Predição de Zona de Aprendizagem de Alunos de Introdução à Programação em Ambientes de Correção Automática de Código

Abstract

Abstract. The present work proposes and validates a method to infer the learning zone of CS1 students in an online judge. To do so, the student's grade will be predicted, using a programming profile based on the data left by them as they solve exercises in that system. Students who scored lower than 5 were classified in a difficulty zone, otherwise in an expertise zone. Machine learning algorithms were used to make the prediction. The proposed predictive model obtained an accuracy of 78.3 % at the first two weeks of class, which overcomes research results that were conducted in similar scenarios.

Uma análise orientada a dados para avaliar o impacto da gamificação de um juiz on-line no desempenho de estudantes

“…Juízes on-line são sistemas que disponibilizam exercícios de programação e recebem códigos-fonte, que são corrigidos automaticamente utilizando casos de teste précadastrados. São comumente empregados como ferramenta de apoio pedagógico, pois diminuem a carga de trabalho do professor e oferecem feedback instantâneo para os alunos [Dwan et al 2017].…”

“…Para evitar que o tempo em que o aluno passou inativo seja considerado nas análises, foi estabelecido um limiar de 60 segundos de tolerância para esses intervalos de uso, conforme adotado por Dwan et al (2017). Dessa forma, sempre que o intervalo de tempo entre a interação atual e aúltima antes dessa era maior que 60 segundos, era considerado que o aluno não estava interagindo com o sistema e esse intervalo de tempo era descartado da análise.…”

Minerando dados de um juiz on-line para prever a evasão de estudantes em disciplinas introdutórias de programação

“…Uma das razões para issoé o aumento da demanda por cursos de educaçãò a distância e do crescente uso de ferramentas de aprendizagem que possibilitem a coleta e armazenamento de dados dos estudantes [Schlemmer and Portal 2016]. Dwan et al (2017) propõe um modelo de previsão que usa técnicas de aprendizagem de máquina para identificar se um dado aluno será aprovado ou não em disciplinas de introduçãoà programação. Foram construídos modelos usando Support Vector Machine (SVM), Random Forest (RF), AdaBoosting (AB), Decision tree (DT) e K-Nearest Neighbours (KNN).…”

“…Este trabalho se difere por propor o uso de técnicas de aprendizagem de máquina combinadas com evidências extraídas das interações dos estudantes em sistemas Juízes on-line. Embora o trabalho de Dwan et al (2017) tenha proposto o uso de logs de Juízes on-line para prever as notas dos alunos em disciplinas de programação, não foram encontrados trabalhos que usam tais logs para o problema de previsão de evasão.…”

“…Juízes on-line são sistemas de correção automática de códigos-fonte comumente empregados como ferramentas de apoio pedagógico em disciplinas de programação [Galvão et al 2016].À medida que os alunos usam um sistema Juiz on-line para submeter as soluções dos exercícios de programação propostos pelo professor, os logs desse sistema podem armazenar informaçõesúteis sobre o engajamento e sobre o desempenho dos alunos. Uma vez disponíveis, essas informações abrem possibilidades para novas pesquisas [Dwan et al 2017], especialmente naárea de mineração de dados educacionais. Neste trabalho, propomos o uso dessas informações para a tarefa de previsão de evasão.…”