Case de Sucesso: Como a Educacross está utilizando AWS e Inteligência Artificial para gerar recomendações em sua plataforma de aprendizagem adaptativa de jogos digitais

Felipe Cabrera, Engenheiro de Software Sênior, Educacross

Isabela Gherson Monteiro, Arquiteta de Soluções, AWS Brasil Setor Público

Raquel Robinson, Account Manager, AWS Brasil Setor Público

Reginaldo Gotardo, CEO, Educacross

Visão Geral

A Educacross é uma Edtech fundada em 2015 que atua em todo o Brasil ressignificando o ensino por meio do aprendizado baseado em jogos digitais (Game-based Learning and Digital Games) e da Inteligência Artificial. A Edtech fornece uma Plataforma de Ensino, Aprendizagem e Gestão do conhecimento desenvolvida para o Ensino Fundamental e Educação Infantil, oferecendo experiências diferenciadas a cada integrante do processo educacional.

Hoje, a Educacross atende mais de 1.3 mil escolas, tem mais de 100 milhões de exercícios realizados pelos alunos, e é considerada a maior plataforma de aprendizagem adaptativa de jogos digitais do Brasil. São mais de 2.3 mil jogos educacionais organizados em trilhas de aprendizagem alinhadas à BNCC (Base Nacional Comum Curricular) para que os alunos se sintam intensamente motivados e desenvolvam habilidades essenciais ao longo dos anos letivos em Língua Portuguesa, Matemática e Matemática em Inglês.  Os alunos aprendem enquanto brincam e os professores e gestores recebem relatórios em tempo real e continuo com informações sobre a interação e desempenho de seus alunos para atuarem com intervenções mais ágeis e assertivas.

A plataforma utiliza algoritmos baseados em inteligência artificial e gamificação para desenvolver o engajamento, a aprendizagem personalizada e a metacognição. A tecnologia adaptativa personaliza a aprendizagem, enquanto as recomendações e as trilhas de atividades organizam as experiências de aprendizagem e ensino, auxiliando os professores em sua rotina ao oferecer aprendizagem ativa e lúdica aos seus alunos, enquanto contam com instrumentos avaliativos e de intervenção como por exemplo: o (a) professor(a) seleciona e customiza trilhas individualizadas segundo a necessidade de grupos ou de uma criança.

O Desafio

Ao interagir com a Plataforma da Educacross, os alunos percorrem trilhas de aprendizagem, que são conjuntos de games focados em desenvolver nos alunos habilidades de alguma competência específica necessária para atender o planejamento pedagógico do(a) professor(a) de uma maneira lúdica e altamente interativa.

Os professores conseguem criar trilhas de aprendizagem personalizadas para seus alunos a partir de missões, sendo que cada missão é um conjunto de jogos que juntos desenvolvem as habilidades elencadas para aquela trilha especifica. Essas missões são disponibilizadas pela Educacross, e as mesmas podem ser alteradas e personalizadas, permitindo com que o professor customize a experiência de seus alunos. Existe, no entanto, um desafio no momento da criação da missão personalizada. Como a biblioteca de conteúdos de games é muito completa (+2.300 jogos), mesmo com os filtros de buscas disponíveis, os professores gastam tempo criando as trilhas, e por vezes tem dificuldade em escolher os melhores jogos para aderir valor às suas missões.

Da mesma maneira, é importante que os alunos também possam escolher games para desenvolverem suas habilidades, além dos escolhidos pelos professores, e também pode levar tempo para o aluno encontrar o jogo que mais se adeque as suas habilidades, dificuldades e próximas competências a desenvolver.

Dessa forma, existe um desafio em otimizar o tempo do professor na construção ou customização das trilhas personalizadas e também em melhorar as recomendações, para que os alunos também escolham os jogos de maneira mais fluida e otimizada quando estão jogando livremente pelas áreas das ilhas da Matemática, por exemplo.

A Solução

Para otimizar a experiência do Professor e do Aluno na plataforma e melhor aproveitar sua biblioteca de conteúdos, a Educacross desenvolveu mecanismos de recomendações baseados em algortimos de machine learning para fazer sugestões de jogos aos alunos e aos professores ao longo de suas trilhas de aprendizagem, tornando assim, a experiência mais personalizada e simples para seus usuários.

Com esse mecanismo de recomendação, ao finalizar um jogo, o aluno recebe automaticamente algumas recomendações de próximos jogos para seu processo de aprendizagem, baseadas no conteúdo que o aluno está atualmente aprendendo, habilidades e dificuldades ao longo das implementações anteriores e similaridades entre os jogos.

Além da recomendação de jogos aos alunos, a Educacross desenvolveu uma funcionalidade de “sugerir missão” aos professores, que simplifica o processo de criação das trilhas de aprendizagem personalizadas que se adequem ao plano de aulas específico de cada professor. No momento de criar a missão personalizada, o professor pode simplesmente selecionar 1 ou 2 jogos que deseje adicionar na trilha e receber recomendações de conteúdos similares e complementares aos já selecionados, otimizando muito o tempo de criação e descoberta de jogos para as trilhas dos alunos.

Arquitetura

Para desenvolver sua ferramenta de recomendação, a Educacross optou por criar uma arquitetura serverless 100% em AWS, utilizando o Serverless Framework para implantar toda sua infraestrutura baseada em Funções AWS Lambda, Amazon API Gateway, Amazon CloudFront, Amazon Route 53, Amazon ECR e Amazon DynamoDB:

Fluxo de alto nível da Arquitetura 

1. Hoje, a Educacross já implementou 3 mecanismos de recomendações na plataforma, sendo que cada um possui seu próprio conjunto de funções Lambdas.
   Para isso, cada um desses sistemas de recomendação conta com uma estrutura replicável que é provisionada utilizando o Serverless Framework, que permite a declaração de aplicações sem servidor a partir de documentos YAML e faz a implantação da infraestrutura com um único comando, e a partir do serviço AWS Cloudformation, provisiona uma pilha com os recursos declarados. Todos os recursos da arquitetura são gerenciados a partir das pilhas de CloudFormation provisionadas pelo Serverless Framework.

2. Ao interagirem com a plataforma da Educacross, são enviadas solicitações de recomendação de forma automática pelos professores ou pelos alunos. Essas requisições são enviadas a um endpoint DNS gerenciado pelo Route53 que faz parte do domínio Educacross e aponta para uma distribuição de CloudFront que encaminha estas solicitações a uma API gerenciada pelo Amazon API Gateway. O API Gateway atua como centralizador das requisições de todos os mecanismos de recomendações da aplicação (ou seja, todas as recomendações na plataforma são inicializadas pelo mesmo API Gateway). O CloudFront armazena os logs das requisições em um bucket do Amazon S3.

3. O API Gateway encaminha as solicitações para as APIs hospedadas no serviço de execução de código sem servidor AWS Lambda. Cada função lambda executa uma ação específica e juntas compõem um pipeline que permite a criação da solicitação de recomendação, a execução da recomendação e o armazenamento de dados sobre as recomendações feitas na mesma base do DynamoDB, para futuras otimizações do modelo de Machine Learning utilizado.
4. As funções lambda utilizam imagens hospedadas em um repositório dentro do Amazon ECR para importar suas dependências. Com isso, são importados para o ambiente de execução o modelo pré-treinado de Machine Learning que executa as recomendações, além de todas as bibliotecas e pacotes necessários para o código funcionar.

5. São feitas analises posteriores as recomendações para uma avaliação contínua do algorítmo. São identificados pontos fortes e de otimização do algorítmo de Machine Learning, a partir de dados que são gerados pela função lambda Salvar. Essa função atua como um gerenciador de logs com data science, para avaliar e capturar dados sobre a assertividade da recomendação e armazenar esses dados em uma base no DynamoDB para análises e otimizações posteriores.

Voz do Cliente

 “Eu já tinha trabalhado com AWS anteriormente, porém não tinha tido contato com Infraestrutura como Código. Achei a integração do Serverless Framework com o CloudFormation muito simples de utilizar e nos forneceu uma transparência muito melhor com a equipe de programação, que conseguia ver de forma mais clara o que estava fazendo, além de tornar muito mais facil a manutenção da solução e acréscimo de novos recursos.

Com o uso dessa arquitetura serverless 100% AWS, conseguimos criar uma solução com um ótimo custo-benefício, uma vez que grande parte do nosso uso está amparado no AWS free tier e ao realizarmos testes de carga, conseguimos atender um trafego 50 vezes maior do que temos atualmente sem nenhuma falha.”

– Felipe Cabrera, Engenheiro de Software Sênior, Educacross

 “Já fui Diretor de TI de uma grande empresa multinacional de Educação na qual usávamos AWS

e agora sou CEO da Educacross, onde também usamos AWS. Além do excelente atendimento que recebemos há uma infinidade de ferramentas às quais recorremos para otimizar a entrega de valor para nossos clientes. Como gosto de dizer, o tempo é o ativo mais valioso do mundo! Se podemos usar machine learning e inteligência artificial para ganharmos tempo em nossas tarefas e usarmos em nossa vida, estamos salvando o mundo, de certa forma!”

– Reginaldo Gotardo, CEO, Educacross

Resultados

Antes dos mecanismos de recomendação, os professores levavam em média 25 minutos para conseguir planejar uma trilha personalizada para seus alunos. Com o uso das recomendações de missão, os professores reduziram esses 25 minutos para poucos segundos. Assim, a Educacross tornou a experiência de seus clientes muito mais eficiente.

Além da otimização de tempo dos professores, outro benefício importante do uso de mecanismos de recomendação baseados em Inteligência Artificial é a identificação da proficiência dos alunos (hoje a Educacross já consegue identificar as habilidades, competências e áreas do conhecimento de maior facilidade e dificuldade para cada aluno), e com isso o aumento do grau da assertividade de recomendações, permitindo o desenvolvimento de uma plataforma muito mais personalizável e que visa oferecer uma aprendizagem mais compatível com as habilidades de cada aluno.

Para as Escolas, este novo recurso traz um imenso ganho de tempo. Já foram mais de 200.000 missões criadas pelos professores na Educacross. Em média, sem as recomendações, uma criação levava cerca de 25 minutos no início. Estamos falando de mais de 5 milhões de minutos. Ao ajudar o professor a economizar este tempo com Inteligência Artificial, este pode usar o seu tempo para atender mais crianças e famílias. Só nos minutos já gastos, estamos falando em economizar 10 anos de tempo, e esperamos que essa economia de tempo cresça cada vez mais conforme o aumento do uso da plataforma.

Conclusão

A Educacross, é uma Edtech que oferece um programa de aprendizagem, ensino e avaliação por meio de trilhas de aprendizagem adaptativas baseadas em jogos digitais. Hoje eles têm um acervo de conteúdos muito grande: são mais de 2.300 jogos disponíveis para os alunos jogarem e os professores criarem trilhas de ensino e aprendizagem personalizados por meio dos relatórios de evidências.

Como o número de jogos e conteúdo na plataforma é muito grande, levava-se mais tempo para os alunos encontrarem jogos que se adequassem as suas habilidades e para os professores criarem missões personalizadas para seus planos de aula.

Com o uso da AWS e de Inteligência Artificial, a Educacross conseguiu desenvolver um mecanismo de recomendação de jogos para a Plataforma, simplificando a experiência dos alunos, e ajudando os professores na seleção dos conteúdos para criarem suas trilhas de aprendizagem de maneira muito mais eficiente.

Sobre os autor

Felipe Cabrera é desenvolvedor Python, formado em Ciência da Computação e mestre em Computação Aplicada. Atualmente é Engenheiro de Software na Educacross. Nos últimos anos também se especializou em DevOps e computação na nuvem, principalmente com a AWS.

Isabela Gherson Monteiro é Arquiteta de Soluções na AWS com foco em Edtechs e ajuda clientes do setor publico a construirem suas soluções seguindo boas práticas na nuvem AWS. Apresenta entusiasmo pelas áreas de Analytics e Inteligência Artificial.

Raquel Robinson está na área comercial de TI há mais de 8 anos e tem acompanhado a transformação digital de diversas indústrias nos Estados Unidos e no Brasil. Raquel é Engenheira Agrônoma pela Universidade Federal do Ceará, pós graduada em Marketing pela Universidade de Massachusetts Amherst. Como Account Manager na AWS, Raquel atua no segmento de Educação apoiando Instituições de Ensino e EdTechs no Brasil a alcançarem os seus objetivos de inovação de modernização.

Reginaldo Gotardo é sócio e cofundador da Educacross, atua como CEO da empresa. É Doutor em Inteligência Artificial pela Universidade Federal de São Carlos, Mestre em Personalização de Sistemas, Pós Graduado em EaD, tem MBA em Tecnologia da Informação e Comunicação é Cientista da Computação formado pelas Faculdades COC em Ribeirão, pós graduado em Avaliação Educacional. Possui XBA pela Universidade Nova de Lisboa e pela Startse é formado pela Cambridge University em Digital Disruption no Programa de Educação Executiva. Possui 10 anos de experiência como professor em cursos de graduação e pós graduação, 12 anos de experiência como pesquisador e 20 anos de experiência na área de TI. Foi membro do laboratório de Machine Learning da UFSCar que desenvolveu projetos em parcerias como Carnegie Mellon University, Jean Monnet University, Tsinghua University, dentre outras, além de parcerias com empresas como Amazon, Bradesco e Volvo Cars. Atualmente é Diretor da Educacross, a maior Edtech Brasileira de Aprendizagem Baseada em Games.