Uma avaliação sobre o desempenho de alunos do IFPB em olimpíadas de informática

Autores

DOI:

https://doi.org/10.18265/1517-03062015v1n37p128-138

Palavras-chave:

Olimpíadas de Informática, Mineração Repositório, Engenharia de Software Empírica

Resumo

Como forma de angariar fundos e treinar alunos para participar de Olimpíadas de Informática (OI), o grupo do Projeto Olímpico de Programação, do IFPB, Campus Campina Grande (POP-CG), passou a realizar simulados de OI. Para tanto, utilizou-se o serviço de um julgador online para criação de competições de programação, o ForCode (https://github.com/LADOSSIFPB/POP-Judge). Minerar dados de desempenho de alunos (número de submissões e de acertos, linguagem de programação utilizada), a partir do repositório de código gerado pelo ForCode, pode revelar habilidades de programação que devem ser lapidadas. Associar a essas informações dados holísticos sobre os alunos (e.g: ano de escolaridade, situação socioeconômica, entre outros) pode indicar quais fatores impactam, de forma benéfica ou não, no desempenho desses alunos. Neste artigo, conglomeramos dados de desempenho de 47 alunos participantes do simulado de OI, realizado em novembro de 2015, com um dado holístico coletado – o ano de escolaridade – a partir do sistema da gestão acadêmica do IFPB. Em seguida, avaliamos estatisticamente qual a relação do desempenho no simulado de OI com ano de escolaridade. Os resultados apontam que, independentemente da linguagem de programação utilizada, a estratégia de aprendizado “tentativa e erro” é a que prevalece entre os alunos com melhor desempenho. Quando considerada a escolaridade, a média dos acertos dos alunos do 2o ano é 15% maior que a média obtida pelos alunos do 1o ano; já a média de acertos dos alunos do 4o ano é 78% maior que a dos alunos do 2o ano e 105% maior que as obtidas pelos do 1o ano.

Downloads

Não há dados estatísticos.

Referências

Andrade, J. M; Laros, J. A. Fatores associados ao desempenho escolar: estudo multinível com dados do SAEB/2001; Psicologia: Teoria E Pesquisa, v. 23 n. 1, p. 33-41, Brasília, jan./mar. 2007. Disponível em: http://doi.org/10.1590/S0102-37722007000100005.

CENTRO DE GESTÃO E ESTUDOS ESTRATÉGICOS (CGEE). Avaliação do impacto da Olimpíada Brasileira de Matemática nas Escolas Públicas: Série Documentos Técnicos. Brasília, 2011. n. 11. Disponível em: https://www.cgee.org.br/.

Dehnadi, S.; Bornat, R. (2006). The camel has two humps (working title). Middlesex University, UK, 1-21. Disponível em: http://mrss.dokoda.jp/r/http://www.eis.mdx.ac.uk/research/PhDArea/saeed/paper1.pdf.

McCabe, T. A complexity measure. IEEE Transactions on Software Engineering, v. 2 n. 4, p. 308–320, dec. 1976.

Morais, L. A. de M. (2015). Avaliação de uma Abordagem Personalizada de Ensino no Contexto de Programação Introdutória. Universidade Federal de Campina Grande, Campus I, Campina Grande, Brasil, 2015.

Olimpíada Brasileira de Informática. (n.d.). Retrieved February 17, 2017, Disponível em: http://olimpiada.ic.unicamp.br/.

Olimpíada Paraibana de Informática. (n.d.). Retrieved February 16, 2017, Disponível em: http://www.dsc.ufcg.edu.br/~opi/.

Parnas, D. L. Software aging. Proceedings of 16th International Conference on Software Engineering, p. 279–287,1994. Disponível em: http://doi.org/10.1109/ICSE.1994.296790.

Pinto, J. de C. A; Tenório, R. M.. A Influência dos Fatores Socioeconômicos no Desempenho Acadêmico dos Estudantes de Ensino Médio Integrado do IFBA-Campus Barreiras,2014. Disponível em: http://www.equidade.faced.ufba.br/sites/equidade.oe.faced.ufba.br/files/jucinara_pinto_robinson_tenorio_-_a_influencia_dos_fatores_socioeconomicos_no_desempenho.pdf.

Robins, A. Learning edge momentum: a new account of outcomes in CS1. Computer Science Education, v. 20, n.1, p. 37–71, jan. 2010. Disponível em: http://doi.org/10.1080/08993401003612167.

Santos, K. de F.. Investigação sobre Uso de Vocabulário de Código Fonte para Identificação de Especialistas Katyusco de Farias Santos. Universidade Federal de Campina Grande, 2015.

Santos, K. de F; Guerrero, D. D. S; Figueiredo, J. C. A. de. Using Developers Contributions on Software Vocabularies to Identify Experts. In: 12TH INTERNATIONAL CONFERENCE ON INFORMATION TECHNOLOGY - NEW GENERATIONS (pp. 452–456). Las Vegas, NV. USA: IEEE Comput. Soc., 2015. Disponível em: http://doi.org/10.1109/ITNG.2015.149.

Tavares, B. F.; Béria, J. U.; Lima, M. S. de. Fatores associados ao uso de drogas entre adolescentes escolares. Revista de Saúde Pública, São Paulo, v. 38, n. 6, p.787–796, dez. 2004. Disponível em: http://doi.org/10.1590/S0034-89102004000600006.

Venkataramani, R. et al. Discovery of Technical Expertise from Open Source Code Repositories. Proceedings of the 22nd International Conference on World Wide Web Companion, p. 97–98, 2013. Disponível em: http://doi.org/10.1145/2487788.2487832.

Xie, G.; Chen, J.; Neamtiu, I. Towards a better understanding of software evolution: An empirical study on open source software. 2009 IEEE International Conference on Software Maintenance, p. 51–60, 2009. Disponível em: http://doi.org/10.1109/ICSM.2009.5306356.

Downloads

Publicado

2017-12-21

Edição

Seção

Ciência da Computação