Journey: da tecnologia ao algoritmo - Bravi

howMobileTech

Journey: da tecnologia ao algoritmo

Journey: da tecnologia ao algoritmo

7 minutos de leitura

Com a missão de construir um app de mobile learning que fosse capaz de ensinar rapidamente os jargões e a cultura da empresa aos novos funcionários, o time de tecnologia da Bravi se debruçou sobre o projeto para entender como tirar a ideia do papel.

O processo de construção do aplicativo foi desafiador por dois principais motivos: exigiu a escolha correta da tecnologia embarcada, e considerou o embasamento científico sobre técnicas de aprendizado em dispositivos móveis para desenhar a interação dos usuários com a plataforma.

Parece complexo? Vamos explicar melhor.

A primeira decisão envolveu a implementação e a escolha da tecnologia. Desenvolver o aplicativo de maneira nativa ou web? 

As duas opções têm suas vantagens e desvantagens, e a definição da melhor tecnologia para o projeto é essencial para economizar recursos, agilizar o tempo de desenvolvimento e facilitar a manutenção da plataforma.

Para o app em questão, optamos por uma tecnologia web

Na época, o desafio foi maior do que é hoje, mas essa escolha nos permitiu desenvolver um aplicativo rápido, barato e funcional em múltiplas plataformas — exatamente os critérios estabelecidos pelo cliente na concepção do projeto.

Só que, por ser um aplicativo web, ele precisa necessariamente ser mais simples em sua estrutura, porque tem um acesso reduzido aos recursos nativos do aplicativo. 

Diante dessa limitação imposta pela definição da tecnologia, surgia o desafio principal: como entregar um aplicativo com funcionalidades capazes de educar rapidamente os novos funcionários da empresa?

A solução que encontramos em conjunto com o cliente foi desenhar um card para todos os 100 jargões, com a explicação de cada termo e uma interação do usuário. 

Ele precisa responder com o nível de confiança da sua compreensão daquele conteúdo: alto, médio ou baixo.

Com base nessa resposta, o algoritmo desenvolvido pela Bravi mostrava os termos com maior ou menor frequência, a fim de facilitar a assimilação do conteúdo.

Há dois embasamentos científicos em torno dessa estratégia.

O primeiro diz respeito à curva de esquecimento desenvolvida pelo psicólogo alemão Hermann Ebbinghaus entre 1880 e 1885.

Essa teoria traça uma curva com o desempenho da memória humana, e deixa claro que nós tendemos a esquecer o que foi aprendido em uma questão de dias ou semanas, a não ser que haja uma revisão desse aprendizado.

Você já deve ter experimentado isso no dia a dia: quando memoriza algo que não exercita, acaba esquecendo. Isso vale para senhas de acesso, vale para receitas -- e vale também para os jargões de uma empresa.

Aliada a essa compreensão de que é preciso exercitar a memória, o algoritmo trouxe outro embasamento científico: o sistema Leitner.

Seguindo os princípios desenvolvidos pelo jornalista científico alemão, a aparição dos cards para o usuário não é aleatória: ela leva em consideração o nível de confiança informado pelo usuário.

O resultado é simples, mas impactante para o aprendizado: quanto maior o nível de confiança a respeito do conteúdo, com menos frequência essas cartas vão se repetir.

E como tudo isso se traduz na prática, para o usuário? Como o usuário interage com essas cartas? É o que veremos a seguir, na parte de experience do case.