As aplicações de aprendizado de máquina em avaliações de pensamento computacional: uma revisão de escopo

RESUMO Contexto e Antecedentes O pensamento computacional (CT) tem sido cada vez mais incluído nos currículos de K-12, levando os professores a avaliar cada vez mais artefatos de CT. Isso resultou em um aumento nas ferramentas de avaliação automatizada de CT. Objetivo Este estudo examina o escopo e as características das publicações que utilizam abordagens de aprendizado de máquina (ML) para avaliar as competências de CT dos alunos a partir de quatro perspectivas: o contexto educacional em que as avaliações foram implementadas, os dados usados para treinar e validar os algoritmos de ML, os algoritmos específicos de ML utilizados e os aspectos de CT avaliados. Método A abordagem PRISMA e o quadro metodológico de Arksey e O'Malley para revisões de escopo foram adotados para buscar e examinar estudos. Resultados Os algoritmos de ML têm sido cada vez mais usados para avaliar competências de CT. No entanto, este estudo identificou várias lacunas na literatura: os estudos existentes foram, em sua maioria, realizados no contexto de programação ou em outras atividades de aprendizado relacionadas à ciência da computação; os conjuntos de dados utilizados pelos algoritmos de ML eram geralmente pequenos; os algoritmos mais frequentemente usados eram técnicas de regressão, Bayes ingênuo, redes neurais, agrupamento e processamento de linguagem natural, enquanto nenhum estudo utilizou aprendizado por reforço; e as competências de CT não foram avaliadas de forma abrangente. Implicações As aplicações de ML em avaliações de CT têm o potencial de permitir o aprendizado personalizado, melhorar a validade da avaliação, reduzir a carga de trabalho dos avaliadores e obter insights a partir de grandes conjuntos de dados, revelando padrões complexos e sutis. PALAVRAS-CHAVE: Aprendizado de máquina, pensamento computacional, avaliação, avaliação automática Declaração de conflito de interesse Nenhum potencial conflito de interesse foi relatado pelos autores.