Defesa de Tese de Doutorado de Marlos Tacio Silva

postado em 28 de set de 2016 05:52 por Coordenação da Pós-graduação em Computação da UFCG

Candidato(a): Marlos Tacio Silva

Título do Trabalho: Uma Abordagem para a Estimação da Habilidade de Estudantes de Programação Introdutória: Um Modelo de Resposta Gradual

Orientador(es): 

Evandro de Barros Costa

 

Data: 13/10/2016

Horário: 08:30:00

Local: Auditório do CEEI

 

Resumo: 

Tradicionalmente, o ensino de programação, sobretudo em disciplinas introdutórias, tem acarretado em baixas taxas de aprovação, baixa qualidade dos programadores e baixo desempenho em disciplinas derivadas. Um dos problemas reside no processo de avaliação dos estudantes. Tradicionalmente pautado por atividades de codificação e, mais recentemente, pela utilização de Juízes Online, esse processo se mostra pouco eficaz na estimação da habilidade do estudante e, consequentemente, na geração automática de feedback, na adaptação do processo de ensino e, por fim, na adaptação do próprio processo avaliativo. Nesse sentido, esse trabalho apresenta uma abordagem para a estimação do conhecimento de estudantes de programação introdutória. Analogamente aos Juízes Online, essa abordagem utiliza a submissão de atividade de codificação como fonte de dados na estimação da habilidade. Entretanto, essa abordagem utiliza três modelos: (1) um modelo de extração de informação, que extrai métricas de software (e.g., complexidade ciclomática) dessas submissões; (2) um modelo de indução, que qualifica as submissões de acordo com uma escala de resposta gradual; e (3) um modelo de estimação, que quantifica a habilidade do estudante com base em seu conjunto de submissões. Para validar essa proposta, foram coletadas 1807 submissões de cinco turmas de Programação Introdutória do curso de Sistema da Informação da Universidade Federal de Alagoas. Primeiramente, tais submissões foram submetidas ao modelo de extração para a construção de uma base de dados composta por 26 métricas de software. Paralelamente, um especialista humano efetuou a qualificação das submissões utilizando uma taxonomia de níveis de compreensão conhecida como SOLO. Em seguida, esses dados foram aplicados ao modelo de indução, que utilizou uma técnica de árvore de decisão conhecida como C5.0, para gerar um classificador. Por fim, as classes obtidas foram aplicadas ao modelo de estimação, que utilizou uma técnica Politômica da Teoria de Resposta ao Item, para estimar a habilidade dos estudantes. Os resultados mostraram que um conjunto de 6 métricas de software foi o suficiente para a construção do classificador, obtendo-se, a partir de validação cruzada, uma acurácia de 0.87, um coeficiente de Kappa de 0,82 e um coeficiente de Kappa ponderado de 0.96. Além disso, a abordagem de resposta gradual se mostrou mais eficaz na estimação da habilidade dos estudantes do que a abordagem puramente dicotomizada que é utilizada tradicionalmente.

 

Banca Examinadora: 

(Membros Internos)

Joseana Macêdo Fechine Régis de Araújo 

Dalton Dario Serey Guerrero

(Membros Externos)

Sérgio Crespo Coelho da Silva Pinto , Universidade Federal Fluminense

Baldoíno Fonseca dos Santos Neto, Universidade Federal de Alagoas

Comments