Revista Brasileira de Informática na Educação

Teste de Pensamento Computacional com Computação Física: Uma Proposta de Instrumento Avaliativo para o Processo de Ensino e Aprendizagem de Acadêmicos de Licenciatura

2025-04-15T17:52:44+00:00

Com a efetivação da BNCC Computação e da Política Nacional de Educação Digital (PNED), as habilidades do Pensamento Computacional (PC) passaram a ganhar amplo destaque no sistema educacional brasileiro. De certo modo, essas habilidades já vinham sendo sugeridas como essenciais no processo de aprendizagem dos alunos desde a Base Nacional Comum Curricular (BNCC), especialmente no contexto da resolução de problemas na área da Matemática e suas Tecnologias, bem como na Computação. Diante disso, para que essas habilidades possam se consolidar em atividades de ensino e aprendizagem na Educação Básica (EB), será necessário ampliar as investigações sobre o desenvolvimento de estratégias educacionais e de recursos didático-tecnológicos focados no PC para o contexto da educação brasileira. Nesse sentido, estudos ainda apontam que será preciso expandir as ações de formação inicial e continuada de professores, além de estabelecer instrumentos avaliativos precisos que ajudem a identificar o desenvolvimento das habilidades do PC nos alunos da EB e nos docentes. Considerando o processo de aprendizagem de acadêmicos de licenciatura, este artigo apresenta os resultados da validação do Teste de Pensamento Computacional com Computação Física (TPC-CF), que tem como objetivo principal auxiliar na identificação de evidências do desenvolvimento das habilidades do PC em acadêmicos de licenciatura, por meio de atividades que envolvem a Computação Física (CF). Os dados encontrados no processo de validação e avaliação apresentam evidências significativas de que a abordagem utilizada no teste pode se constituir como uma alternativa eficaz para mensurar as habilidades do PC.

Práticas e Recursos Educacionais em Computação no Ensino Fundamental Brasileiro: Um Mapeamento Sistemático com Avaliação Humana e Automatizada

2025-09-03T23:30:55+00:00

Com a homologação das normas complementares à BNCC, que introduziram o ensino de computação na educação básica brasileira, as iniciativas que contribuem para a implementação dessas normas tornam-se extremamente relevantes. Neste contexto, este trabalho buscou caracterizar o estado da arte do ensino de computação no ensino fundamental (I e II) no Brasil, no que tange às práticas e recursos educacionais. Para isso, foi realizado um Mapeamento Sistemático da Literatura sobre o tema e desenvolvida uma plataforma online para divulgação dos resultados. Essa plataforma, contendo mais de 82 ferramentas/recursos e 13 práticas educacionais mapeadas, foi avaliada positivamente por 50 docentes da educação básica brasileira. Além disso, foi empregada uma estratégia de classificação automatizada com o uso do ChatGPT – Modelo 4o, visando identificar categorias como “Ano Escolar” e “Etapa de Ensino”. A avaliação dessa abordagem apontou desempenho satisfatório em algumas categorias, especialmente “Etapa de Ensino”, e revelou limitações em outras, como “Práticas de Ensino-Aprendizagem” e “Disciplina”.

Gamificação como Estratégia de Ensino de Matemática no Ensino Fundamental I: Uma Revisão de Literatura

2025-11-13T19:34:58+00:00

A aplicação de metodologias ativas, como a gamificação, tem se mostrado altamente eficaz no ensino de matemática no Ensino Fundamental I, especialmente ao promover um aprendizado interativo e inovador. Colocando o aluno como protagonista do processo educacional, essas metodologias não apenas melhoram o desempenho acadêmico, mas também aumentam a motivação. Esta revisão, que incluiu 12 estudos, revelou que a gamificação contribui significativamente para o aprendizado, particularmente nas operações básicas e na resolução de problemas, sendo mais eficaz para alunos mais jovens. Contudo, sua eficácia está diretamente relacionada ao design do jogo, à faixa etária dos alunos e à integração com métodos de ensino tradicionais. Quando bem planejada, a gamificação se torna uma ferramenta complementar valiosa, tornando o ensino mais envolvente e eficaz.

Exploring the Use of Clustering Algorithms and LLMs to Identify Programming Strategies

2025-11-14T11:03:47+00:00

In programming courses, students may use various strategies to solve the same problem. Understanding these strategies can be important for teachers and instructors to assess student progress and provide targeted feedback. Traditional clustering methods have been widely used to group similar programming solutions. However, these techniques often rely on syntactical similarities that do not always reflect the strategies for solving a problem. This research uses clustering algorithms and Large Language Models (LLMs) to identify programming strategies. We conducted the experiments using a dataset of correct student solutions collected from ten Algorithms and Data Structures classes at Federal University of Amazonas. Although the Mean Shift and Affinity Propagation clustering algorithms provided us with visually well-separated clusters, quantitative results showed that the algorithms were not accurate in grouping strategies. In contrast, LLMs demonstrated a better ability to identify strategies aligned with human labels. The results suggest that LLMs can be valuable tools to assist programming instructors in analyzing student solutions.