Um modelo bayesiano que auxilia na identificação de alunos com dificuldades na aprendizagem de programação de computadores
Abstract
The learning of computer programming subjects has always brought challenges to any class of computer students. Generally, teachers who work in these subjects have signs about which students will become good programmers, but it is difficult to detect which ones need help in the learning process. This article proposes the use of a Bayesian model that helps in the identification, for teachers, of students with difficulties in the computer programming subjects. The results indicate potentiality in the contribution of student learning.
References
LAKATOS, E; MARCONI, A. Metodologia científica. São Paulo: Atlas, 2003.
LONGHI, M; BEHAR, P; BERCHT, M. Inferência dos estados de ânimo do aluno em um ambiente virtual de aprendizagem baseada em redes bayesianas. Informática na educação: teoria & prática. 14. 10.22456/1982-1654.21935, 2011.
PORFIRIO, A., PEREIRA, R., and MASCHIO, E. Inferência de Conhecimento a Partir da Detecção Automática de Evidências no Domínio da Programação de Computadores. Anais do XXIX Simpósio Brasileiro de Informática na Educação, 2018.
RICH, E. Inteligência Artificial. São Paulo: McGraw-Hill, 1988. RUSSELL, Stuart; NORVIG, Peter. Inteligência Artificial. Rio de Janeiro: Campus, 2013.
SBC - Sociedade Brasileira de Computação. Currículo de referência da SBC para cursos de graduação em computação e informática. 1999.
SEFFRIN, H; RUBI, G.; JAQUES, P. Uma Rede Bayesiana aplicada à Modelagem do Conhecimento Algébrico do Aprendiz. 10.5753/CBIE.SBIE.2013.597.
SEMESP - Sindicato das Entidades Mantenedoras de Estabelecimentos de Ensino Superior no Estado de São Paulo. Mapa do Ensino Superior. São Paulo, 2018.
TAYLOR, L.; PARSONS, J. Improving Student Engagement. Current Issues in Education, 14(1), 2011.
YANG, T. C., YANG, S. J., & HWANG, G. J. Development of an interactive test system for students' improving learning outcomes in a computer programming course. In Advanced Learning Technologies (ICALT), 2014 IEEE 14th International Conference on (pp. 637-639). IEEE. doi: 10.1109/ICALT.2014.186, 2014.
LONGHI, M; BEHAR, P; BERCHT, M. Inferência dos estados de ânimo do aluno em um ambiente virtual de aprendizagem baseada em redes bayesianas. Informática na educação: teoria & prática. 14. 10.22456/1982-1654.21935, 2011.
PORFIRIO, A., PEREIRA, R., and MASCHIO, E. Inferência de Conhecimento a Partir da Detecção Automática de Evidências no Domínio da Programação de Computadores. Anais do XXIX Simpósio Brasileiro de Informática na Educação, 2018.
RICH, E. Inteligência Artificial. São Paulo: McGraw-Hill, 1988. RUSSELL, Stuart; NORVIG, Peter. Inteligência Artificial. Rio de Janeiro: Campus, 2013.
SBC - Sociedade Brasileira de Computação. Currículo de referência da SBC para cursos de graduação em computação e informática. 1999.
SEFFRIN, H; RUBI, G.; JAQUES, P. Uma Rede Bayesiana aplicada à Modelagem do Conhecimento Algébrico do Aprendiz. 10.5753/CBIE.SBIE.2013.597.
SEMESP - Sindicato das Entidades Mantenedoras de Estabelecimentos de Ensino Superior no Estado de São Paulo. Mapa do Ensino Superior. São Paulo, 2018.
TAYLOR, L.; PARSONS, J. Improving Student Engagement. Current Issues in Education, 14(1), 2011.
YANG, T. C., YANG, S. J., & HWANG, G. J. Development of an interactive test system for students' improving learning outcomes in a computer programming course. In Advanced Learning Technologies (ICALT), 2014 IEEE 14th International Conference on (pp. 637-639). IEEE. doi: 10.1109/ICALT.2014.186, 2014.
Published
2019-11-11
How to Cite
CAMPOS, Willys; REIS, Rodrigo; TEIXEIRA, Otavio.
Um modelo bayesiano que auxilia na identificação de alunos com dificuldades na aprendizagem de programação de computadores. In: WORKSHOP ON COMPUTING AT SCHOOL (WIE), 25. , 2019, Brasília.
Anais [...].
Porto Alegre: Sociedade Brasileira de Computação,
2019
.
p. 1494-1498.
DOI: https://doi.org/10.5753/cbie.wie.2019.1494.
