REBAEV : uma abordagem para recomendação de questões utilizando o caminho do bom aprendiz e evidências de aprendizado

Abstract

Resumo: Esta dissertação tem como objetivo descrever a abordagem ReBaEv, que consiste da recomendação da próxima questão, contextualizada no ensino da programação de computadores em cursos de computação. Esta abordagem adota duas estratégias de recomendação, o caminho do bom aprendiz e as evidências de aprendizado. O estado da arte foi identificado por meio de um mapeamento sistemático da literatura e revelou as técnicas empregadas em recomendação de questões. Considera-se o modelo do estudante, representado por um grafo genético, que é utilizado para investigar e monitorar a evolução dos aprendizes, por meio das suas habilidades. Objetiva-se utilizar o caminho do bom aprendiz, que é gerado por alunos que obtiveram êxito na realização dos exercícios, como forma de replicar um modelo competente a outros aprendizes, ao considerar o campo do aprendizado. Faz-se uso de um método de identificação automática de evidências de aprendizado, através de códigos fonte de programação, de modo a extrair a quantidade de evidências utilizadas nos exercícios. As evidências de aprendizado são empregadas na recomendação ao calcular um peso que é atribuído para os exercícios. Experimentos realizados com o objetivo de validar a abordagem mostram que as estratégias empregadas, tomando-se como base o caminho do bom aprendiz e as evidências de aprendizado, foram promissoras e favoráveis para os três cenários considerados no trabalho, quanto aos quesitos de adequação e engajamento. Por meio da avaliação com especialistas percebe-se que os exercícios recomendados, referentes aos cenários propostos, foram adequados para os diferentes tipos de alunos, e que a recomendação em uma ordem mais interessante, contribuiu com o aumento do engajamento dos alunos. Finalmente, a abordagem ReBaEv recomenda exercícios recebendo como parâmetro o estado do aluno, sendo assim, relevante com o objetivo de de aprimorar o processo de ensino-aprendizagem, ao melhor atender o aluno de acordo com as suas necessidades.

Abstract: This dissertation aims to describe the ReBaEv approach, which consists of the recom- mendation of the next question, contextualized in the teaching of computer programming in computing courses. This approach adopts two recommendation strategies, the good learner path and the learning evidence. The state of the art was identified through a systematic mapping of the literature and revealed the techniques used in question recommendation. The student's model is considered, represented by a genetic graph, which is used to investigate and monitor the learners' evolution, through their abilities. The objective is to use the path of the good learner, which is generated by students who were successful in performing the exercises, as a way to replicate a competent model to other learners, when considering the field of learning. A method of automatic identification of learning evidence is used, through programming source codes, in order to extract the amount of evidence used in the exercises. The learning evidence is used in the recommendation when calculating a weight that is assigned to the exercises. Experiments carried out with the aim of validating the approach show that the strategies employed, taking as a basis the path of the good learner and the evidence of learning, were promising and favorable for the 3 scenarios considered in the work, regarding the items of adequacy and engagement . Through the evaluation with experts, it can be seen that the recommended exercises, referring to the proposed scenarios, were suitable for different types of students, and that the recommendation, in a more interesting order, contributed to increased student engagement. Finally, the ReBaEv approach recommends exercises taking the student's state as a parameter, thus being relevant in order to improve the teaching-learning process, by better serving the student according to their needs.