• Fernando Giannini

Como projetar atividades com base em pesquisas atuais

Vivemos em uma época de avanços cada vez mais rápidos em tecnologia. Isso pode ser visto no campo da tradução automática que, ao longo de alguns anos, passou de técnicas de tradução baseadas em regras para técnicas de rede neural para a abordagem mais recente conhecida como Transformer - um novo modelo de rede neural desenvolvido por Ashish Vaswani e colegas.

À medida que os campos como tradução automática evoluem rapidamente, os cursos online devem ensinar conteúdos que acompanhe os avanços mais recentes. Como os educadores nos campos da tecnologia podem incorporar as pesquisas mais recentes em seu ensino e tornar as ideias complexas acessíveis aos alunos?


Neste artigo, ilustramos como aplicar as práticas recomendadas de pedagogia do Coursera a uma abordagem adotada pela equipe de deeplearning.ai para a elaboração de aulas com base nas pesquisas mais recentes.

Avaliando a Literatura Atual

O primeiro passo é avaliar a literatura de pesquisa para determinar quais avanços valem a pena ensinar. Ao ler as pesquisas em sua área, faça estas três perguntas.


1. A pesquisa se destaca? Tome, por exemplo, o artigo de Vasawani e seus colegas , “ Atenção é tudo que você precisa ”, no qual eles apresentam o Transformer, uma nova arquitetura de rede “baseada exclusivamente em mecanismos de atenção”.


Este artigo teve um impacto substancial nas técnicas de tradução automática, permitindo um cálculo mais rápido e melhores resultados. Os modelos anteriores contavam com uma estrutura codificador-decodificador de uso geral. Naquela estrutura anterior, traduzir uma frase em inglês (por exemplo, estou feliz porque estou aprendendo ) em seu equivalente em árabe (أنا سعيد لأنني أتعلم) exigiria primeiro o processamento de “Estou feliz porque estou” antes de traduzir a palavra “aprendendo”. Esse cálculo sequencial leva tempo. O modelo Transformer apresentou uma maneira de usar a computação paralela para realizar essa tarefa com muito mais rapidez, representando um avanço importante nas técnicas de tradução automática.


2. As ideias são úteis na indústria?

Responder a essa pergunta nos permite entender os incentivos para ensinar uma nova abordagem.

Antes de 2014, o Google usava a tradução automática estatística para seu sistema de tradução do Google e, em seguida, mudou para a tradução automática neural. Mas hoje, seus engenheiros adotaram a estrutura do Transformer. Isso terá um impacto profundo em como a tradução automática é usada em todo o setor, visto que a demanda continua a crescendo por ferramentas eficazes de tradução automática.

De acordo com a Grand View Research, o mercado de tradução automática deve atingir US$ 983,3 milhões em 2022. Os estudantes que entram neste mercado obviamente precisam estar bem familiarizados com as mais recentes técnicas de tradução automática. Como o modelo do Transformer foi desenvolvido por engenheiros que trabalham no Google e começaram a implementá-lo em seus próprios sistemas de tradução, as ideias são claramente relevantes para os aplicativos do setor.

3. As idéias resistirão ao teste do tempo?

Ninguém quer perder tempo aprendendo algo que se tornará obsoleto nos próximos meses. Portanto, antes de decidir ensinar as pesquisas mais recentes, é importante considerar o valor de fazê-lo para os estudantes que estão entrando em um campo em rápida evolução.


O artigo de Vasawani e seus colegas é um dos primeiros artigos de pesquisa a não apenas introduzir a computação paralela nas tarefas de tradução automática, mas também mostrar como reduzir a computação sequencial nessas tarefas. Ele marca uma transição para uma nova era de tradução automática.

A natureza fundamental do papel significa que outros continuarão desenvolvendo suas idéias. O ensino das ideias permitirá que os alunos comecem com uma base sólida no estado da arte atual, mesmo que o campo continue evoluindo rapidamente.

Desenvolvimento de atribuições

Depois de identificar os avanços de pesquisa atuais que deseja incorporar em seu curso, a próxima etapa é usar a abordagem de “design retroativo” do Coursera para criar uma atividade que alinhe os objetivos de aprendizagem com as atribuições e materiais de instrução apropriados. 1. Defina os objetivos de aprendizagem

Os objetivos de aprendizagem devem usar verbos de ação específicos e mensuráveis para definir claramente o resultado desejado para os alunos (por exemplo, ao final desta lição, você será capaz de aplicar o modelo Transformer a um problema de tradução automática ). Uma vez que o objetivo final seja definido, trabalhe de trás para frente para desenvolver uma avaliação que permitirá que os alunos demonstrem esse resultado. 2. Crie a avaliação

Com base no objetivo de aprendizagem acima, podemos criar uma avaliação em que os estudantes precisam escrever o código para nosso problema de tradução mencionado anteriormente - traduzir a frase em inglês ( estou feliz porque estou aprendendo ) para o árabe (أنا سعيد لأنني أتعلم). Nesta tarefa, queremos que os alunos se concentrem em escrever o código que agregue mais valor ao novo modelo do Transformer - neste caso, queremos que eles escrevam código que permita a computação paralela neste problema de tradução automática. Para organizar essa tarefa, podemos fornecer a eles algum código inicial. Nas instruções, nós os instruiríamos a adicionar o código para computação paralela de acordo com as técnicas do modelo do Transformer.


3. Crie as aulas


A etapa final no processo de “design retroativo” é elaborar os materiais de instrução que ensinarão os conceitos e habilidades que os alunos precisam saber para ter sucesso na avaliação.


Em nosso caso, queremos que os alunos codifiquem uma parte específica do modelo Transformer. Portanto, precisamos desenvolver as aulas que expliquem o mecanismo de “auto-atenção” e demonstrem como ele é usado para computação paralela.


Os principais conceitos e habilidades que os alunos precisam saber serão apresentados em vídeos de 4 a 7 minutos de duração. Cada aula em vídeo cobrirá uma ideia particular. Quando agrupados, eles fornecerão a instrução de que os alunos precisam para ter sucesso na avaliação e cumprir o resultado de aprendizagem pretendido.


A tradução automática certamente não é o único campo que está evoluindo rapidamente. Todos os educadores de tecnologia enfrentam o desafio de manter o conteúdo do curso atualizado e relevante. Adapte as ideias encontradas aqui ao seu próprio domínio de especialização para manter seus cursos alinhados com os avanços mais recentes em sua área.

Younes Bensouda Mourri ministra cursos de Inteligência Artificial, Aprendizado de Máquina e Pedagogia de IA na Universidade de Stanford, onde é aluno de pós-graduação. Ele desenvolveu conteúdo para os cursos de Aprendizado de Máquina e Aprendizado Profundo mais populares do Coursera .

Adam Hodges, Ph.D., é um especialista sênior em ensino e aprendizagem do Coursera. Ele trabalha com parceiros universitários e industriais para ajudá-los a produzir cursos eficazes no Coursera.