Explorando Dados: Ferramentas e Métodos para Apoiar a Aprendizagem na Construção de Visualizações de Dados

• Cassia de Oliveira Fernandez Insper / USP
• Roseli de Deus Lopes USP
• Paulo Blikstein Columbia University

DOI: https://doi.org/10.5753/ctd.2026.19436

Resumo

Este trabalho apresenta contribuições na intersecção entre Ciência da Computação, Educação e Visualização de Dados, com foco no letramento em visualização de dados de estudantes da Educação Básica. São apresentados: (1) um framework para análise e design de ferramentas educacionais de visualização de dados, inspirado em taxonomias da Visualização da Informação; (2) o PlayData, ambiente de programação em blocos open-source para construção de visualizações; (3) método automatizado baseado em aprendizado de máquina para descrição de trajetórias de programação via dados de log coletados no ambiente PlayData; e (4) análise das principais ações (DVP moves) realizadas por aprendizes ao interagir com a ferramenta, com padrões obtidos via Epistemic Network Analysis (ENA).

Referências

Bach, B. et al. (2023) “Challenges and opportunities in data visualization education”, IEEE Transactions on Visualization and Computer Graphics, v. 29, n. 1, p. 700–710.

Barab, S. e Squire, K. (2004) “Design-based research: Putting a stake in the ground”, Journal of the Learning Sciences, v. 13, n. 1, p. 1–14.

Börner, K. et al. (2019) “A multi-level typology of abstract visualization tasks”, IEEE TVCG, v. 25, n. 1, p. 1197–1202.

Brennan, K. e Resnick, M. (2012) “New frameworks for studying CT development”, Proceedings of the Annual Meeting of AERA.

diSessa, A. A. e Sherin, B. L. (2000) “Meta-representation: An introduction”, Journal of Mathematical Behavior, v. 19, n. 4, p. 385–398.

Finzer, W. (2013) “The data science education dilemma”, Technology Innovations in Statistics Education, v. 7, n. 2.

Glazer, N. (2011) “Challenges with graph interpretation”, Studies in Science Education, v. 47, n. 2, p. 183–210.

Huang, R. e Parker, M. C. (2023) “Automated characterization of CT practices in blockbased programming”, Proceedings of ICER 2023.

Maltese, A. V. et al. (2015) “What is (or should be) scientific literacy?”, Journal of Research in Science Teaching, v. 52, n. 7.

Méndez, G. et al. (2017) “Bottom-up vs. top-down strategies in data visualization design”, IEEE CG&A, v. 37, n. 4, p. 12–18.

Parsons, P. (2022) “Data visualization as a design discipline”, Design Studies, v. 79, 101084.

Rubin, A. (2020) “Learning to reason from samples”, Educational Studies in Mathematics, v. 103, n. 2, p. 201–222.

Shaffer, D. W. et al. (2016) “Epistemic network analysis: A worked example of theorybased learning analytics”. In: Handbook of Learning Analytics. SoLAR.

Wise, A. F. (2020) “Educating data scientists for a new generation of data”, Journal of the Learning Sciences, v. 29, n. 1, p. 165–181.