Inferência de Conhecimento a Partir da Detecção Automática de Evidências no Domínio da Programação de Computadores

During the computer programming learning process, the student’s progress is marked by new skills acquisition. The monitoring of this progress, from the teacher’s perspective, can be a complex task when performed from manual perceptions. The situation is even more complex when dealing with a large number of students simultaneously. One way of supporting this activity involves the use of student models, where abilities are mapped in order to facilitate the visualization of the concepts already acquired and the gaps to be completed. The use of this type of tool is beneficial, but it can still need a heavy workload when it requires the model manual feeding, especially because it is necessary to continuously update it. This paper proposes the use of automatic mechanisms, based in source codes analysis, followed by the evidences detection, as inputs for the student model. A set of experiments that demonstrate the viability of the method is presented. The test scenario is composed by a dynamic bayesian network student model and databases of source code in C language. Resumo. Durante o processo de aprendizado de programação de computadores, o progresso dos alunos é marcado pela aquisição de novas habilidades. O acompanhamento desse progresso, na perspectiva do professor, pode ser uma tarefa complexa quando realizada a partir de percepções manuais. A situação se agrava quando se trata do acompanhamento simultâneo de uma grande quantidade de alunos. Uma das formas de apoio a essa atividade envolve o uso de modelos do aprendiz, onde as habilidades do aluno são mapeadas a fim de facilitar a visualização tanto dos conceitos já adquiridos quanto das lacunas a serem preenchidas. O uso desse tipo de ferramenta é benéfico, porém ainda pode exigir uma grande carga de trabalho quando se trata da alimentação manual dos modelos, sobretudo devido à necessidade de atualização contı́nua. Este trabalho propõe o uso de mecanismos automáticos, baseados na análise de códigos-fonte seguida da detecção de evidências, como fonte de alimentação para o modelo do aprendiz. É apresentado um conjunto de experimentos que demonstram a viabilidade do método. Utiliza-se como cenário de testes um modelo de aprendiz baseado em uma rede bayesiana dinâmica e bases de dados de códigos-fonte em linguagem C. DOI: 10.5753/cbie.sbie.2018.1553 1553 Anais do XXIX Simpósio Brasileiro de Informática na Educação (SBIE 2018) VII Congresso Brasileiro de Informática na Educação (CBIE 2018)