Pós-Graduação em Ciência da Computação – UFPE
Defesa de Dissertação de Mestrado Nº 2.029

Aluno: Davi José Mendes Maia
Orientadora: Profa. Simone Cristiane dos Santos Lima
Título: Revelando Competências no PBL Aplicado ao Ensino de Computação: Uma 
Solução Baseada em IA para Alinhamento Construtivo entre Objetivos 
Educacionais e Feedbacks dos Estudantes
Data: 28/07/2022
Hora/Local: Virtual – 15h – Interessados em assistir entrar em contato com o aluno
Banca Examinadora:
Profa. Veronica Teichrieb  (UFPE / Centro de Informática)
Prof. Eduardo Henrique da Silva Aranha (UFRN / Departamento de Informática e Matemática Aplicada)
Profa. Simone Cristiane dos Santos Lima  (UFPE / Centro de Informática)

RESUMO:

Existe um movimento crescente na educação superior em computação para
mudar um paradigma educacional que vai além da educação baseada no
conhecimento. Por isso, metodologias ativas de aprendizagem baseadas em
experiências práticas, como o PBL, têm se tornado cada vez mais populares
para desenvolver conhecimentos técnicos, habilidades e atitudes do aluno,
capacitando-o para um melhor desempenho profissional. Todos esses
elementos envolvem iterações que precisam ser mapeadas e acompanhadas
continuamente por meio de um modelo abrangente de avaliação de diferentes
aspectos e perspectivas. Nesse contexto, surge a educação baseada em
competências como uma abordagem pedagógica que envolve a redefinição do
objetivo do programa, da sala de aula e da educação, tendo como referência o
desenvolvimento de competências nos alunos. Neste estudo, o termo
“competência” é definido por três atributos: conhecimento, habilidades e
atitudes. Assim, é necessário monitorar esses atributos nos alunos,
considerando esse modelo de ensino. Com essa motivação, este trabalho
defende a Teoria do Alinhamento Construtivo de Biggs como forma de
acompanhamento de competências profissionais. Essa teoria sugere o
alinhamento entre os resultados da aprendizagem na perspectiva do aluno e os
objetivos educacionais definidos pelo professor no planejamento do curso. Esse
acompanhamento pode ser feito de várias maneiras e incluir muitas fontes de
dados, como os questionários de feedback dos alunos, aplicados pelos
professores ao longo do curso/disciplina. Entretanto, esse
acompanhamento exige muito esforço do professor ou da equipe pedagógica,
pois o professor precisa adotar um modelo de avaliação contínua que capte
vários aspectos subjetivos desses feedbacks, geralmente numerosos. Assim,
processar feedbacks pessoais, alinhando-os com o desenvolvimento de
competências para melhorar a aprendizagem, envolve dificuldades relacionadas
ao esforço, carga de trabalho e tempo gasto para fazer melhorias.
Considerando os desafios encontrados e o contexto da educação baseada em
competências, esta pesquisa se propõe a responder a seguinte questão:
Como acompanhar competências profissionais dos alunos
de forma automatizada, tendo como referência a Teoria do Alinhamento
Construtivo e o planejamento do curso? Para responder a essa pergunta,
este estudo propõe a criação e aplicação de uma solução baseada em IA
para processamento dos feedbacks dos alunos que auxiliará o professor no
acompanhamento de competências, considerando os objetivos educacionais
planejados. O método Design Science Research foi utilizado para construir a
SkillSight em ciclos, por meio de técnicas de mineração de texto como modelagem de
tópicos e reconhecimento de entidades nomeadas, utilizando as bibliotecas
BERTopic e Spacy. Como resultados, um protótipo funcional da SkillSight foi construído e
avaliado por professores e especialistas, mostrando uma boa aceitação da ferramenta e evidências iniciais de sua utilidade no processo de acompanhamento de competências, auxiliando o professor no processamento de feedbacks.


Palavras-chave: Ensino de Computação, Problem-Based Learning, Alinhamento 
Construtivo, Competências Profissionais, IA.

Comentários desativados