Análise de correlação entre habilidade de Resolução de Problemas e desempenho em disciplinas de programação

• Jhonatas Costa Oliveira Universidade Federal do Amazonas
• Leandro Silva Galvão de Carvalho Universidade Federal do Amazonas https://orcid.org/0000-0003-2970-2084
• Elaine Harada Teixeira de Oliveira Universidade Federal do Amazonas https://orcid.org/0000-0003-2884-9359
• David Braga Fernandes de Oliveira Universidade Federal do Amazonas
• Filipe Dwan Pereira Universidade Federal de Roraima https://orcid.org/0000-0003-4914-3347

DOI: https://doi.org/10.5753/educomp_estendido.2021.14867

Resumo

Na Universidade Federal do Amazonas (UFAM), a disciplina de Introdução à Programação de Computadores (IPC) é ofertada como componente curricular obrigatório de 17 cursos de graduação non-major. Porém, a taxa de aprovação nessa disciplina, entre 2010 e 2019, oscilou entre 40% a 50%. Como uma forma de lidar com esse problema, este trabalho em progresso tem por objetivo validar e aplicar um questionário diagnóstico que potencialmente identifique alunos com dificuldade na resolução de problemas e com consequente alto risco de reprovação. Após o encerramento da validação, o questionário será aplicado em diversas turmas de IPC, no início do período letivo, por meio da plataforma de juiz online CodeBench1. As respostas dadas pelos alunos aos itens do questionário serão coletadas e, em seguida, correlacionadas com a nota obtida em IPC durante o mesmo período letivo. Os resultados obtidos pelo presente estudo serão contrastados com os obtidos por Lishinski e colegas.

Link para o vídeo da apresentação: https://youtu.be/pk2Cltb1BZo

Palavras-chave: Resolução de problemas, Programação introdutória, Análise de correlação

Referências

Ada Araujo, Daniel Lopes Zordan Filho, Elaine Harada Teixeira de Oliveira, Leandro Silva Galvão de Carvalho, Filipe Dwan Pereira, and David Braga Fernandes de Oliveira. 2021. Mapeamento e análise empírica de misconceptions comuns em avaliações de introdução à programação. In Anais do Simpósio Brasileiro de Educação em Computação. SBC, 123–131.

Ingrid Lima dos Santos, David Braga Fernandes Oliveira, Leandro Silva Galvão de Carvalho, Filipe Dwan Pereira, and Elaine Harada Teixeira de Oliveira. 2020. Tempos de Transição em Estados de Corretude e Erro como Indicadores de Desempenho em Juízes Online. In Anais do XXXI Simpósio Brasileiro de Informática na Educação. SBC, 1283–1292.

Filipe Dwan, Elaine Oliveira, and David Fernandes. 2017. Predição de zona de aprendizagem de alunos de introdução à programação em ambientes de correção automática de código. In Brazilian Symposium on Computers in Education(Simpósio Brasileiro de Informática na Educação-SBIE), Vol. 28. 1507.

Samuel Fonseca, Elaine Oliveira, Filipe Pereira, David Fernandes, and Leandro Silva Galvão de Carvalho. 2019. Adaptação de um método preditivo para inferir o desempenho de alunos de programação. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), Vol. 30. 1651.

Alex Lishinski, Aman Yadav, Richard Enbody, and Jon Good. 2016. The influence of problem solving abilities on students’ performance on different assessment tasks in CS1. In Proceedings of the 47th ACM technical symposium on computing science education. 329–334.

Organização para a Cooperação e Desenvolvimento Econômico (OCDE). 2005.PISA 2003 Technical Report. Disponível em whttp://www.oecd.org/education/school/programmeforinternationalstudentassessmentpisa/35188570.pdf(fev/2021).

Miranda C Parker, Mark Guzdial, and Shelly Engleman. 2016. Replication, validation, and use of a language independent CS1 knowledge assessment. In Proceedings of the 2016 ACM conference on international computing education research. 93–101.

Filipe Pereira, Elaine Oliveira, David Fernandes, Hermino Junior, and Leandro Silva Galvão de Carvalho. 2019. Otimização e automação da predição precoce do desempenho de alunos que utilizam juízes online: uma abordagem com algoritmo genético. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), Vol. 30. 1451.

Filipe Dwan Pereira, Samuel C Fonseca, Elaine HT Oliveira, David BF Oliveira, Alexandra I Cristea, and Leandro SG Carvalho. 2020. Deep learning for early performance prediction of introductory programming students: a comparative and explanatory study. Brazilian journal of computers in education.28 (2020),723–749.

F. D. Pereira, E. H. Oliveira, D. Fernandes, and A. Cristea. 2019. Early performance prediction for CS1 course students using a combination of machine learning and an evolutionary algorithm. In2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT), Vol. 2161. IEEE, 183–184.

Filipe D Pereira, Elaine HT Oliveira, David BF Oliveira, Alexandra I Cristea, Leandro SG Carvalho, Samuel C Fonseca, Armando Toda, and Seiji Isotani. 2020.Using learning analytics in the Amazonas: understanding students’ behaviour in introductory programming. British Journal of Educational Technology(2020).

A. V. Robins. 2019. Novice programmers and introductory programming. In The Cambridge Handbook of Computing Education Research. Cambridge University Press, Cambridge, Chapter 12, 327–376.

Isabel Vale, Teresa Pimentel, and Ana Barbosa. 2015. Ensinar matemática com resolução de problemas.Quadrante24, 2 (2015), 39–60.

Ashok Kumar Veerasamy, Daryl D’Souza, Rolf Lindén, and Mikko-Jussi Laakso.2019. Relationship between perceived problem-solving skills and academic performance of novice learners in introductory programming courses. Journal of Computer Assisted Learning 35, 2 (2019), 246–255.