Desenhar desafios de matemática cativantes e pedagogicamente sólidos: tradições de tarefas ricas, formatos de item e normas

Constatações

1. Design de tarefas enriquecidas: piso baixo, teto alto, paredes largas

A expressão “piso baixo, teto alto” tem origem no trabalho construcionista de Seymour Papert e foi ampliada com “paredes largas” por Mitchel Resnick para descrever ferramentas criativas (como o Scratch) que permitem a qualquer pessoa começar facilmente, permitem que especialistas avancem muito e apoiam muitos caminhos e estilos de trabalho diferentes, em vez de uma única solução correta. O NRICH (Universidade de Cambridge) adoptou esta tríade como a sua definição de trabalho “enriquecido”: piso baixo para que cada estudante tenha um ponto de entrada, teto alto para que os estudantes avançados continuem a ser desafiados, e paredes largas para que a tarefa suporte múltiplas representações e estratégias de solução, não apenas múltiplas respostas finais [20]. Isto é distinto e mais forte do que a “dificuldade diferenciada” — paredes largas significa especificamente que a própria matemática ramifica‑se (por exemplo, uma tarefa resolvível por desenho, por uma tabela, por álgebra ou por um argumento recursivo), e não apenas que existem versões mais fáceis e mais difíceis do mesmo procedimento.

Um quadro complementar, mais mecanicamente verificável, sobrepõe‑se: os níveis de exigência cognitiva de Stein e Smith distinguem “procedimentos com ligações” (um procedimento usado para construir significado, ligado a conceitos subjacentes, representado de múltiplas formas, exigindo algum esforço) de “fazer matemática” (não algorítmico, exploratório, exigindo autorregulação, com verdadeira ambiguidade no caminho da solução) — e os critérios de “tarefa digna de grupo” de Cohen e colegas acrescentam: centra‑se numa ideia matemática importante, tem múltiplos pontos de entrada e estratégias, requer explicação/justificação e minimiza ruído não‑matemático que permitiria a um estudante ter sucesso sem envolver a matemática [20]. Juntos, estes fornecem ao Math Challenge um rubro que pode ser aplicado a qualquer item elaborado, independentemente do tópico: tem um ponto de entrada genuíno para um estudante com dificuldades, espaço genuíno para estender para um estudante avançado, e mais de uma forma legítima de o abordar.

2. Matemática em três actos e o problema do pseudocontexto

A estrutura de “matemática em três actos” de Dan Meyer responde a um modo específico de falha dos problemas de palavras tradicionais: matemática colada a um cenário que o estudante nunca precisou realmente de matemática para compreender (“pseudocontexto”). O Acto Um apresenta uma imagem intrigante ou um vídeo curto sem números e sem pergunta explícita — o objetivo é que a própria curiosidade do estudante gere a questão. O Acto Dois fornece apenas os dados ou ferramentas que os estudantes identificam como necessários, de modo que o trabalho matemático seja intencional e não imposto. O Acto Três revela o resultado real, permitindo que os estudantes confrontem o seu raciocínio com a realidade em vez de com uma solução modelo [1]. Meyer enquadra explicitamente o benefício: após a matemática, o estudante deve sentir‑se mais poderoso — capaz de prever ou explicar algo que antes não podia — em vez de ter concluído um exercício atribuído. Para o Math Challenge, isto sugere um pequeno nível de itens de alto custo de produção (liderados por vídeo ou imagem, um Acto Um por unidade) situado acima de um nível muito maior de itens mais baratos e padronizados, em vez de tentar aplicar a estrutura de três actos a cada item num banco de 2.500 itens.

3. Géneros de tarefas do Shell Centre / Malcolm Swan

O Mathematics Assessment Project (Shell Centre, Universidade de Nottingham, dirigido na sua fase posterior por Malcolm Swan) produziu aproximadamente 100 lições de avaliação formativa “Classroom Challenge” que abrangem do 6.º ano até à preparação para o ensino superior, divididas amplamente em duas categorias: lições de Desenvolvimento de Conceitos, que revelam e refinam a compreensão de uma ideia matemática, e lições de Resolução de Problemas, que visam problemas não rotineiros e envolvem ciclos de estudantes a produzir uma solução, receber feedback estruturado (frequentemente através de trabalhos de amostra de estudantes) e rever [7][8]. A própria estrutura teórica de Swan vai mais longe, identificando cinco propósitos distintos que o ensino de matemática pode servir — fluência em factos/competências, interpretação de conceitos e representações, desenvolvimento de estratégias para investigação e resolução de problemas, consciência dos valores do sistema educativo e apreciação do poder da matemática na sociedade — e argumenta que o desenho da tarefa deve seguir deliberadamente o propósito pretendido, porque diferentes propósitos implicam diferentes teorias de aprendizagem e, por conseguinte, diferentes formas de tarefa [9]. Ele descreve ainda cinco tipos de tarefa que suportam especificamente o desenvolvimento de conceitos: classificar objetos, interpretar múltiplas representações, avaliar enunciados matemáticos, criar problemas e analisar raciocínios ou soluções [9]. Isto pode ser reutilizado diretamente como uma taxonomia de etiquetagem de itens: cada item do Math Challenge pode ser rotulado não só por tópico e dificuldade, mas por qual destes cinco propósitos serve, o que por sua vez deve influenciar o seu formato (itens de fluência adequam‑se a questões de escolha múltipla/entrada numérica rápida; “avaliar um enunciado” adequa‑se a verdadeiro/falso com justificação ou a identificar erro; “criar um problema” adequa‑se a resposta aberta ou a formato de proposição de problema).

4. Problemas Open Middle

O formato Open Middle de Robert Kaplinsky está definido por três propriedades estruturais: um início fechado (todos os estudantes começam com a mesma informação fornecida), um fim fechado (existe uma resposta final correta, ou uma resposta ótima entre várias válidas) e um meio aberto (existem múltiplos caminhos legítimos para chegar a ela) [2]. Isto difere de uma tarefa totalmente aberta porque mantém uma resposta‑alvo inequívoca e verificável por máquina — o que é crucial para um produto auto‑avaliado — ao mesmo tempo que requer raciocínio matemático genuíno em vez de recordação de um único passo, pois o “meio” (a procura de colocações de dígitos, escolhas de fatores ou combinações ótimas) é onde reside o trabalho cognitivo. Um exemplo canónico: “Usando os algarismos de 1 a 9, cada um no máximo uma vez, preencha as caixas para criar o menor produto possível” — trivially auto‑avaliável (comparar o produto dos algarismos submetidos com o mínimo conhecido), mas resistente ao adivinhamento porque não há atalho para a resposta além do raciocínio sobre o valor posicional e o tamanho dos fatores. Os problemas Open Middle têm um sabor de otimização (“encontrar o menor/máximo/todos os possíveis”) em vez de um passo único, e Kaplinsky observa que ocupam um ponto intermédio no esforço de design: mais elaborado do que um simples exercício de fluência, mas muito menos elaborado do que uma tarefa de desempenho de vários dias [2].

5. Rotinas curtas e reutilizáveis em sala de aula: WODB, Padrões Visuais, Conversas Numéricas

Três formatos de “rotina” amplamente adotados são notáveis porque são extremamente baratos de criar em massa e traduzem‑se quase diretamente em modelos digitais de itens. Which One Doesn’t Belong (WODB), criado por Mary Bourassa em 2014 após adaptar uma atividade de classificação da primeira infância para uma aula de cálculo, apresenta quatro itens (números, formas, gráficos, equações) numa grelha e pergunta qual não pertence — deliberadamente sem uma única resposta correta, pois o objetivo é que cada um dos quatro itens possa ser justificado como o “fora de lugar” por um motivo matemático diferente e válido [3]. A heurística de design de Bourassa: um WODB forte tem três itens que partilham uma característica que o quarto não tem, para pelo menos uma partição razoável dos quatro — o que significa que múltiplas partições diferentes devem ser todas defensáveis [4]. Como o WODB não tem uma única resposta, não é naturalmente auto‑avaliável em termos de pontuação, mas funciona bem como um formato “seleciona o teu item e justifica” avaliado pela qualidade/validade da razão apresentada em vez do item escolhido, ou como um tipo de item de aquecimento/discussão não pontuado.

Visual Patterns (Fawn Nguyen) apresenta uma sequência de figuras (passo 1, 2, 3…) que crescem segundo uma regra visível, e pede aos estudantes que prevejam um passo distante (por exemplo, passo 43) ou que produzam uma equação geral — treinando exatamente a passagem da observação concreta de padrões para a generalização algébrica [10]. Isto é altamente parametrizável: um único “gerador de padrão de crescimento” (regras lineares, quadráticas ou geométricas aplicadas a disposições de pontos/azulejos) pode produzir mecanicamente um grande número de itens isomórficos que diferem apenas na regra específica e no número do passo solicitado.

Number Talks (associado amplamente a Ruth Parker, Kathy Richardson, e popularizado por Sherry Parrish e Jo Boaler) é uma curta rotina diária centrada na resolução mental de um único cálculo, seguida de partilha e comparação pelos estudantes de diferentes estratégias mentais válidas para o mesmo problema — o ponto não é a resposta mas a variedade visível de caminhos de raciocínio corretos. Isto encaixa‑se naturalmente num formato digital “mostra a tua estratégia” ou “associa o teu método a um nome”, em vez de um simples item de entrada numérica, pois o conteúdo pedagógico é a comparação de métodos, ecoando o tipo de tarefa de Swan “avaliar/comparar representações” [9].

6. Problemas de estimativa de Fermi

Problemas de Fermi — nomeados pela característica capacidade de Enrico Fermi de produzir estimativas precisas de ordem de grandeza a partir de dados mínimos, ilustrada pela sua famosa estimativa instantânea do rendimento explosivo do teste Trinity a partir da distância que os pedaços de papel foram soprados — são tarefas de estimativa sem dados exatos prontamente disponíveis, resolvidas ao decompor a quantidade numa cadeia de fatores aproximadamente estimados [13]. Como os erros nas estimativas individuais dos fatores tendem a cancelar parcialmente quando multiplicados, o produto de várias suposições aproximadas costuma estar surpreendentemente próximo da verdadeira ordem de grandeza, mesmo quando nenhuma suposição isolada foi muito precisa [13]. Pedagógicamente, isto treina a confiança na incerteza, o raciocínio dimensional e a verificação de sentido de um grande resultado calculado contra a intuição — e corresponde a um formato de item específico: entrada numérica pontuada como correta dentro de uma banda de tolerância de ordem de grandeza (ou percentagem), não uma correspondência exata, o que constitui um contrato de avaliação fundamentalmente diferente da maioria da aritmética escolar.

7. Formulação de problemas e a «suspensão da compreensão» em problemas de palavras

Um ramo separado de investigação examina a lacuna entre executar corretamente um procedimento e conectar esse procedimento ao significado de uma situação realista. Conclusões gerais nesta área (recolhidas em panoramas da pedagogia de problemas de palavras) observam que a dificuldade de compreensão nos problemas de palavras costuma não ser que os estudantes não consigam executar a aritmética, mas que lhes falta uma ligação firme entre as operações matemáticas e a semântica do cenário real que o problema descreve [14] — os estudantes podem calcular corretamente enquanto efetivamente «desligam» a verificação de se o número resultante faz sentido no mundo descrito pelo problema (o género amplamente citado de itens de teste em que os estudantes dividem pessoas restantes em «autocarros necessários» ou similar sem verificar se a resposta numérica é sequer fisicamente plausível ilustra o mesmo fenómeno). Este é o mesmo modo de falha contra o qual a matemática em três actos e o Open Middle lutam a partir de ângulos diferentes: a matemática em três actos impede‑o ao tornar as apostas do mundo real concretas e geradas pelos estudantes antes de aparecer qualquer número [1]; o Open Middle impede‑o ao fazer do «meio» propriamente a tarefa de raciocínio, não havendo procedimento a executar às cegas [2]. Para o Math Challenge, a versão acionável desta investigação é uma regra de design: qualquer item de problema de palavras deve ser verificável quanto a se uma resposta errada «plausível mas sem sentido» (tempo negativo, pessoas fraccionárias, uma área maior que a forma que a contém) é um erro suficientemente comum para justificar um distrator dedicado «esta resposta faz sentido?» ou um prompt de reflexão pós‑resposta.

8. Anatomia de um bom item de escolha múltipla e distratores baseados em conceções erróneas

As diretrizes padrão de elaboração de itens tratam a construção de distratores como engenharia deliberada: os distratores são escritos para serem «plausíveis mas claramente incorretos», e a atração inicial do estudante por uma opção errada deve decorrer da plausibilidade superficial que o autor do item inseriu intencionalmente, não de uma opção implausível que ninguém escolheria (por exemplo, «Detroit» como distrator numa questão sobre cidades indianas é um exemplo clássico de um distrator mau e não plausível). Uma fraqueza conhecida do formato é a «astúcia de teste» — pistas na construção das opções (comprimento, adequação gramatical, qualificadores absolutos) que permitem a um estudante experiente em testes pontuar acima do seu conhecimento real, o que justifica manter o comprimento/estilo/gramática dos distratores uniformes entre as opções. Os distratores mais fortes e defensáveis não são números aleatoriamente errados, mas o resultado numérico ou simbólico real de uma conceção errónea documentada — por exemplo, para «-2 - (-5)», oferecer «-7» (erro de sinal na subtracção) e «-3» (ignora a negação) como distratores, em vez de números errados arbitrários — porque um distrator construído a partir de um erro real é diagnóstico (qual resposta errada foi escolhida indica qual conceção errónea está presente), enquanto um número errado arbitrário apenas indica que o estudante errou, não como.

9. Formatos de item além da escolha múltipla

Um catálogo de trabalho útil para o Math Challenge (desenvolvido em detalhe na tabela Catálogo de Formatos de Item abaixo) inclui: entrada numérica com banda de tolerância (necessária para estimativas ao estilo Fermi e qualquer resposta com arredondamento legítimo); arrastar‑para‑ordenar (sequenciar passos de uma demonstração, ou ordenar números/fracções numa linha); correspondência (parear uma expressão com o seu gráfico, ou um termo com a sua definição); ponto‑quente/selecionar‑ponto ou clicar‑na‑figura (identificar uma região, ângulo ou ponto num diagrama); construir‑um‑gráfico (colocar pontos, desenhar uma linha com inclinação dada, traçar uma função) — suportado nativamente como graphicGapMatchInteraction, selectPointInteraction, positionObjectInteraction e drawingInteraction na especificação QTI 3.0 [6]; preencher‑o‑espaço da equação (preenchimento parametrizado de lacunas dentro de uma expressão simbólica, gapMatchInteraction/textEntryInteraction em termos QTI) [6]; ordenar‑em‑categorias (classificar uma lista de números/formas em baldes — uma digitalização natural da tarefa de Swan «classificar objetos») [9]; detetar‑o‑erro (apresentar uma solução trabalhada com um bug inserido e pedir ao estudante que o localize/nomeie — implementa diretamente o estilo IES «usar problemas resolvidos, incluindo os incorretos»); estimativa‑com‑intervalo (entrada numérica pontuada por contenção num intervalo, o formato natural de problema de Fermi) [13]; seleção múltipla (choiceInteraction do QTI com maxChoices > 1) [6]; e manipuláveis interativos (arrastar peças/contadores, peças virtuais de tangram, blocos virtuais de base dez) [16].

10. Tradições de puzzles: Japonês, Chinês, Russo, Védico

Tradições de puzzles japoneses oferecem vários formatos já comprovados em escala com milhões de resolvedores. Kakuro («Somas Cruzadas»), apesar do nome japonês, foi na realidade inventado em 1966 pelo canadiano Jacob E. Funk na Dell Magazines e mais tarde ganhou popularidade duradoura no Japão; requer preencher uma grelha de modo a que cada sequência horizontal/vertical de casas brancas some para uma pista dada sem repetir dígitos, exercitando o raciocínio combinatório sobre quais conjuntos de dígitos podem produzir uma soma alvo [11]. KenKen, inventado em 2004 pelo professor japonês Tetsuya Miyamoto explicitamente como uma ferramenta de treino cerebral «sem instruções», combina uma restrição de quadrado latino (cada dígito uma vez por linha/coluna) com regiões «gaiola» que devem produzir um valor alvo sob uma operação aritmética declarada, e é relatado em uso por mais de 30.000 U.S. teachers para prática de fluência aritmética e dedução lógica [12]. Os puzzles «labirinto de área» (menseki meiro) de Naoki Inaba — grelhas de rectângulos aninhados com alguns comprimentos de lado e áreas fornecidos, outros a descobrir usando apenas raciocínio aritmético e geométrico, sem álgebra ou calculadora — são outro género japonês bem conhecido nesta mesma família, embora este relatório não tenha conseguido verificar uma fonte primária citável para esse formato específico durante esta passagem de pesquisa e o inclua aqui como contexto de fundo e não como constatação citada.

Tradições chinesas contribuem com o tangram (七巧板, «sete tábuas de habilidade»), um puzzle de desmontagem de sete peças planas (cinco triângulos, um quadrado, um paralelogramo) que se recombinam num quadrado ou em inúmeras outras figuras de silhueta, usado pedagogicamente para desenvolver visualização espacial, congruência e intuição de conservação de área (uma vez que todas as figuras de tangram partilham a mesma área total) [16]. Os Nove Capítulos sobre a Arte Matemática, o texto clássico fundacional da matemática chinesa, está organizado em nove capítulos temáticos (áreas de campo e frações, troca proporcional, distribuição proporcional, extração de raiz a partir de área/volume, volumes de construção, problemas de proporção ao estilo tributário, sistemas de duas equações lineares via «excesso e défice», sistemas lineares gerais via métodos semelhantes à eliminação de Gauss, e problemas de triângulo recto/Pitágoras), cada um seguindo um formato estrito «problema, depois solução, depois método» — uma estrutura diretamente reutilizável como modelo de autoria de itens (exemplo trabalhado → método generalizável) [15].

Círculos de matemática russos (kruzhok), que remontam à Bulgária antes de 1907 e foram formalizados na URSS na década de 1930, são grupos voluntários, extracurriculares, de resolução de problemas construídos em torno do genuíno desejo de estar presentes e de um contexto social para desfrutar da matemática, tipicamente socráticos e impulsionados pela exploração em vez de por palestras, por vezes orientados para olimpíadas e por vezes deliberadamente não; a tradição chegou aos EUA em 1994 através de Robert e Ellen Kaplan em Harvard, trazida por emigrantes que tinham assistido como adolescentes [18]. O género de problema de círculo de matemática (autocontido, elegante, que requer insight em vez de um procedimento memorizado) é uma fonte forte para itens de «parede larga» de alto potencial, distintos do treino alinhado ao currículo.

Matemática védica requer uma ressalva: o livro de 1965 de Bharati Krishna Tirtha apresenta 16 «sutras» (por exemplo, atalhos para elevar ao quadrado números que terminam em 5, ou padrões específicos de multiplicação) alegadamente extraídos do antigo Atharvaveda, mas esta atribuição é rejeitada por historiadores da matemática (S. G. Dani, Kim Plofker, K. S. Shukla), que consideram que o estilo linguístico é sânscrito moderno, as técnicas dependem de notação decimal desconhecida no período védico, e o conteúdo não tem essencialmente nada em comum com a matemática histórica da era védica [17]. Os próprios atalhos de cálculo individual podem ainda ser legítimos, truques aritméticos úteis que valem a pena incluir como categoria de item «técnica de velocidade», mas qualquer enquadramento voltado ao utilizador deve evitar apresentá‑los como escritura antiga autêntica, tanto porque é factual e contestado como porque (segundo a fonte encontrada) o enquadramento se tornou politicamente polémico nos debates curriculares da Índia [17].

11. Modelos de itens parametrizados vs. itens escritos à mão

A Geração Automática de Itens (AIG) é a disciplina formal que permite transformar um “modelo de item” criado à mão num grande número de itens entregues. O vocabulário padrão: radicais são as características estruturais de um modelo de item que determinam a sua dificuldade (por exemplo, número de passos, tamanho dos números, presença de um recurso que desencadeia um distrator); incidentais são características superficiais que variam sem alterar a dificuldade (quais números específicos, nomes ou história de fundo são usados); e isómeros são os itens resultantes que partilham radicais idênticos mas diferem apenas nos incidentais [19]. O valor prático da AIG está diretamente alinhado com um objetivo MVP de 2.500 itens: um especialista em testes desenha um modelo de item cuidadosamente validado com espaços variáveis, e um algoritmo preenche esses espaços, produzindo muitos itens paralelos muito mais rapidamente do que a autoria manual um‑a‑um, ao mesmo tempo que — se o modelo for sólido — mantém a dificuldade e a qualidade comparáveis ao longo da família gerada [19]. O trade‑off explícito é que a qualidade passa a depender inteiramente de o modelo subjacente separar corretamente radicais de incidentais; um modelo mal concebido pode gerar silenciosamente itens muito mais difíceis ou mais fáceis do que o pretendido, ou que partilhem um padrão superficial explorável que um resolvedor repetido poderia aprender. Isto defende a construção de um número menor (dezenas, não milhares) de modelos de itens de alta qualidade — um por par de competência/misconcepção identificado na investigação temática já recolhida para este projeto — cada um parametrizado para gerar muitas instâncias isomórficas, em vez de tratar “2.500 itens” como 2.500 tarefas de autoria independentes.

12. O padrão QTI 3.0

QTI (Question and Test Interoperability), mantido pela 1EdTech, é o padrão aberto dominante para empacotar itens de avaliação, testes e dados de resultados de forma a que se movimentem entre ferramentas de autoria, bancos de itens e plataformas de entrega sem bloqueio de fornecedor [5]. O QTI 3.0 consolida a linha anterior QTI 2.x com a especificação de acessibilidade APIP e passa a usar markup amigável para a web (elementos personalizados utilizáveis como componentes web padrão), mantendo ao mesmo tempo suporte nativo para testes adaptativos por computador e interacções personalizadas portáteis [5]. Concretamente, o QTI 3.0 define 21 tipos de interação padronizados, cobrindo diretamente quase todos os formatos do catálogo acima: choiceInteraction (MCQ de seleção única/múltipla), textEntryInteraction/inlineChoiceInteraction (entrada curta numérica/textual ou preenchimento embutido), extendedTextInteraction (resposta livre), gapMatchInteraction/graphicGapMatchInteraction (preenchimento de lacunas, inclusive sobre uma imagem), matchInteraction/associateInteraction (pareamento de dois conjuntos), orderInteraction/graphicOrderInteraction (arrastar‑para‑sequência, inclusive regiões de uma imagem), hotspotInteraction/selectPointInteraction (clicar‑na‑região/ponto), positionObjectInteraction (arrastar um objeto para uma imagem‑alvo), sliderInteraction (seleção numérica limitada por arrasto), drawingInteraction (marcação à mão livre num canvas) e uploadInteraction (submissão de ficheiro) [6]. Adotar a nomeação de modelos de item QTI 3.0, ainda que informalmente (independentemente de o Math Challenge implementar ou não a exportação completa QTI XML no MVP), fornece um vocabulário validado e sensível à acessibilidade para o esquema de autoria de itens, em vez de inventar nomes de formato do zero, e mantém um caminho real de exportação aberto para o futuro sem necessidade de reescrita.

Catálogo de formatos de item

Formato	Idades a que se adequa	O que mede	Auto‑corrigível?	Resistência ao resolvedor?	Esforço de construção
Escolha múltipla (seleção única), distratores baseados em conceções erróneas	Todas as idades	Reconhecimento + que erro específico revela uma escolha errada	Sim, trivialmente	Baixo — adivinhável, e vulnerável a chaves de respostas memorizadas a menos que os itens sejam variados/parametrizados	Baixo por item, maior para construir uma biblioteca real de distratores a partir de erros documentados
Seleção múltipla	8+	Capacidade de identificar todos os casos válidos, não apenas um	Sim	Médio — mais difícil de adivinhar do que a seleção única	Baixo
Entrada numérica com tolerância	8+	Cálculo, julgamento de arredondamento	Sim (verificação de intervalo)	Médio	Baixo
Entrada numérica, exata	Todas as idades	Cálculo preciso	Sim	Baixo‑médio	Baixo
Estimativa com intervalo (estilo Fermi)	10+	Raciocínio de ordem de grandeza, conforto com a incerteza [13]	Sim (contenção de intervalo)	Alto — sem procedimento para memorizar, apenas uma cadeia de raciocínio	Médio (necessita de uma quantidade do mundo real credível)
Preenchimento de equação/expressão	8+	Compreensão estrutural/simbólica, uma peça em falta	Sim	Médio	Baixo‑médio
Arrastar‑para‑ordenar	6+	Sequenciamento (etapas de prova, ordenação de grandezas, ordem de processo)	Sim	Médio	Médio (necessita de interface de arrastar)
Correspondência / emparelhamento	8+	Ligação de representações (gráfico↔equação, termo↔definição)	Sim	Médio	Médio
Ponto quente / selecionar‑ponto / clicar‑na‑figura	6+	Identificação geométrica, leitura de um diagrama	Sim	Médio	Médio‑alto (necessita de regiões de imagem)
Arrastar‑para‑imagem (posicionar objeto)	8+	Posicionamento espacial (plotar um ponto, colocar uma peça)	Sim	Médio	Médio‑alto
Construir‑um‑gráfico (plotar pontos/linha/função)	11+	Fluência em gráficos, comportamento de funções	Parcialmente — requer lógica de tolerância	Alto	Alto
Ordenar em categorias	6+	Classificação (tipo de tarefa “classificar objetos” de Swan) [9]	Sim	Médio	Baixo‑médio
Detetar‑o‑erro (solução trabalhada com bug inserido)	10+	Diagnosticar uma conceção errónea específica, não apenas produzir uma resposta correta	Sim se a localização do bug for discreta/etiquetada	Alto — requer compreensão do método, não correspondência de padrão de resposta	Médio (necessita de uma biblioteca de bugs)
Qual Não Pertence (justifique a sua escolha)	Todas as idades	Discurso, notar atributos, múltiplas razões válidas	Não (avaliado pela qualidade da justificação, ou sem avaliação)	Alto (nenhuma escolha “certa” única para procurar)	Baixo
Padrão visual → prever passo N / escrever regra	8+	Generalização, raciocínio algébrico inicial [10]	Sim	Médio‑alto	Baixo (altamente parametrizável)
Conversa numérica (escolher/descrever a sua estratégia mental)	6+	Metacognição, comparação de estratégias, sentido numérico	Parcialmente (múltiplas estratégias válidas)	Médio	Baixo
Open Middle (encontrar o ótimo)	8+	Raciocínio de múltiplos caminhos para uma resposta fechada [2]	Sim (comparar com o ótimo conhecido)	Alto — sem atalho para a pesquisa	Médio
Matemática em três actos (liderada por imagem/vídeo, sem números inicialmente)	8+	Motivação, formulação de questões, aplicação da matemática a uma previsão real [1]	Parcialmente (resposta numérica final, sim; a contextualização, não)	Alto (o contexto muda a cada vez)	Alto (necessita de media)
Formatos de puzzle (estilo KenKen/Kakuro/tangram)	8+	Raciocínio combinatório, satisfação de restrições, raciocínio espacial [11][12][16]	Sim	Alto — resiste à memorização mecânica por construção	Médio‑alto (necessita de um gerador/solucionador)
Manipuláveis interativos (blocos virtuais de base dez, barras de frações, tangram)	3–11	Ponte entre concreto e abstrato	Parcialmente (depende da tarefa que o envolve)	Médio	Alto

Implicações de design

1. Adotar “low floor, high ceiling, wide walls” mais a rubrica de demanda cognitiva/group‑worthy‑task como uma lista de verificação obrigatória antes da publicação para cada modelo de item, não apenas para os itens de demonstração criados manualmente — até um MCQ parametrizado pode ser avaliado quanto a “does this have more than one legitimate path” [20].
2. Etiquetar cada item (ou modelo de item) com qual dos cinco propósitos instrucionais de Swan serve (fluência, conceito, resolução de problemas não rotineiros, linguagem matemática, aplicação), uma vez que isso deve orientar a escolha do formato, não apenas o tópico [9].
3. Construir os 8–10 formatos de item suportados pelo MVP aproximadamente nesta ordem de construção‑versus‑retorno: (1) escolha múltipla com distratores baseados em conceções erradas, (2) entrada numérica com tolerância, (3) seleção múltipla, (4) equação de preencher‑os‑blancos, (5) ordenação em categorias, (6) correspondência/pareamento, (7) arrastar‑para‑ordenar, (8) Open Middle‑style optimum search, (9) spot‑the‑error, (10) hotspot/click‑the‑figure — isto antecipa os formatos com menor custo de construção e maior auto‑gradabilidade, e adia os dois formatos mais intensivos em produção (construct‑a‑graph, three‑act video‑led items) para uma versão posterior.
4. Tratar os itens em estilo “three‑act” e as verdadeiras tarefas abertas ao estilo rich/NRICH como um pequeno nível premium deliberadamente não escalável (dezenas de itens, não milhares) em vez de tentar impor o formato a todos os 2.500 itens — o custo de produção (media, open‑ended scoring) é fundamentalmente incompatível com a geração em massa [1][20].
5. Investir a maior parte do esforço de autoria em modelos de item (per Automatic Item Generation’s radicals/incidentals/isomorphs framework), não em itens individuais: escolher uma conceção errada por modelo (sourced from this project’s topic‑specific misconception research), definir quais características numéricas/contextuais são “radicals” que devem ser mantidas difficulty‑constant, e deixar um algoritmo variar os “incidentals” para alcançar volume [19].
6. Construir uma biblioteca real e citável de distratores por competência, indexada em conceções erradas documentadas (não em números errados gerados aleatoriamente), e fazer com que o sinal diagnóstico do MVP seja which distractor was picked, not just right/wrong — this is the single highest‑leverage design choice for turning a drill bank into an adaptive tutor.
7. Utilizar a estrutura “closed beginning/closed end/open‑middle” da Open Middle como modelo predefinido para qualquer item “find the best/smallest/largest”, pois é simultaneamente auto‑gradável e resistente à procura de respostas — uma combinação rara [2].
8. Dar ao tipo de item Fermi/estimation‑with‑range o seu próprio tipo de primeira classe (numeric entry, tolerance‑band scoring) em vez de forçá‑lo a encaixar na exact‑numeric‑entry — o contrato de avaliação é fundamentalmente diferente (interval containment, not equality) [13].
9. Reservar “spot‑the‑error” para as conceções erradas específicas já catalogadas na investigação por tópico deste projeto (por exemplo, a taxonomia de conceções erradas de álgebra), de modo que o bug inserido na solução trabalhada seja sempre um erro real e documentado, e etiquetar qual bug nomeado cada item spot‑the‑error testa.
10. Adotar os nomes de tipos de interação do QTI 3.0 (choiceInteraction, textEntryInteraction, gapMatchInteraction, matchInteraction, orderInteraction, hotspotInteraction, positionObjectInteraction, sliderInteraction, drawingInteraction, etc.) como vocabulário do esquema interno para o modelo de dados de autoria de itens agora, mesmo sem implementar QTI XML import/export no MVP — isto mantém um caminho real de interoperabilidade/exportação aberto mais tarde sem reescrever o esquema [5][6].
11. Incluir uma classe de item “no single right answer, graded on justification” (modeled on Which One Doesn’t Belong) explicitamente fora do pipeline de pontuação/mastery, pois forçar uma rotina baseada em discurso a um escore right/wrong anula o seu propósito [3][4].
12. Extrair a estrutura “problem → solution → method” dos Nine Chapters e os problemas de círculos matemáticos russos como fonte de itens de alto teto artesanais, distintos dos exercícios curriculares, explicitamente rotulados como pista de enrichment/challenge em vez de misturados anonimamente na progressão principal [15][18].
13. Se os atalhos de cálculo ao estilo Vedic forem incluídos como categoria de conteúdo “speed technique”, apresentá‑los como truques aritméticos nomeados (por exemplo, “the base‑10 squaring trick”) sem alegar autenticidade histórica, dada a proveniência contestada/politizada da enquadramento “Vedic mathematics” [17].
14. Para cada item em estilo word‑problem (qualquer formato, não apenas MCQ), acrescentar ou um distrator “does this answer make sense” (uma opção numericamente derivável mas fisicamente absurda) ou um pequeno prompt de reflexão pós‑answer, pois a execução mecânica de procedimentos sem verificação de sentido no mundo real é um modo de falha documentado e recorrente, independente da competência matemática específica testada [1][14].

Questões abertas para o proprietário do projeto

1. Deverá o MVP comprometer‑se com um esquema interno em forma de QTI 3.0 desde o primeiro dia (mesmo sem exportação XML), ou essa padronização prematura é algo que a equipa prefere adiar até que exista uma necessidade real de interoperar com um banco de itens externo ou LMS?
2. Para a classe de item “no single right answer” (estilo Which One Doesn’t Belong), o Math Challenge deve pontuar apenas a participação/envolvimento, usar uma pontuação de justificação leve baseada em IA, ou excluir totalmente esta classe de qualquer mecânica de pontuação/streak?
3. Considerando que os itens ao estilo Open Middle e Fermi são os dois formatos identificados como mais resistentes à procura de respostas/solver cheating, a economia inicial de XP/pontos do MVP deve ponderar esses formatos com maior peso do que os MCQ simples para desencorajar os estudantes de se dirigirem ao tipo de item “cheapest”?
4. Qual a percentagem do objetivo de 2.500 itens que deve ser reservada para o pequeno nível “premium” de alta produção (three‑act, true NRICH‑style rich tasks, curated puzzle‑tradition items) versus o nível de modelo parametrizado em massa — existe uma proporção alvo (por exemplo, 95/5) que o proprietário deseja definir explicitamente agora, ou deve ser descoberta empiricamente após o primeiro sprint de conteúdo?
5. Deve a biblioteca de distratores baseada em conceções erradas ser construída tópico a tópico à medida que a investigação de cada tópico se conclui (piggybacking on the per‑topic misconception research already produced for this project), ou centralizada como uma passagem de autoria transversal separada após toda a investigação de tópicos estar concluída?