Previsão de Reprovações em Disciplinas Introdutórias de Programação: Um Estudo em um Ambiente de Correção Automática de Códigos

  • Carlos Eduardo Paulino Silva UFV / IFMG
  • João Lucas Silva Solano UFV
  • André Gustavo dos Santos UFV
  • Julio Cesar Soares dos Reis UFV

Resumo


Este artigo descreve o uso de técnicas de aprendizagem de máquina aplicadas ao contexto educacional para prever, o quanto antes, os alunos com tendência de reprovação em uma disciplina introdutória de programação em um curso superior de Ciência da Computação. Essa previsão pode permitir ao professor, através de uma atenção especial para esses alunos, reverter essa tendência. Para atingir esse objetivo, foram utilizados dados de interação dos alunos com um ambiente de correção automática de códigos durante a resolução de exercícios nas aulas práticas da disciplina. A modelagem que obteve o melhor resultado teve uma acurácia de 80,00% e uma revocação de 77,78% com dados de 6 semanas de aulas de um total de 12.

Referências

Assyne, N., Ghanbari, H., and Pulkkinen, M. (2022). The state of research on software engineering competencies: A systematic mapping study. Journal of Systems and Soft ware, 185:111183.

Becker, B. A. and Quille, K. (2019). 50 years of cs1 at sigcse: A review of the evolution of introductory programming education research. In Proceedings of the 50th ACM Technical Symposium on Computer Science Education, SIGCSE ’19, page 338–344, New York, NY, USA. Association for Computing Machinery.

Bennedsen, J. and Caspersen, M. (2007). Failure rates in introductory programming. SIGCSE Bulletin, 39:32–36.

Bez, J. L., Ferreira, C. E., and Tonin, N. (2013). Uri online judge academic: A tool for professors. In Proceedings of the 2013 International Conference on Advanced ICT and Education, pages 744–747. Atlantis Press.

de Campos, C. and Ferreira, C. (2004). Boca: um sistema de apoio a competições de programação. In Workshop de Educação em Computação. Sociedade Brasileira de Computação.

Dwan, F., Oliveira, E., and Fernandes, D. (2017). Predição de zona de aprendizagem de alunos de introdução à programação em ambientes de correção automática de código. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação - SBIE), 28(1):1507.

Francisco, R., Ambrósio, A. P., Junior, C. X., and Fernandes, M. (2018). Juiz online no ensino de cs1 lições aprendidas e proposta de uma ferramenta. Revista Brasileira de Informática na Educação, 26(03):163.

Galvão, L., Fernandes, D., and Gadelha, B. (2016). Juiz online como ferramenta de apoio a uma metodologia de ensino híbrido em programação. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação - SBIE), 27(1):140.

Medeiros, R. P., Ramalho, G. L., and Falcão, T. P. (2019). A systematic literature review on teaching and learning introductory programming in higher education. IEEE Transactions on Education, 62(2):77–90.

Pereira, F. D., Oliveira, E. H. T., Oliveira, D. B. F., Cristea, A. I., Carvalho, L. S. G., Fonseca, S. C., Toda, A., and Isotani, S. (2020). Using learning analytics in the amazonas: understanding students’ behaviour in introductory programming. British Journal of Educational Technology, 51(4):955–972.

Rico-Juan, J. R., Sánchez-Cartagena, V. M., Valero-Mas, J. J., and Gallego, A. J. (2023). Identifying student profiles within online judge systems using explainable artificial intelligence. IEEE Transactions on Learning Technologies, pages 1–14.

Silva, D., Tamayo, S., Pessoa, M., Pires, F., Oliveira, D., Oliveira, E., and Carvalho, L. (2020). Minerando dados de um juiz on-line para prever a evasão de estudantes em disciplinas introdutórias de programação. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1343–1352, Porto Alegre, RS, Brasil. SBC.

Silva, L., Silveira, I., Silva, L., Rodrigues, R., and Ramos, J. (2017). Ciência de dados educacionais: definições e convergências entre as áreas de pesquisa. Anais dos Workshops do Congresso Brasileiro de Informática na Educação, 6(1):764.

Toledo, R. Y. and Martínez-López, L. (2017). A recommendation approach for programming online judges supported by data preprocessing techniques. Appl. Intell., 47:277–290.
Publicado
06/11/2023
SILVA, Carlos Eduardo Paulino; SOLANO, João Lucas Silva; SANTOS, André Gustavo dos; REIS, Julio Cesar Soares dos. Previsão de Reprovações em Disciplinas Introdutórias de Programação: Um Estudo em um Ambiente de Correção Automática de Códigos. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 34. , 2023, Passo Fundo/RS. Anais [...]. Porto Alegre: Sociedade Brasileira de Computação, 2023 . p. 1524-1535. DOI: https://doi.org/10.5753/sbie.2023.235348.