Avaliação de Aprendizagem de Machine Learning na Educação Básica: Um Mapeamento da Literatura

• Gustavo de Castro Salvador UFSC
• Christiane Gresse von Wangenheim UFSC http://orcid.org/0000-0002-6566-1606
• Marcelo Fernando Rauber UFSC / IFC
• Abisague Belem Garcia UFSC
• Adriano F. Borgatto UFSC

DOI: https://doi.org/10.5753/wei.2021.15919

Resumo

Machine Learning (ML) está cada vez mais integrada em nossa vida. Assim, para desmistificar ML, várias unidades instrucionais estão emergindo ensinando ML já na Educação Básica. No entanto, especialmente a avaliação da aprendizagem dos conceitos de ML continua sendo uma questão aberta. Assim, a fim de fornecer uma visão geral sobre o atual estado da arte em relação à avaliação da aprendizagem de ML na Educação Básica, realizamos um mapeamento sistemático. Identificamos 15 unidades instrucionais abordando ML, que também apresentam a avaliação da aprendizagem dos estudantes, principalmente de uma maneira simples como testes/questionários com poucos propondo uma avaliação baseada em desempenho. No entanto, há uma evidente falta de definição sistemática e validação dessas avaliações o que indica a necessidade de pesquisas futuras.

Palavras-chave: Avaliação de aprendizagem, Aprendizado de máquina, Educação Básica

Referências

Bloom, B. S.; Engelhart, M. D.; Furst, E. J.; Hill, W. H.; Krathwohl, D. R. Taxonomy of educational objectives. New York: David McKay Company, 1956.

Camada, M. Y.; Durães, G. M. Ensino da Inteligência Artificial na Educação Básica: um novo horizonte para as pesquisas brasileiras. Anais do Simpósio Brasileiro de Informática na Educação, online, 2020.

CSTA. CSTA K-12 Computer Science Standards. ACM, New York, NY, USA, 2011.

Evangelista, I.; Blesio, G.; Benatti, E. Why Are We Not Teaching Machine Learning at High School? A Proposal. World Engineering Education Forum, Albuquerque, NM, USA.,2018.

Galan, D.; Heradio, R.; Vargas, H.; Abad, I.; Cerrada, J. A. Automated Assessment of Computer Programming Practices: The 8-Years UNED Experience. IEEE Access, 7, 2019.

Gresse von Wangenheim, C.; Hauck, J. C. R.; Pacheco, F. S.; Bertonceli Bueno, M. F. Ferramentas Visuais para o Ensino de Machine Learning na Educação Básica. RENOTE, 18(2), 2020.

Hattie, J; Timperley, H. The power of feedback. Review of Educational Research, 77(1), 2007.

Ho, J. W. K.; Scadding, M. Classroom Activities for Teaching Artificial Intelligence to Primary School Students. Proc. of the Int.Conference on Computational Thinking, Hong Kong, China, 2019.

Hubwieser, P. et al. A Global Snapshot of Computer Science Education in K-12 Schools. Proc. of the ITiCSE on Working Group Reports, Vilnius, Lithuania. 2015.

Kahn, K. M.; Lu, Y., Zhang, J.; Winters, N.; Gao, M. Deep learning programming by all. Proc. of the Conference on Constructionism, Dublin, Ireland. 2020.

Kandlhofer, M.; Steinbauer G.; Hirschmugl-Gaisch S.; Huber, P. Artificial Intelligence and Computer Science in Education. Proc. of the Frontiers in Education Conference, Erie, PA, USA, 2016.

Lye, S. Y.; Koh, J. H. L. Review on teaching and learning of computational thinking through programming: What is next for K-12?. Computers in Human Behavior, 41, 2014.

Marques, L. S.; Gresse von Wangenheim, C.; Hauck, J. C. R. Hauck. Ensino de Machine Learning na Educação Básica: um Mapeamento Sistemático do Estado da Arte. Anais do Simpósio Brasileiro de Informática na Educação, Natal, Brasil, 2020.

McGovern, A.; Tidwell, Z.; Rushing, D. Teaching Introductory Artificial Intelligence through Java-Based Games. Proc. of the 2nd Symposium on Educational Advances in Artificial Intelligence, San Francisco, CA, USA, 2011.

Oliveira, M.; Oliveira, E. Metodologia de Diagnóstico e Regulação de Componentes de Habilidades da Aprendizagem de Programação. Anais do Workshop sobre Educação em Computação, Brasília, Brasil, 2014.

Petersen, K.; Feldt, R.; Mujtaba, S.; Mattsson, M. Systematic Mapping Studies in Software Engineering. Proc. of the 12th Int. Conference on Evaluation and Assessment in Software Engineering, Bari, Italy, 2008.

Piasecki, J.; Waligora, M.; Dranseika, V. Google Search as an Additional Source in Systematic Reviews. Science and Engineering Ethics 24, 2018.

Sanusi, I. T.; Oyelere, S. S. Pedagogies of Machine Learning in K-12 Context. IEEE Frontiers in Education ConferenceUppsala, Sweden, 2020.

Tang, D.; Utsumi, Y.; Lao, N. PIC: A Personal Image Classification Webtool for High School Students. Proc. of the Int. Joint Conferences on Artificial Intelligence, Macao, China, 2019.

Tissenbaum, M.; Sheldon, J.; Abelson, H. From computational thinking to computational action. Communications of the ACM, 62(3), 2019.

Torrey, L. Teaching Problem-Solving in Algorithms and AI. Proc. of the 3rd Symposium on Educational Advances in Artificial Intelligence, Toronto, Ontario, Canada, 2012.

Touretzky, D. S. et al. Envisioning AI for K-12: What Should Every Child Know about AI? Proc. of the 33rd Conf. on Artificial Intelligence, Honolulu, HI, USA, 2019.

Zhou, X.; Brummelen, J. V.; Lin, P. Designing AI Learning Experiences for K-12: Emerging Works, Future Opportunities and a Design Framework, arXiv, 2020.