Analítica de sensores e do olhar

Esta é uma tradução automática da página em inglês e ainda não foi revisada por uma pessoa falante nativa.

Analítica de sensores e do olhar — o uso de rastreamento ocular, eletroencefalografia, atividade eletrodérmica, variabilidade da frequência cardíaca e postura derivada de câmera para inferir estados de quem aprende, como atenção, engajamento, carga cognitiva e afeto. Na IA na educação, esses sinais prometem uma visão contínua e não verbal da aprendizagem que quizzes e autorrelatos não conseguem fornecer. Eles também estão no centro do problema de inferência mais difícil do campo: um sensor registra um corpo, não uma mente, e toda afirmação sobre o que um estudante pensa ou sente é uma interpretação sobreposta a esse registro (Kim e Han, 2026).

Perguntas para refletir

• Uma webcam pode mostrar que seus olhos ficaram dentro de um player de vídeo durante uma aula inteira. Isso significa que você estava prestando atenção?
• Se um tutor pudesse estimar sua carga cognitiva em tempo real, ele deveria agir sobre essa estimativa sem perguntar a você primeiro?
• O olhar de um estudante pode sair da tela por causa de um tique, de uma deficiência visual ou de uma norma cultural. O que uma sinalização de "baixa atenção" significa para esse estudante?
• Deveria ser permitido a uma universidade coletar dados cerebrais e cardíacos para melhorar cursos, e o que um consentimento real exigiria?
• Um número de "75% de acurácia de engajamento" soa preciso. Qual camada do engajamento o sensor de fato alcançou, e qual ele perdeu?
• O proctoring agora lê postura e movimento da cabeça. Onde está a linha entre detectar má conduta e julgar um corpo?

Introdução

A analítica de sensores e do olhar descreve uma família de métodos que convertem medições físicas de quem aprende em inferências educacionais. As medições incluem onde os olhos repousam e por quanto tempo, a atividade elétrica do couro cabeludo, respostas das glândulas sudoríparas, a variação batimento a batimento da frequência cardíaca e a posição e o movimento da cabeça e do tronco. As inferências incluem atenção, engajamento, carga cognitiva, confusão, estresse e, em contextos de avaliação, suspeita.

O apelo é direto. Autorrelatos são retrospectivos e grosseiros, e quizzes amostram a aprendizagem em poucos momentos. Sensores funcionam continuamente e custam pouco esforço consciente ao estudante. Essa combinação tornou o sensoriamento central para a analítica de aprendizagem e a modelagem de estudantes, e produziu uma literatura extensa em que o sensoriamento é tecnicamente impressionante e a interpretação é fina.

Uma revisão sistemática de 23 estudos que combinam IA com aprendizagem corporificada torna o desequilíbrio concreto. Análise e avaliação responderam por 40,0% dos papéis de IA codificados, e reconhecimento e detecção por 22,5%, enquanto feedback e coaching ficaram com 15,0%. Papéis de sensoriamento somaram 62,5% das etiquetas de papel contra 35,0% das participativas (Kim e Han, 2026). O campo é melhor em observar estudantes do que em mudar o que acontece em seguida.

O que cada sinal de fato mede

Olhar e fixação. Rastreadores oculares informam para onde o olho aponta, quanto tempo ele permanece, quando faz sacadas e quão amplamente se dispersa. Sistemas baseados em tela, como o WebGazer, estimam o olhar a partir de uma webcam, enquanto óculos rastreiam o olho diretamente. O TutorLoop converte o olhar em duas quantidades: atenção como a porcentagem de pontos de olhar dentro da área de conteúdo, e carga de trabalho como entropia do olhar, com o raciocínio de que um olhar disperso acompanha a carga cognitiva (TutorLoop, 2026). Ollie, um assistente informado pelo olhar para crianças, em vez disso define áreas de interesse em uma figura e dispara narração quando a criança olha para uma delas (Wu et al., 2026).

Eletroencefalografia. O EEG registra flutuações de voltagem pelo couro cabeludo com alta resolução temporal. É o único sinal dessa família que alcança a atividade cortical diretamente, e é por isso que atrai a pesquisa em avaliação. Sistemas educacionais práticos usam eletrodos secos e poucos canais: o E3Sense usou quatro canais secos de EEG a 125 Hz e analisou dois frontais (Anupkrishnan et al., 2026). Equipamentos de nível de pesquisa tomam o caminho oposto: Kosmyna et al. (2025) usaram EEG de 32 canais para comparar estudantes escrevendo com um LLM, com um buscador ou sem ferramenta, e encontraram a conectividade neural mais fraca no grupo do LLM (Kosmyna et al., 2025). Esse estudo é também o alerta mais claro sobre evidência de canal único, já que sua alegação central repousa em uma sessão cruzada opcional que apenas 18 dos 54 participantes frequentaram.

Atividade eletrodérmica. A EDA mede a condutância das glândulas sudoríparas, um índice de ativação simpática. Ela responde a estresse, esforço e intensidade emocional, e não consegue distinguir entre eles. O mesmo constructo aparece em pulseiras e em eletrodos de testa fixados a poucos centímetros de distância por uma armação de rastreador ocular (Anupkrishnan et al., 2026).

Frequência cardíaca e variabilidade da frequência cardíaca. A frequência cardíaca acompanha a ativação, e a variabilidade entre batimentos indexa a recuperação autonômica. Em um estudo de um ano com 458 estudantes usando anéis Oura, a linguagem de exaustão emocional acompanhou menor eficiência do sono e menor variabilidade da frequência cardíaca (Texto afetivo e sensoriamento vestível, 2026). Nenhuma das duas medidas identifica uma causa.

Postura e movimento por câmera. Um sistema de proctoring pode extrair dezessete pontos corporais por quadro e derivar desvio de postura, tendência de movimento da cabeça e movimento da parte superior do corpo (Arif et al., 2026). Isso mede movimento. Chamá-lo de comportamento suspeito é um passo separado e sem sustentação.

Esses sinais diferem em taxa de amostragem, ruído e custo de instrumentação. O E3Sense alinhou doze janelas de EEG, seis de olhar e três de EDA em uma representação compartilhada de 120 segundos com 166 dimensões (Anupkrishnan et al., 2026). O EduGage operou sete tipos de dispositivo ao mesmo tempo e concluiu que combinações leves carregavam a maior parte do sinal utilizável (Leng et al., 2026).

Para que os sinais são usados

Detecção de engajamento na aprendizagem por vídeo. O E3Sense pediu a 30 estudantes universitários que avaliassem cinco segmentos por vídeo, produzindo 450 avaliações. Um modelo fundido alcançou 75,0% de acurácia balanceada dentro de um nível contra uma linha de base modal de 63,0% em participantes mantidos fora do treino (Anupkrishnan et al., 2026). O EduGage relatou um MAE de 0,81 e 83,75% de acurácia dentro de um nível em 16 participantes e 715 janelas de sondagem (Leng et al., 2026). Ambos tratam a estimativa como aproximada.

Estimativa de atenção em salas de aula. Um transformer multimodal fundiu imagens faciais com sinais vestíveis no DIPSER, um conjunto de dados naturalístico de 57 sujeitos, e alcançou um MAE de 0,283. Sua vantagem sobre uma linha de base apenas visual foi modesta, e os autores concluem que características faciais foram a fonte de informação primária (Fragkiadakis et al., 2026).

Carga cognitiva e momento do feedback. O TutorLoop usou atenção e carga de trabalho derivadas do olhar para escolher entre quatro tipos de feedback com um agente de aprendizagem por reforço. Em 187 participantes, o sistema completo interveio menos que as linhas de base e ainda assim melhorou a atenção e reduziu a carga de trabalho (TutorLoop, 2026).

Proctoring e integridade. O proctoring baseado em pose relata desempenho quase máximo em seu próprio conjunto de cenários rotulados: 99,56% de acurácia e uma AUC de 0,9957 (Arif et al., 2026). A IA vestível muda o mesmo problema pelo outro lado. Óculos inteligentes eliminam a queda do olhar e a mudança de postura das quais a vigilância depende, uma condição que Corbin e colegas chamam de transparência dupla (Corbin et al., 2026).

Afeto e bem-estar. Sinais fisiológicos coletados durante provas previram categorias de nota, com random forest alcançando uma média de 0,96 em 30 replicações (Yamazaki e Rimal, 2026). Os principais preditores foram atividade eletrodérmica, movimento do acelerômetro e temperatura da pele. Isso é ativação e movimento, não compreensão.

Pesquisa em avaliação. O EEG foi testado como medida direta de familiaridade e de representação mental. As duas linhas são promissoras e ambas permanecem exploratórias, o que a próxima seção aborda.

A lacuna inferencial

Todo uso acima depende de uma cadeia: um evento fisiológico ou comportamental, uma característica computada a partir dele, um modelo treinado em rótulos e uma alegação sobre um estado mental. Cada elo vaza.

O rótulo costuma ser o elo mais fraco. O E3Sense previu as próprias avaliações de segmento dos estudantes, e 63% dessas avaliações ficaram nos dois níveis engajados. Um modelo pode pontuar bem aprendendo a distribuição em vez do estado. Quando os pesquisadores acrescentaram as definições de engajamento dos próprios estudantes, a acurácia subiu de 64,6% para 71,5%, o que sugere que os rótulos e os sinais mediam parcialmente coisas diferentes (Anupkrishnan et al., 2026).

A validação pode inflar o modelo. Um benchmark de quinze modelos para predição de familiaridade por EEG alcançou 0,9853 de F1 sob validação cruzada estratificada. O Group K-Fold independente de ensaio, que respeita a estrutura temporal, derrubou o pico para 0,6038 de F1 contra um nível de acaso de 25% (Nanayakkara e Halloluwa, 2026). O primeiro número descreve vazamento; o segundo descreve aprendizagem.

Um correlato neural não é uma nota. Imagens reconstruídas a partir de EEG se correlacionaram com o desempenho no teste em R² = 0,79 em 55 observações participante-vídeo. Itens respondidos corretamente também mostraram maior similaridade semântica que os incorretos. Ainda assim, um participante produziu reconstruções de alta qualidade e respondeu incorretamente, de modo que a qualidade da reconstrução não pode ser lida como acerto (Su et al., 2026).

Atenção não é aprendizagem. No TutorLoop, a atenção se correlacionou com a aprendizagem em r = 0,017, enquanto a carga de trabalho se correlacionou negativamente em r = -0,168 (TutorLoop, 2026). Um sistema que maximizasse o sinal de atenção teria otimizado algo próximo do ruído.

Um perfil fisiológico não é um diagnóstico. Modelos de estresse em provas preveem uma categoria de nota a partir de ativação e movimento, e os autores insistem que a saída pertence ao lado de circunstâncias pessoais e do contexto de saúde mental, não a uma decisão de alto impacto (Yamazaki e Rimal, 2026).

Por fim, coleta não é integração. Kim e Han constataram que a maioria dos estudos multimodais reuniu fluxos em paralelo, um deles alinhou afeto facial, olhar e detecção de face a posteriori, e nenhum fundiu suas entradas ao vivo enquanto um estudante usava o sistema (Kim e Han, 2026). Uma página de canais sincronizados pode parecer um modelo do estudante quando é apenas um registro.

Ética de sensoriar quem aprende

O consentimento é enfraquecido pelo poder institucional. Um estudante que precisa assistir à aula ou fazer uma prova não pode recusar livremente uma câmera ou um vestível. Atributos demográficos podem nem ser oferecidos: os rótulos de gênero, idade e etnia do DIPSER foram inferidos de imagens por modelos de visão computacional, em vez de fornecidos pelos participantes (Fragkiadakis et al., 2026). Inferir quem alguém é, para testar se um modelo o trata com justiça, é em si um ato de perfilamento.

Dados biométricos não são dados comuns de analítica. EEG, EDA e variabilidade da frequência cardíaca são adjacentes à saúde e, em muitas jurisdições, dados de categoria especial. Eles podem revelar sono, estresse e condições médicas além de qualquer coisa que um curso precise. Um sistema informado pelo olhar para crianças recebeu uma objeção de privacidade de um pai mesmo em um piloto pequeno (Wu et al., 2026).

A expansão de finalidade é o caminho normal. O monitoramento de bem-estar se torna sinalização de risco, e a sinalização de risco se torna evidência de nota. Corbin e colegas mostram a versão de avaliação dessa deriva: quando a exclusão física falha, a inspeção se move dos artefatos para os corpos, e os estudantes precisam provar que seus óculos são corretivos e seus dispositivos terapêuticos (Corbin et al., 2026).

Falhas de justiça se concentram em corpos que diferem. A estimativa de atenção por face depende de tom de pele, óculos e iluminação. A atenção baseada no olhar penaliza quem evita contato visual, incluindo alguns estudantes autistas e neurodivergentes. O proctoring por pose sinaliza tiques, stimming e normas culturais de movimento. O estudo de proctoring não testa se a postura sinalizada corresponde a má conduta, nem se o detector trata com justiça estudantes com deficiência ou diferenças culturais de olhar (Arif et al., 2026). Regulamentação não é uma solução aqui; é uma forma de lavar o erro transformando-o em regra.

Alegações de justiça precisam de evidência no nível do sujeito. Um regularizador voltado a gênero reduziu a lacuna de MAE de validação de 0,02 para 0,005, e então aumentou tanto a lacuna quanto o erro do pior grupo em sujeitos mantidos fora do treino (Fragkiadakis et al., 2026). Relatar uma única partição como prova de justiça é uma falha de desenho com custo de equidade.

A privacidade pode ser projetada. O TutorLoop rodou o WebGazer no lado do cliente, para que o olhar bruto nunca saísse do navegador (TutorLoop, 2026). Essa escolha mostra que parte do custo é arquitetural, não inerente. A pergunta mais difícil é se a inferência deveria existir.

Ideias equivocadas comuns

"O rastreamento ocular diz onde está a atenção." Ele diz para onde os olhos apontam. O olhar pode repousar sobre um slide enquanto o estudante pensa em outra coisa, e pode sair da tela por razões não relacionadas à atenção. A medida de atenção do TutorLoop se correlacionou com a aprendizagem em r = 0,017, o que é próximo de nenhuma relação (TutorLoop, 2026).

"Um sinal fisiológico é uma leitura direta de um estado mental." A EDA indexa ativação simpática, e a variabilidade da frequência cardíaca indexa recuperação autonômica. Nenhuma distingue estresse de esforço ou de empolgação. Um modelo que prevê notas de prova a partir de EDA, movimento e temperatura da pele aprendeu a assinatura de ativação do corpo, não a compreensão do estudante (Yamazaki e Rimal, 2026).

"Alta acurácia de classificação significa que o sistema detecta o estado." A acurácia depende dos rótulos, da partição e da taxa base. A predição de familiaridade por EEG caiu de 0,9853 para 0,6038 de F1 quando a validação respeitou os limites de ensaio (Nanayakkara e Halloluwa, 2026). Os 99,56% do proctoring descrevem um conjunto de cenários rotulados sob medida, não exames ao vivo (Arif et al., 2026).

"Engajamento é uma coisa só, então uma nota pode representá-lo." O constructo tem três vertentes, e um sensor alcança principalmente a primeira. O E3Sense descobriu que estudantes o definiam por indicadores cognitivos, comportamentais e emocionais em proporções diferentes, e essas definições mudaram a predição (Anupkrishnan et al., 2026). Um número único esconde qual camada foi medida.

"Se o modelo é justo na partição de validação, é justo na sala de aula." Um regularizador que igualou o erro de validação entre grupos de gênero piorou a lacuna nos sujeitos mantidos fora do treino (Fragkiadakis et al., 2026). Justiça é propriedade de uma implantação, não de um checkpoint.

Conceitos conectados

• Modelagem de quem aprende e instrução adaptativa
• Analítica de aprendizagem
• IA Multimodal
• Computação afetiva
• Engajamento do estudante
• Aprendizagem autorregulada
• Aprendizagem Incorporada
• Medição educacional
• Avaliação automatizada
• Validade da avaliação
• Supervisão Remota
• Integridade acadêmica
• Privacidade
• Mitigação de viés
• Neurodiversidade
• Equidade na educação com IA
• Acessibilidade
• Aprendizado de máquina
• Psicologia cognitiva
• Tutoria inteligente

Artigos conectados

• Gaze-Informed Proactive AI Assistance for Children’s Picture Exploration — a narração por LLM disparada pelo olhar manteve crianças em uma região narrada por 6,48 s contra 1,67 s, mas o estudo mediu atenção, não compreensão (Wu et al., 2026)
• E3Sense: Head-Confined Multimodal Sensing of Learner Engagement — EEG de cabeça, rastreamento ocular e EDA de testa previram engajamento autorrelatado com 75,0% de acurácia dentro de um nível contra uma linha de base de 63,0% (Anupkrishnan et al., 2026)
• EduGage: Methods and Dataset for Sensor-Based Momentary Assessment of Engagement in Self-Guided Video Learning — o EduGage fundiu sete fluxos vestíveis e de câmera em estimativas de engajamento por segmento (MAE 0,81) e defende instrumentação mais leve (Leng et al., 2026)
• Fairness-Aware Multimodal Transformer Modeling for Real-Time Student Attention Estimation — um modelo multimodal de atenção alcançou MAE 0,283, e seus ganhos de justiça na validação se inverteram em sujeitos mantidos fora do treino (Fragkiadakis et al., 2026)
• On AI glasses and wearable AI in assessment — a IA vestível é duplamente transparente, então a exclusão física falha e a aplicação deriva para o julgamento dos corpos dos estudantes (Corbin et al., 2026)
• Automating Learner Assessment: Benchmarking Machine Learning and Deep Learning Models for EEG-Based Familiarity Prediction — quinze modelos de predição de familiaridade por EEG caíram de 0,9853 para 0,6038 de F1 sob validação independente de ensaio (Nanayakkara e Halloluwa, 2026)
• Seeing what students learn: assessing cognitive representations and academic outcomes via EEG image reconstruction — imagens reconstruídas por EEG acompanharam o desempenho no teste em R² = 0,79, com um participante de alta reconstrução respondendo incorretamente (Su et al., 2026)
• Leveraging Physiological Signals to Predict Exam Outcomes with Machine Learning — o random forest previu categorias de nota de prova a partir de EDA, movimento e temperatura da pele, sinais que indexam ativação e não compreensão (Yamazaki e Rimal, 2026)
• A formative study of brief affective text as a complement to wearable sensing for longitudinal student health monitoring — em 458 estudantes usando Oura, o registro emocional, e não o tema da preocupação, acompanhou o sono e a variabilidade da frequência cardíaca (2026)
• TutorLoop: Regulating Student Learning Behaviors via Sensor-in-the-Loop Generative Feedback — o olhar por webcam dirigiu feedback por aprendizagem por reforço para 187 estudantes; a atenção se correlacionou com a aprendizagem em r = 0,017 enquanto a carga de trabalho se correlacionou negativamente (2026)
• An automated online proctoring system with live suspicious activity detection using YOLOv11 pose estimation and multi-model classification — características de pose do YOLOv11 sinalizaram comportamento suspeito com 99,56% em um conjunto rotulado sob medida, sem testar má conduta ou justiça (Arif et al., 2026)
• Your Brain on ChatGPT: Accumulation of Cognitive Debt when Using an AI Assistant for Essay Writing Task — a conectividade por EEG caiu com o apoio externo à escrita em 54 participantes, enquadrando a dependência como dívida cognitiva acumulada (Kosmyna et al., 2025)
• Artificial intelligence in embodied learning: A systematic literature review — em 23 estudos, papéis de sensoriamento dominaram com 62,5% das etiquetas e nenhum sistema revisado fundiu fluxos multimodais ao vivo (Kim e Han, 2026)