Machine teaching: uma ferramenta didática e de análise de dados para suporte à cursos introdutórios de programação

Laura O. Moraes, Carla A. D. M. Delgado, Carlos Eduardo Pedreira e João Pedro M. Freire

laura.moraes@coppe.ufrj.br, carla@ic.ufrj.br, pedreira56@gmail.com, joaofreire@poli.ufrj.br

Motivações

• Crescimento do uso de plataformas educacionais online

​

• Coleta de dados

​

• Dados relevantes para tomada de decisões

2

Objetivos em relação aos alunos

• Ajudar alunos no processo de tomada de decisões
• Impactos positivos no aprendizado

3

​

O que eu não sei? O que está difícil? Falta algum conhecimento de base?

Objetivos em relação aos professores

• Identificar alunos com dificuldades e com risco de abandonar o curso
• Melhorar metodologias de ensino da disciplina

4

​

Consigo identificar e possivelmente remediar dificuldades particulares?

Metodologia de pesquisa

5

Observação

Sistema e captura de dados

Hipóteses

Levantamento de decisões e dados

Experimentos

Metodologia de desenvolvimento ágil

Conclusão

Questionários e análise dos resultados

Funcionamento do sistema

6

Coleta de dados

Observação - Coleta de dados

7

Hipóteses

• Revisão e estruturação de dashboards da literatura

​

Pergunta: feita por um aluno ou professor

Decisão: qual a decisão que o aluno/professor pode tomar ao fazer essa pergunta

Informações necessárias: quais dados precisamos

8

Experimentos - Metodologia de desenvolvimento ágil

• Um ciclo de desenvolvimento completa em geral demora 1 semestre

9

Experimentos - Dashboard do aluno

10

Experimentos - Página inicial do aluno

11

Experimentos - Página da semana para o aluno

12

Experimentos - Dashboard do professor

13

Experimentos - Soluções dos alunos para o professor

14

Resultados - Questionários

Perguntas:

• Usabilidade
• Tomada de decisões
• Sugestões de melhorias

15

Concordo totalmente

Discordo totalmente

Likert com 5 valores

Resultados - Questionários

16

Resultados - Usabilidade

17

Resultados - Tomada de decisões

• Com relação ao tempo despendido para atividades

​

​

​

• Com relação ao conteúdo das atividades

18

Conclusão

Em números:

• Mais de 2200 alunos utilizaram o sistema desde 2019 em 100 turmas
• Aumento de 15 para 22 turmas ativas entre 2020/1 e 2021/2

Curto prazo:

• Acesso facilitado à prática, principalmente na transição para aulas remotas

19

Conclusão

Médio prazo:

• Apoio a tomada de decisão do professor na identificação dos conteúdos mais difíceis e tempo despendido pelos alunos
• Apoio parcial aos alunos, pontos de melhoria identificados

20

Trabalhos futuros

• Casos de testes ocultos e avaliação automática

​

• Modelo de previsão de abandono

​

• Dashboard para a diretoria do curso

21

Apoio

Obrigado! Perguntas?

​

Machine teaching: uma ferramenta didática e de análise de dados para suporte à cursos introdutórios de programação

​

​

Contato:

joaofreire@poli.ufrj.br