Avaliacão de objetos digitais de aprendizagem: como os licenciados em computação analisam jogos educacionais?

Abstract

No Brasil, os egressos de Licenciatura em Computação têm como competência projetar, desenvolver e avaliar tecnologias digitais para o contexto educacional. Entretanto, existem desafios a serem superados com relação a avaliação da aprendizagem em ambientes como os jogos educacionais. O presente artigo relata uma experiência realizada com estudantes de Licenciatura em Computação, onde foram apresentados conceitos referentes a avaliação de Objetos Digitais de Aprendizagem (ODAs), em específico os jogos educacionais, com ênfase em técnicas de Game Learning Analytics. A pesquisa cruzou os relatos do grupo focal, análise documental e questionários. Dentre os resultados, foi possível visualizar os métodos que os participantes utilizam para avaliar seus jogos, os desafios na avaliação, suas experiências, como compreendem os dados dos jogos e análises que podem realizar.

Learning Analytics in Introductory Programming Courses: A Showcase from the Federal University of Amazonas

“…This release covers data from 107 CS1 classes, 4,511 students, 14,947 homework exercises, 1,908 exams, 375,173 student codes, and 3,860,565 code tests and submissions. These data have enabled researchers in computer science education and LA to conduct research on educational online judges (Carvalho et al, 2016), code plagiarism detection (Oliveira et al, 2021), continuous student authentication (Lavareda et al, 2020), prediction of learning and academic performance in programming (Pereira et al, 2017;Fonseca et al, 2019;Pereira et al, 2019;Pereira, Souza, et al, 2020), interpretation of predictive models (Pereira et al, 2021), recommendation systems (Pereira et al, 2022), gamification (Pessoa et al, 2019(Pessoa et al, , 2021Ribeiro et al, 2020;Pessoa, 2022), among others. In addition, RBIE v.31 -2023 these research efforts contribute to the formation of new masters and doctors at the IComp at the UFAM.…”

“…Among the possibilities for analysis in the GLA field are: player profiles, similar player groups, dropout rates, active players, performance prediction, learning evaluation, engagement, game design validation, feedback effects evaluation, and dashboard creation (Alonso-Fernandez et al, 2017;D. Silva et al, 2021).…”

“…Based on the Hexad user types, an analysis was conducted on using game elements using data captured in CodePlay (Pessoa et al, 2021). The study was conducted during the first semester of 2021 with IPC students at UFAM.…”

GLBoard: um sistema para auxiliar na captura e análise de dados em jogos educacionais

“…Apesar dos jogos educacionais serem apontados como ferramentas de aprendizagem eficientes, ainda existem muitos desafios, sobretudo no que diz respeito ao processo de game design educacional. Para construir bons jogos, é preciso entender os aspectos que possibilitam a aprendizagem em tais ambientes, por isso a importância de realizar diferentes estágios de avaliac ¸ão, o que ainda é um desafio [Melo et al 2020a, Silva et al 2021.…”

“…Dentre os benefícios da GLA, destaca-se a possibilidade de verificar se o design do jogo desenvolvido teve seus objetivos educacionais e de entretenimento cumpridos, por meio da análise dos dados gerados [Melo et al 2020b]. Os sistemas de GLA possibilitam que os professores visualizem um conjunto de informac ¸ões úteis sobre os usuários, por exemplo: i) jogadores ativos; ii) taxa de abandono; iii) conteúdos que os estudantes possuem facilidade/dificuldade; iv) grupo de estudantes similares; e, v) perfis de jogadores [Silva et al 2021]. Por meio das informac ¸ões observadas, o professor pode visualizar os estudantes que possuem maiores dificuldades e com isso propor diferentes metodologias capazes de auxiliar esses estudantes, evitando com isso o abandono ou a reprovac ¸ão em determinadas disciplinas.…”