| Resumo |
Este projeto de pesquisa em ensino está inserido em um projeto que tem como objetivo enfrentar o desafio da diversidade de conhecimento em disciplinas introdutórias de programação, onde estudantes com diferentes níveis de experiência representam um empecilho para a criação, por parte dos docentes, de atividades adequadas a todos. O objetivo central foi auxiliar no desenvolvimento de um sistema para a recomendação automática de exercícios de programação, buscando personalizar a aprendizagem ao investigar métricas de similaridade que consideram tanto as características dos problemas quanto os perfis dos alunos, com a hipótese de que uma experiência personalizada pode diminuir os índices de desistência. A metodologia adotada partiu da análise da documentação e do código-fonte do Ambiente de Correção Automática de Código (ACAC) BOCA, utilizado na instituição. Em seguida, realizou-se a verificação de protótipos pré-existentes para o cadastro de exercícios, identificando-se limitações críticas de usabilidade que tornavam a interface complexa, pouco intuitiva e propensa a erros, dificultando seu uso por professores e monitores. Para solucionar esses problemas, a fase de desenvolvimento concentrou-se na criação de novos protótipos com interfaces de cadastro e visualização de exercícios totalmente redesenhadas, focando em acessibilidade e eficiência. Foram implementadas melhorias, como uma tela de cadastro mais limpa e a inclusão de um sistema de filtragem por rotulação, que facilita a seleção de exercícios alinhados a perfis específicos de aprendizagem. Como resultados, foi aprimorada uma ferramenta funcional com potencial para apoiar o processo de ensino-aprendizagem, que facilita a gestão de exercícios, contribuindo para experimentos de um doutorando do projeto. Foi conduzido um experimento com alunos ingressantes do curso de Ciência da Computação, que permitiu a validação das estratégias de recomendação em um cenário real. A conclusão é que o projeto alcançou seus objetivos, criando uma solução robusta e oferecendo subsídios relevantes que confirmam o potencial de sistemas de recomendação para o aprimoramento de futuras soluções educacionais em programação. |