Análise dos padrões comportamentais de estudantes de um MOOC sobre iniciação à programação para a plataforma Arduíno

Abstract

A dificuldade para aprender programação é um assunto fortemente discutido em contextos de cursos da área da Computação, sendo diversos os fatores que atuam como barreiras. Devido a essa preocupação, discussões sobre como implementar estratégias para superar esse desafio têm sido apresentadas, desencadeando novas ações que possam auxiliar o aprendizado de programação. Diante disso, os MOOCs têm se apresentado como ferramentas com potencial para apoiar o ensino presencial e para atender demandas mais específicas de estudantes que buscam aprender programação on-line e de forma autônoma. Nesse contexto, essa pesquisa relata um estudo de caso de um MOOC introdutório sobre programação Arduino, disponibilizado em uma plataforma brasileira de cursos on-line. Técnicas de mineração de dados foram empregadas com o objetivo de encontrar os padrões comportamentais de 2031 estudantes que participaram do curso. Os resultados apontaram números de ações semelhantes entre os participantes, porém dois grupos se destacam entre os que apresentaram médias mais altas de engajamento no curso: estudantes com mais de 30 anos, com nível superior e que gostam do tema do curso; bem como estudantes mais jovens com ensino médio e que adoram o tema do curso.

The difficulty to learn programming is is a topic that is strongly discussed in contexts of Computer courses, and there are several factors that act as barriers. Due to this concern, discussions on how to implement strategies to overcome this challenge have been presented, generating new actions that can help the programming learning. Thus, MOOCs have been presented as tools with the potential to support classroom teaching and to meet more specific demands of students who seek to learn programming online and autonomously. In this context, this research reports a case study of an introductory MOOC on Arduino programming, available on a Brazilian online course platform. Data mining techniques were employed aiming to find the behavioral patterns of 2031 students who participated in the course. The results showed similar numbers of actions among the participants; however two groups stand out among those who showed higher averages of engagement in the course: students over the age of 30, with higher education and who like the subject of the course; as well as younger high school students who love the course theme.