Um modelo bayesiano que auxilia na identificação de alunos com dificuldades na aprendizagem de programação de computadores
Resumo
O aprendizado das disciplinas de programação de computadores sempre trouxe desafios para qualquer turma de alunos de Computação. Geralmente, os professores que atuam nestas disciplinas têm sinais acerca de quais alunos se tornarão bons programadores, porém é difícil detectar quais necessitam de ajuda no processo de aprendizagem. Este artigo, propõe o uso de um modelo bayesiano que auxilia na identificação, para os professores, de alunos com dificuldades nas disciplinas de programação de computadores. Os resultados indicam potencialidade na contribuição da aprendizagem do aluno.
Referências
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.
Publicado
11/11/2019
Como Citar
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 DE INFORMÁTICA NA ESCOLA (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.
