Explorando correlações em Programação: um estudo focado no processo seletivo e em disciplinas correlatas

• Marlos Tacio Silva Universidade Federal de Campina Grande (UFCG)
• Maria Cristina Tenório Cabral Cavalcante Universidade Federal de Alagoas (UFAL)
• Evandro de Barros Costa Universidade Federal de Alagoas (UFAL)

DOI: https://doi.org/10.5753/cbie.sbie.2013.537

Resumo

O presente trabalho apresenta um estudo realizado com dados de turmas de Ciência da Computação da Universidade Federal de Alagoas ingressantes nos anos de 2011 e 2012 (respectivamente, 47 e 68 estudantes) que visa identificar correlações entre a disciplina de Programação 1 e o desempenho obtido tanto no processo seletivo quanto em disciplinas correlatas. Dentre os resultados obtidos podem-se destacar: 1) um coeficiente de correlação moderado entre Programação e Laboratório de Programação (ρ = 0, 61, p − valor < 0.001); 2) uma correlação negativa entre Programação e o desempenho em Humanas e Linguagens (respectivamente, ρ = −0.38, p − valor < 0.010; e ρ = 0.28, p − valor < 0.100); e 3) correlações muito fracas entre Programação e disciplinas de Matemática.

Palavras-chave: Programação, correlações, desempenho, ensino de programação, Ciência da Computação

Referências

Bennedsen, J. and Caspersen, M. E. (2007). Failure rates in introductory programming. SIGCSE Bull., 39(2):32–36.

Bergin, S. and Reilly, R. (2005). Programming: factors that influence success. In Proceedings of the 36th ACM technical symposium on Computer science education, SIGCSE ’05, pages 411–415, New York, NY, USA. ACM.

Carbone, A., Hurst, J., Mitchell, I., and Gunstone, D. (2009). An exploration of internal factors influencing student learning of programming. In Proceedings of the 11th Australasian Conference on Computing Education, ACE ’09, pages 25–34, Darlinghurst, Australia, Australia. Australian Computer Society, Inc.

de Jesus, E. A. and Raabe, A. L. A. (2009). Interpretações da Taxonomia de Bloom no Contexto da Programação Introdutória. In Anais do 20o Simpósio Brasileiro de Informática na Educação, volume 20 of SBIE’09. Sociedade Brasileira de Computação.

Hertz, M. and Ford, S. M. (2013). Investigating factors of student learning in introductory courses. In Proceeding of the 44th ACM technical symposium on Computer science education, SIGCSE ’13, pages 195–200, New York, NY, USA. ACM.

Lahtinen, E., Ala-Mutka, K., and Järvinen, H.-M. (2005). A study of the difficulties of novice programmers. In Proceedings of the 10th ACM conference on Innovation and technology in computer science education, ITiCSE ’05, pages 14–18, New York, NY, USA. ACM.

McGettrick, A., Boyle, R., Ibbett, R., Lloyd, J., Lovegrove, G., and Mander, K. (2005). Grand challenges in computing: Education-a summary. Computer Journal, 48(1):42–48.

Pears, A., Seidman, S., Malmi, L., Mannila, L., Adams, E., Bennedsen, J., Devlin, M., and Paterson, J. (2007). A survey of literature on the teaching of introductory programming. In Working group reports on ITiCSE on Innovation and technology in computer science education, ITiCSE-WGR ’07, pages 204–223, New York, NY, USA. ACM.

Piva Jr, D. and Freitas, R. L. (2010). Estratégias para melhorar os processos de abstração na disciplina de Algoritmos. In Anais do 21o Simpósio Brasileiro de Informática na Educação, volume 21 of SBIE’10. Sociedade Brasileira de Computação.

Powers, K., Gross, P., Cooper, S., McNally, M., Goldman, K. J., Proulx, V., and Carlisle, M. (2006). Tools for teaching introductory programming: what works? In Proceedings of the 37th ACM technical symposium on Computer science education, SIGCSE ’06, pages 560–561, New York, NY, USA. ACM.

Solingen, R. V. and Berghout, E. (1999). Goal/Question/Metric Method: A Practical Guide for Quality Improvement of Software Development. McGraw-Hill Inc.