imagem como condição de referência, o seu cérebro vai dizer para o seu braço continuar para frente até seus olhos enxergarem um evento externo que combina com a imagem interna (condição de referência); nesse caso, o leite derramado. Por isso um comportamento ou um processo interno se interrompe quando os seus órgãos sensoriais interpretam o padrão de um evento externo que combina exatamente com a condição de referência interna. Um evento externo que é transformado em código de pulsação pelos neurônios (células cerebrais) é chamado de condição perceptiva. Nós podemos expressar esse princípio de outra maneira dizendo que quando o seu cérebro detecta uma diferença entre a condição de referência e a condição perceptiva se inicia um comportamento. O propósito do comportamento é reduzir a diferença entre as duas condições. Quando a condição perceptiva combina exatamente com a condição de referência, o comportamento para. Então, se uma condição de referência não foi estabelecida de algum modo, é como dirigir o seu carro sem freios numa ladeira íngreme; você só para depois de atingir alguma coisa com bastante força. O termostato em sua casa foi planejado a partir desse princípio. Ele controla quando o seu ar condicionado liga ou desliga para manter a temperatura que você prefixou como condição de referência. Quando ele sente uma diferença significativa entre a temperatura da casa e a temperatura ideal que você prefixou, ele liga. Quando as duas temperaturas se igualam, ele desliga. Agora, com esse princípio na mente, nós podemos explicar como os sistemas inteligentes de aprendizagem parecem ser capazes de fazer desaparecer problemas de aprendizado bastante desconcertantes.

Solucionando o grande dilema da soletração e da leitura

Uma rápida olhada no dicionário irá convencê-lo que a língua inglesa possui um grande número de palavras que não podem ser soletradas foneticamente (pronunciadas lentamente e soletrando cada sílaba separadamente, como crianças aprendendo a ler). Também se produziu um número igualmente incômodo de regras para resolver a soletração. Por causa do fracasso de tantos sistemas diferentes para treinar bons soletradores, o dicionário inglês agora contém um número surpreendente de entradas com múltiplas soletrações "corretas" para algumas das palavras mais comumente mal soletradas. Se você é uma criança que hoje está assistindo aula em inglês, de uma coisa você pode ter certeza: se você não consegue pronunciar lentamente uma palavra, você vai encontrá-la num teste de soletração.

Os problemas com a leitura correm desenfreados nas nossas escolas hoje em dia. A razão é simples: quando aprendemos como ler, uma das condições de referência que o nosso cérebro usa para determinar o tempo do comportamento do movimento dos olhos é a soletração de uma palavra. Se a palavra na página (condição perceptiva) combina exatamente com uma imagem visual armazenada previamente (condição de referência), a fixação do olho para, a palavra é igualada a um som e o cérebro começa a busca pelo significado da palavra, e os olhos são guiados para a próxima palavra. Se não combinar, a busca inicial continua sem parar enquanto a criança frustrada encara vagamente a página, tendo vontade é de estar assistindo TV.

Aqui está como um sistema inteligente de aprendizado faz os problemas de soletração e leitura desaparecerem ao mesmo tempo. Primeiro: cada palavra não reconhecida imediatamente ou dada em preparação para um teste de soletração, é escrita numa ficha de arquivo branca de 7 x 12 cm com tinta preta, uma palavra corretamente soletrada por ficha. Por que preto e branco? Porque isso agiliza o tempo de reconhecimento. Codificação por cores diferentes toma tempo, e a maioria das coisas que pedimos para as crianças lerem inicialmente na escola (livros, jornais, testes) são em branco e preto. Tudo conta quando vamos estabelecer uma condição de referência para o cérebro.

Depois, ficha por ficha, deixe a criança ver a palavra soletrada corretamente enquanto você diz a palavra, pronunciando-a corretamente. Então peça para a criança, fechar os olhos e "ver" a palavra no olho da mente, escrita com marcador preto num quadro branco enquanto escuta simultaneamente o som da palavra no ouvido da mente dela. Tenha certeza de que ela pode ver a palavra de um modo tão distinto que pode soletrá-la de trás para frente com os olhos fechados. Uma vez que ela tenha feito isso, a condição de referência para esta palavra foi estabelecida no sistema visual bem como no sistema auditivo dela. Um refinamento no final pode diminuir o tempo de processamento dramaticamente. A ficha, que a criança vai ler, deve ser mantida no ar, a aproximadamente cinquenta centímetros, na frente dela, levemente acima do nível dos olhos e a sua direita, se ela for destra. Para crianças canhotas, você deve segurar o cartão à esquerda delas. Isso é feito porque os padrões de informação interpretados pelo campo visual direito são codificados no hemisfério esquerdo. Para a maioria das pessoas que escrevem com a mão direita, os símbolos linguísticos também são processados no hemisfério esquerdo. O oposto é verdadeiro para a maioria das crianças canhotas. Essa pequena adaptação feita pelo sistema inteligente de aprendizagem acondiciona a informação de modo muito eficiente. O consumo de energia e o tempo de viagem do impulso do nervo são muito reduzidos. As crianças podem se concentrar por mais tempo e ativar mais ligeiro o padrão das palavras, resultando em maior velocidade de leitura e de compreensão. Lembre-se: no cérebro humano tudo conta.

No início, esse processo pode tomar um ou dois minutos por palavra, mas o cérebro aprende como aprender mais ligeiro, e uma vez que um novo caminho neural for estabelecido, uma criança pode codificar de 5 a 10 palavras por minuto dessa maneira. Note que a soletração correta da palavra é armazenada no sistema visual dela e a correta pronúncia da palavra é armazenada no sistema auditivo dela. Incidentalmente, alguns dos melhores revisores de prova que eu conheço, foram treinados dessa maneira. Um dos erros mais comuns feitos no ensino da soletração para crianças é o estabelecimento da condição de referência no sistema sensorial errado. Isso acontece quando as crianças são ensinadas a lembrar a soletração de uma palavra dizendo cada letra em voz alta. Isso é muito confuso, visto que a língua inglesa tem muitas palavras que não podem ser pronunciadas lentamente. Mas o grande problema vem quando elas tentam ler. Enquanto os olhos delas se fixam na palavra do livro, elas têm que procurar por uma combinação no sistema auditivo delas. Assim cada vez que elas olham para uma palavra na sentença, elas precisam ouvir elas mesmas soletrando-a no ouvido da mente antes que possam começar a busca pelo significado e mover os seus olhos para a próxima palavra. Isso torna a leitura m.u.i.t.o d.e.v.a.g.a.r e penosa. Naturalmente que esse método funcionaria muito bem se os livros pudessem falar e soletrar em voz alta as palavras que os seus olhos acabaram de se fixar. Infelizmente, os livros ainda não fazem isso.

Sistemas Inteligentes de Aprendizagem e a Matemática

A maioria das crianças começa se saindo muito bem em matemática. O mais devastador declínio na competência parece começar quando a criança tenta resolver a conversão de problemas de palavras em problemas simbólicos. Isso ocorre comumente com a álgebra. Embora existam muitos fatores que contribuam para esse declínio na competência, um dos mais devastadores ocorre completamente despercebido: a criança nunca aprendeu como ler! Verdade, se você pedir para elas lerem alguma coisa no livro, elas podem conseguir e até podem ler perfeitamente diversas linhas do texto para você. Entretanto essa não é a definição de leitura necessária para converter as palavras do problema em problemas simbólicos. Ao contrário, essa é a definição para pronúncia! As crianças estão traduzindo os padrões visuais das palavras do seu livro para padrões motores pronunciados nitidamente pela boca delas. Peça para elas explicarem a você o que elas acabaram de ler, e elas vão ficar com um olhar vago. Essas crianças nunca foram treinadas para traduzir a visão das palavras da página no "filme" interno que essas palavras representam.

O descuido mais devastador ocorreu no treinamento inicial de matemática. Todo o treinamento matemático que ocorre depois que mandamos as crianças aprenderem as tabelas de multiplicação supõe facilidade com o processamento dessas relações matemáticas. Velocidade e exatidão são as chaves para uma boa nota. Contudo a fundação mais importante de todos os ramos da matemática é treinada com uma condição de referência incorreta. A maioria desses "aprendizes vagarosos" foi treinada no início para recordar auditivamente e na ordem as tabelas de multiplicação. Isso acontece mais ou menos assim: "Certo classe, repitam depois de mim, 9x1=9, 9x2=18, 9x3=27..." Você já não viu um trabalhador de escritório colocar em ordem alfabética um arquivo de pastas de clientes cantando para ele mesmo a música do ABC repetidas vezes... É a mesma coisa. Você pode estar correto, mas nunca irá terminar o teste.

A solução para esse problema é semelhante ao dilema da soletração. O seu cérebro deve ter um acesso eficiente às suas tabelas de multiplicação tão rapidamente quanto possível, e em qualquer ordem. Para isso, elas devem estar codificadas no sistema visual, que é centenas de vezes mais rápido do que o sistema auditivo para essa operação.

Para fazer isso, você começa com as mesmas fichas de arquivo brancas e um marcador preto. Depois, cada problema de multiplicação deve ter uma condição de referência codificada contendo todos os elementos que o seu cérebro precisa pesquisar para solucionar o problema mais tarde. Aqui temos uma amostra da ficha:

9

X4

36

Cada ficha deve ser codificada visualmente, usando exatamente o mesmo método que nós usamos para estabelecer as condições de referências para a soletração das palavras. Uma para cada problema da tabela de multiplicação. Assim que a condição de referência é estabelecida, você faz cartões contendo as informações para testar a memória: três (3) para cada problema. O problema acima teria três cartões de teste: 9x4=?, 9x?=36 e ?x4=36, eliminando sistematicamente apenas um elemento de cada vez. A condição de referência torna possível solucionar todos os três problemas de multiplicação. O sistema visual do seu cérebro preenche automaticamente o elemento que falta, com a velocidade da luz. Tenha certeza que cada tabela de multiplicação é representada, misture muitas vezes os cartões teste, pois deste modo a memória é independente da ordem e sequência, e mostre os cartões tão rápido quanto você possa obter a resposta. Aumente a velocidade em cada nova rodada. Essas são algumas das infinitas aplicações que podem ser geradas por um sistema inteligente de aprendizagem. Lembre-se que são apenas aplicações geradas pelo sistema, não o sistema em si. Removidas do sistema que guiam a sua adaptação às novas situações, elas se tornam tão estáticas como qualquer outro sistema anterior.

Um sistema inteligente de aprendizagem é centrado no estudante/aprendiz, mantendo o aprendiz como constante, e variando o método da transferência do conhecimento até que exista uma combinação entre o método e o aprendiz. Ao invés de propor uma nova teoria ou revelar um novo fato, muitas vezes a contribuição mais importante que um cientista pode fazer é descobrir uma maneira nova de enxergar velhas teorias ou fatos. Sistemas inteligentes são uma nova maneira de enxergar o processo da transferência do conhecimento que nós chamamos de educação, a visão do olho do cérebro no processamento da informação que está revolucionando o campo da educação. À medida que os rígidos, os sistemas tradicionais de educação forem substituídos por sistemas inteligentes mais flexíveis que "pensam" e se adaptam às circunstâncias inconstantes, poderemos abolir os rótulos destrutivos, classificações e culpas, enquanto aguardamos com interesse por um padrão sempre crescente da competência ao invés do atual em declínio. O sistema inteligente de aprendizagem é a resposta aguardada há muito tempo para a nossa atual crise educacional.

Mark Evan Furman é palestrante, autor e cientista internacionalmente respeitado. É certificado pela The Society of NLP como Practitioner e membro de diversas associações americanas. É também afiliado do International Society of Peace, Conflict & Violence, da Associação Americana de Psicologia, Washington, D.C..

Artigo publicado na revista Anchor Point (dezembro 1998) sob o título de "Intelligent Learning Systems: A Student-Centered Model"

Tradução JVF, direitos da tradução reservados.