Learning Analytics no Ensino de Introdução à Programação de Computadores
Resumo
Disciplinas de programação introdutória apresentam uma alta taxa de reprovação no mundo todo, e na Universidade Federal do Amazonas, isso também acontece. Desde que um grupo de professores dessa instituição resolveu reformular a disciplina, algumas iniciativas de Learning Analytics vem sendo adotadas. O objetivo deste artigo e apresentá-las de maneira abrangente, além de alguns resultados obtidos durante esses últimos anos de pesquisa.
Palavras-chave:
Analíticas de Aprendizagem, Introdução à Programação de Computadores, Iniciativas de Pesquisa
Referências
Bennedsen, J. and Caspersen, M. E. (2019). Failure rates in introductory programming: 12 years later. ACM Inroads, 10(2):30–36.
Blikstein, P. (2011). Using learning analytics to assess students behavior in open-ended programming tasks. Proceedings of the 1st International Conference on Learning Analytics and Knowledge, pages 110–116.
Carvalho, L., Fernandes, D., and Gadelha, B. (2016). Juiz online como ferramenta de apoio a uma metodologia de ensino híbrido em programação. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 27, page 140.
Castro-Wunsch, K., Ahadi, A., and Petersen, A. (2017). Evaluating neural networks as a method for identifying students in need of assistance. In Proceedings of the 2017 ACM SIGCSE Technical Symposium on Computer Science Education, pages 111–116. ACM.
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. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1507.
Echeverría, L., Cobos, R., Machuca, L., and Claros, I. (2017). Using collaborative learning scenarios to teach programming to non-cs majors. Computer applications in engineering education, 25(5):719–731.
Fonseca, S., Oliveira, E., Pereira, F., Fernandes, D., and de Carvalho, L. S. G. (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), volume 30, page 1651.
Freitas Junior, H. B., Pereira, F. D., de Oliveira, E. H. T., de Oliveira, D. B. F., and de Carvalho, L. S. G. (2020). Recomendação automática de problemas em juízes online usando processamento de linguagem natural e análise dirigida aos dados. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1152–1161. SBC.
Ihantola, P., Vihavainen, A., Ahadi, A., Butler, M., Börstler, J., Edwards, S. H., Isohanni, E., Korhonen, A., Petersen, A., Rivers, K., Rubio, M. A., Sheard, J., Skupas, B., Spacco, J., Szabo, C., and Toll, D. (2015). Educational data mining and learning analytics in programming: Literature review and case studies. ACM. Proceedings of the 2015 ITiCSE on Working Group Reports, pages 41–63.
Lacave, C., Molina, A. I., and Cruz-Lemus, J. A. (2018). Learning analytics to identify dropout factors of computer science studies through bayesian networks. Behaviour & Information Technology, 37(10-11):993–1007.
Lavareda Filho, R. M., Colonna, J. G., and Oliveira, D. B. F. (2020). Autenticação contínua de alunos utilizando biometria comportamental em ambiente juiz on-line. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1193–1202. SBC.
Lima, M., de Carvalho, L. S. G., de Oliveira, E. H. T., Oliveira, D. B. F., and Pereira, F. D. (2020). Classificação de dificuldade de questões de programação com base em métricas de código. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1323–1332. SBC.
Lima, M. A., Carvalho, L. S., de Oliveira, E. H., de Oliveira, D. B., and Pereira, F. D. (2021). Uso de atributos de código para classificar a dificuldade de questões de programação em juízes online. Revista Brasileira de Informática na Educação, 29:1137–1157.
Lundberg, S. M. and Lee, S.-I. (2017). A unified approach to interpreting model predictions. In Advances in neural information processing systems, pages 4765–4774.
Norman, V. T. and Adams, J. C. (2015). Improving non-CS major performance in cs1. In Proceedings of the 46th ACM Technical Symposium on Computer Science Education, pages 558–562.
Oliveira, D. B., Lavareda Filho, R. M., Oliveira, E. H., Carvalho, L. S., Pereira, F. D., Colonna, J. G., and Menezes, A. (2021). Um método de detecção de plágio para sistemas juiz on-line baseado no comportamento dos alunos. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 836–848. SBC.
Pereira, F. D., Fonseca, S. C., Oliveira, E. H., Cristea, A. I., Bellhäuser, H., Rodrigues, L., Oliveira, D. B., Isotani, S., and Carvalho, L. S. (2021a). Explaining individual and collective programming students’ behavior by interpreting a black-box predictive model. IEEE Access, 9:117097–117119.
Pereira, F. D., Fonseca, S. C., Oliveira, E. H., Oliveira, D. B., Cristea, A. I., and Carvalho, L. S. (2020a). Deep learning for early performance prediction of introductory programming students: a comparative and explanatory study. Brazilian journal of computers in education., 28:723–749.
Pereira, F. D., Junior, H. B., Rodriguez, L., Toda, A., Oliveira, E. H., Cristea, A. I., Oliveira, D. B., Carvalho, L. S., Fonseca, S. C., Alamri, A., et al. (2021b). A recommender system based on effort: Towards minimising negative affects and maximising achievement in cs1 learning. In International Conference on Intelligent Tutoring Systems, pages 466–480. Springer.
Pereira, F. D., Oliveira, E. H., Fernandes, D., and Cristea, A. (2019). Early performance prediction for CS1 course students using a combination of machine learning and an evolutionary algorithm. In 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT), volume 2161, pages 183–184. IEEE.
Pereira, F. D., Oliveira, E. H., Oliveira, D. B., Cristea, A. I., Carvalho, L. S., Fonseca, S. C., Toda, A., and Isotani, S. (2020b). Using learning analytics in the amazonas: understanding students’ behaviour in introductory programming. British journal of educational technology, 51(4):955–972.
Pessoa, M., Fernandes, D., de Carvalho, L. S. G., Oliveira, E., Nakamura, W., and Conte, T. (2019). Codeplay: Uma plataforma de gamificação baseada em jogos de rpg multiplayer. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 30, page 843.
Pessoa, M., Melo, R., Haydar, G., Oliveira, D. B., Carvalho, L. S., Oliveira, E. H., Conte, T., Pereira, F. D., Rodrigues, L., and Isotani, S. (2021). Uma análise dos tipos de jogadores em uma plataforma de gamificação incorporada a um sistema juiz on-line. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 474–486. SBC.
Ribeiro, R. B. S., de Carvalho, L. S. G., Oliveira, E. H. T., Oliveira, D. B. F., and Pessoa, M. S. P. (2020). Investigação empírica sobre os efeitos da gamificação de um juiz on-line em uma disciplina de introdução à programação. Revista Brasileira de Informática na Educação, 28:461–490.
Robins, A. V. (2019). Novice Programmers and Introductory Programming, page 327–376. Cambridge Handbooks in Psychology. Cambridge University Press.
Santana, B. L. and Bittencourt, R. A. (2018). Increasing motivation of CS1 non-majors through an approach contextualized by games and media. In 2018 IEEE Frontiers in Education Conference (FIE), pages 1–9. IEEE.
Watson, C. and Li, F. W. (2014). Failure rates in introductory programming revisited. In Proceedings of the 2014 conference on Innovation & technology in computer science education, pages 39–44. ACM.
Blikstein, P. (2011). Using learning analytics to assess students behavior in open-ended programming tasks. Proceedings of the 1st International Conference on Learning Analytics and Knowledge, pages 110–116.
Carvalho, L., Fernandes, D., and Gadelha, B. (2016). Juiz online como ferramenta de apoio a uma metodologia de ensino híbrido em programação. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 27, page 140.
Castro-Wunsch, K., Ahadi, A., and Petersen, A. (2017). Evaluating neural networks as a method for identifying students in need of assistance. In Proceedings of the 2017 ACM SIGCSE Technical Symposium on Computer Science Education, pages 111–116. ACM.
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. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 28, page 1507.
Echeverría, L., Cobos, R., Machuca, L., and Claros, I. (2017). Using collaborative learning scenarios to teach programming to non-cs majors. Computer applications in engineering education, 25(5):719–731.
Fonseca, S., Oliveira, E., Pereira, F., Fernandes, D., and de Carvalho, L. S. G. (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), volume 30, page 1651.
Freitas Junior, H. B., Pereira, F. D., de Oliveira, E. H. T., de Oliveira, D. B. F., and de Carvalho, L. S. G. (2020). Recomendação automática de problemas em juízes online usando processamento de linguagem natural e análise dirigida aos dados. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1152–1161. SBC.
Ihantola, P., Vihavainen, A., Ahadi, A., Butler, M., Börstler, J., Edwards, S. H., Isohanni, E., Korhonen, A., Petersen, A., Rivers, K., Rubio, M. A., Sheard, J., Skupas, B., Spacco, J., Szabo, C., and Toll, D. (2015). Educational data mining and learning analytics in programming: Literature review and case studies. ACM. Proceedings of the 2015 ITiCSE on Working Group Reports, pages 41–63.
Lacave, C., Molina, A. I., and Cruz-Lemus, J. A. (2018). Learning analytics to identify dropout factors of computer science studies through bayesian networks. Behaviour & Information Technology, 37(10-11):993–1007.
Lavareda Filho, R. M., Colonna, J. G., and Oliveira, D. B. F. (2020). Autenticação contínua de alunos utilizando biometria comportamental em ambiente juiz on-line. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1193–1202. SBC.
Lima, M., de Carvalho, L. S. G., de Oliveira, E. H. T., Oliveira, D. B. F., and Pereira, F. D. (2020). Classificação de dificuldade de questões de programação com base em métricas de código. In Anais do XXXI Simpósio Brasileiro de Informática na Educação, pages 1323–1332. SBC.
Lima, M. A., Carvalho, L. S., de Oliveira, E. H., de Oliveira, D. B., and Pereira, F. D. (2021). Uso de atributos de código para classificar a dificuldade de questões de programação em juízes online. Revista Brasileira de Informática na Educação, 29:1137–1157.
Lundberg, S. M. and Lee, S.-I. (2017). A unified approach to interpreting model predictions. In Advances in neural information processing systems, pages 4765–4774.
Norman, V. T. and Adams, J. C. (2015). Improving non-CS major performance in cs1. In Proceedings of the 46th ACM Technical Symposium on Computer Science Education, pages 558–562.
Oliveira, D. B., Lavareda Filho, R. M., Oliveira, E. H., Carvalho, L. S., Pereira, F. D., Colonna, J. G., and Menezes, A. (2021). Um método de detecção de plágio para sistemas juiz on-line baseado no comportamento dos alunos. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 836–848. SBC.
Pereira, F. D., Fonseca, S. C., Oliveira, E. H., Cristea, A. I., Bellhäuser, H., Rodrigues, L., Oliveira, D. B., Isotani, S., and Carvalho, L. S. (2021a). Explaining individual and collective programming students’ behavior by interpreting a black-box predictive model. IEEE Access, 9:117097–117119.
Pereira, F. D., Fonseca, S. C., Oliveira, E. H., Oliveira, D. B., Cristea, A. I., and Carvalho, L. S. (2020a). Deep learning for early performance prediction of introductory programming students: a comparative and explanatory study. Brazilian journal of computers in education., 28:723–749.
Pereira, F. D., Junior, H. B., Rodriguez, L., Toda, A., Oliveira, E. H., Cristea, A. I., Oliveira, D. B., Carvalho, L. S., Fonseca, S. C., Alamri, A., et al. (2021b). A recommender system based on effort: Towards minimising negative affects and maximising achievement in cs1 learning. In International Conference on Intelligent Tutoring Systems, pages 466–480. Springer.
Pereira, F. D., Oliveira, E. H., Fernandes, D., and Cristea, A. (2019). Early performance prediction for CS1 course students using a combination of machine learning and an evolutionary algorithm. In 2019 IEEE 19th International Conference on Advanced Learning Technologies (ICALT), volume 2161, pages 183–184. IEEE.
Pereira, F. D., Oliveira, E. H., Oliveira, D. B., Cristea, A. I., Carvalho, L. S., Fonseca, S. C., Toda, A., and Isotani, S. (2020b). Using learning analytics in the amazonas: understanding students’ behaviour in introductory programming. British journal of educational technology, 51(4):955–972.
Pessoa, M., Fernandes, D., de Carvalho, L. S. G., Oliveira, E., Nakamura, W., and Conte, T. (2019). Codeplay: Uma plataforma de gamificação baseada em jogos de rpg multiplayer. In Brazilian Symposium on Computers in Education (Simpósio Brasileiro de Informática na Educação-SBIE), volume 30, page 843.
Pessoa, M., Melo, R., Haydar, G., Oliveira, D. B., Carvalho, L. S., Oliveira, E. H., Conte, T., Pereira, F. D., Rodrigues, L., and Isotani, S. (2021). Uma análise dos tipos de jogadores em uma plataforma de gamificação incorporada a um sistema juiz on-line. In Anais do XXXII Simpósio Brasileiro de Informática na Educação, pages 474–486. SBC.
Ribeiro, R. B. S., de Carvalho, L. S. G., Oliveira, E. H. T., Oliveira, D. B. F., and Pessoa, M. S. P. (2020). Investigação empírica sobre os efeitos da gamificação de um juiz on-line em uma disciplina de introdução à programação. Revista Brasileira de Informática na Educação, 28:461–490.
Robins, A. V. (2019). Novice Programmers and Introductory Programming, page 327–376. Cambridge Handbooks in Psychology. Cambridge University Press.
Santana, B. L. and Bittencourt, R. A. (2018). Increasing motivation of CS1 non-majors through an approach contextualized by games and media. In 2018 IEEE Frontiers in Education Conference (FIE), pages 1–9. IEEE.
Watson, C. and Li, F. W. (2014). Failure rates in introductory programming revisited. In Proceedings of the 2014 conference on Innovation & technology in computer science education, pages 39–44. ACM.
Publicado
16/11/2022
Como Citar
OLIVEIRA, Elaine H. T.; OLIVEIRA, David B. F. de; CARVALHO, Leandro S. G.; PEREIRA, Filipe D..
Learning Analytics no Ensino de Introdução à Programação de Computadores. In: WORKSHOP DE APLICAÇÕES PRÁTICAS DE LEARNING ANALYTICS EM INSTITUIÇÕES DE ENSINO NO BRASIL (WAPLA), 1. , 2022, Manaus.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2022
.
p. 50-59.
DOI: https://doi.org/10.5753/wapla.2022.226870.
