Mapeamento Automático de Perfis de Estudantes em Métricas de Software para Análise da Aprendizagem de Programação

• Márcia Gonçalves de Oliveira Instituto Federal do Espírito Santo (IFES)
• Adler Neves Instituto Federal do Espírito Santo (IFES)
• Leonardo L. Reblin Universidade Federal do Espírito Santo (UFES)
• Helen França Medeiros Instituto Federal do Espírito Santo (IFES)
• Mônica Ferreira S. Lopes Instituto Federal do Espírito Santo (IFES)
• Elias Oliveira Universidade Federal do Espírito Santo (Ufes)

DOI: https://doi.org/10.5753/cbie.sbie.2017.1337

Resumo

Este trabalho apresenta o PCodigo II, um sistema de de mapeamento automático de perfis de estudantes em métricas de software para análise da aprendizagem de programação. Além do mapeamento de perfis em 348 métricas de software, o PCodigo II possui as funcionalidades de execução em massa, de agrupamento de perfis similares, de visualização da informação e de análise de plágios. As primeiras aplicações do PCodigo II em exercícios reais de programação mostram que professores, atentando para o que as métricas dizem, podem reconhecer as dificuldades de aprendizagem, boas práticas de programação e classes de perfis de aprendizagem de toda uma turma de forma rápida, detalhada e holística.

Palavras-chave: Mapeamento Automático, Perfis de Estudantes, Métricas de Software, Aprendizagem de Programação

Referências

Baeza-Yates, R., Ribeiro-Neto, B., et al. (1999). Modern information retrieval, volume 463. ACM press New York.

Berry, R. and Meekings, B. A. (1985). A style analysis of C programs. Communications of the ACM, 28(1):80–88.

Curtis, B., Sheppard, S. B., Milliman, P., Borst, M., and Love, T. (1979). Measuring the psychological complexity of software maintenance tasks with the Halstead and McCabe metrics. IEEE Transactions on software engineering, (2):96–104.

De Oliveira, M. G., Ciarelli, P. M., and Oliveira, E. (2013). Recommendation of programming activities by multi-label classification for a formative assessment of students. Expert Systems with Applications, 40(16):6641–6651.

Karypis, G. (2002). CLUTO: Clustering Toolkit. Technical report, Minnesota Univ Minneapolis Dept of Computer Science.

Kolde, R. (2015). Pheatmap: Pretty heatmaps. R package version 1.0.8.

Munson, J. P. (2017). Metrics for timely assessment of novice programmers. J. Comput. Sci. Coll., 32(3):136–148.

Oliveira, M.; Nogueira, M. O. E. (2015). Sistema de apoio à prática assistida de programação por execução em massa e análise de programas. In CSBC 2015 - Workshop de Educação em Informática (WEI), Recife-PE.

Pettit, R., Homer, J., Gee, R., Mengel, S., and Starbuck, A. (2015). An empirical study of iterative improvement in programming assignments. In Proceedings of the 46th ACM Technical Symposium on Computer Science Education, pages 410–415. ACM.

Pieterse, V. (2013). Automated assessment of programming assignments. In Proceedings of the 3rd Computer Science Education Research Conference on Computer Science Education Research, pages 45–56. Open Universiteit, Heerlen.