Identificação das habilidades de Pensamento Computacional diante os Estados Emocionais sob a abordagem de Multimodal Learning Analytics
Pensamento Computacional, Estados Emocionais, Multimodal Learning Analytics
A necessidade de se trabalhar o pensamento computacional (PC) nos contextos educacionais, vem como proposta no ensino e aprendizagem da educação básica, porém há algumas limitações para a sua implementação na sala de aula, dentre elas pudesse citar: falta de material didático, aparelhos tecnológicos, métodos e instrumentos para a avaliação de habilidades de PC. No entanto, os currículos de computação da educação básica para o ensino médio vem sendo modificados e melhorados no Brasil e no mundo, há passos promissores nas unidades de ensino, porém, as lacunas em relação à identificação de habilidades de PC são foco de muitas pesquisas; nossa abordagem visão Multimodal Learning Analytics (MMLA), de modo a ser utilizado como instrumento para potencialização de práticas pedagógicas, a qual pretende apoiar o processo de capturas de dados associadas mediante os contextos de ensino: desplugado, com execução de atividades totalmente offline, ou seja, sem uso de ferramenta digital; plugado, mediante o uso de uma ferramenta online de programação visual a plataforma Scratch; e; plugado com robótica, com o uso de ferramenta de programação visual interligada ao artefato robótico FRANZMakey, sob a ótica dos níveis de cognição: use, modifique e crie. O projeto visa atender uma instituição de ensino, envolvendo estudantes do 1º ano do ensino médio; são planejados 94 encontros atividades, sendo 47 em cada grupo de estudantes; no primeiro e no último, o pré e o pósteste serão administrados; nos quarenta e sete encontros restantes, três conteúdos de programação serão abordados: sequência, repetição e condicional. Diante disso, buscasse responder à seguinte pergunta: como MMLA pode contribuir para capturar aspectos avaliativos durante o desenvolvimento de habilidades de PC? Ao longo de cada encontro, dados são capturados e analisados visando responder à pergunta definida nesta investigação. Utilizaremos tookit EZMMLA para a captura de vídeos, logs de codificação e filmagens da face, além dos testes avaliativos por encontros; na análise, serão aplicadas técnicas de Séries Temporais, com o intuito de identificar possíveis diferenças estatisticamente significativas entre os diversos contextos e abordagens para a promoção de PC; esperasse2 demonstrar, como uma abordagem pautada em MMLA pode contribuir com o desafio de avaliar o PC, e avançar com a pesquisa na área.