Aprender a programar pode ser um desafio para muitos estudantes. São exigidas deles diversas competências como pensamento lógico, interpretação de texto e habilidades matemáticas que tornam complexa a programação. Em geral, professores não utilizam ferramentas que fornecem bom feedback para quem está aprendendo, pois são projetadas para programadores experientes, fator que potencializa o problema apresentado. Ao mesmo tempo, professores dificilmente conseguem fornecer feedback apropriado em tempo hábil e de modo individual, dado o seu volume de tarefas. Assim, ferramentas que proveem feedback apropriado aos estudantes podem auxiliar neste processo e diminuir a complexidade do processo de aprendizagem de programação. Este artigo apresenta a Python Enhanced Error Feedback (PEEF), uma IDE online para auxiliar no processo de ensino-aprendizagem que fornece diversas formas de feedback tais como mensagens melhoradas, testes unitários e chat. São apresentados dois exemplos de uso de PEEF para cada um dos potenciais usuários. A ferramenta se apresenta como uma possibilidade de uso no ensino de programação, fornecendo feedback para os estudantes e professores. Por fim, possibilita um estudo mais aprofundado sobre tipos de feedback fornecidos aos estudantes novatos.
Este artigo descreve uma proposta curricular e um livro didático de computação para o nono ano do Ensino Fundamental II brasileiro, construídos a partir de diretrizes e referenciais curriculares da área, objetivando popularizar a adoção da computação na educação básica. O livro combina simulações em uma linguagem de blocos, manipulação de imagens através de uma linguagem de programação textual, o desenvolvimento de jogos textuais e a construção de protótipos baseados em hardware livre, utilizando contextos familiares aos estudantes e uma abordagem de aprendizagem em espiral.
Este trabalho apresenta uma proposta curricular e um livro didático de computação para o oitavo ano do ensino fundamental II brasileiro, baseados em diretrizes e currículos de referência da área. Estes materiais objetivam contribuir para a popularização da computação na educação básica. O livro combina o uso de sistemas colaborativos, uma reflexão sobre redes sociais online, robótica educacional, programação através de linguagens de blocos e uma introdução a uma linguagem textual de programação, usando contextos que proveem feedback imediato e uma abordagem de aprendizagem em espiral.
Diversas estratégias têm sido utilizadas para minimizar os desafios inerentes ao ensino de Estrutura de Dados (ED). Dentre estas, destaca-se a Game Based Learning por possibilitar interação, engajamento e aprendizagem ativa. No entanto, jogos sobre ED são escassos e privilegiam o uso dos conceitos como tema. Este resumo apresenta um jogo sobre ED que utiliza conceitos como mecânica no intuito de alcançar objetivos educacionais mais elevados como Aplicar e Analisar.Link para o vídeo da apresentação: https://youtu.be/ubEsE2G53sU
O feedback oferecido por mensagens de erro produzidas por compiladores e interpretadores tipicamente não é suficiente para apoiar os estudantes novatos. A inserção de feedback adicional nestas mensagens, na forma de mensagens de erro melhoradas, pode ser uma solução para melhor apoiar os estudantes novatos na aprendizagem de programação. No entanto, o oferecimento deste feedback adicional necessita de avaliação acerca da sua eficácia. Para esta avaliação, diversas técnicas são utilizadas, desde abordagens manuais a automatizadas, como as métricas de erro dos estudantes. Da literatura, destacamos as métricas Error Quotient (EQ), Watwin Algorithm e Repeated Error Density (RED). Apesar da existência destas métricas, questões relacionadas à avaliação da eficácia das mensagens permanecem em aberto. Neste artigo, objetivamos comparar as métricas existentes e propor uma nova métrica com base nos achados. Para tal fim, foi ofertado um curso introdutório de Python no ambiente PEEF. Por meio dos dados obtidos no ambiente, as métricas foram mensuradas para todos os projetos. Como resultado, ratificamos a dependência de contexto das métricas EQ e Watwin, além da adequação de RED para abordagens de programação introdutória com Python. Entretanto, destacamos algumas limitações desta última e propomos uma nova métrica, RECurrent Error Density (REC), visando melhor responder ao questionamento sobre o impacto das mensagens melhoradas na aprendizagem dos estudantes novatos. Os resultados demonstram que REC consegue mensurar erros em 43,3% dos projetos dos estudantes, atribuindo avaliação a 30,9% de projetos a mais que a métrica RED. Estes resultados demonstram que o fenômeno de recorrência de erro ocorre e não é considerado adequadamente pelas métricas apresentadas.
scite is a Brooklyn-based organization that helps researchers better discover and understand research articles through Smart Citations–citations that display the context of the citation and describe whether the article provides supporting or contrasting evidence. scite is used by students and researchers from around the world and is funded in part by the National Science Foundation and the National Institute on Drug Abuse of the National Institutes of Health.