Análise de Componentes Latentes da Aprendizagem de Programação para Mapeamento e Classificação de Perfis
Resumo
Este trabalho tem como objetivo reconhecer, a partir de programas desenvolvidos por alunos e de uma rede de variáveis representantes do domínio da programação, componentes latentes que caracterizem os desempenhos de uma turma em cada atividade de programação. A identificação das componentes latentes é realizada pela técnica de análise fatorial para representar perfis de aprendizagem na prática da programação e, por clustering, formam-se agrupamentos de perfis similares. De cada agrupamento formado, são selecionadas amostras de perfis pré-classificadas para gerar modelos que orientem a classificação dos demais perfis de cada agrupamento por níveis de aprendizagem. Os resultados indicam que a combinação das técnicas de análise fatorial e de clustering melhora a classificação de perfis.
Palavras-chave:
Análise fatorial, Clustering, Aprendizagem de programação, Mapeamento de perfis, Classificação de perfis
Referências
Anderson, J. R. (2000). Cognitive psychology and its implications. Worth Publishers, New York and Basingstoke.
Anderson, T. W. (1984). An Introduction to Multivariate Statistical Analysis. Wiley, New York, NY, second edition.
Bishop, Y. M. M., Fienberg, S. E., & Holland, P. W. (1975). Discrete Multivariate Analysis: Theory and Practice. The MIT Press, Cambridge MA.
Blikstein, P. (2011). Using learning analytics to assess students’ behavior in open-ended programming tasks. In Proceedings of the 1st International Conference on Learning Analytics and Knowledge, LAK’11, New York, NY, USA. ACM.
De Oliveira, M. G., Marques Ciarelli, P., and Oliveira, E. (2013). Recommendation of programming activities by multi-label classification for a formative assessment of students. Expert Systems with Applications.
Härdle, W., & Simar, L. (2012). Applied Multivariate Statistical Analysis. Springer.
Law, K. M. Y., Lee, V. C. S., & Yu, Y. T. (2010). Learning motivation in e-learning facilitated computer programming courses. Comput. Educ., 55(1), 218–228.
Looks, M., Levine, A., Covington, G., Loui, R., Lockwood, J., & Cho, Y. (2007). Streaming Hierarchical Clustering for Concept Mining. Aerospace Conference, 2007 IEEE, 1–12.
Mavrikis, M. (2010). Machine–Learning Assessment of Students’ Behavior within Interactive Learning Environments, 441–449. Handbook of Educational Data Mining. CRC Press, Boca Raton, FL.
Mazza, R., & Dimitrova, V. (2007). CourseVis: A graphical student monitoring tool for supporting instructors in web–based distance courses. International Journal of Human–Computer Studies, 65, 125–139, London, ROYAUME-UNI. Elsevier.
Mesic, V. and Muratovic, H. (2011). Identifying predictors of physics item difficulty: A linear regression approach. Phys. Rev. ST Phys. Educ. Res., 7:010110.
Moreira, M. P., & Favero, E. L. (2009). Um ambiente para ensino de programação com feedback automático de exercícios. In Workshop Sobre Educação em Computação (WEI), volume 17.
Morrison, D. F. (1990). Multivariate Statistical Methods. McGraw–Hill, third edition.
Naude, K. A., Greyling, J. H., & Vogts, D. (2010). Marking student programs using graph similarity. Computers & Education, 54(2), 545–561.
Oliveira, M., & Oliveira, E. (2008). Avaliar para nivelar e formar: um sistema online de avaliação formativa para alunos de Biblioteconomia. In Anais do XIX Simpósio Brasileiro de Informática na Educação (SBIE 2008), Fortaleza. SBC.
Oliveira, M., & Oliveira, E. (2014). Metodologia de Diagnóstico e Regulação de Componentes de Habilidades da Aprendizagem de Programação. In CSBC 2014-XXII WEI (Workshop sobre Educação em Computação), Brasília.
Oliveira, M. G. (2013). Núcleos de Avaliações Diagnóstica e Formativa para Regulação da Aprendizagem de Programação. Tese de doutorado, Universidade Federal do Espírito Santo.
Pea, R. D., & Kurland, D. (1984). On the cognitive effects of learning computer programming. New Ideas in Psychology, 2(2), 137–168.
Pillay, N. (2003). Developing intelligent programming tutors for novice programmers. SIGCSE Bull., 35(2), 78–82.
Pimentel, E., Franca, V., & Omar, N. (2003). A caminho de um ambiente de avaliação e acompanhamento contínuo de aprendizagem em programação de computadores. In II Workshop de Educação em Computação e Informática do Estado de Minas Gerais (WEIMIG 2003), 212–213, Poços de Caldas, MG. Anais do II WEIMIG.
Powers, K., Gross, P., Cooper, S., McNally, M., Goldman, K. J., Proulx, V., & Carlisle, M. (2006). Tools for teaching introductory programming: what works? SIGCSE Bull., 38(1), 560–561.
Steinbach, M., Karypis, G., & Kumar, V. (2000). A comparison of document clustering techniques. KDD workshop on text mining.
Anderson, T. W. (1984). An Introduction to Multivariate Statistical Analysis. Wiley, New York, NY, second edition.
Bishop, Y. M. M., Fienberg, S. E., & Holland, P. W. (1975). Discrete Multivariate Analysis: Theory and Practice. The MIT Press, Cambridge MA.
Blikstein, P. (2011). Using learning analytics to assess students’ behavior in open-ended programming tasks. In Proceedings of the 1st International Conference on Learning Analytics and Knowledge, LAK’11, New York, NY, USA. ACM.
De Oliveira, M. G., Marques Ciarelli, P., and Oliveira, E. (2013). Recommendation of programming activities by multi-label classification for a formative assessment of students. Expert Systems with Applications.
Härdle, W., & Simar, L. (2012). Applied Multivariate Statistical Analysis. Springer.
Law, K. M. Y., Lee, V. C. S., & Yu, Y. T. (2010). Learning motivation in e-learning facilitated computer programming courses. Comput. Educ., 55(1), 218–228.
Looks, M., Levine, A., Covington, G., Loui, R., Lockwood, J., & Cho, Y. (2007). Streaming Hierarchical Clustering for Concept Mining. Aerospace Conference, 2007 IEEE, 1–12.
Mavrikis, M. (2010). Machine–Learning Assessment of Students’ Behavior within Interactive Learning Environments, 441–449. Handbook of Educational Data Mining. CRC Press, Boca Raton, FL.
Mazza, R., & Dimitrova, V. (2007). CourseVis: A graphical student monitoring tool for supporting instructors in web–based distance courses. International Journal of Human–Computer Studies, 65, 125–139, London, ROYAUME-UNI. Elsevier.
Mesic, V. and Muratovic, H. (2011). Identifying predictors of physics item difficulty: A linear regression approach. Phys. Rev. ST Phys. Educ. Res., 7:010110.
Moreira, M. P., & Favero, E. L. (2009). Um ambiente para ensino de programação com feedback automático de exercícios. In Workshop Sobre Educação em Computação (WEI), volume 17.
Morrison, D. F. (1990). Multivariate Statistical Methods. McGraw–Hill, third edition.
Naude, K. A., Greyling, J. H., & Vogts, D. (2010). Marking student programs using graph similarity. Computers & Education, 54(2), 545–561.
Oliveira, M., & Oliveira, E. (2008). Avaliar para nivelar e formar: um sistema online de avaliação formativa para alunos de Biblioteconomia. In Anais do XIX Simpósio Brasileiro de Informática na Educação (SBIE 2008), Fortaleza. SBC.
Oliveira, M., & Oliveira, E. (2014). Metodologia de Diagnóstico e Regulação de Componentes de Habilidades da Aprendizagem de Programação. In CSBC 2014-XXII WEI (Workshop sobre Educação em Computação), Brasília.
Oliveira, M. G. (2013). Núcleos de Avaliações Diagnóstica e Formativa para Regulação da Aprendizagem de Programação. Tese de doutorado, Universidade Federal do Espírito Santo.
Pea, R. D., & Kurland, D. (1984). On the cognitive effects of learning computer programming. New Ideas in Psychology, 2(2), 137–168.
Pillay, N. (2003). Developing intelligent programming tutors for novice programmers. SIGCSE Bull., 35(2), 78–82.
Pimentel, E., Franca, V., & Omar, N. (2003). A caminho de um ambiente de avaliação e acompanhamento contínuo de aprendizagem em programação de computadores. In II Workshop de Educação em Computação e Informática do Estado de Minas Gerais (WEIMIG 2003), 212–213, Poços de Caldas, MG. Anais do II WEIMIG.
Powers, K., Gross, P., Cooper, S., McNally, M., Goldman, K. J., Proulx, V., & Carlisle, M. (2006). Tools for teaching introductory programming: what works? SIGCSE Bull., 38(1), 560–561.
Steinbach, M., Karypis, G., & Kumar, V. (2000). A comparison of document clustering techniques. KDD workshop on text mining.
Publicado
03/11/2014
Como Citar
DE OLIVEIRA, Márcia G.; MONROY, Nátaly A. Jiménez; ZANDONADE, Eliana; OLIVEIRA, Elias.
Análise de Componentes Latentes da Aprendizagem de Programação para Mapeamento e Classificação de Perfis. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA EDUCAÇÃO (SBIE), 25. , 2014, Dourados/MS.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2014
.
p. 134-143.
DOI: https://doi.org/10.5753/cbie.sbie.2014.134.
