Analisando a influência de atributos demográficos no desempenho de estudantes em uma disciplina de introdução à programação

• André Pereira UFAM
• Leandro Carvalho UFAM
• Eduardo Souto UFAM

DOI: https://doi.org/10.5753/wei.2019.6642

Resumo

O baixo desempenho de alunos em disciplinas introdutórias de programação é cenário comum em cursos de graduação de ciências exatas e de engenharia. Fatores externos ao ambiente acadêmico são tão decisivos em relação aos resultados quanto os aspectos inerentes ao processo de aprendizagem. Com base na aplicação de técnicas de mineração de dados educacionais sobre os dados de uma instituição de ensino superior brasileira, observou-se que o desempenho em uma disciplina de introdução à programação para non-majors está correlacionado a características socioeconômicas e educacionais prévias ou a um subconjunto criado a partir da combinação destes atributos. Por sua vez, identificar antecipadamente estudantes em risco de reprovação pode ajudar a reduzir a evasão em disciplinas de programação.

Referências

Ahadi, A. e Lister, R. (2015) “Exploring Machine Learning Methods to Automatically Identify Students in Need of Assistance.” In ACM Technical Symposium on Computing Science Education, SIGCSE ’16. Omaha, Nebraska, USA: ACM.

Ahadi, A., Lister, R. e Vihavainen, A. (2016) “On the Number of Attempts Students Made on Some Online Programming Exercises During Semester and Their Subsequent Performance on Final Exam Questions.” Pp. 218–23 in Proceedings of the 2016 ACM Conference on Innovation and Technology in Computer Science Education , ITiCSE ’16 . New York, NY, USA: ACM.

Bosse, Y. e Gerosa, M. A. (2015) “Reprovações e Trancamentos nas Disciplinas de Introdução à Programação da Universidade de São Paulo: Um Estudo Preliminar”. In XXIII Workshop sobre Educação em Computação (WEI). Recife.

Byrne, P. e Lyons, G. (2001). “The effect of student attributes on success in programming”. In ACM SIGCSE Bulletin, volume 33, pages 49–52. ACM.

Carvalho, L., Oliveira, D. e 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).

Hagan, D. e Markham, S. (2000) “Does it help to have some programming experience before beginning a computing degree program?” ACM SIGCSE Bulletin, 32(3):25–28.

Farag, W., Sanwar, A. e Debzani, D. (2013) “Does Language Choice Influence the Effectiveness of Online Introductory Programming Courses?” Pp. 165–70 in Proceedings of the 14th Annual ACM SIGITE Conference on Information Technology Education, SIGITE ’13. New York, NY, USA: ACM.

Júnior, J., Noronha, R. e Kaestner, C. (2017) “Método de Seleção de Atributos Aplicados na Previsão da Evasão de Cursos de Graduação”. Revista de Informática Aplicada, Volume 13, Número 2.

Khosravi, H. e Cooper, K. (2017) “Using Learning Analytics to Investigate Patterns of Performance and Engagement in Large Classes” . In Proceedings of the 2017 ACM SIGCSE Technical Symposium on Computer Science Education. New York, NY, USA: ACM

Leinonen, J., Longi, K, Klami, A. e Vihavainen, A. (2016) “Automatic Inference of Programming Performance and Experience from Typing Patterns.” Pp. 132–37 inProceedings of the 47th ACM Technical Symposium on Computing Science Education, SIGCSE ’16. New York, NY, USA: ACM.

Martins, L., Lopes, D. e Raabe A. (2012) “Um Assistente de Predição de Evasão Aplicado a Uma Disciplina Introdutória do Curso de Ciência da Computação.” Anais do Simpósio Brasileiro de Informática na Educação 23(1):26–30.

Pascoal, T., Brito, D. e Rêgo, T. (2015) “Uma abordagem para a previsão de Aplicado a uma Disciplina Introdutória do Curso de Ciência da Computação.” Anais do Simpósio Brasileiro de Informática na Educação 23(1):26–30.

Wasik, S., Antczak, M., Laskowski, A. e Sternal, T. (2018) “A Survey on Online Judge Systems and Their Applications”. ACM Computing Surveys, 51(1), 3.