Os efeitos de usar estimativas de conhecimento do aluno em programação de computadores em modelos livres de sensores de detecção da emoção confusão

• Tiago R. Kautzmann Universidade do Vale do Rio dos Sinos
• Gabriel de O. Ramos Universidade do Vale do Rio dos Sinos
• Patrícia A. Jaques Universidade Federal do Paraná https://orcid.org/0000-0002-2933-1052

DOI: https://doi.org/10.5753/cbie_estendido.2022.226387

Resumo

Detectar a confusão do aluno permite ao ambiente computacional de aprendizagem realizar ações que ajudem o estudante a regular sua confusão e a se beneficiar dela. A pesquisa da Tese apresenta uma hipótese, justificada em teorias cognitivas de emoções, de que o uso de dados sobre estimativas de conhecimento do aluno pode melhorar o desempenho de modelos livres de sensores de detecção da confusão do aluno em tarefas de programação de computadores. Diversos modelos de aprendizado de máquina foram treinados com amostras de dados coletados de 62 alunos, durante cinco meses, em turmas de programação. Os resultados apresentaram evidências positivas que suportam a hipótese. A pesquisa apresenta cenários onde a abordagem é mais vantajosa.

Palavras-chave: Programação de computadores, Confusão, Detecção de emoção, Modelo livres de sensores

Referências

Bosch, N., Chen, Y., and D’Mello, S. (2014). It’s written on your face: Detecting affective states from facial expressions while learning computer programming. In Trausan-Matu, S., Boyer, K. E., Crosby, M., and Panourgia, K., editors, Intelligent Tutoring Systems, pages 39–44, Cham. Springer International Publishing.

D’Mello, S. K. and Graesser, A. C. (2014). Confusion. In International handbook of emotions in education, pages 299–320. Routledge.

Felipe, D. A. M., Gutierrez, K. I. N., Quiros, E. C. M., and Vea, L. A. (2012). Towards the development of intelligent agent for novice c/c++ programmers through affective analysis of event logs. In Proc. Int. MultiConference Eng. Comput. Sci, volume 1, page 2012. Citeseer

Grafsgaard, J. F., Boyer, K. E., and Lester, J. C. (2011). Predicting facial indicators of confusion with hidden markov models. In D’Mello, S., Graesser, A., Schuller, B., and Martin, J.-C., editors, Affective Computing and Intelligent Interaction, pages 97–106, Berlin, Heidelberg. Springer Berlin Heidelberg.

Kautzmann, T. R., de Oliveira Ramos, G., and Jaques, P. (2022). O uso de estimativas de conhecimento do aluno em programação de computadores em modelos de detecção da emoção confusão livres de sensores. In Anais do XXXIII Simpósio Brasileiro de Informática na Educação, Porto Alegre, RS, Brasil. SBC.

Lee, D. M. C., Rodrigo, M. M. T., d Baker, R. S., Sugay, J. O., and Coronel, A. (2011). Exploring the relationship between novice programmer confusion and achievement. In International Conference on Affective Computing and Intelligent Interaction, pages 175–184. Springer.

Scherer, K. R. (2005). What are emotions? and how can they be measured? Social science information, 44(4):695–729.

Silvia, P. J. (2010). Confusion and interest: The role of knowledge emotions in aesthetic experience. Psychology of Aesthetics, Creativity, and the Arts, 4:75–80.

Tiam-Lee, T. J. and Sumi, K. (2018). Adaptive feedback based on student emotion in a system for programming practice. In Nkambou, R., Azevedo, R., and Vassileva, J., editors, Intelligent Tutoring Systems, pages 243–255, Cham. Springer International Publishing.

Tiam-Lee, T. J. and Sumi, K. (2019). Analysis and prediction of student emotions while doing programming exercises. In International conference on intelligent tutoring systems, pages 24–33. Springer.

Vea, L. and Rodrigo, M. M. (2017). Modeling negative affect detector of novice programming students using keyboard dynamics and mouse behavior. In Numao, M., Theeramunkong, T., Supnithi, T., Ketcham, M., Hnoohom, N., and Pramkeaw, P., editors, Trends in Artificial Intelligence: PRICAI 2016 Workshops, pages 127–138, Cham. Springer International Publishing.