This paper presents a proposal for a multiagent system that uses an online judge and Mastery Learning concepts to help in the process of learning Programming. Composed of a layer between student and judge, this system could be able to validate knowledge acquired by the student and identify students presenting learning difficulties in order to help them in the process of master the knowledge via feedbacks like tips, tutorials, videos etc. Resumo. Este trabalho apresenta uma proposta de sistema multiagente para auxiliar o ensino de Programação utilizando um juiz online e técnicas de Mastery Learning. Composto de uma camada entre o estudante e o juiz, tal sistema seria capaz de validar o conhecimento adquirido pelo aluno e identificar alunos com dificuldades de aprendizado e auxilia-lo no processo de domínio do conhecimento utilizando-se de feedbacks como dicas, tutoriais, vídeos e outros tipos de conteúdo extraclasse.
Diante disto, surge a necessidade de se desenvolver ferramentas que apoiem tanto professores quanto estudantes no tocante do ensino e aprendizado. No entanto, em relação ao ensino de Programação propriamente dito, o contexto de sala de aula geralmente é bastante heterogêneo: alguns alunos nunca viram algoritmos, e outros já trabalham com programação. Logo, cabe ao professor verificar os diferentes níveis de conhecimento entre os alunos em uma turma muitas vezes numerosas. Nesse sentido, este artigo apresenta a proposta de um ambiente de aprendizagem que fundamenta-se na teoria Mastery Learning para proporcionar o nivelamento e equilíbrio entre os alunos, ao passo que cada aluno volta-se a tarefas e conteúdos de acordo com seu nível de conhecimento.
Vale salientar que a ferramenta ainda se encontra em fase de desenvolvimento e o que será apresentado neste artigo é um protótipo ainda não validado. Para melhor entendimento e para justificar a necessidade de desenvolvê-la, este trabalho está assim organizado: a Seção 2 apresenta a contextualização; a Seção 3 traz a proposta em si; e por fim as Considerações Finais são apresentadas.
As seguintes subseções apresentam um breve conceito sobre conhecimentos aplicados
nesta pesquisa.
2.1 Mastery Learning
Mastery Learning (Aprendizagem por Maestria) é uma estratégia educacional na qual as
habilidades e conhecimentos dos alunos são rigorosamente confrontados com padrões
predeterminados de aprendizagem. Assim, estudantes não podem avançar para um
próximo módulo, estágio, nível de conhecimento até que alcancem um designado nível
de maestria [
No Mastery Learning, as métricas que determinam se um estudante conquistou ou não um nível de domínio são extremamente importantes para o aprendizado, uma vez que o seu objetivo é garantir que ninguém seja deixado para trás e que todos estejam bem preparados para ter sucesso em fases subsequentes da formação. Se estes padrões são muito baixos, os alunos não estarão bem preparados; se os padrões são muito altos, os alunos irão despender um esforço desnecessário que poderia ser melhor gasto em outros objetivos educacionais [Yudkowsky et al 2015].
Este tipo de estratégia pode ser utilizada para dominar quase todos os tipos de
conhecimento, mas se encaixa perfeitamente com o ensino de Matemática. O
conhecimento matemático é construído sobre ele mesmo, então, para que um aluno
possa ter sucesso, é preciso que este possua um nível de domino em todas as suas
unidades [
O trabalho de
Posteriormente,
Os resultados dos experimentos destes trabalhos mostraram que evidências como, o alto número de tentativas de compilação de um programa sem sucesso, o grande número de erros em um mesmo programa ou a quantidade de tempo gasto na tentativa de resolver, podem estar relacionados ao estado de frustração do aluno. Também Raabe et al (2015) apresentaram uma abordagem para a construção de um gerador de dicas sobre os erros cometidos pelos estudantes, usando como base uma combinação de casos de testes aplicados ao programa a ser avaliado e uma análise estrutural do código, detectando padrões de erros comuns realizados por estudantes.
O objetivo deste experimento foi avaliar a influência das dicas emitidas pelo corretor nas ações tomadas pelos estudantes para corrigir o erro diagnosticado, bem como avaliar se este feedback ajuda o estudante a resolver exercícios propostos. A avaliação obtida pelos autores do trabalho foi de que “o mecanismo de correções e geração de dicas proposto teve um impacto positivo e auxiliou os estudantes na resolução dos exercícios” e a “melhorar a legibilidade do código”, o que certamente leva a crer que utilizar este método para o ensino de Programação pode ser de grande relevância.
Informática na Educação significa a inserção de recursos digitais no processo de aprendizagem dos conteúdos curriculares de todos os níveis e modalidades de educação, enfatizando que o professor da disciplina curricular deva ter conhecimento sobre os potenciais educacionais do computador e ser capaz de alternar adequadamente atividades tradicionais de ensino/aprendizagem e atividades que o utilizem.
Segundo
Segundo
Autonomia – executam a maior parte de suas ações sem interferência direta de agentes humanos ou de outros agentes computacionais, possuindo controle total sobre suas ações e estado interno; Habilidade social – por impossibilidade de resolução de certos problemas ou por outro tipo de conveniência, interagem com outros agentes (humanos ou computacionais), para complementarem a resolução de seus problemas, ou ainda auxiliarem outros agentes. Disto surge a necessidade de que os agentes tenham capacidade para comunicar seus requisitos aos outros e um mecanismo decisório interno que defina quando e quais interações são apropriadas; Capacidade de reação – percebem e reagem às alterações no ambiente em que estiverem inseridos; Capacidade proativa – agentes, do tipo deliberativo, além de atuar em resposta às alterações ocorridas em seu ambiente, apresentam um comportamento orientado a objetivos, tomando inciativas quando julgarem apropriado.
O URI Online Judge é um projeto que vem sendo desenvolvido na URI – Universidade
Regional Integrada - Campus de Erechim, desde 2011. É um portal que contém
problemas no estilo do ICPC (International Collegiate Programming Contest) da ACM
(Association for Computing Machinery) e que fornece ao usuário um juiz online1 para
testar suas soluções a estes problemas. O objetivo inicial da criação do portal foi
desenvolver funcionalidades que oferecessem uma alternativa ao método tradicional de
ensino de Algoritmos e Programação, conforme proposto pelos autores em [
A proposta deste trabalho é desenvolver um sistema que implemente o conceito
de Mastery Learning em disciplinas de Programação utilizando questões do URI Online
Judge como forma de validar o domínio de conhecimento dos alunos, utilizando uma
arquitetura multiagente. Composto de uma camada entre o estudante e o juiz online
URI, tal sistema seria capaz de identificar alunos com dificuldades de aprendizado e
auxilia-lo no processo de domínio do conhecimento utilizando-se de feedbacks como
nos trabalhos de
Na Figura 1 é possível ter uma visão abstrata da arquitetura do sistema que é composta de um servidor que intermedia a ligação entre a interface, utilizada pelo aluno, e o URI Online Judge, que é o repositório de questões. Tendo quatro agentes (explicados a seguir) ativos no servidor que monitoram o estado do ambiente, podendo, assim, executar ações visando atingir o seu respectivo objetivo.
Figura 1: Arquitetura do sistema.
Fonte: Próprio autor (2017)
O sistema multiagente proposto para essa pesquisa, a priori, possui os agentes: Agente Facilitador (AgF), que terá o intuito de acompanhar o estudante, motivando-o, e percebendo suas atitudes, tais como permanência no ambiente de aprendizagem, participação; Agente Pedagógico (AgP) que irá atribuir tarefas ao discente, de acordo com o nível de domínio no qual este está inserido; Agente Avaliador (AgA), que a partir de métricas pré-definidas, irá avaliar o nível de maestria do estudante, de forma a permitir ou não, dependendo dos resultados obtidos, que este avance de nível de aprofundamento dos conteúdos vistos em sala de aula; e Agente de Retorno (AgR), que terá a função de dar feedback ao aluno e professor, quanto ao grau de excelência que o aluno está percebendo ao longo da disciplina, além de verificar se existe discrepância entre os vários estudantes envolvidos no processo de aprendizagem.
Como interface para utilização do sistema, o aplicativo de mensagens Telegram foi escolhido por ser um software popular entre usuário de smartphone, possuir clientes para os principais sistemas móveis, web e desktop e possuir uma API (Application Programming Interface) pública. Fazendo uso desta API, podemos usar toda a robustez da arquitetura do aplicativo a nosso favor para troca de mensagens texto, imagens, vídeos, etc. Dessa forma, delegando ao Telegram toda a troca de mensagens entre os alunos e o sistema, permite que nós foquemos no desenvolvimento dos outros componentes desta pesquisa.
Este trabalho apresentou uma proposta de um sistema multiagente que implementa a técnica de Mastery Learning para auxiliar no ensino/aprendizagem em disciplinas de Programação. Embora esta pesquisa ainda esteja em fase de desenvolvimento, trabalhos anteriores já demonstraram que sistemas que fazem um acompanhamento individual e são capazes de apresentar feedbacks para auxilia-los em sua dificuldade de aprendizado em Programação apresentaram um impacto positivo. Os próximos passos dessa pesquisa são: desenvolver a arquitetura multiagente; desenvolver o sistema proposto; validar o sistema em turmas de Programação, realizando, através de estudo de caso, experimentos pequenos e contínuos; estabelecer métricas para o nivelamento dos alunos; apresentar resultados obtidos à comunidade acadêmica.