Feedback formativo com tecnologia: por que um painel ajudou, mas uma ferramenta de escrita não teve efeito geral

Um painel que ajuda o professor a localizar dificuldades dos estudantes aparece associado a ganhos de aprendizagem; já uma ferramenta automatizada para avaliar escrita não apresentou efeito geral significativo. À primeira vista, os resultados parecem se contradizer: afinal, a tecnologia melhora ou não melhora o feedback formativo?

A resposta depende do que cada ferramenta faz, de como entra na rotina e do resultado que está sendo observado. A seguir, separo o que os estudos investigaram e relataram — sem transformar uma ferramenta específica em receita universal — para pensar em usos possíveis na educação básica brasileira.

O que é feedback formativo mediado por tecnologia educacional e por que importa para o professor

Feedback formativo mediado por tecnologia é a informação que ajuda o estudante a entender o que já conseguiu fazer, o que precisa rever e qual pode ser o próximo passo, com apoio de um recurso digital. Pode aparecer como retorno automático em uma atividade, como mensagem escrita pelo professor a partir de dados de uma plataforma ou como uma visão organizada das respostas da turma. O ponto central não é a presença de uma tela: é a possibilidade de usar a informação para orientar a aprendizagem enquanto ela ainda está acontecendo.

Na rotina escolar, isso pode ocorrer depois de uma atividade curta, durante uma sequência de exercícios ou na revisão de uma produção. A ferramenta pode mostrar padrões de erro, oferecer uma resposta interativa ou facilitar que o docente envie comentários. Mas resultado registrado não é, por si só, feedback útil. É preciso que a informação faça sentido para o estudante e possa orientar uma ação, e que o professor consiga interpretar o que a ferramenta apresenta.

Essa distinção ajuda a compreender por que as pesquisas não chegam todas à mesma conclusão. Algumas investigam se uma ferramenta está associada a ganhos em uma medida de aprendizagem; outras analisam como professores concebem o feedback, quais recursos deveriam ter os painéis ou quais perguntas ainda precisam orientar a avaliação digital. São perguntas relacionadas, mas não equivalentes.

O que a pesquisa recente mostra

Um painel pode aproximar os dados da decisão pedagógica

Um estudo com professores do ensino médio, 22 turmas e 403 estudantes examinou o LA Cockpit, painel que permite aos docentes acompanhar informações de aprendizagem e enviar feedback. Os pesquisadores analisaram diferentes pontos de uma cadeia: a aceitação da tecnologia pelos professores, as práticas de feedback e os ganhos de conhecimento medidos por pré e pós-testes. Na análise de 355 mensagens enviadas pelo sistema, o painel ajudou os professores a identificar estudantes com dificuldades; em sua maioria, as mensagens se concentraram no processo de aprendizagem. A condição com acesso ao painel apresentou ganhos de conhecimento significativamente maiores que a condição de controle (Karademir, 2024).

Esse achado é promissor, mas vale observar o que ele descreve: não apenas uma ferramenta que exibe dados, e sim um sistema que conecta identificação de dificuldades e envio de feedback. O resultado não permite concluir que qualquer painel, em qualquer disciplina ou escola, produzirá o mesmo efeito. Ele mostra um resultado naquele estudo de intervenção e naquele contexto de ensino médio.

Outro trabalho dos mesmos pesquisadores investigou como professores alemães do ensino secundário gostariam que esse tipo de painel fosse desenhado. Por meio de entrevistas de codesign em aulas de STEM, o estudo derivou 16 requisitos. Entre as preocupações relatadas estavam a falta de tempo para feedback individualizado, a necessidade de reduzir etapas para enviar mensagens e o interesse em lembretes automatizados que pudessem ser ajustados ao contexto. Os autores também destacam que o professor deve permanecer envolvido no ciclo e manter controle sobre o uso da tecnologia (Karademir, 2024).

Os dois trabalhos se complementam, mas não devem ser confundidos: um avaliou uma intervenção e relatou ganhos maiores na condição com painel; o outro reuniu requisitos de design a partir da perspectiva docente. Em conjunto, apontam que a utilidade não está apenas em acumular dados. Um recurso precisa tornar a informação acionável sem retirar do professor a possibilidade de decidir como responder.

Retorno interativo e personalização aparecem como caminhos promissores

Uma pesquisa sobre avaliação formativa automática em matemática acompanhou, ao longo de um ano letivo, 299 estudantes do 8º ano que fizeram atividades cuidadosamente planejadas com retorno interativo. Um grupo de controle de 257 estudantes estudou os mesmos conteúdos por metodologias tradicionais. O estudo encontrou efeito positivo da experimentação, com tamanho de efeito de 0,42; no grupo de baixo nível socioeconômico, o tamanho do efeito foi 0,77. No grupo que usou a abordagem, os resultados não dependeram do nível socioeconômico, enquanto no grupo de controle dependeram. Os autores interpretam o resultado como indicação de que a avaliação formativa automática pode favorecer a equidade naquele contexto (Barana, 2024).

O achado oferece uma pista relevante: o retorno interativo pode fazer parte de uma experiência de aprendizagem que reduz a dependência dos resultados em relação ao nível socioeconômico. Não significa que toda ferramenta automática elimine desigualdades. A pesquisa estudou uma abordagem específica, em matemática, com estudantes do 8º ano. Para aplicar a ideia em outra disciplina ou etapa, o professor precisaria observar se a atividade oferece retorno compreensível, se todos conseguem acessá-la e se a resposta permite decidir o que fazer em seguida.

Em uma investigação qualitativa com 65 professores de 15 instituições de ensino fundamental em Tacna, no Peru, os autores buscaram compreender como docentes concebem e implementam feedback formativo em ambientes virtuais. Os professores o descreveram como um processo amplo, ligado à melhoria progressiva, ao desenvolvimento de capacidades e ao apoio centrado no estudante. As estratégias percebidas como mais eficazes envolviam uso interativo e personalizado de diferentes recursos; as menos eficazes se concentravam principalmente na atribuição de notas. O estudo propôs uma estrutura conceitual com dimensões cognitivas, socioemocionais e tecnopedagógicas (Moran, 2026).

Como se trata de entrevistas e de uma estrutura conceitual elaborada a partir das experiências relatadas, esse estudo não mede o efeito de uma plataforma específica sobre notas ou aprendizagem. Sua contribuição é outra: ajuda a lembrar que feedback não se resume a informar certo ou errado. Na prática, a relação com o estudante, a personalização e o propósito pedagógico também entram na maneira como os professores entendem o processo.

Automatizar não garante melhora geral: o caso da escrita

Um ensaio clínico randomizado e controlado avaliou o MI Write, sistema de avaliação automatizada de escrita usado durante um ano letivo por estudantes do ensino fundamental II. A pesquisa investigou escrita argumentativa, autoeficácia, prazer em escrever e crenças sobre a natureza recursiva da escrita. A comparação foi entre 1.260 estudantes que utilizaram o sistema e 1.227 que não o utilizaram. O resultado central foi que não houve efeitos gerais significativos do tratamento. Ainda assim, foram observadas interações significativas entre tratamento e distrito, e as percepções sobre a ferramenta foram em geral positivas, mas variaram conforme o distrito (Wilson, 2026).

Esse resultado contrasta com o painel docente e com a avaliação formativa automática em matemática, mas não os invalida. O MI Write é outra ferramenta, aplicada a outro domínio e avaliada por resultados diferentes. As interações entre tratamento e distrito também indicam que os resultados não foram uniformes entre contextos. O resumo não permite apontar por que as diferenças ocorreram; permite dizer que uma recepção positiva da ferramenta não equivale a um efeito geral significativo nos resultados investigados.

Para o professor, a distinção é importante: estudantes ou docentes gostarem de uma ferramenta é informação útil sobre a experiência de uso, mas não é a mesma coisa que demonstrar melhora em aprendizagem. Da mesma forma, ausência de efeito geral não significa que nenhuma pessoa tenha se beneficiado, nem autoriza atribuir o resultado a uma causa específica. O estudo é um alerta contra promessas automáticas de que uma ferramenta de escrita, por ser digital, necessariamente produzirá melhores textos.

O acompanhamento de programas online também envolve desenho e contexto

Um estudo sobre o programa de matemática online ASSISTments foi planejado para avaliar a aprendizagem de estudantes do 6º ao 8º ano, incluindo estudantes de escolas rurais de alta necessidade, nos Estados Unidos. A pesquisa descreve uma mudança de um ensaio randomizado planejado para um estudo quase-experimental, depois que poucas escolas e professores aceitaram participar durante os esforços de recrutamento realizados em 2021. O objetivo passou a incluir a avaliação da plataforma aprimorada por uma comunidade profissional de aprendizagem virtual, com sessões para apoiar professores no uso de relatórios, na diferenciação do ensino e na discussão de dados dos estudantes (Huang, 2025).

O resumo disponível descreve perguntas de pesquisa, amostra e escolhas de avaliação e análise, mas não informa os resultados de impacto. Portanto, esse estudo não serve para afirmar que o programa melhorou ou não a aprendizagem. Ele é útil, ainda assim, para mostrar que avaliar uma tecnologia depende também do desenho da pesquisa e da forma como ela é implementada. A intervenção se organizava por professores e turmas, enquanto o grupo de comparação virtual era pareado no nível do estudante; essa configuração levou os pesquisadores a adotar uma abordagem analítica parcialmente aninhada.

O contexto norte-americano também importa: a pesquisa ocorreu em 36 escolas de 24 estados dos Estados Unidos, com 59 professores e 2.855 estudantes. Não é possível transportar diretamente seus procedimentos ou resultados para uma rede brasileira. O resumo, além disso, não apresenta os achados finais de aprendizagem, de modo que a contribuição para esta discussão é sobre o que foi investigado e como a avaliação foi estruturada, não sobre a eficácia do ASSISTments.

Os estudos lado a lado

Os estudos abaixo cobrem perguntas diferentes: alguns observaram resultados de aprendizagem, outros investigaram percepções, requisitos de design ou o modo de avaliar uma intervenção. A tabela distingue o que cada pesquisa relata do que permanece apenas como pergunta ou objetivo.

Pontos em comum e divergências entre os estudos

Em conjunto, as pesquisas mostram que a tecnologia ganha sentido pedagógico quando a informação pode ser convertida em uma resposta ao estudante. O painel do LA Cockpit foi estudado em conexão com mensagens de feedback; os professores envolvidos no codesign pediram que o sistema simplificasse o envio sem excluir sua decisão; e os professores peruanos entrevistados associaram estratégias mais eficazes à interação e à personalização. Não é um único resultado medido da mesma forma, mas há uma ideia compartilhada: o dado precisa chegar a uma ação pedagógica.

As divergências aparecem nos resultados e nos objetos avaliados. O estudo do painel relatou ganhos de conhecimento maiores na condição de intervenção, e o estudo de avaliação automática em matemática encontrou efeito positivo, com resultado expressivo no subgrupo de baixo nível socioeconômico. Já o MI Write não teve efeitos gerais significativos, apesar de percepções em geral positivas. Não se deve resolver essa diferença escolhendo um estudo como “o certo”: são ferramentas, disciplinas, participantes e medidas distintas.

Também há uma diferença entre evidência de impacto e evidência sobre implementação. Entrevistas com professores podem revelar obstáculos e preferências de design, mas não medem por si só o efeito sobre aprendizagem. Um estudo de intervenção pode comparar resultados, mas não responde automaticamente a todas as questões sobre adequação a outra turma. E, no caso do ASSISTments, o resumo informa como o impacto seria avaliado, sem apresentar o resultado final. Segue em aberto quais recursos funcionam melhor em quais contextos e como garantir que o feedback seja útil, acessível e integrado ao trabalho docente.

O que isso significa para a sala de aula

Uma leitura prática dos estudos não leva a uma regra do tipo “use sempre” ou “abandone a tecnologia”. Ela sugere experimentar com intenção: identificar qual informação a ferramenta oferece, que decisão ela pode apoiar e como o professor vai acompanhar a resposta do estudante. As propostas a seguir são aplicações possíveis, não resultados testados diretamente pelos estudos em todas as salas brasileiras.

1. Comece pela decisão que você quer tomar

Aplicação possível: antes de abrir uma plataforma, escolha uma pergunta pedagógica concreta. Por exemplo, em uma turma hipotética que acabou de resolver problemas, o professor pode querer saber se a dificuldade está em interpretar o enunciado ou em executar uma operação. A ferramenta só é útil se os dados ajudarem a distinguir essas necessidades. Essa escolha evita acumular relatórios sem saber que ação pode vir depois e aproxima a tecnologia da lógica do painel estudado por Karademir (2024).

2. Dê ao estudante um próximo passo, não apenas um veredito

Aplicação possível: em vez de escrever apenas “certo” ou “revise”, indique o aspecto que merece atenção e uma ação praticável. Em uma atividade de produção textual, por exemplo, uma mensagem poderia pedir que o estudante confira se a justificativa sustenta a afirmação central. É uma sugestão de uso, não uma conclusão sobre o MI Write. Ela se alinha à diferença que os estudos levantam entre feedback voltado ao processo e devolutiva centrada somente em resultados ou notas (Karademir, 2024; Moran, 2026).

3. Use o retorno automático como ponto de partida para conversa

Aplicação possível: se uma atividade digital sinaliza um erro recorrente, o professor pode selecionar um exemplo anônimo para discutir estratégias com a turma e depois propor nova tentativa. Imagine uma turma hipotética de 8º ano em que vários estudantes escolham a mesma resposta incorreta: o dado pode servir para planejar uma retomada breve, não para concluir que todos têm a mesma dificuldade. O estudo de Barana (2024) examinou atividades matemáticas com retorno interativo, mas a forma de conduzir a discussão é uma adaptação sugerida para a sala.

4. Reduza etapas sem entregar toda a decisão ao sistema

Aplicação possível: se a plataforma oferece mensagens prontas ou lembretes, use-os para acelerar tarefas repetitivas, mas revise o texto antes de enviá-lo. Um comentário padronizado pode não corresponder à produção específica do estudante. O codesign do LA Cockpit identificou a necessidade de reduzir passos e mencionou lembretes automatizados ajustáveis, ao mesmo tempo que ressaltou o controle docente (Karademir, 2024). Na prática, uma sugestão de aplicação é manter modelos editáveis, não respostas automáticas sem revisão.

5. Verifique se todos conseguem acessar e compreender o retorno

Aplicação possível: combine o recurso digital com alternativas de acesso ou explicação quando necessário. Em uma turma hipotética, alguns estudantes podem realizar a atividade na escola e outros em condições diferentes fora dela; o professor pode prever uma forma de retomar o feedback sem depender exclusivamente do acesso contínuo à plataforma. Essa orientação é uma precaução de aplicação, não um resultado específico dos estudos citados. Ela dialoga com a atenção à equidade presente na pesquisa de Barana (2024) e com as questões de equidade levantadas na avaliação digital.

6. Observe a qualidade da mensagem, não só a quantidade

Aplicação possível: ao fim de uma sequência, analise algumas devolutivas e pergunte se elas indicam ao estudante o que fazer em seguida. Uma turma hipotética pode receber muitos avisos automáticos que repetem a resposta correta sem explicar o raciocínio; nesse caso, o professor pode acrescentar uma intervenção breve. O volume de mensagens não é prova de aprendizagem. O estudo do LA Cockpit analisou o conteúdo de 355 mensagens e identificou predominância de feedback sobre o processo, o que torna pertinente observar o tipo de devolutiva, não apenas sua frequência (Karademir, 2024).

7. Faça uma pequena verificação antes de ampliar o uso

Aplicação possível: experimente a ferramenta em uma atividade delimitada e compare evidências que façam sentido para sua intenção — por exemplo, a qualidade de uma segunda tentativa ou a capacidade de explicar uma estratégia. Não é necessário prometer um efeito amplo com base em uma experiência curta. O contraste entre os resultados do MI Write e de outras intervenções mostra que ferramentas diferentes podem apresentar resultados diferentes (Wilson, 2026; Barana, 2024). Uma checagem local pode orientar decisões, embora não substitua uma pesquisa de eficácia.

O que muda no contexto brasileiro

Os estudos vêm de contextos diversos, e seus resultados não devem ser transportados sem adaptação. A pesquisa sobre concepções docentes ocorreu em Tacna, no Peru; o codesign do painel foi feito com professores alemães; o estudo de matemática online abrangeu escolas de 24 estados norte-americanos; e o resumo do estudo de avaliação automatizada de escrita não informa o país. Já nos estudos de Barana e do painel de intervenção, o país não está indicado nos resumos fornecidos. Para o professor brasileiro, isso significa que as pesquisas oferecem perguntas e possibilidades, não uma garantia de resultado idêntico em uma escola local.

Na adaptação, vale começar pelas condições concretas da rede e da turma: disponibilidade de dispositivos, conectividade, tempo para preparar atividades e possibilidade de acompanhar quem não consegue realizar uma tarefa digital. Esses são cuidados de implementação sugeridos para o contexto brasileiro, não conclusões medidas nos estudos citados. Também é importante verificar se os recursos apresentam dados compreensíveis para o professor e se permitem ajustar a mensagem ao trabalho feito em aula.

A experiência alemã de codesign destaca um problema que também pode ser relevante aqui: pouco tempo para escrever devolutivas individualizadas. Mas não se deve presumir que professores brasileiros tenham exatamente as mesmas rotinas ou condições de trabalho. Uma adaptação sensata é perguntar aos docentes da própria escola quais dados ajudariam e quais formatos criariam mais trabalho. Do mesmo modo, o resultado de equidade encontrado por Barana (2024) é uma razão para investigar o acesso e os efeitos em diferentes grupos, não para afirmar que uma ferramenta resolverá desigualdades no Brasil.

Por fim, qualquer ferramenta deve ser examinada pelo que faz com os dados dos estudantes, por quem pode acessá-los e pelo espaço de decisão que deixa ao professor. Essa é uma recomendação de cuidado ao aplicar tecnologia, não um achado comparativo dos estudos citados. Se uma plataforma não permite compreender como chega a uma sugestão ou corrigir uma mensagem inadequada, o docente precisa considerar esse limite antes de confiar nela para orientar a aprendizagem.

Limites desta leitura

Este artigo se baseia nos resumos de estudos recentes, não na leitura integral dos trabalhos. Por isso, sintetiza os objetivos, métodos e resultados que aparecem nesses resumos, sem acrescentar detalhes de instrumentos, análises ou condições que não foram informados. Os estudos também não são todos pesquisas de impacto: há investigação qualitativa, codesign, avaliação de intervenção e descrição de um plano analítico. Compará-los exige manter essas diferenças à vista.

Ficam em aberto perguntas importantes: quais componentes específicos do feedback explicam os resultados observados; por que as percepções e os resultados do MI Write variaram entre distritos; como se comportaria cada ferramenta em outras etapas e disciplinas; e que efeitos a avaliação do ASSISTments encontrou, já que o resumo utilizado não apresenta resultados finais. Também não é possível concluir, com base nesses resumos, que uma mesma plataforma produza resultados semelhantes em escolas brasileiras com condições distintas.

Ler os estudos completos faria sentido para quem pretende adotar uma ferramenta específica, comparar métodos de avaliação ou usar os achados para tomar decisões de rede. A leitura integral ajudaria a compreender detalhes do desenho, das medidas e das limitações de cada pesquisa que não cabem nos resumos disponíveis. Para uma decisão cotidiana de sala, este panorama serve como ponto de partida, não como substituto da avaliação local e do julgamento profissional.

Como o GeraProva ajuda com este assunto

O feedback formativo pode acompanhar provas e atividades, ajudando o professor a transformar respostas em pistas sobre o que retomar. O GeraProva pode apoiar a criação de provas com IA para organizar uma avaliação; a interpretação das respostas e a devolutiva aos estudantes continuam dependendo das escolhas pedagógicas do docente. Você pode conhecer o gerador de provas do GeraProva e fazer o cadastro grátis.

Perguntas frequentes sobre feedback formativo com tecnologia

Feedback automático substitui o feedback do professor?

Os estudos não sustentam uma resposta universal de substituição. O painel docente estudado por Karademir (2024) foi pensado para apoiar o envio de feedback e ajudar professores a localizar estudantes com dificuldades; o estudo de codesign também destaca a importância de manter o professor envolvido e no controle. A avaliação automática de matemática de Barana (2024) encontrou resultados positivos em um contexto específico, mas isso não mostra que toda devolutiva automática seja suficiente. Uma aplicação prudente é usar o retorno do sistema como apoio e revisar se ele é pertinente para a necessidade do estudante.

Uma ferramenta digital garante melhora na aprendizagem?

Não. Os resultados variam conforme a ferramenta, o contexto e o resultado analisado. O estudo do LA Cockpit encontrou ganhos de conhecimento significativamente maiores na condição com painel; Barana (2024) relatou efeito positivo para a avaliação formativa automática em matemática. Já o estudo do MI Write não encontrou efeitos gerais significativos, embora as percepções sobre o sistema fossem em geral positivas e variassem conforme o distrito (Wilson, 2026). Portanto, tecnologia e feedback não devem ser tratados como garantia automática de aprendizagem.

O que diferencia feedback formativo de uma nota?

Uma nota resume um resultado, enquanto o feedback formativo procura oferecer informação que ajude a orientar o próximo passo da aprendizagem. Na investigação com professores do ensino fundamental em Tacna, estratégias interativas e personalizadas foram percebidas como mais eficazes, e aquelas centradas principalmente na atribuição de notas como menos eficazes (Moran, 2026). Isso não significa que notas nunca tenham lugar na avaliação. Significa que, quando o objetivo é apoiar o progresso, é útil acrescentar uma indicação compreensível sobre o que o estudante já fez e o que pode revisar.

Como evitar que um painel aumente o trabalho do professor?

O codesign do LA Cockpit identificou a falta de tempo para oferecer feedback individualizado e derivou requisitos voltados a reduzir etapas para enviar mensagens. Os professores entrevistados também pediram lembretes automatizados que pudessem ser ajustados ao contexto, sem abrir mão do envolvimento docente (Karademir, 2024). Como aplicação, vale priorizar ferramentas que apresentem poucas informações relevantes, permitam editar mensagens e evitem tarefas duplicadas. A pesquisa não comprova que qualquer painel reduzirá a carga de trabalho; por isso, é importante observar se o recurso realmente simplifica a rotina local.

O feedback formativo com tecnologia pode favorecer a equidade?

Há um achado promissor, mas específico. Em uma pesquisa de avaliação formativa automática em matemática, o efeito foi positivo no conjunto da experimentação e maior no grupo de baixo nível socioeconômico; no grupo de tratamento, os resultados não dependeram do nível socioeconômico (Barana, 2024). Os autores interpretam isso como sinal de potencial para equidade naquele contexto. Não é possível concluir que todas as plataformas terão o mesmo efeito ou que a desigualdade será eliminada. Para aplicar a ideia, é importante verificar acesso, participação e utilidade do retorno para diferentes estudantes.

Como saber se uma mensagem digital foi útil?

Uma mensagem é mais útil quando o estudante consegue compreender o que está sendo apontado e usar essa informação para revisar, tentar de novo ou explicar seu raciocínio. Isso é uma proposta prática de avaliação, não um indicador único validado por todos os estudos aqui reunidos. A pesquisa do LA Cockpit analisou mensagens docentes e encontrou predominância de feedback sobre o processo, enquanto o estudo de Moran (2026) relata a valorização de estratégias interativas e personalizadas. O professor pode verificar a utilidade observando a resposta do estudante, não apenas contando quantas mensagens a ferramenta enviou.

Referências

1. Karademir, O. et al. (2024). Acompanhando a cadeia de impacto do LA Cockpit: um estudo de intervenção que investiga o efeito de um painel docente na aprendizagem dos estudantes (Following the Impact Chain of the LA Cockpit: An Intervention Study Investigating a Teacher Dashboard's Effect on Student Learning). Journal of Learning Analytics. Link.
2. Karademir, O. et al. (2024). Não tenho tempo! Mas me mantenha por dentro: codesign de requisitos para um painel de analítica da aprendizagem com professores (I Don't Have Time! But Keep Me in the Loop: Co-Designing Requirements for a Learning Analytics Cockpit with Teachers). Journal of Computer Assisted Learning. Link.
3. Barana, A.; Marchisio Conte, M. (2024). Promovendo a Equidade Socioeconômica por meio da Avaliação Formativa Automática (Promoting Socioeconomic Equity through Automatic Formative Assessment). Journal on Mathematics Education. Link.
4. Moran, R. R. P. et al. (2026). Explorando o feedback formativo na educação virtual do ensino fundamental: rumo a uma estrutura conceitual (Exploring Formative Feedback in Virtual Primary Education: Towards a Conceptual Structure). International Electronic Journal of Elementary Education. Link.
5. Wilson, J. et al. (2026). Impacto da Avaliação Automatizada de Escrita (AWE) nos Resultados de Escrita de Estudantes do Ensino Fundamental II (Impact of Automated Writing Evaluation (AWE) on Middle School Students' Writing Outcomes). American Educational Research Journal. Link.
6. Huang, C.-W.; Li, L.; Feng, M. (2025). Aplicação de um Modelo de Regressão Parcialmente Aninhado para Avaliar um Programa de Matemática Online em um Delineamento Quase-Experimental (Applying a Partially Nested Regression Model to Evaluate an Online Math Program in a Quasi-Experimental Design). Society for Research on Educational Effectiveness. Link.

Se você experimentar uma dessas ideias, comece pequeno e observe o que ajuda seus alunos a dar o próximo passo. Boa avaliação — e conte com a sua leitura da turma para decidir o que vem depois.