Tomada de decisão orientada à motivação na aprendizagem para inovação em equipes multidisciplinares

Abstract

Durante a aprendizagem de inovação, estudantes trabalhando em equipes precisam to- mar muitas decisões que são inerentes e essenciais aos processos e projetos. No entanto,

essas escolhas podem causar desmotivação e desengajamento (D&D), impactando negati- vamente a equipe. Este trabalho foi pioneiro em identificar as principais causas de D&D

na Educação para Inovação (EI). Decisões com baixas expectativas de execução, pouco valorizadas e bastante custosas são fontes primárias de efeitos prejudiciais à aprendizagem e ao time, como atrasos, sobrecarga, notas baixas, resultados insatisfatórios e desistências. Para entender melhor o problema, propor e testar uma solução, foram realizados estudos

experimentais com 239 alunos de uma Universidade Federal e um Instituto Federal. Fer- ramentas como o EVC (Expectancy-Value-Cost), o AMS (Academic Motivation Scale), o

SDI (Self-Determination Index) e o SCEQ (Student Course Engagement Questionnaire) foram usadas para medir a motivação e o engajamento. As conversas das equipes foram

analisadas através de uma ferramenta de NLP (Natural Language Processing) e entre- vistas semiestruturadas foram conduzidas durante a execução dos projetos, sempre com

foco no problema e na solução. O Kappa de Fleiss foi usado para medir a concordância entre os alunos, enquanto o coeficiente de correlação de Pearson avaliou a relação entre os resultados encontrados. Os achados estão em consonância com várias teorias, incluindo a Teoria da Autodeterminação, a Teoria do Conflito da Tomada de Decisão e a Teoria do Engajamento do Aluno. O modelo MO-DM (Motivation-Oriented Decision-Making) foi proposto como solução. Com ele, é possível identificar como os níveis de motivação e

engajamento dos estudantes serão impactados a cada decisão, tanto positiva quanto ne- gativamente. Uma decisão de projeto de software como, por exemplo, “Qual linguagem de

programação será utilizada?”, passa a ser vista sob uma nova perspectiva: Qual linguagem de programação trará mais impactos positivos na motivação e no engajamento da equipe?

Essa visão promove melhores debates e propicia escolhas que considerem, também, es- ses aspectos. Antecipar desmotivações e desengajamentos permite monitorar e assistir os

estudantes mais impactados. Uma ferramenta pública e de código aberto (código, site) foi criada para implementar o modelo, com vídeos de apresentação disponíveis (antigo, novo). A utilização do MO-DM aumentou a motivação e o engajamento dos estudantes em 9,07% e a motivação intrínseca em 15,59%. O modelo obteve índice de aprovação de 88,62%, com 82,95% de concordância entre os alunos, e um Kappa de Fleiss médio de 0,71. Além disso, houve uma forte correlação entre motivação, engajamento e desempenho, com coeficientes de correlação de Pearson superiores a 0,92. Os dados indicam a solidez e a não aleatoriedade dos resultados. O MO-DM tem o potencial de ser aplicado em contextos de trabalho colaborativo, tomada de decisão e preocupação com motivação e engajamento.