Transcript

PONTIFÍCIA UNIVERSIDADE CATÓLICA DE SÃO PAULO

PUC - SP

Warner Brezolin

Mapas Conceituais e os Conceitos da Disciplina

de Algoritmos: Uma Aplicação para a

Aprendizagem Significativa

MESTRADO EM

TECNOLOGIAS DA INTELIGÊNCIA E DESIGN DIGITAL

SÃO PAULO

2015

Warner Brezolin

Mapas Conceituais e os Conceitos da Disciplina

de Algoritmos: Uma Aplicação para a

Aprendizagem Significativa

SÃO PAULO

2015

Dissertação apresentada à Banca

Examinadora da Pontifícia Universidade

Católica de São Paulo, como exigência

parcial para obtenção do título de Mestre

em Tecnologias da Inteligência e Design

Digital, sob a orientação do Prof. Dr.

Daniel Couto Gatti.

BANCA EXAMINADORA

DEDICATÓRIA

Dedico este trabalho a minha

esposa Ligia e minha filha Ana

Clara pelo total apoio,

compreensão e carinho.

Agradecimentos

Tão nobre quanto o amor é o sentimento de gratidão que não me permite

esquecer aqueles que um dia estiveram presentes nesta fase importante de minha

vida e que de certo contribuíram para a realização deste trabalho.

Agradeço em primeiro lugar, a Deus, que nos criou e tornou este sonho uma

realidade, por estar sempre presente em minha vida e inspirar-me nos momentos

decisivos.

Agradeço aos meus pais pelo incentivo e ajuda constante ao longo de minha

caminhada, em especial a minha mãe Ivani (in memoriam), pela qual tenho grande

admiração por sua garra, coragem, dedicação. Tenho certeza que ela está feliz com

mais esse passo dado em minha vida.

Ao meu orientador Daniel, pelos valiosos ensinamentos, compreensão e

paciência, bem como pelo apoio amigo durante toda a pesquisa.

À minha esposa Ligia, companheira de vida e que me apoiou durante todo o

mestrado com muita paciência e amor.

À minha filha linda Ana Clara, por estar sempre com um sorriso empolgante e

me convidar para uma brincadeira nos momentos em que eu mais precisava.

À minha querida sogra Maria Eugênia pelas bênçãos de todos os dias.

À minha irmã Érika pela companhia nas viagens até São Paulo.

Aos colegas do UNISAL que acreditaram em minha capacidade profissional e

sempre deram palavras de incentivo.

À Edna pela total acolhida, gentileza e dedicação nos serviços prestados.

A todos os professores do TIDD que foram sempre um exemplo de dedicação

e profissionalismo.

A CAPES pela cessão de uma bolsa de estudos tornando possível a

concretização deste trabalho.

A todos aqueles que contribuíram direta ou indiretamente com o

desenvolvimento deste trabalho.

Resumo

Esta pesquisa apresenta uma estratégia de ensino de algoritmos numa perspectiva

de aprendizagem significativa. A motivação para o desenvolvimento desta pesquisa

advém da dificuldade dos alunos na aprendizagem dos conceitos de algoritmos, que

se constitui num dos principais fatores que levam os cursos de formação em

computação a atingir altos índices de reprovação e evasão. Para o desenvolvimento

da pesquisa, utilizou-se a metodologia da Aprendizagem Significativa de Ausubel e

as técnicas dos mapas conceituais de Novak e Gowin, como ferramentas de

estruturação do conhecimento dos alunos no processo de ensino e aprendizagem do

conteúdo mencionado. A pesquisa aborda os conceitos sobre mapas conceituais

para que essa relação entre o conhecimento existente e o adquirido tenha sentido

para o aluno. Com este método, verificou-se que os alunos desenvolveram e

interpretaram os acontecimentos externos e as experiências pessoais, resultando

em atitudes, valores e normas de atuação. A pesquisa foi realizada com alunos do

curso de Ciência da Computação, do Centro Universitário Salesiano de São Paulo

U. E. Lorena. Para verificação dos dados foram utilizados um teste antes, outro

depois da aplicação dos conteúdos, com uso de mapas conceituais no grupo

experimental e sem o uso dos mapas no grupo de controle. Os resultados

mostraram que o uso de mapas conceituais contribuiu de forma significativa no

estudo de algoritmos, além de proporcionar seu uso em outras disciplinas nos

cursos de computação.

Palavras-chave: Algoritmos; Aprendizagem Significativa; Mapas Conceituais.

Abstract

This research presents a teaching strategy of algorithms in a significant learning

perspective. The motivation for the development of this research comes from the

difficulty of students in the learning of algorithms concepts, which constitutes one of

the main factors leading training courses in Computer achieve high rates of school

failure or drop out. For the development of research, it was used the methodology of

significant learning by Ausubel and techniques of conceptual maps by Novak and

Gowin, as structuring tools of the students knowledge in the teaching and learning

process of that content. The research addresses the concepts of conceptual maps

for that the relationship between existing knowledge and the acquired knowledge be

meaningful for the student. It is expected that with this method the student develop

and interpret external events and personal experiences, resulting in attitudes, values

and performance standards. The survey was conducted with students of Computer

Science Course of the Salesian University Centre of São Paulo in Lorena. For

verification, it was used a test before and after the application of the contents, with

the use of conceptual maps in the experimental group and without the use of maps in

the control group. The results showed that the use of conceptual maps has

contributed significantly to the study of algorithms, in addition to providing its use in

other disciplines to attend computer courses.

Key words: Algorithms; Meaningful Learning; Conceptual Maps.

LISTA DE FIGURAS

Figura 1 - Sequência de passos computacionais ...................................................... 23

Figura 2 - Procedimento de Euclides (m,n) ............................................................... 24

Figura 3 - Fluxograma do procedimento de Euclides (m,n) ....................................... 25

Figura 4 - Programa do procedimento de Euclides (m,n) .......................................... 26

Figura 5 - Descrição em pseudocódigo do procedimento de Euclides (m,n) ............ 26

Figura 6 - Instrução de atribuição .............................................................................. 28

Figura 7 - Instrução de saída de dados ..................................................................... 28

Figura 8 - Instrução de entrada de dados ................................................................. 29

Figura 9 - Estrutura sequencial ................................................................................. 29

Figura 10 - Estrutura de decisão ............................................................................... 30

Figura 11 - Estrutura de laços contados .................................................................... 31

Figura 12 - Estrutura de laços condicionais .............................................................. 32

Figura 13 - As dimensões da aprendizagem ............................................................. 34

Figura 14 - Representação gráfica dos mapas conceituais ....................................... 39

Figura 15 - Elementos e características do mapa conceitual .................................... 41

Figura 16 - Software XMind ....................................................................................... 43

Figura 17 - Tela principal do software CmapTools .................................................... 44

Figura 18 - Tela principal do software The Brian ....................................................... 45

Figura 19 - Tela do software Simple Mind ................................................................. 46

Figura 20 - Etapas da metodologia de pesquisa ....................................................... 58

Figura 21 - Laboratório de Metodologias Inovadoras ................................................ 63

Figura 22 - Mapa Conceitual sobre conceito e importância dos algoritmos, elaborado

por um aluno do grupo experimental. ........................................................................ 73

Figura 23 - Mapa Conceitual sobre conceito e importância dos algoritmos, elaborado

por um aluno do grupo experimental. ........................................................................ 74

Figura 24 - Mapa Conceitual sobre variáveis e constantes, elaborado por um aluno

do grupo experimental. .............................................................................................. 75

Figura 25 - Mapa Conceitual sobre tipos de dados, elaborado por um aluno do grupo

experimental. ............................................................................................................. 76

Figura 26 - Mapa Conceitual sobre operadores, elaborado por um aluno do grupo

experimental. ............................................................................................................. 77

Figura 27 - Mapa Conceitual sobre estrutura de controle, elaborado por um aluno do

grupo experimental. ................................................................................................... 78

Figura 28 - Mapa Conceitual sobre estrutura de dados, elaborado por um aluno do

grupo experimental. ................................................................................................... 79

Figura 29 - Mapa Conceitual sobre Passagem de Parâmetros e Recursividade ...... 80

Figura 30 - Etapas realizadas junto aos alunos ......................................................... 83

LISTA DE TABELAS

Tabela 1 - Alunos matriculados no Curso de Ciência da Computação ..................... 60

Tabela 2 - Alunos do Curso de Ciência da Computação nos últimos quatro anos .... 60

Tabela 3 - Acompanhamento dos alunos ingressantes no ano de 2011 ................... 61

Tabela 4 - Resultado do questionário sobre conceitos de Algoritmos ....................... 72

Tabela 5 – Resultado das correções do questionário final ........................................ 84

LISTA DE QUADROS

Quadro 1 - Características dos Algoritmos ................................................................ 22

Quadro 2 - Etapas de desenvolvimento de algoritmos .............................................. 24

Quadro 3 - Comparativo dos softwares para a elaboração de mapas conceituais .... 42

LISTA DE GRÁFICOS

Gráfico 1 - Alunos do Curso de Ciência da Computação nos últimos quatro anos ... 61

Gráfico 2 - Acompanhamento dos alunos ingressantes no ano de 2011 .................. 62

Gráfico 3 - Relação da disciplina de Algoritmos com o perfil profissional de

Computação .............................................................................................................. 68

Gráfico 4 - Dificuldade para a compreensão da disciplina ........................................ 69

Gráfico 5 - Importância da disciplina na grade curricular .......................................... 69

Gráfico 6 - Desafios encontrados na aprendizagem de Algoritmos ........................... 70

Gráfico 7 - A importância da disciplina de Algoritmos na resolução de problemas ... 70

Gráfico 8 - Relacionamento entre resolução de problemas, lógica e algoritmos ....... 71

Gráfico 9 – Pesquisa de satisfação sobre Mapas Conceituais .................................. 81

Gráfico 10 - Resultado das correções do questionário final ...................................... 85

SUMÁRIO

CAPÍTULO 1 INTRODUÇÃO ................................................................................... 16

CAPÍTULO 2 ALGORITMOS E A APRENDIZAGEM SIGNIFICATIVA .................. 21

2.1 Algoritmos ....................................................................................................... 21

2.1.1 Desenvolvimento de algoritmos ................................................................ 23

2.1.2 Representação de algoritmos ................................................................... 25

2.2 Aprendizagem Significativa .............................................................................. 32

2.2.1 Mapas Conceituais .................................................................................... 37

2.2.2 Elementos e características dos mapas conceituais ................................. 40

2.2.3 Softwares para elaboração de mapas conceituais ................................... 41

CAPÍTULO 3 O ENSINO DE ALGORITMOS EM CURSOS SUPERIORES DE

COMPUTAÇÃO ........................................................................................................ 48

3.1 A disciplina de Algoritmos ............................................................................... 48

3.2 O Ensino-Aprendizagem de Algoritmos .......................................................... 49

3.3 Iniciativas no ensino de Algoritmos ................................................................. 50

CAPÍTULO 4 MAPAS CONCEITUAIS E ALGORITMOS ......................................... 56

4.1. Apresentação .................................................................................................. 56

4.2. A proposta ...................................................................................................... 57

4.3. Campo da pesquisa ........................................................................................ 59

4.4. Instrumento de coleta de informações ............................................................ 62

4.4.1. LMI – Laboratório de Metodologias Inovadoras ....................................... 63

4.4.2. Software CmapTools ............................................................................... 64

4.5. Procedimento de Pesquisa ............................................................................ 64

4.6. Desenvolvimento das atividades .................................................................... 67

4.7. Procedimentos de coleta e tratamento de dados ............................................ 82

4.8. Análise do desempenho dos alunos ............................................................... 83

CONSIDERAÇÕES FINAIS ...................................................................................... 87

REFERÊNCIAS ......................................................................................................... 90

APÊNDICE A – Carta de esclarecimento da pesquisa .......................................... 94

APÊNDICE B – Termo de consentimento livre e esclarecido ................................ 95

APÊNDICE C - Questionário para levantamento de índice de reprovação e

desistência em Cursos Superiores de Computação .............................................. 97

APÊNDICE D – Questionário Inicial ...................................................................... 99

APÊNDICE E – Modelo de Mapa Conceitual sobre Algoritmos ........................... 102

APÊNDICE F - Questionário de análise da pesquisa .......................................... 103

QUESTIONÁRIO ................................................................................................. 103

APÊNDICE G – Resultado do questionário sobre a satisfação da técnica de

mapas conceituais ............................................................................................... 105

ANEXO A – Grade curricular dos cursos de Ciência da Computação com nota 5

no MEC ................................................................................................................ 106

ANEXO B – Questionário final ............................................................................. 116

16

CAPÍTULO 1 INTRODUÇÃO

Nos dias de hoje, é possível verificar que diante da missão de entender e

incorporar processos para a construção de uma educação mais condizente com as

necessidades do mercado de trabalho, os professores e instituições do Ensino

Superior enfrentam alguns desafios. Esses desafios se referem à inserção de novas

tecnologias, novos processos educacionais no ensino, autonomia adquirida pelo

aluno e necessidade de uma educação mais humana, que estabeleça um diálogo

sólido entre as disciplinas. Entender como os alunos aprendem, criar situações de

aprendizagem, saber avaliar os alunos por meio de instrumentos adequados não

são tarefas fáceis. Por tudo isso, Moran (2007) diz que o educador de hoje deve

assumir o papel de facilitador da aprendizagem e utilizar adequadamente as

tecnologias educacionais, visando oferecer ao aluno uma aprendizagem prazerosa,

participativa e dinâmica.

O planejamento do ensino, a utilização de técnicas apropriadas, a preparação

do aluno, bem como a interação com o professor é fundamental nesse processo

para que se obtenha uma aprendizagem significativa.

Para Ausubel (1982) a aprendizagem é muito mais significativa à medida que

o novo conteúdo é incorporado às estruturas de conhecimento de um aluno e

adquire significado para ele a partir da relação com seu conhecimento prévio. Ao

contrário, ela se torna mecânica ou repetitiva, uma vez que se produziu menos essa

incorporação e atribuição de significado. Assim, será adotado na presente pesquisa

a técnica de mapas conceituais com base nos conceitos da teoria da Aprendizagem

Significativa de Ausubel para auxiliar na busca pelo aprendizado do aluno na

disciplina de Algoritmos.

As questões sobre as estruturas de programação e a resolução de problemas

entram como alvo desta pesquisa devido ao nível de abstração que envolve o ensino

de algoritmos. Dessa forma, o conteúdo precisa ser transmitido utilizando-se de

diferentes técnicas de ensino, para que seja possível tornar o aprendizado do aluno

mais atrativo e dinâmico.

Nessa prática, também é importante verificar que as estruturas cognitivas dos

alunos não estão preparadas para a construção de conhecimento, ou então não se

encontram no mesmo nível de aprendizado (AUSUBEL, 1982).

17

Verifica-se que com a utilização da teoria da aprendizagem significativa será

viabilizado a criação de ambientes de aprendizagem permitindo dinamismo e

adaptabilidade, fazendo com que o ambiente seja mais adequado ao

desenvolvimento independente do aluno, por meio de um modelo de ensino

centrado. Afinal, uma das habilidades desenvolvidas nos cursos de Computação é

formar programadores, e, para tal formação, os conhecimentos de algoritmos são

essenciais.

Também podem ser observadas as várias dificuldades que os alunos

enfrentam na aprendizagem da disciplina de Algoritmos. Medina e Fertig (2006)

apoiam a ideia de que a baixa motivação e o interesse do aluno seja o grande

responsável pela reprovação e evasão nos cursos de Computação. Também

Barcelos (2012) e Engelbrecht et al (2012) mostram que devido os conceitos

abstratos da disciplina, fica difícil para o aluno compreender todo o conhecimento

transmitido pelo professor.

Nesse cenário, é importante observar que a utilização e a elaboração de

ferramentas específicas pode deixar o ensino mais propicio para a aprendizagem do

aluno. Cabe ao professor, em diferentes momentos, interferir no processo e aplicar

técnicas que permitam novos meios de se aprender, verificando qual a percepção

individual do aluno.

O objetivo da presente pesquisa é possibilitar o entendimento de como os

mapas conceituais podem estimular a aprendizagem significativa sobre os conceitos

de algoritmos trabalhados nos cursos de Computação.

Os objetivos específicos da pesquisa são:

Propor o uso dos Mapas Conceituais para representar conceitos gerais e

específicos de Algoritmos.

Mostrar a contribuição dos Mapas Conceituais na aprendizagem dos

conceitos de Algoritmos pelos alunos.

Identificar nos resultados obtidos pelo grupo experimental, a ocorrência da

aprendizagem significativa.

Mostrar a contribuição do uso de Mapas Conceituais como ferramenta de

apoio aos professores no processo de ensino.

18

Outro ponto abordado nesta pesquisa são as dificuldades encontradas pelos

alunos em entender os conceitos abstratos apresentados na disciplina de

Algoritmos, ocasionando um alto índice de evasão e reprovação nos cursos de

Computação, conforme Rocha (1994). A prática de métodos significativos aplicados

à aprendizagem do aluno contribuirá para a compreensão do novo conceito

aprendido e resultará na busca de um conhecimento concreto.

O método com base na teoria da Aprendizagem Significativa incorporados na

pesquisa virá de fato a estabelecer uma mediação entre o professor e o aluno. Tal

mediação ajudará na resolução das causas das dificuldades na aprendizagem,

conforme citado por Rocha (1994). São elas:

Nível elevado de abstração entre as atividades desenvolvidas.

Existência de alunos com níveis variados de conhecimentos.

Falta de acompanhamento individualizado, por consequência do grande

número de alunos nas turmas.

O conhecimento destas dificuldades tem influenciado os educadores de todo

o mundo a buscarem estratégias que possam auxiliar a redução das dificuldades

sentidas por inúmeros alunos e professores dos cursos de Computação.

Assim para o desenvolvimento desta pesquisa foi necessário a revisão

bibliográfica em pesquisas e referenciais teóricos, tais como SBC1, artigos científicos

e livros. Foram feitas atividades em conjunto com os alunos e análise dos

resultados alcançados. A seguir será apresentada a organização do trabalho como

segue:

No capítulo sobre “Algoritmos e a Aprendizagem Significativa” discorremos

com o embasamento de conceitos teóricos sobre Algoritmos. E a descrição e

caracterização da aprendizagem significativa, bem como fatores que favorecem sua

ocorrência, como também a contribuição dos mapas conceituais, que se

fundamentam nos princípios ausubelianos constituindo-se como uma estratégia para

aprender significativamente.

1 Sociedade Brasileira de Computação

19

O capítulo sobre “O Ensino de Algoritmos em Cursos Superiores de

Computação” evidencia a disciplina de Algoritmos que compõe as grades dos cursos

de Computação, tratando as principais questões que incentivaram a realização da

pesquisa, como o alto índice de reprovação e evasão. Foi feita uma pesquisa com

referenciais teóricos, a partir de análise de artigos e dissertações na área de

Computação que vão de encontro com o desenvolvimento da técnica proposta.

No capítulo “Mapas Conceituais e Algoritmos” é apresentado um método para

analisar como os mapas conceituais podem auxiliar na assimilação de

conhecimentos de disciplinas consideradas complexas como a disciplina de

Algoritmos. São relatadas algumas atividades feitas pelos alunos considerados na

pesquisa, com o intuito de compreender como ocorreu a aprendizagem do conteúdo

na turma experimental. São apresentados os resultados obtidos com a aplicação do

método tratando os conceitos envolvidos em algoritmos de forma a proporcionar

uma Aprendizagem Significativa.

Nas “Considerações Finais” são apresentadas as contribuições, as

observações obtidas a partir do desenvolvimento dos Mapas Conceituais nos

conceitos de Algoritmos e os desafios encontrados no desenvolvimento da pesquisa.

Para sintetizar os textos da dissertação, optou-se pelos apêndices e anexos,

que aqui são considerados de grande importância quando lidos paralelamente aos

capítulos já citados.

20

21

CAPÍTULO 2 ALGORITMOS E A APRENDIZAGEM

SIGNIFICATIVA

Lopes e Garcia (2002) definem o processo de aprendizagem de algoritmos

como sendo complicado para a maioria dos alunos. Isso se dá, pelo fato de

existirem conceitos complexos de serem entendidos, como iteração, recursão,

passagem de parâmetros, etc. Neste contexto, surgem questionamentos da

comunidade cientifica sobre como ensinar algoritmos. São pesquisadores

interessados em entender o processo de ensinar a programar, para que seja

possível sugerir melhores práticas na identificação de falhas e melhorias no

aprendizado, de modo a contribuir com o entendimento do aluno na disciplina de

Algoritmos.

Este trabalho versa sobre a teoria de Ausubel como forma de melhorar o

acompanhamento sobre o conhecimento do aluno, assim como a elaboração de

materiais que tenham caráter significativo.

Neste capítulo são apresentados conceitos relevantes sobre Algoritmos, bem

como a aprendizagem significativa. Para alcançarmos este objetivo foi realizada

uma revisão bibliográfica a fim de oferecer explicações sobre os assuntos.

2.1 Algoritmos

Segundo Dijkstra (1971), um algoritmo corresponde a uma descrição de um

padrão de comportamento, expresso em termos de um conjunto finito de instruções.

Para Skiena (2008), um algoritmo é um procedimento que realiza uma tarefa

específica e que deve resolver um problema. Um problema algorítmico descreve um

conjunto completo de casos, devendo trabalhar uma saída após a execução de suas

instruções.

Minsky define algoritmo como:

Um conjunto de regras que nos diz, de momento a momento, precisamente como se comportar. (MINSKY, 1967).

22

Para Knuth (1997), algoritmo é um conjunto finito de regras que determina

uma sequência de operações para resolver um tipo específico de problema. Um

algoritmo possui cinco características importantes, conforme quadro 1.

Característica Descrição

Finitude Dado um número finito de passos o algoritmo deve ser encerrado.

Definição Cada etapa de um algoritmo deve ser definida com precisão. As

ações a serem realizadas devem ser rigorosamente especificadas

de forma inequívoca para cada caso.

Entrada Um algoritmo possui zero ou mais entradas, ou seja, as

quantidades são definidas inicialmente, ou dinamicamente

quando o algoritmo é executado.

Saída Um algoritmo possui uma ou mais saídas. As quantidades têm

relação especifica com as entradas.

Eficácia Um algoritmo será considerado eficaz se todas as suas

operações forem realizadas em um determinado tempo finito.

Quadro 1 - Características dos Algoritmos

Fonte: Knuth (1997)

Segundo Barbosa (2001), a concepção de algoritmo possui seu significado

associado à resolução de problemas, operações e a um agente computacional.

Salvetti e Barbosa (1998) definem algoritmo como:

[...] uma sequência finita de instruções ou operações básicas (operações definidas sem ambiguidade e executáveis em tempo finito dispondo-se apenas de lápis e papel) cuja execução, em tempo finito, resolve um problema computacional, qualquer que seja sua instância. (SALVETTI; BARBOSA, 1998, p.5).

Para os matemáticos, o conceito de algoritmo é estabelecido pela definição

de máquina de Turing2, ou seja, consideram que uma máquina de Turing é um

modelo formal de algoritmo, (Lucchesi, 1979).

2 Máquina de Turing, é um modelo abstrato de um computador, que se restringe apenas aos aspectos

lógicos do seu funcionamento e não à sua implementação física.

23

A figura 1 ilustra uma sequência de passos computacionais de forma mais

abstrata, apresentando o princípio de funcionamento dos sistemas computacionais:

entrada – processamento – saída.

Figura 1 - Sequência de passos computacionais

Fonte: Cormen et al., 2012.

Para a computação, algoritmos descrevem um conjunto de passos

computacionais que definem soluções de determinados problemas. Dessa forma,

pode-se perceber a importância desta disciplina nos cursos de Computação.

2.1.1 Desenvolvimento de algoritmos

De acordo com Barbosa (2001), uma abordagem utilizada para o

desenvolvimento de algoritmos é a abordagem top-down3, que compreende os

sucessivos refinamentos no desenvolvimento. Métodos de desenvolvimento de

algoritmos que se apoiam na programação estruturada, estabelecem a utilização

exclusiva dos controles lógicos de repetição, seleção e concatenação.

Para Barbosa (2001) se forem verificados os trechos de um determinado

programa durante o seu desenvolvimento, pode-se seguir as seguintes etapas

descritas no quadro 2.

3 Ao desenvolver um algoritmo, tem-se como objeto um produto final - o programa. Todavia, para

termos essa transição, passa-se por várias fases, no sentido cima para baixo (top-down), onde cada fase é documentada. Disponível em: http://www.cpt.com.br/. Acesso em maio 2015.

24

Etapa Descrição

Análise do enunciado do

problema

Compreende na formulação precisa do problema a ser resolvido, consistindo em especificar os possíveis dados de entrada, de saída e qual a relação existente entre ambos.

Escolha ou

desenvolvimento de um

modelo matemático

Compreende na definição das estruturas matemáticas para a resolução do problema. Deve permitir a representação dos dados, dos resultados e das relações entre os problemas.

Concepção do algoritmo Compreende na decomposição do problema a partir da abordagem top-down. O modelo matemático escolhido dependerá das operações que serão utilizadas no algoritmo e na decomposição do problema.

Propriedades assertivas

do algoritmo

Para que seja possível verificar a propriedade assertiva de um algoritmo é preciso provar se as assertivas de entrada e de atribuição implicam nas assertivas de saída.

Quadro 2 - Etapas de desenvolvimento de algoritmos

Fonte: Barbosa (2001)

Na representação do algoritmo de Euclides, apresentada na figura 2, é

possível verificar todas as assertivas consideradas, o que demonstra as

propriedades assertivas do algoritmo.

Figura 2 - Procedimento de Euclides (m,n) Fonte: Barbosa, 2001, p. 29

25

2.1.2 Representação de algoritmos

A partir da revisão de literatura nota-se que não existe uma concordância

sobre qual a melhor forma de representar um algoritmo. Para Saliba (1992), o

método utilizado para classificar estas formas está diretamente relacionado ao nível

de detalhamento, ou ao grau de abstração apresentado.

Algumas formas de se representar algoritmos abordam os problemas

somente em nível lógico, desconsiderando as particularidades da implementação

que muitas vezes estão associados com alguma linguagem de programação.

Barbosa (2001), apresenta três formas de se escrever algoritmos, que podem

ser destacadas:

Fluxograma – Representação gráfica que ilustra um determinado processo

ou fluxo de trabalho, conforme figura 3.

Figura 3 - Fluxograma do procedimento de Euclides (m,n) Fonte: Barbosa, 2001, p. 31

26

Linguagem de programação – Método padronizado para escrever

instruções para um computador. Essa definição é denominada programa,

conforme figura 4.

Figura 4 - Programa do procedimento de Euclides (m,n) Fonte: Barbosa, 2001, p. 32

Linguagem algorítmica (pseudocódigo) – forma genérica de escrever um

algoritmo, sem necessidade de utilizar a sintaxe de linguagem de

programação, conforme figura 5.

Figura 5 - Descrição em pseudocódigo do procedimento de Euclides (m,n) Fonte: Barbosa, 2001, p. 32

27

2.1.2.1 Tipos de Dados

Em linguagens de programação é importante classificar constantes, variáveis,

expressões e funções de acordo com certas características, que indicam o seu tipo

de dados.

Para Ziviani (2007), tipos de dados referem-se ao conjunto de valores a que

uma constante pertence, ou que podem ser assumidos por uma variável ou

expressão ou serem gerados por uma função. Os tipos de dados podem ser simples

ou complexos.

Tipos de dados simples são caracterizados por um conjunto de valores

indivisíveis, tais como: inteiro, booleano, texto e real.

Tipos de dados complexos são caracterizados por uma coleção de valores

estruturados ou um conjunto de valores de tipos diferentes.

2.1.2.2 Tipos Abstratos de Dados

Ziviani (2007) define tipos abstratos de dados como um modelo matemático,

acompanhado das operações definidas sobre o modelo. Tipos abstratos de dados

podem ser considerados generalizações de tipos primitivos de dados, da mesma

maneira que procedimentos são generalizações de operações primitivas tais como

adição, subtração e multiplicação. Da mesma forma que um procedimento é usado

para encapsular partes de um algoritmo, o tipo abstrato de dados pode ser usado

para encapsular tipos de dados.

2.1.2.3 Variáveis

Para Sebesta (2000), uma variável de programa é uma abstração de uma

célula ou de um conjunto de células de memória do computador.

Uma variável pode ser caracterizada como um sêxtuplo de atributos: nome,

endereço, valor, tipo, tempo de vida e escopo. Isso constitui a maneira mais clara

de explicar os vários aspectos das variáveis ainda que possa parecer

demasiadamente complicado para um conceito aparentemente simples.

28

2.1.2.4 Instruções Primitivas

Segundo Ziviani (2007), instruções primitivas são os comandos básicos que

realizam tarefas fundamentais ao longo de um algoritmo, como entrada e saída de

dados (comunicação com o usuário e com dispositivos periféricos), e movimentação

dos mesmos na memória.

As instruções primitivas são descritas no corpo do algoritmo e são destacadas

como:

Instrução de Atribuição: para Saliba (1992), é considerada a principal forma

de armazenamento de informação em uma variável. Há a necessidade de

compatibilidade entre o tipo de dado resultante da expressão e o tipo do dado

da variável. Sua sintaxe é apresentada na figura 6.

Figura 6 - Instrução de atribuição Fonte: Saliba (1992)

Instrução de Saída de Dados: é a forma pelo qual as informações contidas na

memória dos computadores são posicionadas nos dispositivos de saída. Isso

é feito, geralmente, através da exibição de alguma informação no monitor

(SALIBA, 1992). Sua sintaxe é apresentada na figura 7:

Figura 7 - Instrução de saída de dados Fonte: Saliba (1992)

29

Instrução de Entrada de Dados: a instrução de entrada de dados estabelece

ao computador uma ordem que leia os dados que foram inseridos pelo

usuário e os armazene em espaços que foram reservados na memória

(SALIBA, 1992). Sua sintaxe é apresentada na figura 8:

Figura 8 - Instrução de entrada de dados Fonte: Saliba (1992)

2.1.2.5 Estruturas de Fluxos

Segundo Saliba (1992), os algoritmos são representados através de

instruções primitivas de atribuição de entrada e saída de dados. Seja qual for o

conjunto de dados apresentados a um algoritmo desta natureza, será submetido ao

mesmo conjunto de instruções e executadas sempre na mesma sequência,

conforme ilustrado na figura 9.

PSEUDOCÓDIGO

FLUXOGRAMA

Figura 9 - Estrutura sequencial Fonte: Saliba (1992)

30

Para Lopes e Garcia (2002), é necessário que sejam executadas diversas

ações em função dos dados fornecidos ao algoritmo. Neste contexto, de acordo com

o conjunto de dados de entrada do algoritmo, deve-se utilizar uma sequência

diferente na execução das instruções. Podendo ser necessário executar um mesmo

conjunto de instruções várias vezes, dependendo da forma que um determinado

controle é realizado. Essas estruturas são classificadas em:

Estruturas Sequenciais: Nesta estrutura os comandos de um determinado

algoritmo são executados em uma sequência pré-estabelecida. Cada

comando é executado somente após o término do comando anterior,

(SALVETTI e BARBOSA, 1998).

Estruturas de Decisão: Para Lopes e Garcia (2002), este tipo de estrutura

segue o fluxo de instruções que é determinado em função ao resultado da

avaliação de uma ou mais condições. Uma condição é definida como uma

expressão lógica. Existem dois tipos de estruturas de decisão: se-então-

senão, conforme figura 10.

PSEUDOCÓDIGO

FLUXOGRAMA

Figura 10 - Estrutura de decisão

Fonte: Saliba (1992)

31

Estruturas de Repetição: Para Lopes e Garcia (2002), esta estrutura

possibilita a repetição de uma determinada parte do programa em uma

quantidade pré-determinada de vezes. Estas estruturas de repetição são

conhecidas como laços ou loops. A especificação das estruturas de repetição

é definida de acordo com o conhecimento prévio do número de vezes que um

determinado conjunto de comandos deverá ser executado. Os laços se

dividem em laços contados e laços condicionais.

o Laços contados: Para Salvetti e Barbosa (1998), este tipo de laço é

utilizado quando se têm o conhecimento prévio da quantidade de

vezes que se deseja executar um determinado conjunto de comandos.

Este tipo de laço utiliza-se de mecanismos para computar a quantidade

de vezes que a estrutura do laço será executada. Os laços contados

pode ser do tipo: para-faça, conforme figura 11.

PSEUDOCÓDIGO

FLUXOGRAMA

Figura 11 - Estrutura de laços contados

Fonte: Saliba (1992)

32

o Laços condicionais: Lopes e Garcia (2002) definem laços condicionais

como sendo um conjunto de comandos que são executados até que

uma determinada condição seja satisfeita. Os laços condicionais

podem ser de dois tipos: enquanto-faça e repita-até, conforme figura

12.

PSEUDOCÓDIGO

FLUXOGRAMA

Figura 12 - Estrutura de laços condicionais

Fonte: Saliba (1992)

2.2 Aprendizagem Significativa

Para Ausubel (1983), a aprendizagem se torna mais significativa à medida

que o novo conteúdo é associado às estruturas de conhecimento do aluno e adquire

significado a partir da relação com seu conhecimento prévio. Caso contrário, a

aprendizagem se torna mecânica ou repetitiva.

Ausubel (1983) considera a estrutura cognitiva de um indivíduo como sendo

complexa e organizada, resultante dos processos cognitivos através dos quais

adquire e utiliza o conhecimento.

As informações aprendidas significativamente podem ser aplicadas numa

enorme variedade de novos problemas e contextos. No contexto educacional, fala-

se em aprendizagem significativa e construtivismo. Para Ausubel (1983), um ensino

33

de qualidade deve ser construtivista, proporcionar mudanças conceituais e

simplificar a aprendizagem significativa.

Tendo em vista a teoria que fundamenta a proposta da pesquisa, será

apresentado a seguir, alguns pontos da teoria de Ausubel, consideradas importantes

para o desenvolvimento do trabalho.

Os conceitos iniciais de Ausubel, no qual datam dos anos 60, constatam-se

entre as primeiras propostas psico-educativas que buscam explicar o ensino-

aprendizagem a partir da fronteira das metodologias tradicionais.

O conhecimento é significativo por definição. É o produto significativo de um processo psicológico cognitivo (“saber”) que envolve a interação entre ideias “logicamente” (culturalmente) significativas, ideias anteriores (“ancoradas”) relevantes da estrutura cognitiva particular do aprendiz (ou estrutura dos conhecimentos deste) e o “mecanismo” mental do mesmo para aprender de forma significativa ou para adquirir e reter conhecimentos (AUSUBEL, 2000).

Em outras perspectivas, esse ponto de vista cognitivo visa conceber a

aprendizagem como um processo de mudança do conhecimento ao invés de

modificar o comportamento, em um sentido externo e observável, e identificar a

importância dos processos mentais nesse desenvolvimento. Os conceitos de

Ausubel se evidenciam por contemplarem uma reflexão sobre o ensino-

aprendizagem, ao invés de somente difundir conceitos ou princípios explicativos.

A teoria de Ausubel parte do principio que indivíduos demonstram uma

organização cognitiva interna, com fundamento nos conhecimentos de caráter

conceitual, ou seja, a complexidade depende do número de conceitos presentes e

das relações que esses conceitos estabelecem entre si. Percebe-se que tais

relações possuem um caráter hierárquico, de modo que a estrutura cognitiva é

basicamente compreendida como uma rede de conceitos organizados de modo

hierárquico de acordo com o grau de abstração e de generalização.

Assim, a aprendizagem do indivíduo caracteriza-se pelo entendimento desta

rede de conhecimentos conceituais, relacionados como socialmente relevantes e

organizados nos conteúdos das disciplinas.

Para demonstrar como a aprendizagem é produzida, Ausubel (apud

SALVADOR, 2000) apresenta duas dimensões que darão origem a partir dos

diferentes valores que possam formar cada caso, diferentes classes de

aprendizagem, conforme figura 13.

34

Figura 13 - As dimensões da aprendizagem Fonte: Novak, 1999

O eixo horizontal representa o modo de organizar e estruturar o processo de

aprendizagem em torno da dimensão aprendizagem por descoberta / aprendizagem

receptiva. Essa dimensão refere-se à forma com que o aluno retém os conteúdos

que deve aprender. Conforme é aproximado do item aprendizagem por descoberta,

o aluno deverá definir ou “descobrir” os conteúdos preliminares recebidos, antes de

assimilá-los. Ao inverso, quanto mais próximo o aluno estiver no item aprendizagem

receptiva, as ideias a serem aprendidas serão apresentadas em seu formato final.

Ao contrário do eixo horizontal, o eixo vertical refere-se ao tipo de processos

que intervêm na aprendizagem e originam um continuum, por um lado, delimitado

pela aprendizagem significativa, e por outro, pela aprendizagem mecânica ou

repetitiva. Neste caso, o aluno pode ou não conceber uma diferenciação em relação

aos conceitos presentes na estrutura cognitiva aos novos conceitos que serão

necessários aprender. Conforme os novos conceitos são relacionados às

perspectivas prévias da estrutura cognitiva do aluno, mais próxima ficará da

aprendizagem significativa. Por sua vez, quanto menor for esta relação, mais

próximo se estará da aprendizagem mecânica.

A atividade significativa proporciona ao aluno um processo de assimilação de

significados, possibilitando o desenvolvimento de um entendimento próprio daquilo

35

que se aprende, ao contrário de uma aprendizagem mecânica, onde o conhecimento

é concebido de forma literal, idêntica ao que se é apresentado. Logo a

aprendizagem do aluno será mais significativa conforme os novos conceitos se

relacionam com as estruturas de conhecimento pré-existentes. De maneira oposta,

será mais mecânica, de forma que a assimilação e a concessão de significado sejam

menos produzidas, e o novo material armazenado na estrutura cognitiva será por

meio de associações aleatórias.

Os estudos mostram que, o conceito de aprendizagem significativa torna-se a

principal base da teoria de Ausubel. A aprendizagem significativa apresenta

vantagens singulares, tanto no ponto de vista de melhoria da estrutura cognitiva do

aluno como do ponto de vista da lembrança posterior e a utilização para

experimentar novas aprendizagens. Esses elementos determinam uma

aprendizagem mais adequada para ser promovida entre os alunos.

Conforme citado por Ausubel (2000) para que ocorra a aprendizagem

significativa são necessárias duas condições. Em primeiro lugar, o aluno deve ter

disposição para aprender: se o aluno desejar memorizar o conteúdo arbitrária e

literalmente, então a aprendizagem será mecânica. Em segundo, o conteúdo a ser

aprendido deve ser potencialmente significativo, ou seja, ele tem que ser lógica e

psicologicamente significativo: o significado lógico depende somente da natureza do

conteúdo, e o significado psicológico é uma experiência que cada indivíduo tem.

Cada aluno faz uma filtragem dos conteúdos que têm significado ou não para si

próprio.

Ausubel (2000) nos apresenta algumas vantagens da Aprendizagem

Significativa sobre a aprendizagem mecânica. São elas:

O conhecimento assimilado de maneira significativa é fixado e

recordado por mais tempo.

Habilidade de aprender outros conceitos relacionados de uma maneira

mais simples, mesmo que a informação seja esquecida.

Auxiliar na aprendizagem mesmo que a informação seja esquecida.

Rogers (1988) define aprendizagem significativa como sendo a que

proporciona uma modificação, seja na conduta do aluno, em uma futura orientação

ou em suas atitudes e personalidade. É uma aprendizagem perspicaz, que não está

36

limitada ao aumento de conhecimentos, mas que se aprofunda em todas as frações

da sua existência.

Segundo Vygotsky (1989), a linguagem e a memória são concebidas no

decorrer da história social humana, relacionando com o mundo. É possível ter uma

ideia central de compreensão das concepções sobre o desenvolvimento humano

como processo sócio histórico. Para Vygotsky (1989), o ser humano – com sujeito

do conhecimento que é – não possui acesso direto aos objetos, mas um acesso

mediado, através de frações do real operado pelos sistemas simbólicos de que

dispõe, evidenciando a concepção do conhecimento como uma interação mediada

por várias relações.

O conhecimento pode ser classificado como uma estratégia fundamental e

privilegiada da vida, de uma vida prática que se constrói, histórica e socialmente, no

cotidiano, que emoldura e catalisa nossas experiências. O conhecimento é a

intercessão do processo educativo, que se idealiza concretamente, admitindo que

haja intencionalidade, planejamento e metodologia (VASCONCELLOS, 1993).

Pode-se assegurar que a aprendizagem significativa refere-se a organização

e integração do material na estrutura cognitiva. Ausubel fundamenta-se no

argumento de que existe uma estrutura na qual a organização e a integração se

processam. A estrutura cognitiva é entendida como “o conteúdo e a organização

das ideias de um indivíduo em sua área particular de conhecimento” (AUSUBEL,

1968).

Novos conceitos e informações podem ser compreendidos e assimilados à

medida que informações relevantes estejam adequadamente claras e acessíveis na

estrutura cognitiva do aluno.

Ausubel reconhece que, para uma teoria ser válida, a aprendizagem deve

permitir que a pessoa construa por si só o conhecimento (AUSUBEL, 1968). Assim,

são indicados por ele duas condições para que ocorra a aprendizagem significativa.

A primeira refere-se ao material apresentado ao aluno possuir um caráter

significativo. A segunda está relacionada à predisposição do aluno para aprender.

Ambas condições precisam ser consideradas para que a aprendizagem se torne

significativa.

Ausubel (2000) aponta pelo menos quatro tarefas fundamentais que envolvem

o processo de ensino-aprendizagem.

37

Determinar a estrutura conceitual e proposicional do conteúdo que será

lecionado, organizando os conceitos e princípios de forma hierárquica;

Identificar quais os principais conceitos que o aluno deve possuir em

sua estrutura cognitiva, para que seu aprendizado seja significativo;

Determinar entre os principais conceitos, quais estão disponíveis na

estrutura cognitiva do aluno;

Finalmente, aplicar o ensino utilizando-se de recursos e princípios que

facilitem a assimilação dos conteúdos por parte do aluno. Isso

proporcionará a facilidade e a organização da estrutura cognitiva do

aluno na área de conhecimento a partir da aquisição de significados

claros, estáveis e transferíveis.

O ensino de algoritmos alinhado ao aprendizado significativo pode ser

aplicado de maneira a colaborar para a melhoria da aprendizagem, sendo, um dos

objetivos desta pesquisa, analisar o quão benéfica é a teoria de Ausubel no ensino-

aprendizagem de Algoritmos.

2.2.1 Mapas Conceituais

O mapa conceitual é uma ferramenta com o objetivo de organizar e

representar conhecimento, (NOVAK, 1984). Foi desenvolvido por Novak para apoiar

a Aprendizagem Significativa de Ausubel. Eles são utilizados como uma linguagem

que descreve e comunica os conceitos e seus relacionamentos.

Segundo Novak e Gowin (1999), a utilização de mapa conceitual, é a maneira

de demonstrar conceitos de uma determinada disciplina e suas relações, não deve

ser aplicada apenas de modo unidirecional (do conceito mais amplo para o de menor

amplitude), mas sim em todas as direções possíveis.

Definido como uma técnica para a representação de significados e conceitos,

sua utilização no ensino vem se tornando uma promessa em diversos trabalhos,

existindo um consenso entre os autores, sobre sua importância no ensino-

aprendizagem devido às suas consideráveis contribuições no fomento da

aprendizagem significativa.

38

Para Tavares (2007), a elaboração dos mapas conceituais, na maneira

proposta por Novak, leva em consideração uma estrutura hierárquica de conceitos a

serem representados, contribuindo com o reconhecimento da diferenciação

progressiva e da reconciliação integradora entre os conceitos no mapa conceitual.

Diferenciação progressiva: ocorre quando o assunto deve ser

programado de forma que as ideias mais gerais e inclusivas da

disciplina sejam apresentadas antes e progressivamente diferenciadas,

com a introdução de detalhes específicos.

Reconciliação integradora: consiste na exploração e relação entre as

ideias abordadas, apontando as similaridades e diferenças

significativas entre os conceitos.

Segundo Moreira (1982), os estudos realizados sobre a técnica da construção

de mapas conceituais, têm compreendido estes como diagramas hierárquicos que

representam a organização conceitual de um campo do conhecimento. Neste

contexto, pode-se construir mapas conceituais partindo de uma pergunta, um

problema, um assunto ou ainda um simples texto.

Para Ausubel (2000. p.19), um mapa conceitual “é uma representação gráfica

em duas dimensões de um conjunto de conceitos construídos de tal forma que as

relações entre eles sejam evidentes”, conforme figura 14.

39

Figura 14 - Representação gráfica dos mapas conceituais

Fonte: http://cmapspublic2.ihmc.us/rid=1J3F9WM1R-NCYKKH-WFL/mapa%20conceitual.cmap. Acesso em setembro/2014

Ausubel (2000) cita três vantagens em se utilizar mapas conceituais na

perspectiva instrucional:

Evidenciar a estrutura conceitual de uma dada disciplina, bem como a

função dos processos conceituais no seu desenvolvimento.

Apresentar diferenças de conceitos de uma dada disciplina

dependendo do seu grau de participação.

Proporcionar um cenário integrado do assunto que foi abordado em

sala de aula.

A presente pesquisa tem o intuito de utilizar mapas conceituais como meio de

analisar o conhecimento dos alunos. Por meio dos mapas conceituais pretende-se

apurar como os alunos compreendem os conceitos de problemas relacionados ao

uso de algoritmos. A compreensão destas informações irá auxiliar o professor à

buscar meios para amenizar os problemas de aprendizagem, contribuindo com um

melhor aproveitamento na disciplina. Outra contribuição é a possibilidade do

professor utilizar estes conceitos para demonstrar aos alunos as relações entre

40

problemas de diversos tipos e conceitos de algoritmos, expondo de forma objetiva

todos os conceitos na resolução dos problemas e a importância de cada um deles

no processo. Com isso, pretende-se reparar a falta no entendimento dos alunos

sobre como solucionar problemas de forma algorítmica.

2.2.2 Elementos e características dos mapas conceituais

Para Ontoria et al. (2005) nos mapas conceituais os pontos de confluência

são reservados para os termos conceituais que se situam em uma elipse ou

quadrado. Os conceitos relacionados unem-se por uma linha e o sentido da relação

se esclarece com “palavra-de-ligação”, que se escrevem com minúsculas junto às

linhas de união. Dois conceitos juntos às palavras-de-ligação formam uma

proposição.

De acordo com Novak e Gowin (1999) o mapa conceitual contém três

elementos fundamentais, são eles:

Conceito: É “uma regularidade nos acontecimentos ou nos objetos

que se designa mediante algum termo” (NOVAK; GOWIN, 1999, p. 22).

Proposição: Para Novak e Gowin (1999), proposição consiste de dois

ou mais termos conceituais (conceitos) unidos por palavras (palavra-

de-ligação) para formar uma unidade semântica.

Palavras-de-ligação: São palavras que servem para unir os conceitos

e indicar o tipo de relação existente entre eles, (NOVAK; GOWIN,

1999).

Para Ontoria et al. (2005) os mapas conceituais possuem três características

próprias que os diferenciam de outros recursos gráficos e outras estratégias ou

técnicas cognitivas, são elas:

Hierarquização: Nos mapas conceituais, os conceitos são dispostos

por ordem de importância ou de “inclusão”. Os conceitos mais

inclusivos ocupam os lugares superiores da estrutura gráfica,

(ONTORIA et al., 2005).

41

Seleção: Os mapas constituem uma síntese ou resumo que contém o

mais importante ou significativo de uma mensagem, de um tema ou de

um texto, (ONTORIA et al., 2005).

Impacto visual: Essa característica apoia-se na anterior. Nas

palavras de Novak,

“Um bom mapa conceitual é conciso e mostra as relações entre as ideias principais de modo simples e atraente, aproveitando a notável capacidade humana para representação visual” (NOVAK; GOWIN, 1999, p. 106)

A figura 15 ilustra os elementos e características do mapa conceitual.

Figura 15 - Elementos e características do mapa conceitual Fonte: ONTORIA et al., 2005

2.2.3 Softwares para elaboração de mapas conceituais

Os mapas conceituais tem apresentado em sua utilização um relativo sucesso

no processo de ensino-aprendizagem, bem como ferramentas de avaliação de

aprendizagem, (TAVARES, 2007).

Para Moreira (1982), dentro do processo de aprendizagem significativa, os

mapas conceituais são considerados ferramentas meta cognitivas. Estas

ferramentas têm como objetivo auxiliar os alunos no processo de assimilação do

conhecimento e é com este propósito que serão utilizados nesta pesquisa.

42

No quadro 3 são apresentados alguns softwares existentes para a elaboração

de mapas conceituais, que foram escolhidos seguindo os seguintes critérios:

Software livre

Plataforma

Usabilidade

Colaboração

Performance

Software

livre

Plataforma

(Windows,

Linux, etc)

Usabili-dade

Colabo-

ração

Perfor-

mance

Sim

Versão

inicial

Windows

Linux

Mac OS

Android

X

X

X

Sim

Windows

Linux

Mac OS

Solaris

X

X

X

Sim

Versão

inicial

Windows

Linux

Mac OS

Android

X

X

X

Trial

Windows

Mac OS

Android

X

X

Quadro 3 - Comparativo dos softwares para a elaboração de mapas conceituais

Fonte: Elaborado pelo autor.

A seguir será apresentada uma breve descrição dos principais softwares para

a elaboração dos mapas conceituais, descritos na tabela 3.

43

2.2.3.1 Software XMind

O software Xmind4 é um projeto open source5 que permite a elaboração de

mapas conceituais através de palavras chaves e imagens. Foi lançado em

novembro de 2008, com a intenção de criar uma comunidade global de mapeamento

mental. Possui compatibilidade com as principais plataformas (MS Windows,

Macintosh OS, Linux, etc.) possibilitando a abrangência na utilização da ferramenta.

O Xmind possui um serviço de armazenamento e compartilhamento de mapas

conceituais chamado XMind Share. Esta funcionalidade permite aos usuários

compartilharem seus mapas conceituais, proporcionando a troca de experiências

com outras pessoas.

A figura 16, mostra os principais recursos do software XMind.

Figura 16 - Software XMind Fonte: Extraído de http://www.xmind.net/

4 http://www.xmind.net/

5 O termo open source, diz respeito a software de utilização livre, cuja licença não é cobrada e seu

código fonte é disponibilizado, de forma gratuita, pelo autor, (Open Source Initiative)

44

2.2.3.2 Software CmapTools

O CmapTools6 é uma ferramenta que permite a elaboração e o

compartilhamento de mapas conceituais, representando-os graficamente. O

CmapTools disponibiliza em seu site um repositório de trabalhos que podem ser

utilizados como referência, possibilitando a iniciação da elaboração de novos

projetos. Esta aplicação possui diversas facilidades no processo de construção de

mapas conceituais, proporcionando através de suas ferramentas, a construção e o

compartilhamento dos mapas conceituais, auxiliando o trabalho individual e

colaborativo.

A figura 17, apresenta a tela principal do software CmapTools.

Figura 17 - Tela principal do software CmapTools

Fonte: Elaborado pelo autor.

6 http://cmap.ihmc.us/

45

2.2.3.3 Software The Brain

O software The Brain 7 permite que pessoas deem sentido à ampla gama de

informações que são geradas, com o intuito de organizar e assimilar tais

informações em uma base diária. Esta aplicação possibilita ao usuário ampliar e

capturar seus pensamentos com o recurso de colaboração de seus mapas

conceituais, proporcionando a troca de experiências com outras pessoas.

A figura 18 apresenta a tela principal do software The Brain.

Figura 18 - Tela principal do software The Brian Fonte: Elaborado pelo autor

7 http://www.thebrain.com/

46

2.2.3.4 Software Simple Mind

Simple Mind8 é um software pago de mapeamento mental desenvolvido para

as principais plataformas do mercado, possibilitando a elaboração dos mapas

mentais através de palavras chaves, sendo possível realizar o download da versão

demonstração.

A figura 19 apresenta a tela principal do Software Simple Mind.

Figura 19 - Tela do software Simple Mind

Fonte: http://www.simpleapps.eu/simplemind/desktop

Para a pesquisa será adotado o software CmapTools, considerando sua

pontuação nos critérios utilizados.

8 http://www.simpleapps.eu/simplemind/desktop

47

48

CAPÍTULO 3 O ENSINO DE ALGORITMOS EM CURSOS

SUPERIORES DE COMPUTAÇÃO

No âmbito da discussão sobre métodos educacionais para a formação de

profissionais mais qualificados para o mercado, esta pesquisa se propõe a dar sua

contribuição. Para tanto, será realizado uma análise nos cursos de Computação,

que apresentam inovações constantes e grande transformação de padrões

existentes.

3.1 A disciplina de Algoritmos

De acordo com a estrutura curricular constante nas Diretrizes Curriculares do

MEC (Ministério da Educação e Cultura), a disciplina de Algoritmos contempla a área

de formação básica nos cursos superiores de Computação, compreendendo, além

do ensino de Linguagem de Programação, os conceitos, os princípios, as estruturas,

métodos de classificação e pesquisa de dados. Foi realizada uma pesquisa para

verificar como a disciplina de algoritmos está distribuída nos cursos de Computação

que possuem nota 5 no MEC, pois entendemos que isso pode influenciar no

aprendizado dos alunos. Para a pesquisa foram escolhidas três IES9, e o critério

utilizado foi por estarem entre as melhores classificadas no ranking do ENADE 2011.

São elas:

Universidade do Oeste Paulista10

Universidade do Rio Grande do Sul 11

Universidade de Campina Grande 12

As grades curriculares dos cursos de Computação das IES citadas são

apresentadas no anexo A.

9 Instituição de Ensino Superior

10 http://www.unoeste.br/site/CursoGraduacao/ExibeCurso.aspx?codigo=10

11 http://www.ufrgs.br/ufrgs/ensino/graduacao/cursos/exibeCurso?cod_curso=305

12 http://www.computacao.ufcg.edu.br/graduacao/plano-de-curso

49

Com a análise desta pesquisa, foi possível verificar a importância da disciplina

de algoritmos no currículo dos cursos de Computação, sendo possível constatar sua

relação com quase todas as disciplinas do curso, podendo ser considerada uma

disciplina de base para a compreensão de conceitos e a evolução dos alunos.

Outra contribuição desta análise foi constatar que as disciplinas referentes ao

conteúdo de algoritmos oferecidas no curso de Computação do Centro Universitário

Salesiano de São Paulo U. E. Lorena (IES escolhida para a pesquisa) demonstram

similaridade com o currículo proposto pelas IES UNOESTE, UFRGS e UFCG apesar

de possuir nota 3 no MEC.

É válido ressaltar que os currículos dos cursos de computação devem ser

elaborados de forma a atender, da melhor forma possível às diretrizes curriculares

do MEC. Assim, cursos que não apresentem de forma adequada o conteúdo de

algoritmos podem não estar formando os profissionais com conhecimentos mínimos

necessários.

3.2 O Ensino-Aprendizagem de Algoritmos

O problema da assimilação e aplicação da lógica de programação é comum

nas disciplinas de Algoritmos nos cursos de Computação. Esta dificuldade

demonstrada pelos alunos é considerada uma das maiores causas da evasão e

reprovação no decorrer do curso (ROCHA, 1994). Quando não solucionados a

tempo estes problemas, poderão agravar os prejuízos em relação ao cumprimento

do currículo, tornando vagarosa a formação acadêmica do aluno.

A disciplina de Algoritmos introduz o aluno aos princípios do desenvolvimento

do raciocínio lógico em Computação e a criação de um dicionário pessoal de novos

termos que serão úteis em todo o processo de sua formação profissional.

A disciplina de Algoritmos possui um importante papel no curso de

Computação, pois verifica-se que ela é a base fundamental para quase todas as

disciplinas da área. Exigindo uma grande dedicação por parte dos professores e

alunos para que o aproveitamento desta disciplina seja o melhor possível.

A abordagem de alguns conceitos básicos no ensino e aprendizagem de

Algoritmos se faz necessário para a compreensão dos assuntos abordados nesta

pesquisa. Entre eles pode-se citar: lógica, raciocínio, raciocínio lógico, lógica de

50

programação e linguagem de programação. Estes conceitos serão apresentados a

seguir:

Lógica: Para Souza (2008), lógica possui como objeto de estudo o

pensamento. É considerado o encadeamento coerente de alguma coisa que

obedece a certas convenções ou regras.

Raciocínio: O termo raciocínio constitui em uma operação intelectual em

relacionar ideias coerentes, conscientes e deliberadamente. É capaz de

transformar as informações disponíveis, tornando-as mais claras, para

conhecimentos que se pretende alcançar, (SCHEFFLER, 2008).

Raciocínio Lógico: Segundo Menzies (1996), raciocínio lógico é um

processo estruturado de pensamento, bem como aprender o conteúdo de um

conceito em toda sua extensão, permitindo chegar a uma determinada

conclusão ou na resolução de um problema.

Lógica de Programação: É a organização coerente das instruções de um

programa de computador. Na Lógica de Programação, os conceitos são

rigorosamente definidos, e as regras são transformadas em notações

simbólicas precisas, compactas e não ambíguas, (Souza, 2008).

Linguagem de Programação: Uma linguagem de programação é um

conjunto finito de símbolos usados para escrever programas de computador

(SEBESTA, 2000).

3.3 Iniciativas no ensino de Algoritmos

Ao longo deste capítulo serão apresentados alguns trabalhos relacionados ao

uso de metodologias sobre o ensino na disciplina de Algoritmos.

Através de um levantamento de pesquisa bibliográfica, foram pesquisados

dissertações e artigos científicos, podendo verificar vários estudos relacionados às

metodologias sobre o ensino de algoritmos. Algumas dessas experiências são

relatadas a seguir.

Em pesquisa realizada por Colombo et al. (2014), foram utilizadas novas

metodologias de ensino, apoiadas por ferramentas computacionais, com o intuito de

contribuir na melhoria do aprendizado dos alunos na disciplina de Algoritmos.

51

Foram desenvolvidos objetos de aprendizagem (OAs), relacionados ao conteúdo da

disciplina para que os professores pudessem aplicar em aulas baseadas no modelo

“Flipped Classroom” (sala de aula invertida). Para a construção dos OAs foi utilizada

a ferramenta Wink que consiste em um software para criação de vídeos. O modelo

Flipped Classroom tem como possibilidade de organização curricular diferenciada,

permitindo ao aluno o papel de sujeito de sua própria aprendizagem. É possível

identificar a importância de conceitos para a compreensão mais ampla do real e

mantendo o papel do professor como mediador entre o conhecimento elaborado e o

aluno.

De acordo com Trevelin (2013) Flipped Classroom ou “sala de aula invertida”,

é aquela que destaca a utilização de tecnologias para que seja aprimorado o

aprendizado, de forma que o professor utilize melhor seu tempo em sala de aula em

atividades interativas com seus alunos ao invés de utilizá-lo somente em aulas

expositivas tradicionais.

Para Trevelin (2013), é na sala de aula que ocorre de forma efetiva a

capacitação do aluno para atuar na sociedade e no mercado de trabalho, e é da

competência do professor enquanto representante, no período da aula, desenvolver

tais características para que seja possível atingir resultados significativos. As

análises apresentadas demonstraram resultados positivos em relação ao

desempenho dos alunos na disciplina de Algoritmos.

Simonetto et al. (2012), discutem em sua pesquisa a utilização de uma

metodologia de investigação-ação, ou pesquisa-ação no ensino-aprendizagem de

algoritmos, tendo como foco os problemas vivenciados na prática pelos professores

em sala de aula. Esta metodologia tem como objetivo a compreensão de

determinados problemas, podendo ser desenvolvida pelo professor com a

contribuição da comunidade envolvida, buscando, contornar os problemas

diagnosticados.

O método proposto na pesquisa de Simonetto et al. (2012) consiste em

desenvolver conteúdos da disciplina de Algoritmos, respeitando o programa previsto

no curso, utilizando-se do português estruturado juntamente com o desenvolvimento

de conhecimentos de linguagem de programação. Como ferramenta auxiliar, foi

utilizada uma lousa digital que possibilitou a realização de anotações sobre os

códigos-fonte desenvolvidos nas aulas.

52

De acordo com Simonetto et al. (2012), os conteúdos previstos eram

discutidos conceitualmente e logo após eram problematizados e solucionados em

linguagem C. Os códigos eram apresentados na lousa digital, possibilitando

destacar as estruturas desenvolvidas. Os resultados obtidos demonstraram que a

utilização de métodos diferenciados no ensino de algoritmos apresentaram

resultados positivos no processo de aprendizagem.

Silva e Pinto (2013) apresentam uma proposta de um Ambiente Virtual de

Aprendizagem de Algoritmos - (AVAA). Esta ferramenta permite a construção de um

conjunto de exercícios em forma de quebra-cabeça e que podem ser utilizados de

maneira mais efetiva no aprendizado de algoritmos. O projeto teve início em função

das dificuldades encontradas pelos alunos nas disciplinas de Algoritmos e

Linguagens de Programação, na qual foi identificada a necessidade de uma

ferramenta para auxiliar o professor com alternativas e estratégias que estimulassem

a aprendizagem dos alunos. Nessa proposta, foi concluído que a utilização do

Ambiente Virtual de Aprendizagem de Algoritmos - (AVAA) tem sido de grande apoio

no processo de ensino-aprendizado, porém aliada às ferramentas cognitivas,

aumenta a verificação de sua atuação no processo pedagógico auxiliando na

elaboração de um ambiente de aprendizagem mais adequado.

A proposta apresentada por Santiago et al. (2011) decorre da necessidade de

criar estratégias para auxiliar o aprendizado da disciplina de Algoritmos e verificar a

forma com que os alunos utilizam ferramentas no auxilio da construção de

conhecimento. As alternativas de softwares são diversas. O ambiente Moodle

surge como referência quando se trata de ferramentas para o auxílio de

aprendizagem, levando em consideração sua versatilidade na forma de interação

junto aos participantes e por ser um software open source, o que propicia o

desenvolvimento de várias experiências utilizando sua plataforma. Para que fosse

possível analisar o desenvolvimento dos alunos foram feitas duas coletas de dados:

a primeira foi feita antes do professor apresentar os conceitos para determinar o

conhecimento prévio dos alunos. A segunda foi após a interação dos alunos no

ambiente Moodle para determinar se a proposta contribuiu para a aprendizagem do

assunto pelos alunos.

A experiência de Santiago et al. (2011) com o ambiente Moodle demonstrou

como a ferramenta pode ser versátil e possível de se trabalhar nas diversas

situações que visam o auxílio da aprendizagem. A interação criada no ambiente

53

pode ser considerada positiva e satisfatória, visto que grande parte dos alunos que

interagiram no fórum disponibilizado através do AVA conseguiu desenvolver mapas

conceituais com representações de conceitos claros sobre algoritmos. Ao término

do trabalho pode-se verificar que o ambiente Moodle pode ser utilizado como uma

ferramenta de suporte ao ensino presencial, em disciplinas consideradas

fundamentais para um curso.

Jesus e Brito (2009) concluem que o processo de aprendizagem na disciplina

de Algoritmos pode ser considerado um desafio para os alunos de cursos de

Tecnologia. Os principais motivos estão relacionados à complexidade em detectar

as dificuldades de aprendizagem dos alunos pelos professores e o nível de

abstração do conteúdo. Neste contexto a pesquisa sugere um modelo de

Assistentes Inteligentes de Ensino, para auxiliar o entendimento de conceitos

complexos que dificulta o aprendizado dos alunos na disciplina de Algoritmos.

Os resultados obtidos com a pesquisa apontam uma maior eficiência na

identificação das dificuldades de aprendizagem quando aplicado o

acompanhamento individualizado aos alunos.

De acordo com as pesquisas apresentadas, pode-se perceber que existem

diversas maneiras que possibilitam o desenvolvimento de metodologias para o

auxílio na Educação Superior de Computação.

No entanto, Jesus e Brito (2009), destacam outro problema, relacionado ao

ensino. Além de realizarem considerações similares aos trabalhos anteriores, existe

uma discussão sobre o problema do ensino que diz respeito ao professor e a falta de

habilidades requeridas aos alunos. Neste contexto chega-se ao consenso que a

falta de habilidades na interpretação de problemas é uma das causas na deficiência

dos alunos da disciplina de Algoritmos, fazendo com que, diversos alunos tenham

inúmeras dificuldades em interpretar os problemas e identificar nos problemas

propostos estruturas algorítmicas. Para Jesus e Brito (2009), além dos problemas

elencados anteriormente, é observado que os professores não conseguem perceber

as deficiências dos alunos.

Pode-se afirmar que uma boa elaboração de métodos pode contribuir com a

transmissão de conhecimentos em Computação, uma vez cercada de inúmeras

pesquisas no campo de novas metodologias de ensino. A principal finalidade disso,

é que cada vez mais, tenhamos valiosas contribuições que colaborem no

aprimoramento do ensino superior e na formação de profissionais melhor

54

qualificados para o mercado. Outra possibilidade consiste em formar futuros

educadores, com interesse em executar o mesmo processo, pois enquanto alunos

passaram por esse tipo de experiência.

Em virtude no que foi citado nos trabalhos pesquisados, esta pesquisa segue

a vertente como forma de tratar o problema do aproveitamento no ensino da

disciplina de Algoritmos, sendo ela: aplicação de um método com base na teoria da

Aprendizagem Significativa para contribuir na aprendizagem do aluno.

55

56

CAPÍTULO 4 MAPAS CONCEITUAIS E ALGORITMOS

Considerando o referencial teórico exposto com foco na aprendizagem

significativa através da utilização dos mapas conceituais, serão analisados e

discutidos neste capítulo os dados coletados na pesquisa, as avaliações pré e pós

teste e as atividades realizadas pelos alunos durante a execução do trabalho. A

utilização das regras no desenvolvimento dos mapas conceituais, bem como os

procedimentos utilizados, baseiam-se na teoria de Ausubel.

De modo geral a pesquisa se propõe analisar a eficiência do uso de mapas

conceituais, de forma que o aluno demonstre segurança no entendimento dos

conceitos de Algoritmos, explicitando sua importância, características, formas de uso

e funcionalidades, além das principais aplicações.

4.1. Apresentação

Essa pesquisa pode ser considerada de natureza qualitativa, do tipo

experimental, objetivando investigar a eficácia do uso de mapas conceituais no

processo de ensino e aprendizagem de alunos no ensino superior.

Foi proposto um estudo para a inserção da técnica de mapas conceituais para

tratar determinados temas a fim de estabelecer relações com outros conceitos do

próprio conteúdo disciplinar. Espera-se, que o método de ensino para a disciplina

de Algoritmos, deva se preocupar com a análise e a solução de problemas centrada

na experiência dos alunos.

Ontoria et al. (2005), contribui no sentido de mostrar que, quando se fala que

os alunos “compreendem”, estamos referindo que eles tentam dar sentido a objetos

com os quais entra em contato, e mediante o qual se formam as representações e

os esquemas cognitivos. Trata-se, da assimilação ativa, que se constitui em

assimilar o que está compreendido no processo de aprendizagem, desde as

características sensoriais até as mais abstratas.

Para que seja possível auxiliar na compreensão de conceitos, cada pessoa

possui estratégias, porém, pode-se afirmar, segundo Ontoria et al. (2005) que é

possível possuir um resultado positivo maior se houver uma familiarização com o

material a ser estudado. A utilização destes materiais familiares proporciona uma

57

aprendizagem mais eficaz além de favorecer a possibilidade de se estabelecer

relações, classificações, categorias, esquemas entre outros.

4.2. A proposta

A proposta da pesquisa consiste em trabalhar com o método de mapas

conceituais, com a estratégia de contribuir com os seguintes componentes: alunos,

professores e escola. A dinâmica do trabalho inclui a interação entre os distintos

componentes que contribuem com a experiência de aprendizagem. O

comprometimento do aluno será o parâmetro da significatividade e da qualidade da

experiência. As condições de aprendizagem viabilizam o desenvolvimento de novas

estruturas, opiniões, expectativas, permitindo uma melhor compreensão do

comportamento do aluno. Quando se fala em aprendizagem não estamos nos

referindo apenas ao processo de informação ou em conhecimento. Mas também na

construção do cidadão por completo, dentro e fora da escola. Um entendimento

mais geral que atua no trabalho junto aos alunos, que se orienta, considerando o

mundo do aluno, para uma aprendizagem mais significativa.

Logo, a pesquisa se propõe apurar os conceitos utilizados para a

compreensão dos conceitos da disciplina de algoritmos utilizando-se mapas

conceituais.

Para a realização da pesquisa foi utilizada a análise qualitativa, demonstrando

a contribuição dos mapas conceituais no ensino de conceitos de Algoritmos.

De acordo com VERGARA (2007) as análises qualitativas são exploratórias,

ou seja, visa extrair dos entrevistados seus pensamentos que foram livremente ditos

sobre algum tema, objeto ou conceito. Elas fazem surgir aspectos subjetivos e

atingem motivações não explícitas, ou mesmo conscientes, de maneira espontânea.

São usadas quando se busca percepções e entendimento sobre a natureza geral de

uma questão, abrindo espaço para a interpretação.

A figura 20 demonstra os itens relacionados a cada fase da metodologia de

pesquisa utilizada.

58

Figura 20 - Etapas da metodologia de pesquisa

Considerando o processo ensino aprendizagem sobre os conceitos de

Algoritmos com foco na aprendizagem significativa através da utilização de mapas

59

conceituais, foi realizada uma pesquisa bibliográfica, de modo a evidenciar sua

importância, características e formas de uso no Ensino Superior.

4.3. Campo da pesquisa

A Instituição de Ensino Superior escolhida para a pesquisa foi o Centro

Universitário Salesiano de São Paulo U. E. Lorena (UNISAL), situada na cidade de

Lorena/SP. A escolha se deu pelo fato do pesquisador lecionar atualmente na IES,

embora os alunos envolvidos na pesquisa tivessem outro professor para a disciplina

de Algoritmos.

Todos os dados divulgados possuem a aprovação do Comitê de Ética em

Pesquisa com Seres Humanos (CEP) da Pontifícia Universidade Católica de São

Paulo (PUC-SP). Para atender ao Comitê de Ética e Pesquisa, foi realizada a

formalização de um documento de esclarecimento da pesquisa (Apêndice A), bem

como um termo de consentimento livre e esclarecido (Apêndice B), entregue aos

alunos.

A pesquisa foi desenvolvida com alunos regularmente matriculados no

segundo período de 2014 do curso superior de Ciência da Computação do UNISAL -

U. E. Lorena, totalizando 59 alunos, que serão divididos em dois grupos de

aproximadamente 29 alunos, são eles:

Grupo experimental

Grupo de controle

O critério utilizado para a definição dos grupos foi a realização de um sorteio

em sala de aula na presença do professor.

No geral, de acordo com informações da faculdade o número de alunos

regularmente matriculados no curso de Ciência da Computação no segundo

semestre de 2014 é de 160 alunos, conforme dados da tabela 1.

60

Sendo, portanto:

PERÍODO LETIVO PERÍODO Desistentes Matriculados Total Geral

2014-2 2 59 59

4 1 42 43

6 1 30 31

8 27 27

05G142 Total 2 158 160

Tabela 1 - Alunos matriculados no Curso de Ciência da Computação Fonte: Centro Universitário Salesiano de São Paulo – UNISAL (2014)

Para fins estatísticos, serão apresentadas duas tabelas que representam a

porcentagem de reprovação e desistência dos alunos do curso de Ciência da

Computação no Centro Universitário Salesiano de São Paulo – U. E. Lorena –

UNISAL, nos últimos quatro anos.

A tabela 2 apresenta informações dos alunos matriculados no curso de

Ciência da Computação, entre os anos letivos de 2011 e 2014, demonstrando a

quantidade de alunos concluintes, desistentes e reprovados.

PERÍODO LETIVO Retido na Série Desistente Concluído

Ano 2011 11 49 141

Ano 2012 21 36 133

Ano 2013 14 28 131

Ano 2014 0 12 160

Tabela 2 - Alunos do Curso de Ciência da Computação nos últimos quatro anos

Fonte: Centro Universitário Salesiano de São Paulo – UNISAL (2014)

O gráfico 1 ilustra as informações apresentadas na tabela 2.

61

Gráfico 1 - Alunos do Curso de Ciência da Computação nos últimos quatro anos

Fonte: Centro Universitário Salesiano de São Paulo – UNISAL (2014)

A tabela 3 apresenta um acompanhamento dos alunos ingressantes no curso

no ano letivo de 2011, destacando o problema de evasão encontrados já no primeiro

semestre de 2011. É válido ressaltar que o problema de evasão não está

relacionado diretamente com a disciplina de algoritmos, foram identificados outros

motivos, tais como: dificuldade de conciliar trabalho e estudo, problemas financeiros,

limitação pessoal, transferências para outras localidades, etc.

PERÍODO LETIVO Retido na

Série Desistente Concluído Total Geral

Semestre 2011-1 2 26 38 66

Semestre 2011-2 3 5 30 38

Semestre 2012-1 3 3 27 33

Semestre 2012-2 1 3 28 32

Semestre 2013-1 28 28

Semestre 2013-2 2 1 27 30

Semestre 2014-1 2 29 31

Semestre 2014-2 27 27

Tabela 3 - Acompanhamento dos alunos ingressantes no ano de 2011 Fonte: Centro Universitário Salesiano de São Paulo – UNISAL (2014)

O gráfico 2 ilustra as informações apresentadas na tabela 3.

11 21

14 0

49 36

28

12

141 133 131

160

Ano 2011 Ano 2012 Ano 2013 Ano 2014

Retido na Série Desistente Concluido

62

Gráfico 2 - Acompanhamento dos alunos ingressantes no ano de 2011

Fonte: Centro Universitário Salesiano de São Paulo – UNISAL (2014)

Para o levantamento das informações apresentadas nas tabelas 1, 2 e 3 foi

aplicado um questionário junto a IES em questão, conforme Apêndice C.

4.4. Instrumento de coleta de informações

Para esta pesquisa, foi proposto como instrumento de coleta de informações,

diagramas nos moldes de mapas conceituais que permitiram a análise de amostras

acerca dos conhecimentos prévios utilizados na disciplina de Algoritmos e um diário

de campo.

Outro instrumento se refere ao questionário que foi aplicado ao término dos 5

encontros, para a verificação da satisfação e do desempenho dos alunos em relação

a aplicação do método proposto.

Para que os trabalhos fossem melhor organizados foi estabelecida a

utilização de algumas ferramentas, são elas:

LMI - Laboratório de Metodologias Inovadoras

Software específico para elaboração de mapas conceituais

2 3 3 1 2

26

5 3 3

1 2

38

30 27 28 28 27

29 27

66

38

33 32 28

30 31 27

Ano 2011-1 Ano 2011-2 Ano 2012-1 Ano 2012-2 Ano 2013-1 Ano 2013-2 Ano 2014-1 Ano 2014-2

Retido na Série Desistente Concluído Total Geral

63

4.4.1. LMI – Laboratório de Metodologias Inovadoras

O LMI - Laboratório de Metodologias Inovadoras13 é um projeto do Núcleo de

Assessoria Pedagógica – NAP – do UNISAL, Unidade Lorena, que tem por objetivo

pesquisar metodologias ativas de aprendizagem, conhecendo o embasamento

teórico e os procedimentos de aplicação.

Outros objetivos citados se referem à análise das fases que compõem cada

um dos procedimentos de aplicação das metodologias, a adaptação aos contextos

específicos do ensino superior; bem como avaliar diferentes experiências

metodológicas. Esse núcleo é formado por micronúcleos docentes que aplicam e

compartilham os resultados da prática das metodologias ativas de aprendizagem,

proporcionando a aplicação de instrumentos para medir quantitativa e

qualitativamente o desenvolvimento da aprendizagem dos alunos em disciplinas.

O LMI conta com vários aparelhos didáticos audiovisuais e de rede de dados,

como projetores com exibição combinada ou independente, para encontros com até

120 alunos, e um sistema de áudio integrado ao computador central que permite

ouvir o professor em qualquer localização da sala. Uma rede WI-FI dedicada e

exclusiva proporcionará aos alunos acesso a softwares educacionais.

A figura 21 demostra o Laboratório de Metodologias Ativas.

Figura 21 - Laboratório de Metodologias Inovadoras Fonte: http://unisal.br/unisal-e-mais-13-ies-lancam-consorcio-sthem-brasil/

13

http://www.labmi.com.br

64

A sala possui, ainda, câmeras e microfones para que os grupos de pesquisa

possam estudar a interação entre os alunos e pesquisar o processo de

aprendizagem, com o objetivo de aprimorar as metodologias.

4.4.2. Software CmapTools

Para a elaboração dos mapas conceituais propostos aos alunos foi utilizado o

software CmapTools devido aos diversos recursos que apresenta.

O CmapTools é uma ferramenta que permite a elaboração e o

compartilhamento de mapas conceituais, representando-os graficamente. O

CmapTools disponibiliza em seu site um repositório de trabalhos que podem ser

utilizados como referência, possibilitando a iniciação da elaboração de novos

projetos. Esta aplicação possui diversas facilidades no processo de construção de

mapas conceituais, proporcionando através de suas ferramentas, a construção e o

compartilhamento, auxiliando o trabalho individual e colaborativo.

A fim de auxiliar a aprendizagem no software CmapTools, foi aplicado um

treinamento junto aos alunos com os principais recursos e ferramentas.

4.5. Procedimento de Pesquisa

Com base nas dificuldades encontradas pelos alunos na aprendizagem dos

conceitos de Algoritmos, foi utilizado um método de investigação (design-based

research14), com a intenção de demonstrar a contribuição dos mapas conceituais

para o ensino da disciplina de Algoritmos no curso de Ciência da Computação.

O método proposto foi aplicado ao conteúdo didático da disciplina de

Algoritmos, da seguinte forma:

Definir o material de maneira abrangente, para que seja considerado

significativo para o aluno.

14

Design-Based Research é uma metodologia de investigação desenvolvida com a finalidade de melhorar as práticas educativas através de pesquisas prévias, com a colaboração direta de pesquisadores e professores, (Design-Based Research Collective, 2003).

65

Avaliar o nível de conhecimento dos alunos na disciplina de Algoritmos.

Esta abordagem foi realizada através de um questionário inicial.

Estimular o aluno a relacionar os conceitos aprendidos com os

problemas do mundo real, por meio de mapas conceituais e, por fim,

descrevê-lo na forma de algoritmos.

Avaliar o conhecimento dos alunos sobre os conteúdos da disciplina de

Algoritmos após a aplicação do método proposto através de um

questionário final.

Os conteúdos didáticos foram elaborados de forma a definir um conjunto de

procedimentos que envolvessem a lógica, a criatividade e a participação intensa dos

alunos. O conteúdo didático foi alinhado aos conceitos da teoria de Ausubel.

Inicialmente foi realizado um contato com a Direção do Centro Universitário

Salesiano de São Paulo – U. E. Lorena – UNISAL e com o coordenador do curso de

Ciência da Computação, solicitando o local onde a pesquisa pudesse ser realizada,

bem como as datas e horários disponíveis para aplicação. Nesse contato foram

fornecidas explicações gerais sobre a realização da pesquisa e feito um

levantamento do número de alunos participantes.

Foram propostos três encontros com o professor. No primeiro encontro foi

realizada a verificação dos conteúdos da disciplina no qual os alunos possuíam

maior dificuldade. Nesse encontro, foram levantados os principais assuntos e a

forma como deveriam ser abordados. Os principais assuntos são:

Definição do conceito de problemas: demonstrar aos alunos que o

mundo é rodeado de situações que nos remetem a algum tipo

problema. Após a conceituação de problemas, solicitar aos alunos que

desenvolvam um mapa conceitual para um determinado problema

apresentado.

Definição do conceito de Algoritmos: demostrar aos alunos que nosso

dia a dia está ladeado de exemplos de algoritmos. Explicar a finalidade

e a importância dos algoritmos para a área de Computação. Após a

apresentação destes conceitos, solicitar a resolução dos problemas

apresentados anteriormente conforme os conceitos aprendidos.

66

Notação de conceitos de Algoritmos a partir da apresentação de um

problema: debater os diferentes conceitos de algoritmos através de

mapas conceituais. À medida que houver necessidade de alcançar

novos conceitos, realizar modificações nos problemas propostos a fim

de mostrar como os conceitos se relacionam.

Abordar os conceitos de estruturas de controle a partir da apresentação

de um problema: verificar diferentes formas de solucionar determinado

problema que ainda não foi utilizado, podendo constatar o nível de

abstração dos alunos. Da mesma forma que os tópicos anteriores, a

resolução do problema deve ser elaborado utilizando mapas

conceituais deixando evidente as ligações entre os conceitos de

algoritmos e os referenciais no problema.

Recursão: elucidar um determinado problema que utilize o conceito de

recursão. Solicitar aos alunos que descrevam os problemas por meio

de mapas conceituais.

No segundo encontro foram apresentados ao professor os principais

elementos da técnica dos mapas conceituais com o objetivo de enfatizar a estrutura

conceitual da disciplina de Algoritmos. Esses elementos foram apresentados como

forma de material instrucional dirigido ao conteúdo da disciplina de Algoritmos. Esse

material instrucional desenvolvido foi elaborado para ser aplicado de acordo com os

principais assuntos elencados no primeiro encontro com o professor.

Os principais elementos da proposta para a introdução dos mapas conceituais

no ensino de Algoritmos foram classificados como:

Exposição do termo “Mapa Conceitual”;

Uso dos “conceitos”;

Metodologia para Construção de Mapas Conceituais;

Avaliação.

A importância da apresentação desses elementos visou na organização das

atividades de ensino para atingir os objetivos da pesquisa em relação ao conteúdo

específico.

67

E, finalmente no terceiro encontro foram apresentados os resultados da

pesquisa, que consistiu na avaliação dos mapas conceituais levando em

consideração alguns aspectos do processo de ensino-aprendizagem do aluno, tais

como:

Conceitos mal formados;

Habilidade de organização;

Características cognitivas;

Profundidade com que o aluno desenvolve um determinado conteúdo;

Estruturas conceituais; hierarquização, diferenciação e integração de

conceitos.

Ao analisar os Mapas Conceituais foram encontradas evidências da

aprendizagem significativa podendo ser observado a contribuição que a pesquisa

proporcionou ao grupo de alunos.

4.6. Desenvolvimento das atividades

Para a pesquisa, foi proposta a aplicação de um questionário inicial para

avaliar qual o interesse e o nível de conhecimento dos alunos referente aos

conceitos de Algoritmos. O questionário foi aplicado nos dois grupos (Controle e

Experimental) ao mesmo tempo, ou seja, os alunos se concentraram em uma

mesma sala. Estavam presentes 55 alunos, sendo 24 do grupo experimental e 21

do grupo de controle.

É válido ressaltar que o questionário foi aplicado no Laboratório de

Metodologias Inovadoras através da ferramenta de formulários do Google Docs15,

conforme Apêndice D.

O Google Docs é um dos principais fornecedores na solução de aplicação de

questionários pela web, com foco no atendimento de empresas, organizações e

pessoas comuns que se utilizam das ferramentas para a obtenção de respostas para

a tomada de decisões, (ANDERSON, 2006).

As questões foram divididas em 2 partes no questionário proposto, sendo a

primeira parte composta por questões relacionadas ao interesse e percepção dos

15

http://drive.google.com

68

alunos em relação a disciplina de Algoritmos e a segunda parte relacionada a

conceitos sobre a disciplina. A seguir serão apresentados as questões e os gráficos

com as respectivas respostas dos alunos:

Primeira parte do questionário: questões relacionadas ao interesse e percepção

dos alunos em relação à disciplina.

- Qual a relação do perfil do profissional da Computação com disciplinas

fundamentais como Algoritmos?

(Esta questão teve como objetivo avaliar qual o ponto de vista do aluno entre

as disciplinas fundamentais do Curso de Computação e o mercado de trabalho,

conforme gráfico 3).

Gráfico 3 - Relação da disciplina de Algoritmos com o perfil profissional de Computação

- Qual o nível de dificuldade para a compreensão da disciplina de Algoritmos?

(Esta questão teve como objetivo avaliar a percepção de dificuldade

encontrada pelos alunos no processo de aprendizagem da disciplina, conforme

gráfico 4).

69

Gráfico 4 - Dificuldade para a compreensão da disciplina

- Qual a importância da disciplina de Algoritmos na grade curricular do curso?

(Esta questão teve como objetivo avaliar a percepção do aluno em relação a

disciplina de Algoritmo com as demais disciplinas do curso, conforme gráfico 5).

Gráfico 5 - Importância da disciplina na grade curricular

- Quais os desafios enfrentados na aprendizagem de Algoritmos?

(Esta questão teve como objetivo avaliar qual o nível dos desafios

encontrados pelos alunos na aprendizagem de Algoritmos, conforme gráfico 6).

70

Gráfico 6 - Desafios encontrados na aprendizagem de Algoritmos

- Qual a importância da disciplina de Algoritmos na resolução de problemas?

(Esta questão teve como objetivo verificar qual a relação da disciplina de

Algoritmos na resolução de problemas na visão dos alunos, conforme gráfico 7).

Gráfico 7 - A importância da disciplina de Algoritmos na resolução de problemas

- Qual é a relação entre resolução de problemas, lógica e algoritmos?

(Esta questão teve como objetivo elucidar junto aos alunos como eles

percebem a relação entre resolução de problemas, lógica e Algoritmos, conforme

gráfico 8).

71

Gráfico 8 - Relacionamento entre resolução de problemas, lógica e algoritmos

Segunda parte do questionário: questões relacionadas a conceitos sobre a

disciplina de algoritmos para avaliar o conhecimento prévio dos alunos.

Questões propostas:

- Q1 - O que é um algoritmo?

- Q2 - Quais as características de um algoritmo?

- Q3 - Quais as fases de construção de um algoritmo?

- Q4 - Quais as estruturas que podem fazer parte de um algoritmo?

- Q5 - Como os algoritmos podem ser representados?

- Q6 - Defina Algoritmos recursivos.

Cada questão proposta no exercício foi avaliada como: Correta16,

Parcialmente Correta 17ou Incorreta18, conforme é apresentado na tabela 4.

16

Considera-se “Correta”, as questões com 100% de acerto.

17 Considera-se “Parcialmente Correta”, as questões com 51 à 99% de acerto.

18 Considera-se “Incorreta”, as questões com menos de 50% de acerto.

72

Grupo Experimental

Grupo de Controle

Q1 8 13 3

9 10 2

Q2 4 16 4

3 13 5

Q3 8 14 2

7 13 1

Q4 2 17 5

3 14 4

Q5 1 21 2

3 15 3

Q6 2 12 10

4 8 9

Símbolos: Questão correta, Parcialmente correta, Incorreta.

Tabela 4 - Resultado do questionário sobre conceitos de Algoritmos

Após a aplicação do questionário inicial, foi possível verificar que a maioria

dos alunos possui algum tipo de dificuldade na compreensão de conceitos

abordados na disciplina de Algoritmos, embora reconheçam a importância de estar

inserida na grade curricular.

O Grupo Experimental foi submetido a uma aula expositiva, no qual foi

proposto o desenvolvimento de alguns mapas conceituais, para que eles fossem se

habituando e entendessem a proposta da pesquisa. Foi entregue para cada aluno

um roteiro para auxiliar no desenvolvimento dos mapas conceituais contendo os

seguintes passos:

Identificar os principais conceitos que serão mapeados.

Ordenar os conceitos iniciando pelos mais gerais, depois os específicos.

Ligar os conceitos com linhas, inserindo verbos ou expressões verbais para

auxiliar na compreensão da relação entre os conceitos.

Para o desenvolvimento da pesquisa foi elaborado um mapa conceitual sobre

conceitos de algoritmos a partir de um estudo de alguns livros didáticos e com o

apoio do professor da disciplina. A elaboração deste mapa conceitual tem como

objetivo definir um modelo para verificação do desenvolvimento dos mapas

conceituais dos alunos. Esse mapa pode ser observado no Apêndice E.

73

A seguir será descrito o processo de ensino aprendizagem em que os alunos

foram submetidos ao longo dos 5 encontros e como os mapas conceituais

influenciaram na assimilação dos conceitos.

Primeiro Encontro

No primeiro encontro, foi solicitado aos alunos que desenvolvessem um mapa

conceitual com os conceitos de Algoritmos e sua importância para a área de

Computação. A atividade foi desenvolvida individualmente.

Os Mapas Conceituais elaborados pelos alunos do grupo experimental podem

ser observados nas Figuras 22 e 23. É válido ressaltar que a escolha desses mapas

conceituais se dá pelo fato dos mesmos estarem mais adequados em relação a

estrutura dos conceitos esperados na disciplina de acordo com o professor.

Figura 22 - Mapa Conceitual sobre conceito e importância dos algoritmos, elaborado por um aluno do grupo experimental.

74

Para a realização dessa atividade os alunos tiveram como apoio o software

CmapTools. É válido ressaltar que foram utilizadas palavras de ligação na

elaboração dos mapas conceituais, pois estas contribuem com um melhor

entendimento das proposições válidas para o conteúdo em estudo.

Figura 23 - Mapa Conceitual sobre conceito e importância dos algoritmos, elaborado por um aluno do grupo experimental.

Pode-se perceber que o objetivo proposto neste exercício foi alcançado pelos

alunos. A partir de instruções feitas em aula, os alunos foram capazes de organizar

seus conhecimentos sobre conceitos de Algoritmo.

Segundo Encontro

Foi proposto aos alunos que desenvolvessem um mapa conceitual

relacionado aos conceitos sobre variáveis, tipos de dados e operadores. Para a

resolução desta atividade os alunos foram orientados a seguirem alguns passos, tais

como:

75

Identificar os principais conceitos que serão mapeados.

Ordenar os conceitos iniciando pelos mais gerais, depois os específicos.

Ligar os conceitos com linhas, inserindo verbos ou expressões verbais para

auxiliar na compreensão da relação entre os conceitos.

Discutir o mapa realizado com o colega.

Os resultados aqui apresentados refletem a maneira como isso aconteceu.

A figura 24 demonstra um mapa conceitual referente a conceitos de variáveis

e constantes.

Figura 24 - Mapa Conceitual sobre variáveis e constantes, elaborado por um aluno do grupo experimental.

Um aspecto importante pode ser destacado no mapa conceitual apresentado

na figura 24. O aluno consegue fazer relações de conceitos entre dois assuntos

distintos (Variáveis e Constantes).

A figura 25 apresenta um mapa conceitual sobre Tipos de Dados.

76

Figura 25 - Mapa Conceitual sobre tipos de dados, elaborado por um aluno do grupo experimental.

Neste encontro, alguns alunos fizeram algumas observações sobre a

dificuldade em definirem as palavras para realizar as relações entre os conceitos.

Outro ponto a ser observado foi a evolução dos alunos em relação ao

manuseio do software CmapTools. É importante ressaltar que esta evolução no uso

do software, não remete a forma e qualidade dos mapas conceituais desenvolvidos

pelos alunos. A figura 26 apresenta um mapa conceitual sobre Operadores

desenvolvidos pelo aluno.

77

Figura 26 - Mapa Conceitual sobre operadores, elaborado por um aluno do grupo experimental.

Durante o desenvolvimento do exercício, foram realizadas discussões sobre

os temas abordados no encontro, além de algumas observações em relação a

destacar conceitos, de acordo com os passos citados anteriormente.

Terceiro Encontro

Para o terceiro encontro o objetivo era exercitar conceitos sobre Estrutura de

Controle.

Como relatado no encontro anterior, os alunos passaram a se preocupar não

somente em processar o conhecimento, mas também com a diagramação dos

mapas conceituais, deixando mais claro a estrutura de seu conhecimento.

A figura 27 apresenta um mapa conceitual elaborado pelo aluno.

78

Figura 27 - Mapa Conceitual sobre estrutura de controle, elaborado por um aluno do grupo experimental.

Neste encontro o professor da disciplina relatou uma melhora significativa na

desenvoltura dos alunos que participavam da pesquisa em relação aos outros,

principalmente na capacidade de relacionamento de conceitos na resolução de

exercícios propostos em sala de aula.

Quarto Encontro

No quarto encontro foi exigida a compreensão dos conceitos envolvendo

Estrutura de Dados.

79

Pode-se observar na figura 28, que o mapa conceitual elaborado pelo aluno

não encontrava-se correto, pois é possível verificar que os conceitos de tipos de

dados e estrutura de dados se confundiam.

Figura 28 - Mapa Conceitual sobre estrutura de dados, elaborado por um aluno do grupo experimental.

Com a aplicação dos mapas conceituais, foi possível observar como os

alunos organizam seus conhecimentos e se empenham em resolver os exercícios.

Percebeu-se também que os alunos diante da metodologia deste trabalho

apresentavam mais curiosidade e empolgação, pois tinham condições de realizar

relações entre conceitos pré-existentes relacionando-os com conceitos de

algoritmos.

Quinto Encontro

Para finalizar os encontros com os alunos, foi proposto uma questão com o

objetivo de praticar conceitos sobre Passagem de Parâmetros e Recursividade.

Mais uma vez detecta-se que o mapa conceitual elaborado pelos alunos teve

a apresentação dos conteúdos essenciais e relevantes para a compreensão do

assunto abordado. Nesse contexto, é apresentada a figura 29 com o mapa

80

conceitual de um dos exercícios realizados pelos alunos, bem como a resolução do

mesmo.

Figura 29 - Mapa Conceitual sobre Passagem de Parâmetros e Recursividade

É válido ressaltar que as aulas realizadas para o grupo Experimental foram de

forma expositiva e dialogada, sendo possível perceber a empolgação dos alunos na

execução das atividades. Entende-se como aula dialogada aquela que o professor

contextualiza o tema mobilizando as estruturas mentais do aluno para que este

articule informações que já traz consigo com as que serão apresentadas. Pode-se

observar alguns comentários de alunos como: “temos mais mapas conceituais do

que folhas no caderno”, fazendo referência à quantidade de material desenvolvido

nos encontros.

Ao final dos encontros, foi elaborado um questionário (Apêndice F) com 10

perguntas com o objetivo de avaliar a satisfação dos alunos com a utilização dos

mapas conceituais para a disciplina de Algoritmos. Obtiveram como respostas as

seguintes alternativas:

81

(E) Excelente

(A) Adequado

(P) Pouco adequado

(I) Inadequado

(NA) Não se aplica

Desse modo permitiu um tratamento estatístico de todos os 29 questionários

respondidos, conforme demonstrado no gráfico 9.

Gráfico 9 – Pesquisa de satisfação sobre Mapas Conceituais

O resultado do questionário pode ser observado no Apêndice G desta

pesquisa.

Apesar da maioria dos alunos não terem realizado o uso de mapas

conceituais antes da realização da pesquisa, todos gostaram do emprego do mesmo

como recurso para estudo, além de não apresentarem dificuldades em seu uso

como ferramenta para aprendizagem.

Tais resultados demonstram que o uso da abordagem através de mapas

conceituais é válido, visto que contribuí na forma com que o aluno estrutura seus

conhecimentos em busca de uma solução.

82

4.7. Procedimentos de coleta e tratamento de dados

Para a coleta de dados da pesquisa foi realizado um questionário envolvendo

conceitos sobre Algoritmos, em dois momentos: Um pré-teste, aplicado antes de

iniciar o estudo, e um pós-teste, diagramas aos moldes de mapas conceituais

aplicados nos encontros, além dos registros e observação do pesquisador.

Fink e Kosecoff (1985) definem um questionário como uma técnica para a

obtenção de informações sobre sentimentos, crenças, expectativas, situações

vivenciadas e sobre toda e qualquer informação que o pesquisador pretenda

registrar para atender os objetivos de seu trabalho.

O questionário foi utilizado com dois objetivos:

Aplicar um questionário pré-teste, para avaliar qual o interesse e o nível de

conhecimento dos alunos referente aos conceitos de Algoritmos;

Aplicar um questionário pós-teste, para avaliar quais conceitos foram

adquiridos após a aplicação do conteúdo, e assim, determinar se houve uma

aprendizagem significativa.

Gil (1999) defende a utilização do pré-teste como instrumento de coleta de

dados para assegurar validade e precisão na pesquisa, porém é preciso assegurar

que esteja bem elaborado. Foi proposto que o professor da disciplina elaborasse

em conjunto com o pesquisador os questionários de pré e pós-teste.

Após a aplicação da pesquisa foi realizado uma devolutiva com os grupos de

alunos, professores e coordenação através de gráficos e planilhas. Para isto foi

necessário uma análise dos mapas conceituais elaborados pelos alunos nos

encontros em conjunto com professor da disciplina, bem como o questionário da

análise de pesquisa no inicio e final dos encontros.

Através desse método, foi possível analisar a contribuição no uso dos mapas

conceituais, de forma que o aluno demonstre maturidade nos entendimentos dos

conceitos de forma estável e diferençável, basicamente o que se espera na

aprendizagem significativa.

83

4.8. Análise do desempenho dos alunos

Após a realização dos encontros junto aos alunos, foi aplicado um conjunto de

questões (Anexo B) com o mesmo nível de dificuldade aplicado durante a realização

das atividades de ensino pelo professor da disciplina. A aplicação deste último teste

buscou avaliar o conhecimento dos alunos sobre os conteúdos que são abordados

na disciplina de Algoritmos.

As questões compreenderam no desenvolvimento de exercícios sobre a

elaboração de Algoritmos respeitando conceitos considerados importantes para a

disciplina segundo o professor. A figura 30 apresenta a sequência das atividades.

Figura 30 - Etapas realizadas junto aos alunos

Os resultados obtidos buscam relacionar o desempenho dos alunos do grupo

de Controle bem como os alunos do grupo Experimental.

Entende-se que a comparação dos resultados dos alunos deva refletir os

benefícios de oferecer um tratamento diferenciado apresentando um padrão de

comportamento no uso dos mapas conceituais.

A avaliação dos exercícios de algoritmos foi elaborada levando em

consideração os seguintes conceitos:

Identificação das Variáveis: tem o objetivo de analisar se o aluno declarou

as variáveis de forma correta.

Entrada de Dados: tem o objetivo de analisar se o aluno fez a leitura das

variáveis de entrada conforme enunciado do exercício.

Processamento: tem o objetivo de analisar se o aluno fez os

cálculos/operações corretos conforme o enunciado do exercício.

Exibição das Saídas: tem o objetivo de analisar se o aluno apresentou as

respostas que o algoritmo deveria apresentar.

84

Uso Correto de Condições: tem o objetivo de analisar se o aluno utilizou

corretamente as condições no programa.

Embora estes conceitos estejam diretamente relacionados a elaboração de

um algoritmo, a avaliação foi realizada individualmente. Com a explicação destes

conceitos, buscou-se verificar o nível de compreensão dos alunos. Entende-se ser

apropriado adotar também esta abordagem para realizar a análise das respostas

dos alunos nos exercícios realizados.

Cada um destes conceitos propostos no exercício foi avaliado como: Correta,

Parcialmente Correta ou Incorreta. A tabela 5 possibilita uma melhor análise e

visualização do desempenho dos alunos.

Grupo Experimental

Grupo de Controle

Itens Avaliados

Identificação das Variáveis 22 5 1

13 9 3 Entrada de Dados 19 7 2

6 14 5

Processamento 15 9 4

3 15 7 Exibição das Saídas 21 4 3

7 15 3

Uso Correto de Condições 19 5 4

5 12 8

Símbolos: Questão correta, Parcialmente correta, Incorreta.

Tabela 5 – Resultado das correções do questionário final

Pode-se observar que os alunos do grupo Experimental obtiveram um avanço

no aprendizado em todos os conceitos da elaboração de Algoritmos que

participaram dos encontros, conforme ilustra o gráfico 10.

85

Gráfico 10 - Resultado das correções do questionário final

A partir destas análises, foi possível identificar que a utilização de mapas

conceituais, possibilita um diferencial na efetivação da Aprendizagem Significativa

de conceitos.

Entende-se que a descrição do processo metodológico apresentado neste

capítulo permitiu detalhar a forma como ocorreu a presente pesquisa, fornecendo

importantes indicativos que nos permitem identificar que é possível melhorar o

aprendizado dos alunos utilizando mapas conceituais na disciplina de Algoritmos.

Tomando esta pesquisa como base, é possível aceitar tais caminhos como

razoavelmente seguros para a realização de mapas conceituais na aprendizagem

dos conceitos de Algoritmos.

86

87

CONSIDERAÇÕES FINAIS

A pesquisa desenvolvida teve por objetivo possibilitar o entendimento de

como os mapas conceituais podem estimular a aprendizagem significativa sobre os

conceitos de algoritmos trabalhados nos cursos de Computação, auxiliando na

aprendizagem do aluno, além de identificar a contribuição nas atividades educativas

do professor em sala de aula.

Entende-se que o aprendizado é constante na estrutura cognitiva do aluno e

todo o método que tenha como objetivo um aprendizado mais interativo pode ser

adotado como ferramenta de apoio. Por outro lado, o aluno não terá um

aprendizado adequado se não possuir interesse aos assuntos apresentados. Este

pode ser considerado mais um elemento para a utilização da teoria de Ausubel, que

afirma, para que se ocorra um aprendizado significativo é necessário que o aluno

esteja capacitado a aprender e esteja maduro intelectualmente para isso. O aluno

só estará capacitado a aprender quando se sentir interessado pelo assunto. Isso é

possível quando os conceitos são abordados de forma diferenciada, buscando maior

significado junto aos alunos.

Novak e Gowin (1999) apresentam em seus relatos, se o professor estimular

a aprendizagem significativa junto aos alunos contribuirá com o entendimento dos

conceitos e suas relações, com o método de se localizar informações, com a

construção de conhecimentos e principalmente o aprender a aprender.

É importante salientar que a teoria de Ausubel, reconhece o valor do aluno

em sua experiência e seus conhecimentos adquiridos durante todo seu percurso

escolar. Esta teoria prioriza o “fazer sentido”, permitindo que o aluno tenha

consciência do processo pelo qual está passando, e se comporte como participante

ativo no seu aprendizado. Para que os educadores alcancem seus objetivos em

relação ao ensino-aprendizagem, é preciso, segundo Ausubel, ver o aluno

individualmente e ao mesmo tempo inserido em um contexto social.

A utilização de mapas conceituais (Novak; Gowin, 1999) auxiliam na

aprendizagem de novos conteúdos, sistematizando-os em módulos de

aprendizagem que, por sua vez, irão refletir sobre as experiências dos alunos em

situações não somente da parte acadêmica, como também da profissional.

88

Ausubel (1983) observa que quando o aluno estrutura seu conhecimento,

ordena de forma lógica e sequencial as informações coletadas. Com a elaboração

dos mapas conceituais, ele estará de fato construindo seu conhecimento. Sua

conduta passa de um papel de espectador ou receptor de informação, para um

agente participativo que apura, estrutura e apresenta a informação dando significado

à aprendizagem.

Nessa direção buscou-se a priori que os alunos desenvolvessem mapas

conceituais para interpretar os enunciados dos problemas de algoritmos propostos

pelo professor, porém o resultado foi insatisfatório, visto que os alunos

desenvolveram fluxogramas ao invés de mapas conceituais. Assim, foi necessário

direcionar a pesquisa para utilizar os mapas conceituais como sinalizadores dos

conceitos no processo de aprendizagem, além de ser uma forma para memorização

do conteúdo apresentado.

No desenvolvimento dos mapas conceituais foi possível observar uma

melhoria na habilidade por parte dos alunos ao desenvolver os algoritmos, diferente

do método tradicional que tem como objetivo a memorização das instruções de

maneira desordenada. Porém, na visão do pesquisador não existem provas

conclusivas de que os mapas conceituais proporcionaram tal melhoria, visto que

Ausubel expõe que o aluno deva possuir conhecimentos prévios de determinados

conceitos para que exista uma aprendizagem significativa. Nesse caso, para a

aprendizagem de algoritmos isso não é válido, pois os conceitos relacionados ao

cotidiano não contribuem com a concepção na relação de conceitos de computação.

Como mencionado, tal habilidade requer tempo para serem alcançadas a contento,

o que não diminui a importância da abordagem neste trabalho.

É válido ressaltar que é de responsabilidade do professor não somente

fornecer conteúdos essenciais ao exercício profissional do aluno, mas de

proporcionar um ambiente que fortaleça o aprendizado efetivo desses conteúdos.

Assim o futuro profissional terá condições de atuar de forma crítica e produtiva no

desenvolvimento de softwares.

Como recomendação futura, julga-se oportuno investigar a integração desta

pesquisa com outras pesquisas que estejam direcionadas em aspectos

motivacionais dos alunos. Também pretende-se analisar se o método desenvolvido

pode servir como base de apoio ao processo de ensino/aprendizagem em outras

disciplinas dos cursos de Computação. Este método poderá abranger exercícios

89

direcionados à área do curso ou exercícios que representem o dia-a-dia da maioria

dos alunos fazendo com que a aprendizagem seja mais significativa.

A partir desta pesquisa, temos uma visão ampliada do quanto ainda se pode

aprofundar, tanto no estudo de novas ferramentas, quanto no estudo de novos

métodos de aprendizagem.

90

REFERÊNCIAS

ANDERSON, Chris. A Cauda Longa – Do mercado de massa para o mercado de nicho. 4a Edição. Rio de Janeiro: Elsevier, 2006.

AUSUBEL, D. P. Educational Psychology. A Cognitive View. Nova York: Holt, Rinehart and Winston Inc., 1968.

_________________. A aprendizagem significativa: a teoria de David Ausubel. São Paulo: Moraes, 1982.

_________________. Aquisição e Retenção de Conhecimentos: Uma Perspectiva Cognitiva. Coimbra: Editora Paralelo, 2000.

AUSUBEL, D. P.; NOVAK, J. D.; HANESIAN, H. Psicologia educacional. Tradução Eva Nick et al. 2. ed. Rio de Janeiro: Interamericana, 1983.

BARBOSA, L. M. Ensino de Algoritmos em Cursos de Computação. São Paulo: Editora EDUC, 2001.

BARCELOS, R. J. S. O Processo de Construção do Conhecimento de Algoritmos com o uso de Dispositivos Móveis Considerando Estilos Preferenciais de Aprendizagem. Tese de Doutorado. UFRGS. 2012.

COLOMBO, C. S., STAHL, N. S. P., DUNCAN, C. P. F. R., SCHORETTER, S. M. A Ferramenta Wink e o Modelo “Sala de Aula Invertida” aplicados ao Ensino de programação. XI EVIDOSOL e VIII CILTEC 2014.

CORMEN, T. H, LEISERSON C. E., RIVEST, R. L., STEIN, C. Algoritmos. Rio de Janeiro: Elsevier, 2012.

DIJKSTRA, E.W. A Short Introduction to the Art of Programming. Technological University Endhoven, 1971. ENGELBRECHT, A. M., DILERMANDO, P. J., NAKAMITI, G. S., BIANCHI, F. Algoritmos e Programação de Computadores. Editora Campus, São Paulo, 2012.

FINK, A., KOSECOFF, J. How to conduct survey: A step-by-step guide. Beverly Hills: Sage, 1985.

GIL, A. C. Métodos e Técnicas de Pesquisa Social. 5ed. São Paulo: Atlas, 1999.

91

JESUS, A. BRITO, G.S. Concepção de Ensino-Aprendizagem de Algoritmos e Programação de Computadores: A Prática Docente. I ENINED – Encontro Nacional de Informática e Educação. Universidade Estadual do Oeste do Paraná (UNIOESTE). Cascavel, Paraná, 2009.

KNUTH, D. E. The Art of Computer Programming - Fundamental Algorithms, Third Edition. Reading, Massachusetts: Addison-Wesley, 1997.

LOPES, A., GARCIA, G. Introdução à Programação. Rio de Janeiro, Elsevier, 2002.

LUCCHESI, C. L. Aspectos teóricos da computação. Rio de Janeiro, Impa, 1979.

MEDINA, M., FERTIG, C. Algoritmos e Programação: Teoria e Prática. São Paulo: Editora Novatec, 2006.

MINSKY, M. Computation: Finite and Infinite Machines. New Jersey, Prentice-Hall, 1967.

MORAN, J. M. Novos desafios para o educador. In: A educação que desejamos: Novos desafios e como chegar lá. P. Campinas: Papirus, 2007.

MOREIRA, M.A; MASINI, E.F. Aprendizagem Significativa: a teoria de David Ausubel. São Paulo: Moraes, 1982.

NOVAK, J. D.; GOWIN, D. B. Learning How to Learn. New York: Cambridge University Press, 1984.

_________________. Aprender a aprender. Lisboa: Plátano. Edições Técnicas, 2. ed. 1999.

OKADA, A.; ALMEIDA F. Derivas: cartografia do ciberespaço. In: Navegar sem mapa? Ed. Anna Blume, 2004.

ONTORIA A., BALLESTEROS A. ; CUEVAS C.; GIRALDO L.; MARTIN I.; MOLINA A.; RODRIGUEZ A.; VELEZ U.. Aprender com mapas mentais. Uma técnica para aprender. São Paulo: Loyola, 2005.

ROCHA, H. V., Representações Computacionais Auxiliares ao Entendimento de Conceitos de Programação. Computadores e Conhecimento: Repensando a Educação. 1 ed. Campinas, SP UNICAMP, 1994, v. 1, p. 395-416.

ROGERS, C. Tornar-se pessoa. São Paulo: Martins Fontes, 1988.

92

SALIBA, W. L. C. Técnicas de Programação – Uma Abordagem Estruturada. São Paulo: Makron, McGraw-Hill, 1992.

SALVADOR, C. C. Psicologia do ensino. Porto Alegre: Artes Médicas, 2000.

SALVETTI, D. D.; BARBOSA, L. M. Algoritmos. São Paulo: Makron Books, 1998.

SANTIAGO, E. D., PEIXOTO, F. S., SILVA, A. M., O Ambiente Virtual de Aprendizagem Moodle atuando como ferramenta de apoio ao ensino presencial na disciplina de Algoritmos. Revista Semente, 2011.

SCHEFFLER, P., Teaching Algorithmics – Theory and Practice. In: Proc. 2nd Intern. Sc. Conf. “Informatics in the Scientific Knowledge.” Varna 2008, p. 259-269

SEBESTA, R. W.; Conceitos de Linguagens de Programação. 4ª Edição. Porto Alegre: Bookman, 2000.

SILVA, J. G. S., PINTO, C., Ambiente Virtual de Aprendizagem de Algoritmos (AVAA): A Construção de uma Ferramenta no Processo Ensino-Aprendizagem. XII SEPA - Seminário Estudantil de Produção Acadêmica, UNIFACS, 2013.

SIMONETTO, E. O., ABEGG, I., FILHO, W. P. Uma abordagem diferenciada no Ensino de Algoritmos através da utilização de uma Lousa Digital. Revista GEINTEC. São Cristóvão, SE, 2012.

SKIENA, S. S. The Algorithm Design Manual. New York: British Library, 2008.

SOUZA, J. N. Lógica para Ciência da Computação. Campus, 2a edição 2008.

TAVARES, R. Construindo mapas conceituais. Ciência & Cognição, v. 12, p. 72-85. 2007.

VASCONCELLOS, C. S. Construção do conhecimento em sala de aula. São Paulo: Libertad, 1993.

VERGARA, S. C. Projetos e relatórios de pesquisa em administração. 8. ed. São Paulo: Atlas, 2007.

VYGOTSKY, L. A formação social da mente. São Paulo: Martins Fontes, 1989.

ZIVIANI, N. Projeto de Algoritmos: com implementações em Java e C++. São Paulo, Thomson Learning, 2007.

93

WEBGRAFIA

BORGES, M. Avaliação de uma metodologia alternativa para a aprendizagem de programação. VIII Workshop de Educação em Computação. Disponível em <http://200.169.53.89/download/CD%20congressos/2000/SBC%202000/eventos/wei/wei006.pdf>. Acesso em: 23/01/2015.

MORAN, J. M. Para onde caminhamos na educação? Disponível em: < http://www2.eca.usp.br/moran/>. Acesso em: 10 abr 2014.

MENZIES, T. Applications of Abduction: Knowledge-Level Modeling. International Journal of Human Computer Studies, 1996. Disponível em <http://menzies.us/pdf/96abkl.pdf>. Acesso em: 21/03/2014.

NUNES, J. S.. Funções Pedagógicas dos mapas conceituais na Perspectiva do docente Brasileiro. 2008. Dissertação (Mestrado). Faculdade de Motricidade Humana de Lisboa – Lisboa, 2008, Engenharia de Mídias para a Educação. Disponível em: <http://web.univ-poitiers.fr/ll-euromime/index.php?option=com_content&task=view&id=81&Itemid=54>. Acesso em: 20/04/2015.

PEREZ, M.R. Um novo currículo para a sociedade do conhecimento: da escola que ensina à escola que aprende. 2008. Disponível em <http://www.martinianoroman.com/paginas/articulos/articulo_3_portugues.htm>. Acesso em: 13/12/2014.

TREVELIN, A. T. C.; PEREIRA, M. A. A.; NETO, J. D. O. “A Utilização da Sala de Aula Invertida em Cursos Superiores de Tecnologia: Comparação entre o Modelo Tradicional e o Modelo Invertido “Flipped Classroom” adaptado aos Estilos de Aprendizagem”. Revista de Estilos de Aprendizagem, vol. 11, 2013, p. 137-150. Disponível em: <http://learningstyles.uvu.edu/index.php/jls/article/view/12>. Acesso em: 29/12/2014.

94

APÊNDICE A – Carta de esclarecimento da pesquisa

CARTA DE ESCLARECIMENTO DA PESQUISA

Prezado participante,

Estou em fase final de minha dissertação de Mestrado, e preciso da sua

colaboração para terminá-la.

O objetivo deste meu pedido é avaliar a metodologia utilizada na disciplina de

Algoritmos.

A importância de sua resposta é primordial para a conclusão de minha

pesquisa; para uma nova proposta de metodologia envolvendo ensino-

aprendizagem, principalmente, para o ensino de terceiro grau.

As informações que forem prestadas não serão identificadas por autor e sim,

pelo conteúdo das respostas, permanecendo em total sigilo o informante.

Agradeço-lhe imensamente pelo preenchimento do questionário.

Pesquisador responsável: Warner Brezolin

Tecnologias da Inteligência e Design Digital – PUC - SP

95

APÊNDICE B – Termo de consentimento livre e esclarecido

TERMO DE CONSENTIMENTO LIVRE E ESCLARECIDO

Eu, _____________________________________________________, estou

sendo convidado(a) a participar como voluntário(a) de uma pesquisa denominada

Mapas conceituais e os conceitos da disciplina de Algoritmos: Uma aplicação

para a aprendizagem significativa.

Fui alertado(a) de que, da pesquisa a se realizar, posso esperar alguns

benefícios, tais como: utilizar uma metodologia que permite a ligação de conceitos já

existentes com conceitos novos, conduzindo a um novo conhecimento de modo

visual, além de contribuir com o estudo na disciplina de Algoritmos.

Recebi, por outro lado, os esclarecimentos que não existem riscos ou

desconfortos associados à pesquisa ou probabilidade de que os sujeitos sofram

danos como consequência imediata ou tardia do estudo.

Estou ciente de que minha privacidade será respeitada, ou seja, meu nome

ou qualquer outro dado ou elemento que possa, de qualquer forma, me identificar,

será mantido em sigilo.

Também fui informado(a) de que posso me recusar a participar do estudo, ou

retirar meu consentimento a qualquer momento, sem precisar justificar.

O referido projeto é conduzido pelo pesquisador Warner Brezolin que está

devidamente matriculado no curso de Tecnologias da Inteligência e Design Digital –

PUC – SP.

É assegurada a assistência durante toda pesquisa, bem como me é

garantido o livre acesso a todas as informações e esclarecimentos adicionais sobre

96

o estudo e suas consequências, enfim, tudo o que eu queira saber antes, durante e

depois da minha participação.

Enfim, tendo sido orientado(a) quanto ao teor de todo o aqui mencionado e

compreendido a natureza e o objetivo do já referido estudo, manifesto meu livre

consentimento em participar, estando totalmente ciente de que não há nenhum valor

econômico, a receber ou a pagar, por minha participação.

Lorena / SP, novembro de 2014.

Assinatura do participante Warner Brezolin

Pesquisador

97

APÊNDICE C - Questionário para levantamento de índice de reprovação e desistência em Cursos Superiores de Computação

Data: ____/____/_________

Nome da Instituição: ______________________________________________

Nome do Curso: ________________________________________________

Semestre letivo vigente: _______________________

1. Informar o número de alunos matriculados e desistentes no curso no

semestre letivo vigente:

PERÍODO Matriculados Desistentes

2. Informar o número de alunos retidos na série, desistentes e concluintes,

considerando a duração do curso em anos.

ANO LETIVO Retido na Série Desistente Concluído

2011

2012

2013

2014

2015

98

3. Considerando a turma que irá concluir o curso no ano letivo vigente,

informar os dados referentes aos anos anteriores desde o seu ingresso.

SEMESTRE LETIVO

Retido na Série Desistente Concluído

2011.1

2011.2

2012.1

2012.2

2013.1

2013.2

2014.1

2014.2

2015.1

2015.2

Obrigado pela participação!

99

APÊNDICE D – Questionário Inicial

100

101

102

AP

ÊN

DIC

E E

– M

od

elo

de M

ap

a C

on

ceit

ual so

bre

Alg

ori

tmo

s

103

APÊNDICE F - Questionário de análise da pesquisa

QUESTIONÁRIO

UNISAL - Curso Ciência da Computação Série:__________

Data de aplicação: ____/____/2014

Aplicador: Warner Brezolin

DADOS INFORMATIVOS:

Idade do participante: _______ anos Sexo: F ( ) M ( )

INSTRUÇÕES:

- Leia com atenção as questões.

- Seja o(a) mais sincero(a) possível.

- Não deixe nenhum item sem resposta.

- Mediante a instrução para a realização da tarefa, escolha apenas uma alternativa

para cada item, marcando com um “X”.

Para cada uma das questões a seguir, assinale seu grau de concordância segundo

a escala:

(E) Excelente

(A) Adequado

(P) Pouco adequado

(I) Inadequado

(R) Ruim

Questões relacionadas às atividades desenvolvidas nos Encontros

Grau de

Concordância

1. Considero a utilização de mapas conceituais como uma

técnica que contribui com a aprendizagem dos conteúdos da disciplina de Algoritmos.

2. Considero meu entendimento do que é um mapa conceitual,

como:

104

3. Classifico a técnica de utilização de mapas conceituais na

disciplina de Algoritmos como:

4. Classifico a técnica dos mapas conceituais de fácil

aplicação.

5. Classifico a técnica de elaboração de mapas conceituais

como:

6. Considero a técnica do mapa conceitual possível de ser

aplicada nas demais disciplinas do curso.

7. Como você classifica a utilização dos mapas conceituais

como recurso para revisão de conceitos?

8. Classifico a utilização dos mapas conceituais como uma

técnica para contribuir com o meu aprendizado.

9. O aspecto visual dos mapas conceituais contribui para o seu

aprendizado?

10. Como você classifica a utilização do software CmapTools?

Obrigado pela participação!

105

AP

ÊN

DIC

E G

– R

es

ult

ad

o d

o q

ue

sti

on

ári

o s

ob

re a

sa

tis

faç

ão

da t

éc

nic

a d

e m

ap

as c

on

ce

itu

ais

A

lunos

1.

Co

nsid

ero

a

utiliz

ação d

e M

apas

Conceitu

ais

com

o

um

a

técnic

a

que

contr

ibui

com

a

apre

ndiz

agem

dos

conte

údos

da

dis

cip

lina

de

A

lgoritm

os.

2.

Co

nsid

ero

m

eu

ente

ndim

ento

do

que

é

um

M

apa

C

onceitu

al, c

om

o:

3.

Cla

ssific

o

a

técnic

a

de

utiliz

ação

de

map

as

conceitu

ais

na

dis

cip

lina

de

A

lgoritm

os c

om

o:

4.

Cla

ssific

o

a

técnic

a

dos

Mapa

s

Conceitu

ais

d

e

fácil

aplic

ação

.

5.

Cla

ssific

o

a

técnic

a

de

ela

bora

çã

o

de

M

ap

as C

onceituais

com

o:

6.

Co

nsid

ero

a

cnic

a

do

Map

a

Conceitu

al

possív

el

de

se

r aplic

ada

nas

dem

ais

dis

cip

linas

do c

urs

o.

7.

Com

o

você

cla

ssific

a

a

utiliz

ação

dos

Map

as C

onceituais

com

o r

ecu

rso

para

re

vis

ão

de

conceitos?

8.

Cla

ssific

o

a

utiliz

ação

dos

Map

as C

onceitu

ais

com

o um

a té

cnic

a

para

co

ntr

ibuir

com

o

meu

apre

ndiz

ado.

9.

O a

sp

ecto

vis

ual

dos

Ma

pas

Conceitu

ais

contr

ibui

para

o

seu a

pre

ndiz

ado

?

10.

Com

o

vo

cla

ssific

a a

utiliz

ação

do

soft

wa

re

Cm

apT

ools

?

1

E

E

E

E

E

E

E

A

E

E

2

A

E

E

P

E

A

E

A

A

E

3

E

E

A

E

A

A

E

E

E

E

4

E

A

E

E

E

E

E

E

A

E

5

E

E

A

A

E

A

E

E

E

A

6

A

A

E

E

A

A

E

E

E

E

7

E

E

E

E

A

A

E

A

E

E

8

P

P

A

E

A

A

E

P

E

E

9

E

E

E

P

E

E

A

A

A

E

10

A

A

E

E

A

E

A

E

E

E

11

E

E

E

A

E

P

E

A

E

A

12

P

A

A

E

A

A

E

P

E

E

13

E

E

E

E

E

E

A

A

A

E

14

A

A

E

E

A

E

A

E

E

E

15

E

E

E

A

E

E

E

A

A

E

16

A

E

A

P

A

E

A

E

E

E

17

E

E

E

E

A

A

A

E

E

E

18

P

E

E

E

A

E

E

P

E

E

19

A

E

E

A

E

E

E

E

E

E

20

E

E

E

P

A

A

E

E

A

A

21

P

A

E

E

A

E

E

P

E

E

22

A

E

E

E

E

A

E

E

E

E

23

E

E

A

A

E

P

E

E

A

E

24

E

E

E

E

E

E

E

E

E

E

25

A

E

A

A

A

A

A

E

E

E

26

A

E

E

A

A

E

E

A

E

E

27

E

E

A

A

E

E

A

E

E

E

28

P

A

E

A

A

A

E

P

E

A

29

E

E

E

E

E

E

E

E

E

E

106

ANEXO A – Grade curricular dos cursos de Ciência da

Computação com nota 5 no MEC

Universidade do Oeste Paulista (UNOESTE)

O curso de Ciência da Computação da Unoeste é responsável pela formação

do profissional habilitado a criar programas e aplicativos de informática desde

softwares básicos de controle de estoque, por exemplo, até os mais complexos

sistemas de processamento de informações, como os utilizados nas pesquisas

espaciais e na medicina genética. A formação teórica é obtida por meio de um

conjunto de disciplinas das áreas de matemática e fundamentos da computação. Já

a prática e tecnológica, por meio do desenvolvimento de projetos e utilização de

diferentes tipos de ferramentas e softwares. O curso possui laboratórios com ampla

infraestrutura para o desenvolvimento de projetos da área computacional. Além

disso, dispõe de equipamentos de última geração e que estão em sintonia com as

exigências do mercado. Após a graduação, o profissional poderá trabalhar em:

indústrias, comércio, bancos, hospitais, instituições de ensino, ONGs, empresas

públicas, privadas, entre diversos outros locais.

1º Termo

Disciplina Carga Horária

CÁLCULO DIFERENCIAL E INTEGRAL I 80

LÓGICA 80

INTRODUCAO A CIENCIA DA COMPUTACAO 80

ALGORITMOS E TÉCNICAS DE PROGRAMAÇÃO I 80

LABORATÓRIO DE INFORMÁTICA I 80

ADMINISTRAÇÃO 40

2º Termo

Disciplina Carga Horária

CÁLCULO DIFERENCIAL E INTEGRAL II 80

107

GEOMETRIA ANALÍTICA 80

CIRCUITOS DIGITAIS 80

ALGORITMOS E TÉCNICAS DE PROGRAMAÇÃO II 80

LABORATÓRIO DE INFORMÁTICA II 60

FUNDAMENTOS DE SISTEMAS DE INFORMAÇÃO 80

COMUNICAÇÃO E EXPRESSÃO 40

3º Termo

Disciplina Carga Horária

ALGEBRA LINEAR 40

ESTRUTURAS DE DADOS I 80

LINGUAGENS DE PROGRAMAÇÃO I 60

ARQUITETURA DE COMPUTADORES I 80

FERRAMENTAS COMPUTACIONAIS I 80

MATEMÁTICA COMPUTACIONAL 60

ECONOMIA 40

TEORIA GERAL DOS SISTEMAS 40

EMPREENDEDORISMO 40

4º Termo

Disciplina Carga Horária

BANCO DE DADOS I 80

ESTRUTURAS DE DADOS II 80

LINGUAGENS DE PROGRAMAÇÃO II 80

SISTEMAS OPERACIONAIS I 80

ENGENHARIA DE SOFTWARE I 80

FERRAMENTAS COMPUTACIONAIS II 80

MATEMÁTICA DISCRETA 40

ARQUITETURA DE COMPUTADORES II 40

ORGANIZAÇÃO E MÉTODOS 40

108

5º Termo

Disciplina Carga Horária

ANÁLISE COMBINATÓRIA 40

PESQUISA E ORDENAÇÃO 80

SISTEMAS OPERACIONAIS II 80

LINGUAGENS DE PROGRAMAÇÃO III 80

ENGENHARIA DE SOFTWARE II 80

BANCO DE DADOS II 80

TEORIA DA COMPUTAÇÃO 80

FERRAMENTAS COMPUTACIONAIS III 80

TÓPICOS EM TECNOLOGIA DE COMPUTAÇÃO 40

6º Termo

Disciplina Carga Horária

PROBABILIDADE E ESTATISTICA 60

TEORIA DOS GRAFOS 80

MÉTODOS E TÉCNICAS DE PESQUISA 40

REDES DE COMPUTADORES I 80

ENGENHARIA DE SOFTWARE III 80

FERRAMENTAS COMPUTACIONAIS IV 80

COMPUTAÇÃO GRÁFICA 80

PRÁTICA E GERENCIAMENTO DE PROJETOS 40

LINGUAGENS FORMAIS E AUTÔMATOS 80

7º Termo

Disciplina Carga Horária

REDES DE COMPUTADORES II 80

ENGENHARIA DE SOFTWARE IV 80

COMPILADORES 80

INTELIGÊNCIA ARTIFICIAL 80

SISTEMAS DISTRIBUÍDOS 80

109

ESTÁGIO SUPERVISIONADO I 40

PROJETO DE GRADUAÇÃO I 40

8º Termo

Disciplina Carga Horária

SEGURANÇA E AUDITORIA DE SISTEMAS 40

DIREITO E LEGISLAÇÃO 40

COMPUTADORES E SOCIEDADE 40

ESTÁGIO SUPERVISIONADO II 40

PROJETO DE GRADUAÇÃO II 40

LÍNGUA BRASILEIRA DE SINAIS - LIBRAS (OPTATIVA) 40

Última grade vigente

Atividades complementares: 120 horas

Universidade Federal do Rio Grande do Sul (UFRGS)

O curso de Ciência da Computação objetiva formar profissionais qualificados

para planejar, projetar, desenvolver, implantar e gerenciar sistemas de computação,

abrangendo desde soluções simples com computadores pessoais até redes

corporativas complexas. Sendo um curso da área de ciências exatas, é exigida uma

boa base matemática e também um raciocínio lógico bem desenvolvido. O curso

fornece ao aluno uma sólida base de computação, capacitando-o a atuar em

qualquer área onde recursos computacionais são utilizados.

Etapa 1

Disciplina Carga Horária

ALGORÍTMOS E PROGRAMAÇÃO - CIC 90

CÁLCULO E GEOMETRIA ANALÍTICA I - A 90

FUNDAMENTOS DE ALGORITMOS 60

110

INTRODUÇÃO À ARQUITETURA DE COMPUTADORES 60

MATEMÁTICA DISCRETA B 60

Etapa 2

Disciplina Carga Horária

ÁLGEBRA LINEAR I – A 60

ARQUITETURA E ORGANIZAÇÃO DE COMPUTADORES I 60

CÁLCULO E GEOMETRIA ANALÍTICA II – A 90

ESTRUTURAS DE DADOS 60

LÓGICA PARA COMPUTAÇÃO 60

TEORIA DOS GRAFOS E ANÁLISE COMBINATÓRIA 60

Etapa 3

Disciplina Carga Horária

ARQUITETURA E ORGANIZAÇÃO DE COMPUTADORES II 60

CÁLCULO NUMÉRICO A 60

CIRCUITOS DIGITAIS 60

CLASSIFICAÇÃO E PESQUISA DE DADOS 60

LINGUAGENS FORMAIS E AUTÔMATOS N 60

PROBABILIDADE E ESTATÍSTICA 60

TEORIA DA COMPUTAÇÃO N 60

Etapa 4

Disciplina Carga Horária

COMPLEXIDADE DE ALGORITMOS – B 60

FUNDAMENTOS DE BANCO DE DADOS 60

FUNDAMENTOS DE PROCESSAMENTO DE IMAGENS 60

ORGANIZAÇÃO DE COMPUTADORES B 60

TÉCNICAS DE CONSTRUÇÃO DE PROGRAMAS 60

111

Etapa 5

Disciplina Carga Horária

ENGENHARIA DE SOFTWARE N 60

FUNDAMENTOS DE COMPUTAÇÃO GRÁFICA 60

INTELIGÊNCIA ARTIFICIAL 60

MODELOS DE LINGUAGEM DE PROGRAMAÇÃO 60

OTIMIZAÇÃO COMBINATÓRIA 60

SEMÂNTICA FORMAL N 60

SISTEMAS OPERACIONAIS I N 60

Etapa 6

Disciplina Carga Horária

COMPILADORES 60

EMPREENDIMENTO EM INFORMÁTICA 60

FUNDAMENTOS DE TOLERÂNCIA A FALHAS 60

INTERAÇÃO HOMEM-COMPUTADOR 60

REDES DE COMPUTADORES N 90

SISTEMAS OPERACIONAIS II N 60

Etapa 8

Disciplina Carga Horária

TRABALHO DE GRADUAÇÃO 300

Universidade Federal de Campina Grande (UFCG)

Este é o plano padrão de curso sugerido pela coordenação de curso.

Seguindo o plano, o aluno que não tiver reprovações em disciplinas concluirá o

curso em 8 semestres letivos. A oferta de disciplinas e a organização do horário

112

semestral são baseadas neste plano de curso. Assim, alunos que não seguirem o

plano de curso correm o risco de enfrentar problemas de horário.

Primeiro semestre

Cálculo Diferencial e Integral I, 4 créditos

Álgebra Vetorial e Geometria Analítica, 4 créditos

Leitura e Produção de Textos, 4 créditos

Programação I, 4 créditos

Introdução à Computação, 4 créditos

Laboratório de Programação I, 4 créditos

Obrigatórios: 24 créditos (acumulados: 24/166 = 14,45%)

Optativos: 0 créditos (acumulados: 0/42 = 0,0%)

Total: 24 créditos (acumulados: 24/208 = 11,5%)

Segundo semestre

Cálculo Diferencial e Integral II, 4 créditos

Matemática Discreta, 4 créditos

Metodologia Científica, 4 créditos

Programação II, 4 créditos

Teoria dos Grafos, 2 créditos

Fundamentos de Física Clássica, 4 créditos

Laboratório de Programação II, 4 créditos

Obrigatórios: 26 créditos (acumulados: 50/166 = 30,12%)

Optativos: 0 créditos (acumulados: 0/42 = 0,0%)

Total: 26 créditos (acumulados: 50/208 = 24,03%)

Terceiro semestre

Álgebra Linear, 4 créditos

Probabilidade e Estatística, 4 créditos

Teoria da Computação, 4 créditos

Estruturas de Dados e Algoritmos, 4 créditos

113

Fundamentos de Física Moderna, 4 créditos

Gerência da Informação, 4 créditos

Laboratório de Estruturas de Dados e Algoritmos, 4 créditos

Obrigatórios: 28 créditos (acumulados: 78/166 = 46,98%)

Optativos: 0 créditos (acumulados: 0/42 = 0,0%)

Total: 28 créditos (acumulados: 78/208 = 37,50%)

Quarto semestre

Métodos Estatísticos, 4 créditos

Paradigmas de Linguagens de Programação, 2 créditos

Lógica Matemática, 4 créditos

Organização e Arquitetura de Computadores I, 4 créditos

Engenharia de Software I, 4 créditos

Sistemas de Informação I, 4 créditos

Laboratório de Organização e Arquitetura de Computadores, 4 créditos

Obrigatórios: 26 créditos (acumulados: 104/166 = 62,65%)

Optativos: 0 créditos (acumulados: 0/42 = 0,0%)

Total: 26 créditos (acumulados: 104/208 = 50,00%)

Quinto semestre

Informática e Sociedade, 2 créditos

Análise e Técnicas de Algoritmos, 4 créditos

Compiladores, 4 créditos

Redes de Computadores, 4 créditos

Bancos de Dados I, 4 créditos

Sistemas de Informação II, 4 créditos

Laboratório de Engenharia de Software, 2 créditos

Obrigatórios: 24 créditos (acumulados: 128/166 = 77,10%)

Optativos: 0 créditos (acumulados: 0/42 = 0,0%)

Total: 24 créditos (acumulados: 128/208 = 61,53%)

114

Sexto semestre

Direito e Cidadania, 4 créditos

Sistemas Operacionais, 4 créditos

Interconexão de Redes de Computadores, 2 créditos

Banco de Dados II, 4 créditos

Inteligência Artificial I, 4 créditos

Laboratório de Interconexão de Redes de Computadores, 2 créditos

Optativa 1, 4 créditos

Optativa 2, 4 créditos

Obrigatórios: 20 créditos (acumulados: 148/166 = 89.15%)

Optativos: 8 créditos (acumulados: 8/42 = 19,04%)

Total: 28 créditos (acumulados: 156/208 = 75,00%)

Sétimo semestre

Métodos e Software Numéricos, 4 créditos

Avaliação de Desempenho de Sistemas Discretos, 4 créditos

Projeto em Computação I, 4 créditos

Optativa 3, 4 créditos

Optativa 4, 4 créditos

Optativa 5, 4 créditos

Optativa 6, 4 créditos

Obrigatórios: 12 créditos (acumulados: 160/166 = 96,38%)

Optativos: 16 créditos (acumulados: 24/42 = 57,14%)

Total: 28 créditos (acumulados: 184/208 = 88,46%)

Oitavo semestre

Projeto em Computação II, 6 créditos

Optativa 7, 4 créditos

Optativa 8, 4 créditos

Optativa 9, 4 créditos

Optativa 10, 4 créditos

115

Optativa 11, 2 créditos

Obrigatórios: 6 créditos (acumulados: 166/166 = 100.0%)

Optativos: 18 créditos (acumulados: 42/42 = 100.0%)

Total: 24 créditos (acumulados: 208/208 = 100.0%)

116

ANEXO B – Questionário final

Questionário final Data: ____/____/________

Nome:________________________________________ Turma: __________

1. Faça um algoritmo que receba o valor unitário de uma peça e a quantidade de peças vendidas. Logo após, calcular o valor total vendido para a peça e mostrar o resultado.

2. Agora, admitindo três variáveis, A=5, B=13 e C=7, complete a coluna “Resultado” da tabela com (V)erdadeiro ou (F)also:

Expressão Resultado

A = B AND B > C

A < > B OR B < C

A > B NOT

A < B AND B > C

A >= B OR B = C

A <= B NOT

3. Construa um algoritmo que leia 500 valores inteiros e positivos e: - Encontre o maior valor - Encontre o menor valor - Calcule a média dos números lidos

4. Construa um algoritmo que leia as variáveis C e N, respectivamente código e número de horas trabalhadas de um operário, e calcule o salário sabendo-se que ele ganha R$ 10,00 por hora. Quando o número de horas exceder a 50, calcule o excesso de pagamento armazenando-o na variável E, caso contrário zerar tal variável. A hora excedente de trabalho vale R$ 20,00. No final do processamento imprimir o salário total e o salário excedente.

117

5. Faça um algoritmo que seja capaz de receber, do usuário, uma quantidade de notas (n), calcular e exibir a soma e a média dessas notas como resultado final.

6. Elabore um algoritmo que dada a idade de uma pessoa, informe sua situação eleitoral:

Não Eleitor = Abaixo de 16 anos

Eleitor Obrigatório = de 18 a 70 anos

Eleitor Facultativo = De 16 a 17 anos e a maior de 70 anos

7. Elabore um algoritmo que dada a idade de um nadador (fornecida pelo usuário), classifique-o em uma das seguintes categorias:

Infantil A = 5 a 7 anos

Infantil B = 8 a 11 anos

Juvenil A = 12 a 13 anos

Juvenil B = 14 a 17 anos

Adultos = Maiores de 18 anos