Como wearables baseados em fNIRS podem ajudar educadores a compreender atenção, esforço mental e fadiga durante o aprendizado
Quando a atenção começa a desaparecer
Cerca de vinte minutos depois do início de uma aula, algo sutil costuma acontecer na sala. Inicialmente, todos parecem atentos: estudantes anotam, acompanham os slides e escutam com interesse. Gradualmente, porém, a atmosfera muda. Alguns começam a olhar o celular. Outros continuam olhando para a tela, mas param de escrever. Alguns ainda parecem atentos, embora suas mentes talvez já tenham se afastado da explicação.
Para o professor, é difícil perceber exatamente quando essa mudança ocorre, ou por quê. A aula continua seguindo o plano, mas o processo que realmente determina o aprendizado — a atenção dentro do cérebro — pode já estar diminuindo.
Educadores frequentemente tentam interpretar sinais como contato visual, postura ou ainda a participação na aula para avaliar o engajamento da turma. Mesmo professores experientes, no entanto, sabem que esses sinais podem ser enganosos. Um estudante que parece concentrado pode já estar mentalmente fatigado, enquanto outro que parece distraído pode estar refletindo profundamente sobre uma ideia difícil. Como o aprendizado acontece dentro do cérebro, grande parte desse processo permanece invisível.
O cérebro durante o aprendizado
Aprender depende de estados cognitivos difíceis de observar diretamente. Atenção, esforço mental e fadiga influenciam profundamente a forma como novas informações são processadas. Uma aula muito simples pode não sustentar o interesse por muito tempo, enquanto uma explicação muito complexa pode sobrecarregar a memória.
Mesmo quando o conteúdo é bem planejado, a capacidade de concentração tende a diminuir ao longo do tempo. Professores frequentemente percebem essa mudança intuitivamente, mas raramente têm uma forma objetiva de medi-la enquanto a aula ainda está acontecendo.
A maioria das ferramentas usadas para avaliar o aprendizado chega tarde demais. Provas, trabalhos e questionários indicam se o estudante compreendeu o conteúdo, mas dizem pouco sobre o que ocorreu durante o processo de aprendizagem dentro da sala de aula. Quando essas respostas aparecem, já é tarde — a oportunidade de ajustar a aula em tempo real já passou. O que aconteceria se os educadores pudessem receber um feedback sobre o estado mental dos seus alunos em tempo real?
Wearables que observam o cérebro em ação
Avanços recentes em neurotecnologia com wearable sensors (dispositivos eletrônicos que podem ser usados sobre a pele) começam a oferecer uma nova forma de compreender o que acontece no cérebro durante o aprendizado. Uma das abordagens mais promissoras utiliza fNIRS (functional near-infrared spectroscopy), uma técnica segura e não invasiva que mede mudanças na oxigenação do sangue nas camadas externas do cérebro, baseadas em sinais luminosos que atravessam o nosso corpo, como um smartwatch faz para ler batimentos cardíacos, por exemplo.
Quando neurônios se tornam ativos, eles precisam de energia, o que demanda consumo de oxigênio (O2), e o corpo responde aumentando o fluxo de sangue rico em oxigênio para as regiões envolvidas no processamento da informação. Sensores de fNIRS detectam essas variações e fazem estimativas de padrões de atividade cerebral relacionados à atenção e ao esforço cognitivo.
Essas medições se concentram principalmente no córtex pré-frontal, uma região associada à concentração, memória de trabalho e tomada de decisões. Graças aos avanços em sensores ópticos, eletrônica flexível e wearable technology, sistemas de wearable fNIRS estão se tornando cada vez menores e mais confortáveis. Esses dispositivos podem assumir a forma de sensores discretos posicionados na testa, capazes de medir continuamente a atividade cerebral enquanto o estudante participa de atividades normais de aprendizagem.
Essa portabilidade permite observar o cérebro em ambientes reais, como salas de aula.
Quando sinais cerebrais encontram machine learning
O potencial desses sistemas cresce ainda mais quando a medição cerebral é combinada com machine learning, uma subdivisão específica da já famosa inteligência artificial (IA).
Algoritmos de machine learning podem analisar padrões nos sinais de fNIRS e identificar estados cognitivos como engajamento, alta carga mental ou fadiga. Ao treinar esses modelos com tarefas estruturadas de aprendizagem — como leitura, resolução de problemas ou atividades narrativas — pesquisadores podem aprender a reconhecer como o cérebro responde a diferentes desafios intelectuais.
Com o tempo, esses sistemas podem detectar quando estudantes estão profundamente envolvidos com o conteúdo, quando a demanda cognitiva se torna excessiva ou quando a fadiga começa a reduzir a atenção.
Feedback cognitivo em tempo real
Uma das possibilidades mais interessantes desse tipo de tecnologia é a geração de feedback cognitivo em tempo real para educadores. Em vez de depender apenas da observação da sala, professores poderiam visualizar em uma tela indicadores agregados de atenção e esforço mental ao longo da aula.
Esse tipo de interface poderia mostrar, por exemplo, uma curva gradual de declínio de atenção após longos períodos de exposição contínua, ou um aumento da carga cognitiva quando um conceito particularmente complexo é introduzido. Com essas informações, o professor poderia decidir interromper a explicação, propor uma atividade interativa ou revisar um conceito antes que a fadiga mental comprometa o aprendizado.
Em vez de esperar pelos resultados de provas ou avaliações posteriores, educadores poderiam adaptar o ritmo da aula enquanto o processo de aprendizagem ainda está acontecendo.
Aprendizagem que se adapta ao cérebro
Tecnologias baseadas em wearables, fNIRS e machine learning não substituem a sensibilidade humana dos professores, mas podem ampliá-la ao tornar visíveis processos cognitivos que antes permaneciam ocultos.
Durante muito tempo, estudantes tiveram que se adaptar aos formatos tradicionais de ensino, muitas vezes ignorando os limites naturais da atenção e da memória. À medida que começamos a compreender melhor os sinais do cérebro durante o aprendizado, surge uma nova possibilidade.
Em vez de exigir que o cérebro se adapte ao processo de ensino, talvez seja hora de começar a adaptar o processo de aprendizagem às necessidades do cérebro.
Mauro Victório é um engenheiro eletrônico formado pelo ITA (Instituto Tecnológico de Aeronáutica) em 2004 e atualmente está cursando o Mestrado na Florida Polytechnic University. Com mais de 15 anos de experiência em manufatura de produtos e desenvolvimento tecnológico, ele trabalhou em diversas áreas, incluindo pesquisas em sistemas de recepção de radar, câmeras térmicas infravermelhas e engenharia de testes de componentes semicondutores em processos de fabricação de DRAM. Sua experiência também abrange a coordenação do desenvolvimento de dispositivos de pagamento e controle de acesso, além da gestão de qualidade em processos de fabricação de DRAM. Ele possui uma sólida trajetória na coordenação de desenvolvimento de dispositivos esportivos e de medição de performance, como medidores de potência para ciclismo e monitores de frequência cardíaca. Ao longo de sua carreira, ele também lecionou por 10 anos em cursos de engenharia no Brasil, compartilhando seu conhecimento com futuros profissionais.
