Os educadores trabalham muito para conquistar e manter a confiança dos estudantes e de suas famílias. Incidentes como o vazamento da Instructure, em 7 de maio, colocam em risco a confiança da comunidade e expõem estudantes e famílias à ansiedade em relação à privacidade dos dados. Para instituições que dependem de uma infraestrutura de LMS, não há motivo para pânico — a resposta adequada é examinar com cuidado a arquitetura de dados, a dependência de fornecedores e o desenho das integrações.
A cadeia exata do comprometimento ainda está sendo investigada, mas a Instructure confirmou o acesso não autorizado a parte de seu ambiente Canvas por meio da exploração de um problema relacionado a contas Free-for-Teacher. O grupo ShinyHunters comprometeu com sucesso a hospedagem em nuvem do LMS Canvas da Instructure, acessando informações de identificação pessoal de 9.000 instituições (até 200 milhões de estudantes).
O verdadeiro problema não foi a ocorrência de uma violação de segurança. Foi a centralização dos dados da Instructure, que permitiu que um único comprometimento desse a um invasor acesso aos dados de todos os seus clientes. Quando a segurança dos dados importa, a arquitetura de uma plataforma deve dificultar isso: um fornecedor deve isolar os dados, os ambientes de cada organização, as permissões e os domínios operacionais por meio de uma estrutura multilocatária. Isso reduz significativamente o alcance dos danos de qualquer comprometimento.
As plataformas de LMS se tornaram painéis de controle das operações de aprendizagem, incluindo identidade, matrículas, notas, entregas de atividades, comunicações, adaptações de acessibilidade, análises, integrações e fluxos de trabalho institucionais. Isso as torna valiosas, mas também perigosas. Cada novo fluxo de trabalho absorvido pelo LMS amplia as consequências de um comprometimento. O modelo de negócios de um LMS exige que ele seja o sistema oficial de registro dos dados institucionais, impulsionando o engajamento e os custos de troca.
É por isso que o incidente da Instructure é uma questão de infraestrutura. A educação concentrou dependência operacional demais em sistemas monolíticos de registro. Em vez de mais ferramentas SaaS, a educação precisa de uma infraestrutura que funcione entre os sistemas existentes, encontre estudantes e administradores onde já estão e permita que as organizações mantenham seus próprios dados sob suas próprias políticas de segurança. As instituições de ensino não deveriam ser obrigadas a abrir mão de sua soberania operacional para participar da aprendizagem nativa de IA.
O problema das plataformas de LMS é um modelo de negócios que recompensa o engajamento, a dependência do fornecedor e a coleta centralizada de dados. Com a IA, agora podemos criar contratos baseados em resultados de forma eficaz, nos quais os fornecedores são pagos pelo cumprimento de resultados de aprendizagem e emprego definidos pela instituição. A Digital Promise constatou que contratos baseados em resultados podem aumentar a adoção pelos estudantes de 35% para 50%–95%.
Em vez de cobrar por usuário, os motores de resultados cobram pela conquista de resultados dos estudantes definidos pela instituição. Um motor de resultados é uma camada de execução instrucional que oferece interações de aprendizagem, captura evidências de domínio, avalia essas evidências e grava os resultados verificados nos sistemas de registro já utilizados pela instituição. A ideia não é substituir um sistema de registro por outro — é projetar a camada instrucional com escopo restrito à instituição e integrada aos registros existentes, em vez de se tornar o próprio registro. O modelo é uma estrutura integrada de execução de agentes, e não um ambiente fechado.
Um motor de resultados não precisa armazenar uma década de dados para fazer seu trabalho. O volume de dados diminui e, com ele, o alcance dos danos de um comprometimento. E os incentivos do fornecedor podem se alinhar aos da instituição, porque o valor entregue é mensurável.
Os custos de migração para uma nova plataforma diminuíram mais rapidamente do que a maioria das instituições percebe: a migração assistida por IA agora realiza o mapeamento de esquemas e o trabalho de integração que antes levavam um ano. Opções de LMS de código aberto, incluindo Canvas e Moodle, reduzem a dependência de fornecedores e podem preservar fluxos de trabalho familiares.
O setor já passou por esse tipo de transição antes. As universidades mantiveram seus próprios sistemas acadêmicos em mainframes por anos depois que os sistemas de informação estudantil (SIS) em nuvem tornaram a hospedagem local indefensável. A mudança em andamento agora é do mesmo tipo: o acesso por usuário a um banco de dados hospedado na nuvem está dando lugar à infraestrutura de aprendizagem cobrada por resultado. Instituições, operadores, professores, estudantes e fornecedores de resultados compartilham um incentivo para avançar rapidamente na precificação baseada em resultados e na adoção de tecnologia.
A pergunta certa não é como proteger o LMS. É como repensar o papel do LMS em um mundo que prioriza a IA, no qual o desenvolvimento do capital humano precisa ser redesenhado em torno de resultados.
