Predição de Zona de Aprendizagem de Alunos de Introdução à Programação em Ambientes de Correção Automática de Código

Abstract

The present work proposes and validates a method to infer the learning zone of CS1 students in an online judge. To do so, the student's grade will be predicted, using a programming profile based on the data left by them as they solve exercises in that system. Students who scored lower than 5 were classified in a difficulty zone, otherwise in an expertise zone. Machine learning algorithms were used to make the prediction. The proposed predictive model obtained an accuracy of 78.3 % at the first two weeks of class, which overcomes research results that were conducted in similar scenarios. Resumo. Este trabalho tem por objetivo propor e validar um método para inferir a zona de aprendizagem de alunos de turmas de IntroduçIntroduç˜Introduçãò a ProgramaçProgramaç˜Programação (IPC) em ambientes de correçcorreç˜correção automática de código (ACAC). Para tanto, foi construído um perfil de programaçprogramaç˜programação baseado nos dados deixados pelos estudantesàestudantes`estudantesà medida que eles resolvem exercícios nesses sistemas. Os alunos que tiraram notas inferiores a 5 foram classificados em uma zona de dificuldade, do contrário em uma zona de expertise. Utilizou-se algoritmos de aprendizagem de máquina para fazer a prediçprediç˜predição. O modelo preditivo construído obteve 78,3% de acurácia já nas duas primeiras semanas de aula, o que ultrapassa os resultados de pesquisas que foram conduzidas em cenários semelhantes.