Framework baseado em ciência de dados e engenharia de software para analisar a evolução de habilidades e competências do pensamento computacional
Abstract
Computational Thinking has become a required capability in the student learning process
to meet the rapid advances in digital technology that are transforming business models. The
constructionist digital games as a teaching approach have manifested promising educational
results in the construction of this competence. Nonetheless, accurately evaluating the
effectiveness and, consequently, student improvement is still a challenge. Motivated by this
knowledge gap, presents a framework based on Data Science, which proposes to facilitate the
process of discovering patterns and behaviors that lead to the acquisition of Computational
Thinking, by the practice of analysis under different levels of abstraction and cluster analysis
with an unsupervised neural network known in the literature as SOM (Self-Organizing
Maps). The framework is composed in five views: Teaching Learning, Structural, Cluster
Analysis, Processes and Learning Analytics, which organize the activities of the Data
Mining process and are guided by the questions that must be answered by the acquired
knowledge, aiming to evaluate the evolution of the skills and competences of Computational
Thinking. A case study, using Scratch constructionist digital games workshop (with 130
students from 3 courses and 2 different levels, generating 898 files), was executed to
validate this approach. The results show to the viability of the framework, highlighting:
(1) the institution of the questions directed the focus of the whole Data Mining process in
the search for its responses; (2) the knowledge provided by the Teaching Learning View
allowed us to understand the data generated during the workshop application; (3) the
Structural View allowed us to identify which data should compose the database to answer
the established questions; (4) the influence and knowledge provided by the Cluster Analysis
View due to the ability to use SOM maps in different analyzes, allowed the detection
of patterns and behaviors that exposed the effect produced by the teaching-learning
process, describing the followed construction path by students with knowledge below,
within and above expectations; Finally, data-based discoveries have enabled the continuous
improvement for the teaching-learning process in the Learning Analytics View.
Summary
Pensamento Computacional tem se tornado uma capacidade requerida no processo de
formação de estudantes para atender ao avanço tecnológico que está transformando os
modelos de negócio. O uso de oficinas de jogos digitais que utilizam o Construcionismo
como abordagem de ensino tem apresentado resultados educacionais promissores no
desenvolvimento desta competência. Contudo a avaliação adequada da sua efetividade e,
consequentemente, do progresso do aluno, ainda se constitui um desafio. Frente ao exposto,
este trabalho apresenta um framework baseado em Ciência de Dados, que tem como
objetivo facilitar o processo de descobrimento de padrões e comportamentos que remetem à
aquisição do Pensamento Computacional, por meio da abordagem de análise sob diferentes
níveis de abstração e da análise de agrupamento com uso de uma rede neural artificial não
supervisionada conhecida na literatura como SOM (Self-Organizing Maps). O framework é
estruturado em cinco visões: Ensino-Aprendizagem, Estrutural, Análise de Agrupamento,
Processos e Learning Analytics, que organizam as atividades do processo de mineração
dos dados e são norteadas pelas questões que devem ser respondidas pelo conhecimento
adquirido, visando à avaliação da evolução das habilidades e competências do Pensamento
Computacional. Um estudo de caso foi efetuado utilizando uma oficina de jogos digitais
de características construcionistas utilizando Scratch (com 130 alunos de 3 cursos e 2
diferentes níveis, gerando 898 arquivos). Os resultados apontam para a viabilidade do
framework, destacando: (1) o estabelecimento das questões direcionou o foco de todo o
processo de mineração dos dados na busca de suas respostas; (2) o conhecimento provido
pela Visão Ensino-Aprendizagem permitiu entender os dados gerados ao longo da execução
da oficina; (3) a visão Estrutural permitiu identificar quais dados que devem compor a
base de dados para responder às questões estabelecidas; (4) a influência e o conhecimento
providos pela visão de Análise de Agrupamento devido à capacidade de uso dos mapas
SOM em diferentes análises, permitiram a identificação de padrões e comportamentos
que revelaram o efeito gerado pelo processo de ensino-aprendizagem, caracterizando o
caminho praticado pelos alunos com construção do conhecimento abaixo, dentro e acima
do esperado; por fim, as descobertas nos dados permitiram a visão Learning Analytics
promover a melhoria contínua do processo de ensino-aprendizagem.
CNPq Area
CNPQ::ENGENHARIAS::ENGENHARIA ELETRICA
Citation
SOUZA, Alexandra Aparecida de. Framework baseado em ciência de dados e engenharia de software para analisar a evolução de habilidades e competências do pensamento computacional. 2019. 243 f. Tese (doutorado em Engenharia Elétrica e Computação) - Universidade Presbiteriana Mackenzie, São Paulo.