Programa de Pesquisa
Formula problemas, perguntas, hipóteses, métodos e agenda científica.
Posição no programa
Primeiro concept paper do Programa de Pesquisa LAC
Função deste documento: formular uma linha exploratória de investigação sobre o modelo conceitual LAC como artefato sociotécnico assistido por IA e examinar sua aproximação conceitual com Learning Analytics & Knowledge. Este documento não é o programa inteiro nem um manual do LAC; é uma produção científica inicial do programa.
Modelo conceitual LAC
Organiza linguagem, jornadas, arquitetura, artefatos e evolução do conhecimento.
Laboratório vivo
O meulivro.info implementa e experimenta o modelo em situações reais.
Evidências
Uso, feedback, versões, estudos de caso, resultados, limites e novas perguntas.
Breadcrumb semântico: LAC → Programa de Pesquisa → Produção científica → Concept Papers → LAC e Learning Analytics.
Resumo acadêmico
Resumo
Este trabalho apresenta o LAC — Livro Ajustável de Conhecimento como um artefato de conhecimento assistido por IA, concebido para transformar demandas cognitivas em objetos estruturados de aprendizagem, compreensão e ação.
O projeto parte da constatação de que usuários, leitores, aprendizes e profissionais frequentemente encontram dificuldade para entrar, navegar e se apropriar de corpos complexos de conhecimento. Em vez de tratar o livro, o site ou o repositório como estruturas fixas de informação, o LAC propõe um ambiente ajustável, no qual perguntas, dúvidas, necessidades e contextos de uso são interpretados como entradas cognitivas que ativam jornadas de conhecimento e são convertidas em artefatos, tais como páginas explicativas, infogramas, mapas conceituais, vocabulários, trilhas de aprendizagem, diagramas, modelos e ferramentas práticas.
O LAC fundamenta-se em pensamento sistêmico, engenharia do conhecimento, arquitetura da informação, ciência cognitiva, design de aprendizagem, visualização da informação e IA generativa. Seu ciclo central pode ser descrito como a passagem de realidade, experiência, observação, reflexão e modelagem para conhecimento, artefato, aplicação e nova realidade.
Embora o LAC tenha sido desenvolvido de forma independente do campo internacional de Learning Analytics & Knowledge, existe uma afinidade conceitual relevante entre ambos. Enquanto Learning Analytics enfatiza a análise de dados de aprendizagem para compreender e melhorar processos educacionais, o LAC enfatiza a transformação de perguntas e demandas situadas em jornadas que produzem artefatos de conhecimento utilizáveis.
Palavras-chave: Livro Ajustável de Conhecimento; IA generativa; engenharia do conhecimento; learning analytics; artefatos de conhecimento; arquitetura da informação; aprendizagem.
Visualização sintética
Infograma do concept paper
Formulação acadêmica
Problema de pesquisa
Ambientes contemporâneos de conhecimento — como livros digitais, sites, repositórios, cursos, bases documentais e plataformas educacionais — frequentemente organizam conteúdos de forma relativamente estática, segundo categorias previamente definidas pelo autor, pela instituição ou pelo sistema.
Embora essa organização seja útil para armazenar e disponibilizar informação, ela nem sempre responde à dificuldade concreta do usuário: compreender por onde entrar, como navegar, como relacionar conceitos, como transformar informação em conhecimento e como aplicar esse conhecimento em uma situação prática.
Como projetar um sistema de conhecimento assistido por IA que transforme demandas cognitivas situadas em artefatos estruturados de aprendizagem, compreensão e ação?
Questão orientadora
Questão de pesquisa
A questão central do estudo é:
Como o LAC pode ser concebido, estruturado e avaliado como modelo conceitual e artefato sociotécnico assistido por IA para transformar demandas cognitivas em jornadas e artefatos de conhecimento ajustáveis?
Identificação
Como distinguir uma pergunta informacional de uma demanda cognitiva de compreensão, aprendizagem, decisão ou ação?
Transformação
Como converter uma demanda em página, infograma, mapa, vocabulário, trilha, modelo ou ferramenta?
Avaliação
Como verificar se o artefato produzido melhorou compreensão, navegação, aprendizagem ou ação?
Intenção do estudo
Objetivos
Objetivo geral
Propor e analisar o LAC como modelo conceitual e artefato sociotécnico assistido por IA capaz de transformar demandas cognitivas em artefatos estruturados, ajustáveis e avaliáveis de aprendizagem, compreensão e ação.
Objetivos específicos
- Definir a demanda cognitiva como entrada e a jornada como unidade organizadora do percurso de conhecimento.
- Descrever o ciclo de transformação do LAC.
- Identificar tipos de artefatos de conhecimento.
- Explicitar o papel da IA generativa.
- Relacionar o LAC a Learning Analytics & Knowledge.
- Propor um desenho inicial de avaliação.
Caminho de investigação
Método: Design Science Research
O trabalho adota uma abordagem inspirada em Design Science Research, adequada à investigação de artefatos sociotécnicos projetados para resolver problemas práticos e produzir conhecimento científico ou projetual.
1. Identificação do problema→
2. Formulação da demanda→
3. Organização da jornada→
4. Modelagem do conhecimento→
5. Produção do artefato→
6. Avaliação e evolução
Demanda como entrada
A dúvida, dificuldade ou necessidade do usuário é reinterpretada como problema de conhecimento. A demanda ativa uma jornada, que organiza investigação, modelagem, representação, uso e evolução.
Artefato como resposta
A resposta não é apenas textual. Ela pode ser materializada em página, infograma, mapa, grafo, vocabulário, trilha, dashboard, ferramenta prática ou estudo de caso.
Correspondência com Design Science Research
| Elemento DSR | No Programa de Pesquisa LAC |
|---|---|
| Problema relevante | Dificuldade de transformar demandas cognitivas em conhecimento compreensível e utilizável. |
| Artefato investigado | Modelo conceitual LAC e seus componentes: linguagem, jornadas, knowgramas, páginas e métodos. |
| Ambiente | Portal meulivro.info, tratado como laboratório vivo. |
| Construção | Páginas SPA, knowgramas, modelos, vocabulários, jornadas e protótipos. |
| Avaliação | Uso, feedback, compreensão, comparação entre versões, rastreabilidade e evolução. |
| Comunicação | Concept papers, artigos, relatórios, livro físico e apresentações. |
Objeto da pesquisa
Modelo conceitual e artefato sociotécnico investigado: LAC
O objeto investigado é o LAC — Livro Ajustável de Conhecimento, compreendido simultaneamente como modelo conceitual, linguagem, arquitetura e artefato sociotécnico de conhecimento assistido por IA. Sua implementação experimental ocorre no portal meulivro.info.
Ajustabilidade
O LAC se ajusta à demanda, ao usuário, ao domínio, ao tipo de artefato e ao nível de profundidade cognitiva necessário.
Organização por jornada
A demanda cognitiva funciona como entrada; a jornada organiza o percurso de investigação, representação, uso e evolução do conhecimento.
Materialização em artefatos
O conhecimento é transformado em objetos comunicáveis, navegáveis e utilizáveis.
Evolução contínua
Cada artefato pode ser revisto, ampliado, conectado, substituído ou reposicionado.
Dinâmica cognitiva
Ciclo de transformação
O LAC organiza o conhecimento como uma passagem da experiência para o artefato e do artefato para uma nova realidade.
Realidade→
Experiência→
Observação→
Reflexão→
Hipótese→
Jornada→
Modelagem→
Conhecimento→
Artefato→
Aplicação→
Nova Realidade
Diálogo externo
Relação com Learning Analytics & Knowledge
O acrônimo LAC também é utilizado internacionalmente no campo de Learning Analytics & Knowledge. Nesta página, LAC significa Livro Ajustável de Conhecimento. O uso é distinto, mas existe afinidade conceitual com aprendizagem, conhecimento, dados, IA, análise e melhoria contínua.
Nota de desambiguação: o LAC deste projeto não se refere à conferência internacional Learning Analytics & Knowledge, associada à SoLAR. A aproximação proposta aqui é conceitual e acadêmica, não institucional.
| Dimensão | Learning Analytics & Knowledge | Livro Ajustável de Conhecimento |
|---|---|---|
| Foco inicial | Dados e rastros de aprendizagem | Demandas cognitivas situadas |
| Unidade de análise | Interações, indicadores, desempenho, navegação | Perguntas, demandas, jornadas e artefatos |
| Objetivo | Compreender e melhorar processos educacionais | Produzir e ajustar artefatos de conhecimento |
| Resultado típico | Indicadores, dashboards, intervenções | Páginas, infogramas, mapas, trilhas, modelos |
| Ciclo de melhoria | Dados → análise → intervenção | Demanda → jornada → artefato → uso → feedback → evolução |
Evidências e aprendizagem
Desenho de avaliação
A avaliação do LAC deve considerar tanto o processo de transformação da demanda quanto o efeito do artefato produzido. Propõe-se um desenho inicial em quatro níveis.
1. Avaliação da demanda
A demanda foi compreendida, contextualizada e transformada em problema de conhecimento?
2. Avaliação do artefato
O artefato produzido responde à demanda cognitiva que o originou?
3. Experiência do usuário
O usuário compreendeu melhor, navegou melhor ou agiu melhor após interagir com o artefato?
4. Avaliação evolutiva
O uso do artefato gerou evidências para melhorar o próprio LAC?
Indicadores possíveis
| Tipo | Indicadores |
|---|---|
| Qualitativos | Comentários, entrevistas curtas, dúvidas antes/depois, percepção de clareza, relatos de utilidade. |
| Quantitativos | Acessos, tempo de permanência, cliques, revisões, novas demandas, retorno ao artefato. |
| Aprendizagem | Explicar com as próprias palavras, formular perguntas melhores, aplicar o conhecimento em uma situação concreta. |
Base exploratória
Casos iniciais para avaliação
| Caso | Demanda cognitiva | Artefato LAC | Evidência possível |
|---|---|---|---|
| Entrada pública do LAC | Visitante não sabe o que é o LAC nem por onde começar. | Página de entrada, exemplos, aviso sobre limites atuais. | Clareza do propósito e identificação de caminho inicial. |
| Companheiro de leitura de Grande Sertão: Veredas | Apoiar a leitura de uma obra literária complexa. | Infograma e página de companheiro de leitura. | Mediação interpretativa e contextualização da leitura. |
| SIGMA como memória profissional estruturada | Recuperar e comunicar uma experiência profissional antiga. | Infograma e página explicativa. | Memória transformada em conhecimento comunicável. |
| Apoio à gestão de pequeno negócio | Apoiar decisões sobre custo, preço, margem e vendas. | Calculadoras, dashboards, fichas e páginas explicativas. | Uso prático para decisão e ação. |
| Como aprender a aprender | Ajudar o usuário a compreender seu próprio processo de aprendizagem. | Página, infograma, glossário e orientações. | Estratégias de aprendizagem identificadas pelo usuário. |
Base empírica do programa
Evidências existentes e evidências ainda necessárias
A distinção abaixo evita tratar intenções de avaliação como resultados já obtidos.
Evidências exploratórias
- Implementações e protótipos publicados no meulivro.info.
- Knowgramas, páginas SPA, jornadas, vocabulários e modelos.
- Histórico de versões, decisões e revisões do LAC.
- Casos reais e feedbacks qualitativos de visitantes.
- Aplicações em aprendizagem, literatura, gestão e memória profissional.
Evidências sistemáticas
- Protocolos de entrevista e observação.
- Comparação controlada entre versões de artefatos.
- Métricas de navegação e compreensão antes/depois.
- Avaliação com usuários externos e perfis variados.
- Critérios replicáveis de validade, utilidade e evolução.
Valor do estudo
Contribuições esperadas
Conceitual
Propõe o Livro Ajustável de Conhecimento como ambiente vivo, evolutivo e orientado por demandas.
Metodológica
Formaliza o ciclo demanda → interpretação → modelagem → artefato → aplicação → feedback → evolução.
Tecnológica
Mostra como a IA generativa pode apoiar modelagem e produção de artefatos sem substituir a validação humana.
Educacional
Propõe uma forma de apoiar aprendizagem por artefatos ajustados à necessidade concreta do usuário.
Learning Analytics
Sugere analisar rastros de uso, revisão e evolução dos próprios artefatos de conhecimento.
Engenharia do conhecimento
Converte demandas, experiências e casos em estruturas explícitas e reutilizáveis.
Continuidade científica
Relação com o legado do mestrado
Este concept paper integra uma trajetória iniciada no mestrado de 1977, dedicado à comunicação e documentação de sistemas por meio de tabelas de decisão. A continuidade está na busca por representações explícitas, verificáveis e utilizáveis, capazes de apoiar comunicação entre pessoas e sistemas.
Delimitação histórica: o LAC não estava integralmente formulado no mestrado. A relação é de continuidade temática e evolução científica: da representação da lógica de decisão para a representação da formação, uso e evolução do conhecimento.
Estado atual
Limitações e trabalhos futuros
O modelo conceitual LAC e o Programa de Pesquisa LAC ainda se encontram em desenvolvimento, e a avaliação empírica permanece inicial. Os casos disponíveis são predominantemente exploratórios, baseados em situações reais de uso, feedbacks qualitativos e desenvolvimento iterativo de artefatos.
- Definir critérios de avaliação mais rigorosos.
- Coletar dados sistemáticos de uso.
- Comparar versões de artefatos.
- Avaliar com usuários externos.
- Formalizar a arquitetura técnica e conceitual.
- Delimitar autoria humana, mediação por IA e governança.
Base a desenvolver
Referências iniciais a considerar
Esta lista é inicial e deve ser revisada antes de qualquer submissão acadêmica.
- Baker, R. S., & Inventado, P. S. — Educational Data Mining and Learning Analytics.
- Davenport, T. H., & Prusak, L. — Working Knowledge.
- Dresch, A., Lacerda, D. P., & Antunes Jr., J. A. V. — Design Science Research.
- Hevner, A. R., March, S. T., Park, J., & Ram, S. — Design Science in Information Systems Research.
- Nonaka, I., & Takeuchi, H. — The Knowledge-Creating Company.
- Siemens, G. — Learning Analytics: The Emergence of a Discipline.
- SoLAR — Society for Learning Analytics Research.
- Sweller, J. — Cognitive Load Theory.
- Vygotsky, L. S. — Mind in Society.
- Wilson, T. D. — Human Information Behavior.
Síntese
Este concept paper propõe investigar como o LAC transforma demandas cognitivas em jornadas e artefatos ajustáveis, avaliáveis e evolutivos de conhecimento, com apoio de IA e foco em aprendizagem, compreensão e ação.
Próximo passo sugerido: formalizar a tabela de avaliação dos casos, criar um protocolo de entrevista e registrar os primeiros resultados comparáveis para validar os primeiros artefatos com usuários reais.