Drew University abrirá escola particular com IA para alunos do 1º ao 8º ano

A Drew University abrirá, no outono de 2026, uma escola para alunos do 1º ao 8º ano, levando um modelo de aprendizagem centrado em IA para um campus universitário. O anúncio chegou ao Google News como mais uma notícia local sobre educação, mas o experimento subjacente tem implicações nacionais. A Drew não está simplesmente adicionando software às salas de aula. Está reorganizando o dia escolar em torno de atividades acadêmicas conduzidas por software e orientação conduzida por pessoas.

A Drew School funcionará no campus da universidade em Madison, New Jersey. Ela está sendo desenvolvida com a 2HR Learning, plataforma curricular associada à Alpha School. Os alunos realizarão o trabalho acadêmico principal por meio de tecnologia de aprendizagem adaptativa e, em seguida, passarão para projetos, habilidades para a vida e atividades apoiadas pela universidade.

Essa estrutura cria o conflito central. A Drew e a 2HR Learning argumentam que o software adaptativo pode condensar a instrução acadêmica e, ao mesmo tempo, dar às crianças mais tempo para colaboração e trabalho criativo. Críticos afirmam que o software de tutoria não pode substituir o discernimento, os relacionamentos e as responsabilidades mais amplas de professores qualificados.

Esta também é a primeira afiliação universitária do modelo 2HR Learning, segundo a Drew. A parceria oferece ao modelo um ambiente institucional além dos próprios campi da Alpha. Ela dá à Drew um teste altamente visível sobre se uma universidade pode estender sua identidade educacional ao ensino fundamental.

A abertura importará menos como uma manchete no Google News do que como um experimento mensurável em sala de aula. Matrículas, progresso dos alunos, retenção das famílias, práticas de privacidade e avaliação independente determinarão se a parceria merece atenção mais ampla.

O que a Drew University está realmente lançando

A Drew School muda quem ministra a instrução principal, como os alunos avançam e o que os adultos fazem durante o dia escolar.

A Drew anunciou o projeto em agosto de 2026. A escola está programada para abrir durante o período acadêmico do outono de 2026, no campus da universidade em Madison. A Drew a descreve como um programa para alunos do 1º ao 8º ano, embora a página de admissões da escola inicialmente convide famílias fundadoras com alunos do 1º ao 7º ano.

O projeto combina três elementos que frequentemente aparecem separadamente na educação. Esses elementos são software acadêmico adaptativo, progressão baseada em domínio e atividades vespertinas orientadas a projetos. Progressão baseada em domínio significa que os alunos avançam após demonstrar compreensão, em vez de progredirem apenas porque uma unidade programada chegou ao fim.

Segundo o anúncio da escola da universidade, a tecnologia adaptativa definirá um ritmo individual para cada aluno. Orientadores de aprendizagem dedicados darão suporte a esse processo. A Drew afirma que instalações universitárias, membros do corpo docente e outros especialistas contribuirão para atividades de mentoria e aprendizagem.

O currículo planejado de habilidades para a vida inclui oratória, educação financeira, fluência em IA, resiliência, gestão do tempo, liderança e hábitos saudáveis. Os alunos também realizarão o que a Drew chama de Discovery Projects e trabalharão em um Creator’s Studio. Essas atividades devem conectar a aprendizagem a problemas que vão além das fichas de exercícios convencionais.

A universidade posiciona a escola dentro de uma concepção mais ampla de educação que se estende da infância à vida adulta posterior. A presidente Hilary L. Link descreve a estratégia da Drew como uma trajetória de aprendizagem que vai além de um diploma universitário tradicional. A nova escola leva alunos muito mais jovens para essa visão institucional.

Brian Holtz liderará a escola. A Drew o identifica como cofundador da Alpha School e criador do currículo 2HR Learning. Sua presença vincula diretamente o novo programa aos métodos existentes da Alpha, e não a um experimento separado criado pela Drew.

O modelo também muda o papel do educador. Espera-se que os adultos orientem a motivação, facilitem workshops e sejam mentores dos alunos. O software assume grande parte do sequenciamento, da prática e da medição associados ao trabalho acadêmico principal.

Essa divisão de trabalho é a verdadeira mudança. Muitas escolas usam tarefas digitais, prática automatizada ou sistemas de gestão de aprendizagem. A Drew está construindo a programação diária em torno desses sistemas e transferindo uma parcela substancial da atenção humana para orientação e projetos.

A distinção importa porque uma escola assistida por IA não é necessariamente uma escola ensinada por IA. Programas adaptativos podem recomendar exercícios, ajustar a dificuldade e acompanhar o desempenho sem funcionar como chatbots abertos. A Drew ainda não publicou um inventário técnico detalhado explicando todas as aplicações ou modelos que os alunos usarão.

A própria descrição do programa da escola enfatiza curiosidade, mentoria, aprendizagem mais profunda e progresso individual. Esses objetivos soam familiares em muitas escolas particulares. O que torna a Drew diferente é a tentativa de financiar esses objetivos com o tempo recuperado da instrução convencional para a turma inteira.

Essa promessa agora precisa resistir às operações reais de uma escola. Confiabilidade do software, alinhamento curricular, motivação dos alunos, acessibilidade e intervenção adulta moldarão a experiência. O anúncio de lançamento não estabelece quão bem essas partes funcionarão juntas.

Por que a notícia no Google News sinaliza uma expansão maior

A parceria da Drew transforma um modelo alternativo de escola particular em um teste sobre se universidades se tornarão operadoras, anfitriãs ou validadoras de escolas centradas em IA.

A Drew School chega enquanto a Alpha se expande muito além de sua presença original. Em agosto de 2026, a Alpha informou ao Axios que planejava crescer de cerca de uma dúzia de campi para aproximadamente 50 durante o ano letivo. A empresa esperava operar em 27 mercados.

Essa expansão muda o contexto em torno da Drew. Um único campus experimental pode contar com fundadores, famílias excepcionalmente motivadas e supervisão operacional próxima. Uma rede espalhada por muitos mercados precisa reproduzir de forma consistente práticas de contratação, apoio aos alunos, qualidade curricular e segurança.

Algumas aberturas da Alpha anunciadas anteriormente foram adiadas por problemas imobiliários, segundo reportagem sobre a expansão. Hospedar uma escola na Drew pode eliminar parte dessa dificuldade. Um campus universitário já oferece infraestrutura física, instalações especializadas e um grupo de potenciais mentores.

A afiliação também fornece algo menos tangível: credibilidade institucional. Pais que avaliam um novo modelo educacional precisam julgar tanto a qualidade acadêmica quanto a durabilidade organizacional. Uma relação com uma universidade pode fazer uma escola desconhecida parecer mais estabelecida, mesmo antes de haver dados de resultados.

Essa credibilidade cria pressão para a Drew. O nome da universidade será associado a práticas em sala de aula, resultados dos alunos e decisões operacionais que afetam crianças pequenas. A Drew não pode tratar o projeto como um piloto de software que pode ser discretamente descontinuado após um período letivo.

A parceria também pode interessar a outras faculdades que enfrentam pressões demográficas e financeiras. Uma escola de ensino fundamental pode criar laços com a comunidade, utilizar os recursos do campus de forma diferente e apresentar uma instituição às famílias anos antes do início das candidaturas universitárias.

No entanto, esses benefícios institucionais não validam o modelo acadêmico. Um campus universitário pode oferecer laboratórios, bibliotecas, espaços de arte e conhecimento do corpo docente. Isso não prova automaticamente que uma instrução principal conduzida por software produz compreensão duradoura.

Escolas tradicionais enfrentam um tipo diferente de pressão. A maioria não consegue redesenhar todo o dia em torno de software individualizado. Elas operam sob regras de contratação, requisitos de prestação de contas pública, horários negociados, proteções para pessoas com deficiência e obrigações de atender todos os alunos elegíveis.

A Drew pode começar com uma população pequena e autoselecionada. A escola afirma que está convidando de 10 a 12 famílias fundadoras. Essa escala permite atenção próxima, mas também limita o que os primeiros resultados podem estabelecer.

Uma pequena coorte pode incluir famílias com recursos incomuns, forte envolvimento parental ou um interesse específico por experimentação educacional. Esses fatores podem afetar o desempenho independentemente do software. Eles também tornam difíceis as comparações com escolas distritais.

O enquadramento do Google News pode fazer o evento parecer uma abertura de campus direta. A história maior é a transferência de um modelo de escola particular centrado em IA para um ambiente universitário. Essa mudança poderia criar um modelo para afiliações semelhantes se a Drew apresentar resultados convincentes.

Universidades que acompanham o experimento devem separar três questões. Uma universidade pode hospedar esse tipo de escola? O programa pode produzir resultados confiáveis? A abordagem pode funcionar para alunos fora de um grupo pequeno e cuidadosamente selecionado?

A Drew provavelmente responderá rapidamente à primeira pergunta. As outras duas exigem evidências transparentes coletadas ao longo de vários anos.

A promessa de duas horas encontra o trabalho de ensinar

A aposta central do modelo é que o software pode acelerar a prática sem retirar da educação o discernimento humano que torna a prática significativa.

A Alpha descreve sua abordagem como 2 Hour Learning. Os alunos passam aproximadamente duas horas em atividades acadêmicas principais, enquanto o restante do dia escolar é dedicado a projetos, atividades físicas e habilidades práticas. A expressão descreve o bloco acadêmico, não a duração de todo o dia escolar.

Sistemas adaptativos podem oferecer vantagens reais durante a prática estruturada. Eles podem apresentar material em diferentes níveis, identificar erros recorrentes e permitir que alunos avançados sigam adiante. Também podem fornecer feedback imediato sem exigir que um professor acompanhe todas as fichas de exercícios simultaneamente.

O argumento mais forte a favor do modelo não depende de remover os humanos. Depende de atribuir a prática repetitiva ao software, enquanto reserva a atenção dos adultos para motivação, explicação, discussão e desenvolvimento social.

Ainda assim, tutoria e ensino não são intercambiáveis. Um tutor ajuda um aluno a resolver problemas definidos ou a fortalecer uma habilidade específica. Um professor também seleciona questões relevantes, interpreta mal-entendidos, administra dinâmicas de grupo e conecta ideias separadas ao longo do tempo.

Gerald LeTendre, professor de educação da Penn State, fez essa distinção ao discutir escolas centradas em IA. Ele disse ao Axios que a tutoria por IA pode ajudar quando usada em um ambiente que ofereça contato humano profundo e ensino qualificado.

A Drew afirma que seus alunos receberão orientação e mentoria. Também planeja envolver membros do corpo docente e especialistas em assuntos específicos. A questão em aberto é se esses relacionamentos serão contínuos o bastante para apoiar crianças cujas necessidades não se encaixam em uma sequência de software.

Alunos mais jovens frequentemente comunicam confusão de maneira indireta. Podem se apressar, se desligar, acertar por tentativa ou evitar pedir ajuda. Um painel de desempenho pode capturar padrões de resposta, mas talvez não identifique a razão emocional, linguística ou de desenvolvimento por trás deles.

O sistema também precisa distinguir entre concluir um exercício e compreender um conceito. Uma criança pode aprender como uma plataforma recompensa respostas sem conseguir explicar a ideia subjacente, transferi-la ou utilizá-la de forma colaborativa.

Projetos vespertinos podem testar essa transferência. Um projeto de educação financeira pode exigir aritmética, leitura, planejamento e comunicação. Uma atividade no Creator’s Studio poderia revelar se um aluno consegue aplicar conhecimento acadêmico sem os comandos do software.

Isso faz do programa da tarde mais do que um enriquecimento. É um espaço em que a escola pode testar se uma formação acadêmica condensada leva a conhecimentos aplicáveis. Drew deve documentar como os projetos se conectam ao aprendizado da manhã e como os adultos avaliam essa conexão.

A abordagem do modelo em relação à motivação merece um escrutínio semelhante. A Alpha usa orientadores, em vez de professores convencionais de sala de aula, durante boa parte do dia. Os orientadores auxiliam os alunos no cumprimento de metas e ajudam a manter o engajamento.

A motivação pode melhorar a aprendizagem, mas não é um insumo simples. Recompensas podem gerar persistência de curto prazo sem criar curiosidade duradoura. Alguns alunos prosperam com metas visíveis, enquanto outros percebem painéis e acompanhamento de desempenho como pressão.

O sistema deve acomodar ambas as reações. Também precisa oferecer suporte quando as recomendações de software falham, o conteúdo é inacessível ou um aluno precisa de uma explicação em outro formato.

Os recursos universitários de Drew poderiam fortalecer o lado humano do modelo. Mentores do corpo docente, artistas, escritores, tecnólogos e parceiros comunitários podem expor os alunos ao pensamento de especialistas. Essas experiências podem ser difíceis de reproduzir em uma microescola independente.

A parceria só terá sucesso se essas experiências formarem um programa educacional coerente. O acesso ocasional a instalações impressionantes não pode compensar uma instrução diária fraca. A conexão com a universidade deve afetar o que os alunos fazem regularmente, não apenas a forma como a escola se divulga.

O que o Google News não consegue verificar sobre os resultados

As alegações mais importantes em torno do 2 Hour Learning continuam sendo alegações da empresa até que pesquisadores independentes possam examinar os métodos, os grupos de comparação e os resultados de longo prazo.

A Alpha afirma que seus alunos aprendem mais rápido do que seus pares e têm desempenho próximo ao topo das métricas acadêmicas nacionais. Essas alegações ajudam a explicar por que o modelo atrai famílias e parceiros institucionais. Elas não devem ser tratadas como resultados estabelecidos de forma independente.

Dados de progresso padronizados podem responder a perguntas úteis, mas a interpretação depende de como os alunos entraram no programa. Pesquisadores precisam de pontuações de referência, características dos alunos, evasão, condições de avaliação e um grupo de comparação adequado.

Os efeitos de seleção são especialmente importantes na educação privada. Famílias que buscam uma escola experimental podem oferecer mais apoio acadêmico ou ter maior flexibilidade. Alunos que têm dificuldades com o modelo podem sair, alterando o desempenho da coorte restante.

Uma avaliação confiável deve informar essas saídas. Ela deve mostrar os resultados dos alunos que se matricularam, não apenas dos que concluíram um período completo. Também deve examinar se os resultados variam por idade, desempenho anterior, deficiência, contexto linguístico e circunstâncias familiares.

Victor Lee, professor associado da Stanford’s Graduate School of Education, criticou a falta de escrutínio externo em torno da Alpha. Coberturas que resumem seus comentários afirmam que pesquisadores independentes não receberam acesso suficiente para testar as alegações da organização.

Essa lacuna se torna mais relevante quando uma universidade adere ao modelo. Drew tem expertise em pesquisa e uma reputação acadêmica ligada a evidências. Ela pode exigir práticas de avaliação mais claras do que uma empresa privada de educação talvez adotasse sozinha.

Revisão independente não significa publicar um relatório anual celebratório. Significa permitir que pesquisadores qualificados definam métodos, analisem dados anonimizados, revelem limitações e publiquem resultados desfavoráveis.

Os resultados devem ir além das notas em testes. Drew deve acompanhar a escrita dos alunos, o raciocínio matemático, a qualidade dos projetos, a colaboração, a frequência, o bem-estar e a persistência. Também deve examinar como os alunos se saem após deixarem o programa.

A privacidade é outra medida ainda não resolvida de qualidade. Sistemas de aprendizagem personalizada precisam de informações detalhadas sobre o progresso e o comportamento dos alunos. Esses registros podem revelar fragilidades, padrões de atenção, interesses e outras características sensíveis.

Drew não especificou publicamente quais fornecedores receberão dados dos alunos, por quanto tempo os registros serão retidos ou se as informações serão usadas para treinar modelos comerciais. Também não detalhou como as famílias podem contestar recomendações automatizadas.

Essas questões não são notas de rodapé administrativas. Elas afetam se os pais podem dar consentimento informado e se os alunos mantêm controle significativo sobre seus registros educacionais.

A orientação sobre educação e IA da UNESCO pede proteções de privacidade de dados e limites de idade para interação independente com plataformas de IA generativa. A orientação reflete um princípio básico: crianças não devem arcar com o risco de uma implementação não testada.

O guia de integração do Departamento de Educação dos Estados Unidos enfatiza de forma semelhante a transparência, a conscientização das partes interessadas e oportunidades de optar por não usar aplicações habilitadas por IA. Uma escola privada pode operar de forma diferente de um distrito público, mas essas proteções continuam relevantes.

Drew deve, portanto, divulgar se cada ferramenta é generativa, adaptativa, preditiva ou principalmente administrativa. Essas categorias envolvem riscos diferentes. Um programa de matemática que seleciona o próximo exercício não equivale a um chatbot que produz explicações abertas.

As famílias também precisam saber quando um adulto revisa uma recomendação. Se o software identificar um aluno como tendo dificuldades, alguém deve verificar essa conclusão antes que ela determine o encaminhamento ou as expectativas. Métricas automatizadas devem orientar o julgamento profissional, não substituí-lo silenciosamente.

A cobertura pública do Google News pode identificar o lançamento e repetir o desenho declarado do programa. Ela não consegue auditar algoritmos, testar alegações de aprendizagem ou determinar se as crianças recebem apoio humano adequado.

Essa lacuna de verificação é a reviravolta central do artigo. A parceria parece um endosso a um modelo estabelecido. Na prática, ela cria uma nova oportunidade e responsabilidade de avaliar esse modelo de forma independente.

O experimento de Drew chega a um sistema escolar despreparado

A nova escola está expandindo uma abordagem dependente de IA enquanto muitos educadores ainda não dispõem de orientação institucional básica para usar IA no trabalho.

Uma pesquisa da Gallup de maio de 2026 constatou que apenas 18 por cento dos professores de escolas públicas dos Estados Unidos haviam recebido orientação formal de administradores sobre o uso de IA no trabalho. Cerca de 48 por cento relataram ter recebido apenas orientação informal, enquanto 34 por cento relataram não ter recebido nenhuma.

A mesma pesquisa sobre orientação a professores constatou que seis em cada 10 professores usavam IA no trabalho. Três em cada 10 a usavam ao menos semanalmente. A adoção, portanto, está avançando mais rápido do que a criação de regras institucionais.

A resposta de Drew é muito mais agressiva do que emitir uma política de uso aceitável. A escola está estruturando sua organização pedagógica em torno de tecnologia adaptativa desde o início. Isso evita alguns problemas criados quando escolas acrescentam ferramentas isoladas a cronogramas antigos.

Isso cria riscos diferentes. Uma escola construída em torno de software se torna dependente do desempenho dos fornecedores, da governança de dados, da qualidade do conteúdo e do suporte técnico. Uma falha de plataforma deixa de ser um inconveniente menor quando ela organiza o bloco acadêmico central.

Nova Jersey já incentivou distritos a se prepararem para a IA. Em 2024, o departamento estadual de educação publicou recursos de IA para a sala de aula que abordam integração responsável e usos administrativos.

A abordagem do estado enfatiza o apoio ao ensino e à aprendizagem. O modelo de Drew levanta uma questão mais exigente: quanta responsabilidade instrucional a tecnologia deve assumir antes que o apoio se transforme em substituição?

Escolas públicas não podem copiar facilmente o experimento. Elas precisam educar populações maiores e mais diversas, incluindo alunos que necessitam de serviços especializados. Também enfrentam requisitos diferentes de supervisão, contratação, pessoal e responsabilização.

Ainda assim, Drew pode produzir lições úteis mesmo que seu modelo completo nunca seja transferido. Distritos poderiam estudar quais formas de prática adaptativa economizam tempo dos professores, quais painéis ajudam educadores e quais desenhos de projeto melhoram o engajamento dos alunos.

A escola também poderia expor modos de falha. Alunos podem se cansar da interação constante com software. Orientadores podem passar mais tempo resolvendo problemas técnicos do que orientando. Percursos personalizados podem isolar alunos que precisam de discussão compartilhada.

Um piloto transparente tornaria essas falhas informativas. Uma implementação guiada por marketing as esconderia até que famílias ou funcionários enfrentassem danos. O papel institucional de Drew deveria conduzir o projeto à primeira abordagem.

O contexto de escola privada cria outra tensão em torno do acesso. Uma pequena coorte fundadora pode se beneficiar de atenção substancial de adultos e de instalações universitárias. Essas condições são difíceis de reproduzir nos sistemas escolares comuns.

Portanto, alegações sobre transformar a educação devem distinguir entre o método instrucional e os recursos ao redor. O software pode contribuir para um resultado, mas grupos pequenos, matrícula seletiva, mentoria e apoio familiar podem contribuir tanto quanto.

Drew pode enfrentar esse problema ao informar os insumos junto com os resultados. Deve divulgar as proporções entre adultos e alunos, o tempo de intervenção, o uso de software, as horas de projeto e as saídas de alunos. Caso contrário, observadores não poderão determinar o que realmente produziu os resultados.

A universidade também poderia comparar componentes diferentes em vez de tratar o programa como um pacote único. Pesquisadores poderiam examinar se a prática adaptativa ajuda determinadas disciplinas, idades ou alunos mais do que outras.

Essa análise serviria melhor aos educadores do que uma simples história de sucesso. Escolas precisam de evidências sobre condições e limitações, não apenas de um modelo de marca apresentado como resposta universal.

Três sinais que decidirão se o modelo se sustenta

A estabilidade das matrículas, as evidências independentes e salvaguardas transparentes importarão mais do que a publicidade inicial ou as manchetes sobre notas em testes.

O primeiro sinal é se a coorte fundadora se matricula, permanece e cresce. Drew planeja começar com apenas 10 a 12 famílias. Isso torna cada saída relevante, embora a privacidade limite o quanto a escola pode divulgar.

A retenção revelará se as famílias consideram a experiência diária coerente com a promessa. Ela não provará a eficácia acadêmica, mas uma retenção fraca contestaria as alegações sobre engajamento e satisfação.

Drew deve informar a retenção agregada e explicar como o programa responde quando os alunos precisam de instrução mais direta. As famílias também devem saber se os alunos podem transitar entre suporte conduzido por software e suporte conduzido por adultos sem estigma.

O segundo sinal é o acesso de pesquisadores independentes. Drew deve anunciar um parceiro de avaliação, publicar perguntas de pesquisa e estabelecer um cronograma antes que os resultados sejam conhecidos. Métodos predefinidos reduzem a tentação de selecionar apenas medições favoráveis.

Uma avaliação séria deve incluir dados de referência e considerar os alunos que saem. Deve comparar resultados com alunos semelhantes e divulgar a incerteza. Deve medir mais do que o progresso dentro da plataforma de software.

Se Drew permitir esse escrutínio, a parceria universitária fortalecerá a credibilidade do modelo mesmo quando os resultados forem mistos. Se a avaliação permanecer interna, a afiliação parecerá mais uma validação de marca do que uma investigação acadêmica.

O terceiro sinal é uma estrutura pública de privacidade e supervisão humana. Os pais precisam de um inventário claro de ferramentas, práticas de dados e procedimentos de intervenção. Os alunos precisam de explicações adequadas à idade sobre como a tecnologia influencia seu trabalho.

Drew deve identificar quais decisões permanecem exclusivamente humanas. Essas decisões devem incluir grandes mudanças de alocação, respostas disciplinares, avaliações de educação especial e conclusões que afetem materialmente a trajetória educacional de uma criança.

A escola também deve explicar o que acontece quando uma ferramenta produz conteúdo inadequado ou uma recomendação incorreta. A equipe precisa ter autoridade para substituir a decisão do sistema, documentar o erro e evitar que ele se repita.

Esses três sinais funcionam em conjunto. Matrículas estáveis sem evidências independentes demonstram demanda, não eficácia. Forte crescimento em testes sem salvaguardas de privacidade deixa uma lacuna ética significativa. Políticas cuidadosas sem resultados relevantes não justificam a reformulação pedagógica.

A expansão maior da Alpha adiciona urgência. Um modelo que chega a dezenas de mercados pode estabelecer práticas antes que pesquisadores e reguladores compreendam seus efeitos. Drew tem a oportunidade de desacelerar esse processo o suficiente para permitir uma observação confiável.

Isso não exige rejeitar a tecnologia educacional. A tutoria adaptativa pode apoiar a prática, e os professores já usam IA em muitas tarefas. A questão é se uma instituição consegue integrar essas ferramentas enquanto protege as relações humanas de que as crianças precisam.

A resposta de Drew surgirá nos detalhes cotidianos. Observadores devem acompanhar quem ajuda um aluno confuso, com que rapidez um adulto percebe o desengajamento e se os trabalhos de projeto demonstram compreensão genuína.

Eles também devem examinar quem controla os dados e quem pode contestar o software. Esses processos revelam mais sobre a qualidade educacional do que a presença de um rótulo de IA.

A história chegou aos leitores por meio do Google News porque uma escola particular movida por IA rende uma manchete impactante. Sua verdadeira importância está em saber se Drew transforma uma alegação promocional em um estudo educacional responsável.

Pais e educadores devem pedir o plano de avaliação, as regras de privacidade, o modelo de contratação e os dados de retenção à medida que o primeiro período se desenrola. Se Drew publicar essas respostas, o experimento poderá orientar escolas além de Madison. Caso contrário, a atenção do Google News terá amplificado uma promessa antes que as evidências chegassem.