NUDGE NA EDUCAÇÃO: TENDÊNCIAS, OPORTUNIDADES E EFEITOS DE INTERVENÇÕES COMPORTAMENTAIS EM AMBIENTES VIRTUAIS DE APRENDIZAGEM
Palabras clave:
Nudge digital, EAD, Economia comportamentalResumen
Este estudo investigou o uso de nudges na educação em duas frentes complementares: uma análise bibliométrica de 1.931 documentos indexados na Scopus, publicados entre 1975 e abril de 2025, e um experimento de campo controlado com 94 estudantes de Educação a Distância, distribuídos entre as condições controle, framing positivo e reforço social. O mapeamento identificou crescimento da produção, concentração na América do Norte e na Europa, sub-representação latino-americana e baixa consolidação de protocolos adaptativos. No experimento, não foram observadas diferenças estatisticamente significativas entre as condições quanto à entrega de atividades, engajamento no Ambiente Virtual de Aprendizagem e desempenho acadêmico. A análise exploratória identificou três perfis comportamentais, com melhores resultados entre estudantes mais engajados, sem associação significativa com a condição experimental. Os achados sugerem a importância de considerar contexto, comportamento prévio, momento, frequência, exposição, transparência e autonomia discente no desenho de nudges educacionais.
Referencias
Fisher, R. A. (1922). On the interpretation of χ² from contingency tables, and the calculation of P. Journal of the Royal Statistical Society, 85(1), 87–94. https://doi.org/10.1111/j.2397-2335.1922.tb00768.x
Hallsworth, M., List, J. A., Metcalfe, R. D., & Vlaev, I. (2017). The behavioralist as tax collector: Using natural field experiments to enhance tax compliance. Journal of Public Economics, 148, 14–31. https://doi.org/10.1016/j.jpubeco.2017.02.003
Hummel, D., & Maedche, A. (2019). How effective is nudging? A quantitative review on the effect sizes and limits of empirical nudging studies. Journal of Behavioral and Experimental Economics, 80, 47–58. https://doi.org/10.1016/j.socec.2019.03.005
Kahneman, D. (2003). Maps of bounded rationality: Psychology for behavioral economics. American Economic Review, 93(5), 1449–1475. https://doi.org/10.1257/000282803322655392
Kruskal, W. H., & Wallis, W. A. (1952). Use of ranks in one-criterion variance analysis. Journal of the American Statistical Association, 47(260), 583–621. https://doi.org/10.1080/01621459.1952.10483441
MacQueen, J. (1967). Some methods for classification and analysis of multivariate observations. In L. M. Le Cam & J. Neyman (Eds.), Proceedings of the Fifth Berkeley Symposium on Mathematical Statistics and Probability (Vol. 1, pp. 281–297). University of California Press.
Moresi, E. A. D., Pinho, I., & Costa, A. P. (2021). Análise bibliométrica: uma abordagem quantitativa e qualitativa. In 18th CONTECSI 2021 - Proceedings. DOI: 10.5748/18CONTECSI/PSE/LIS/6736
Pearson, K. (1900). On the criterion that a given system of deviations from the probable in the case of a correlated system of variables is such that it can be reasonably supposed to have arisen from random sampling. The London, Edinburgh, and Dublin Philosophical Magazine and Journal of Science, 50(302), 157–175. https://doi.org/10.1080/14786440009463897
Shapiro, S. S., & Wilk, M. B. (1965). An analysis of variance test for normality (complete samples). Biometrika, 52(3–4), 591–611. https://doi.org/10.1093/biomet/52.3-4.591
Thaler, R. H., & Sunstein, C. R. (2008). Nudge: Improving decisions about health, wealth, and happiness. New Haven: Yale University Press.
Tversky, A., & Kahneman, D. (1974). Judgment under uncertainty: Heuristics and biases. Science, 185(4157), 1124–1131. https://doi.org/10.1126/science.185.4157.1124
