Computers have become an integral part of everyday life. In education, these technologies enable the creation of Ubiquitous Learning Environments, which enrich the learning experience by providing more dynamic and engaging contexts, both in-person and online. Educators and institutions increasingly adopt technological tools to strengthen teaching and learning processes. As a result, the extensive use of these technologies has produced valuable data repositories that can be explored through data mining methods. In this context, this study presents an exploratory analysis of interaction data collected from a Ubiquitous Learning Environment, using Educational Data Mining techniques. Clustering methods were applied to explore students’ behavior in learning sessions and to identify patterns associated with their quiz performance in the environment. Three data mining algorithms were applied to five distinct datasets, each prepared with different preprocessing strategies. The results showed that clustering performance is highly sensitive to data preprocessing, with the best outcomes achieved using feature selection and aggregation techniques. The findings showed statistically significant distinctions among the clusters and uncovered evidence of self-regulated learning within one of the groups. However, the effect size analysis indicated that only a subset of attributes, particularly those related to study time and interaction, presented substantial practical differences between clusters. These results suggest that students exhibiting higher levels of interaction and engagement tend to achieve better performance, indicating behavioral patterns potentially associated with self-regulated learning.
A pesquisa tem como objetivo construir o MOSALA, um Modelo Socioafetivo baseado em Learning Analytics para auxiliar professores no acompanhamento de estudantes em um Ambiente Virtual de Aprendizagem. A Educação a Distância (EaD) possibilita uma flexibilidade de tempo e local, no entanto, um dos seus principais desafios é o reconhecimento da interação e afetividade entre os participantes. O Ambiente Virtual de Aprendizagem (AVA) da Rede cOOperativa De Aprendizagem (ROODA) possui as funcionalidades Mapa Social (evidencia as relações sociais na forma de sociograma) e Mapa Afetivo (identifica os estados de ânimo dos alunos). A partir do panorama apresentado, que consiste na dificuldade de analisar os aspectos sociais e afetivos dos discentes no AVA, foi construído o MOSALA. Esse auxiliou na integração dos Mapas, permitindo a coleta de dados sociais e afetivos que ajudaram no mapeamento, por meio de Learning Analytics, de Cenários Socioafetivos recorrentes em disciplinas e cursos realizados no ROODA. Dessa forma, por meio dos Cenários, o docente pode aplicar Estratégias Pedagógicas (EP) para personalizar o ensino e a aprendizagem, de acordo com o perfil dos estudantes. Nesse âmbito, entende-se que é importante o desenvolvimento de uma funcionalidade no AVA para que o professor possa ter acesso, de maneira gráfica, à recomendação dos Cenários Socioafetivos e suas respectivas EP, denominada Mapa Socioafetivo. A metodologia possui abordagem qualitativa e quantitativa. Os participantes voluntários da pesquisa foram 311 estudantes; dois professores; 13 tutores e quatro monitores. Os instrumentos de coleta foram Mapa Social, Mapa Afetivo, observação participante e questionários. Os dados proporcionaram a apresentação do MOSALA que possui os 59 Cenários Socioafetivos, Learning Analytics, as 354 Estratégias Pedagógicas, Mapa Social, Mapa Afetivo, Sistema de Recomendação, Recomendação de EP e o protótipo do Mapa Socioafetivo. O modelo elaborado pode servir como base para ser aplicado em outros AVAs, bem como em diferentes contextos na EaD.
Este artigo apresenta uma pesquisa documental qualitativa que mapeou e analisou dez plataformas e jogos digitais voltados à alfabetização, com foco em contextos educacionais brasileiros. Utilizando documentos oficiais, foi desenvolvida uma matriz analítica para sistematizar informações sobre o foco e a estratégia pedagógica, conectividade, personalização e relatórios, alinhamento à Base Nacional Comum Curricular (BNCC), acessibilidade e modelos de licenciamento. Os resultados revelam a predominância de propostas centradas no treino de micro-habilidades, frequentemente associadas à gamificação, mas com baixa oferta de personalização e escassez de recursos de acessibilidade declarados. Adicionalmente, o alinhamento explícito à BNCC mostrou-se limitado. Conclui-se que, embora esses recursos digitais possam apoiar o processo de alfabetização, seu uso pedagógico eficaz requer mediação docente intencional e uma atenção rigorosa à coerência curricular e aos princípios de inclusão.
Este artigo visa apresentar o desenvolvimento e avaliação de um framework para a criação de jogos narrativos por meio da Aprendizagem Baseada em Projetos, com potencial de inclusão de estudantes com deficiência visual. O framework é contextualizado em meio às abordagens pedagógicas de Informática na Educação próximo ao pensamento construcionista e crítico, colaborando com a diversidade de metodologias para uso e adaptação pelo educador que busca práticas pedagógicas mais adequadas para seu contexto escolar. Um dos diferenciais é um material de apoio para o professor, que contém diversos instrumentos de avaliação e práticas de engenharia de software, além de apresentar o motor de jogos Twine, para facilitar o trabalho pedagógico do educador. O framework foi aplicado em duas salas de aula com a presença de estudantes com deficiência visual em disciplinas diversas da Educação Básica. Por meio da análise dos resultados, foi observado o potencial do framework em incluir, engajar e colaborar com a aprendizagem dos estudantes, bem como ser apropriado para uso em outras abordagens pedagógicas.
A integração entre Ambientes Virtuais de Aprendizagem (AVAs) e Sistemas de Gestão Acadêmica (SGAs) representa um desafio recorrente nas instituições de ensino superior, especialmente em contextos de Educação a Distância, nos quais a consistência e a atualização dos dados acadêmicos são essenciais para o adequado funcionamento dos processos pedagógicos e administrativos. Na prática, essa integração tem sido frequentemente realizada por meio de soluções pontuais e fortemente acopladas, desenvolvidas sob medida para contextos específicos, o que dificulta sua manutenção, evolução e reutilização em cenários institucionais distintos, evidenciando a ausência de abordagens sistemáticas e reutilizáveis para o domínio de integração AVA–SGA. Diante desse cenário, este trabalho investiga como uma arquitetura de referência pode apoiar o desenvolvimento de soluções de integração AVA–SGA mais flexíveis, modulares e sustentáveis ao longo do tempo. A pesquisa foi conduzida segundo a Design Science Research Methodology (DSRM), contemplando a análise da literatura, um estudo exploratório com instituições de ensino superior e o projeto de uma arquitetura de referência denominada ARIAS, que organiza princípios, componentes e diretrizes arquiteturais voltadas à integração AVA–SGA, com ênfase em modularidade, baixo acoplamento e capacidade de adaptação a diferentes configurações institucionais de AVAs e SGAs. A viabilidade da ARIAS foi avaliada por meio de uma prova de conceito implementada em um contexto institucional real, envolvendo a execução de rotinas de sincronização com dados acadêmicos reais e a análise de seus impactos operacionais, cujos resultados indicam que a arquitetura é capaz de apoiar integrações mais adaptáveis, contribuir para a redução de inconsistências entre AVA e SGA e diminuir o esforço manual das equipes técnicas responsáveis pela manutenção dos ambientes virtuais, evidenciando seu potencial como arquitetura de referência para esse domínio.
A baixa eficiência dos sistemas educacionais públicos no Brasil representa um desafio crítico que demanda soluções inovadoras baseadas em Inteligência Artificial. Este artigo propõe um modelo híbrido que integra técnicas de aprendizado não supervisionado, redução de dimensionalidade (PCA) e Análise por Envoltória de Dados (DEA) para avaliar a eficiência de sistemas educacionais complexos. Utilizando dados do Sistema de Avaliação da Educação Básica (SAEB) 2021, o modelo foi aplicado a 16.664 escolas públicas de ensino médio, demonstrando capacidade superior de identificação de padrões latentes em relação a abordagens tradicionais. Os resultados evidenciam que, na amostra analisada, a metodologia proposta melhora em 23% a precisão de agrupamento e identifica oportunidades de melhoria em 78% das instituições. Além de produzir metas de desempenho intra-cluster e pares de referência comparáveis, o framework permite mapear assimetrias de desempenho entre contextos educacionais similares, evidenciando desigualdades e orientando intervenções focalizadas (ex.: redes de apoio entre escolas, alocação prioritária de recursos e formação docente dirigida). A principal contribuição consiste em um pipeline escalável que combina múltiplas técnicas de IA para gerar insights acionáveis a gestores, com foco em equidade e melhoria contínua da eficiência em sistemas complexos.
Este trabalho realiza uma análise quantitativa e qualitativa de modelos de linguagem de grande escala (LLM) para o ensino de computação, avaliando seu desempenho em diversos aspectos educacionais. Inicialmente, avaliamos o desempenho de quatro modelos (ChatGPT, Claude, Copilot e Gemini) para o desenvolvimento de interfaces gráficas em Python no ambiente Google Colab, explorando diversos formatos de requisições e definindo métricas para compará-los. As métricas de avaliação incluem erros de compilação, execução e funcionalidade, além do tamanho da requisição, do número de interações e do número de linhas de código geradas. A partir de mais de 350 ensaios, foram geradas mais de 250 ferramentas funcionais, alcançando uma taxa de sucesso de 84%. Posteriormente, avaliamos a capacidade de tradução de código de Python para JavaScript, explorando os recursos variados para interface gráfica em navegadores e o desempenho das LLMs para JavaScript, no qual incluímos os modelos Gemini-Pro e DeepSeek. Avaliamos também o desempenho em interfaces com recursos de edição para problemas de grafos e criação de linguagens de domínio específico para ensino de grafos e modelos de aprendizado de máquina. Elaboramos também exemplos de outros usos, como geração de questionários, avaliação de questionários e avaliação de código gerado. Os exemplos avaliados abrangem diversos domínios, todos documentados e disponibilizados como um conjunto de dados. Os resultados indicam uma aceleração significativa na criação de ferramentas educacionais interativas e atrativas, destacando direções promissoras para o uso de LLMs no desenvolvimento de recursos didáticos para computação.
Machine learning (ML) techniques in the Educational Data Mining (EDM) context enable the development of increasingly efficient prediction models. This evolution benefits from the improvement of ML techniques, the current massive collection of heterogeneous data, and the high availability of computational power. As a result, efficient models are obtained; however, they are complex and challenging to comprehend. Therefore, the field of model interpretability, also known as Explainable Artificial Intelligence (XAI) research, becomes a pivotal piece in consolidating and giving credibility to the solutions developed in the EDM context. In this sense, we presented a systematic mapping to understand how studies in the area of EDM address interpretability, aiming to answer questions related to the (i) interpretability context, (ii) interpretability methods, metrics, and objectives, (iii) education levels, (iv) educational data, and (v) ML techniques. To achieve this goal, we conducted a Systematic Literature Mapping (SLM), which involved defining a research protocol with planning, conducting, and reporting phases. These phases included defining research questions, establishing digital reference libraries, and establishing inclusion and exclusion criteria. The findings indicate that, despite the peculiarities of each study, interpretability is frequently addressed as a post hoc component rather than as a core objective of model design, limiting its systematic evaluation and comparative analysis across models. There is a need for studies in which interpretability is a central objective, including the comparison of interpretability across models from different ML techniques, the exploration or proposal of interpretability metrics (particularly agnostic ones), and the investigation of the relationship between interpretability and algorithmic fairness. Overall, this study offers a comprehensive perspective on the applicability of interpretability methods in various educational contexts, synthesizes best practices and limitations in measuring and comparing model interpretability, and highlights the importance of involving stakeholders in the development of transparent and effective EDM applications.
Alocar estudantes em escolas públicas é um desafio logístico e social com efeitos diretos sobre equidade, acesso e qualidade educacional, especialmente em contextos de demanda desigual e restrições de capacidade. Este artigo apresenta uma revisão bibliográfica sobre sistemas de alocação de estudantes em escolas, cobrindo o período de 2014 a 2024. A revisão contempla estudos nacionais e internacionais que propõem diferentes abordagens para o problema, incluindo modelos baseados em preferências, distância, capacidade das escolas e composição socioeconômica. Também são analisados os principais algoritmos utilizados, como casamento estável, métodos heurísticos e meta-heurísticos, entre outros. A síntese evidencia objetivos recorrentes, como minimização de distâncias e custos, estabilidade das alocações e ocupação eficiente, e discute barreiras práticas: qualidade e integração de dados, transparência de regras, aceitação social, desigualdades territoriais e custos computacionais em larga escala. Com isso, busca-se oferecer uma visão abrangente sobre as soluções propostas e suas implicações para a formulação de políticas públicas mais justas e eficientes no campo educacional.
O presente estudo teve como objetivo analisar a implementação de um Projeto Integrador, fundamentado em metodologias ativas e ágeis, em um curso técnico de Desenvolvimento de Sistemas, investigando seus impactos no desenvolvimento de competências, no engajamento discente e na articulação teoria-prática. O referencial teórico articulou os conceitos de Projeto Integrador, inter e transdisciplinaridade e metodologias ativas e ágeis (Scrum e Kanban), com suporte na pedagogia histórico-crítica de Saviani e no pensamento de Freire. Metodologicamente, trata-se de uma pesquisa-ação de abordagem qualitativa, desenvolvida como um estudo de caso ao longo de quatro meses com 43 alunos. A coleta de dados utilizou um formulário híbrido com escalas de avaliação e perguntas abertas, e a análise se baseou na triangulação dos dados quantitativos e qualitativos. Os principais resultados indicam que, embora a abordagem tenha sido bem avaliada na conexão entre teoria e prática e no desenvolvimento de habilidades técnicas , a principal conclusão é que o êxito dos projetos esteve menos condicionado à proficiência técnica e mais à maturidade das competências socioemocionais e colaborativas. Falhas na comunicação e na autogestão das equipes foram as barreiras centrais para o sucesso técnico dos projetos. Conclui-se que a formação profissional técnica deve tratar o desenvolvimento de habilidades comportamentais com a mesma intencionalidade do conteúdo técnico. Recomenda-se, para futuras implementações, a incorporação de estratégias pedagógicas explícitas, como tutorias e rituais de feedback estruturados, para fortalecer a autonomia responsável e a colaboração.
Este artigo apresenta os resultados de um programa de robótica educacional voltado a estudantes do ensino fundamental da rede pública, desenvolvido com a metodologia de Aprendizagem Baseada em Projetos (ABP). As oficinas buscaram promover o desenvolvimento de competências em programação, eletrônica e construção de robôs, além de investigar os efeitos sobre a confiança e a perseverança dos participantes. A pesquisa foi conduzida com abordagem mista (qualitativa e quantitativa), por meio de questionários aplicados ao longo das atividades. Os resultados apontaram aumento na autoeficácia dos estudantes em circuitos eletrônicos e programação, e estabilidade na construção de estruturas físicas e mecânicas. O uso de recursos como protocolos, rubricas, mini-lições e webquests contribuiu para o engajamento e para a consolidação do aprendizado. O programa demonstrou potencial para aproximar a educação tecnológica da comunidade escolar e estimular o interesse pela continuidade dos estudos em cursos técnicos integrados.
Contexto: O avanço das tecnologias digitais exige novas habilidades para a vida em sociedade, sobretudo no ambiente escolar. Nesse contexto, o Pensamento Computacional (PC) é reconhecido como fundamental para promover criatividade, raciocínio lógico, resolução de problemas e colaboração. Objetivo: Apresentar um mapeamento sistemático da literatura que sirva como base de consulta para professores e pesquisadores, evidenciando como o PC tem sido aplicado no Ensino Fundamental e sua relação com o desenvolvimento das habilidades do século XXI. Metodologia: Adotou-se o método de Mapeamento Sistemático da Literatura (MSL) de Petersen et al. (2008), segundo Scannavino et al. (2017) e Silva et al. (2018), com etapas de definição de questões de pesquisa, strings de busca, critérios de inclusão/exclusão e avaliação de qualidade. Foram identificados 484 estudos em bases nacionais e internacionais, dos quais 88 foram selecionados como mais relevantes. Resultados: Observou-se que ferramentas como Scratch, robótica educacional, jogos, narrativas e tecnologias imersivas desenvolvem habilidades como abstração, raciocínio lógico, pensamento crítico e colaboração, alinhando-se às Competências Gerais 2 e 5 da BNCC. Conclusão: Deste modo, o estudo demonstra que o PC potencializa o aprendizado significativo e contribui para a implementação das habilidades previstas pela BNCC, ao mesmo tempo em que evidencia desafios relacionados à formação docente e avaliação.
This investigation examines the performance of students from Maranhão, Brazil, in the 2023 edition of the National High School Exam (ENEM) using unsupervised machine learning to uncover latent patterns in large-scale educational data. Leveraging the CRISP-DM framework on microdata from millions of ENEM participants, we applied Recursive Feature Elimination (RFE) with a Random Forest classifier to select key socioeconomic variables, followed by association rule mining using the FP-Growth algorithm across multiple experimental configurations. The results reveal strong associations between low academic performance and factors such as parental education and occupation, lack of household technology (e.g., computers and washing machines), and gender. These findings demonstrate the utility of unsupervised learning for descriptive educational analytics, providing practical insights for targeted policy-making, resource allocation, and regional equity monitoring. This research addresses the underrepresentation of Maranhão in the educational data mining literature and proposes a scalable analytical framework applicable to other developing regions. Despite limitations in data completeness, the approach offers a replicable model for using artificial intelligence to inform public education strategies in socially vulnerable areas.
Computational Thinking (CT) is a set of skills based on the foundations of Computer Science that help us deal with complex problems. CT teaching is covered by the Brazilian National Common Curricular Base (BNCC), both in its Computing Supplement and in the area of knowledge of Mathematics and its Technologies. In 2022, the National Education Council (CNE) established new rules on teaching from Elementary to High School, defining the inclusion of Computer Science teaching in the BNCC. This decision specifies that all schools in Brazil will have CT teaching, among other content related to Computing Science, which generates a demand for teaching materials and qualified teachers for this new knowledge. Different approaches can stimulate CT skills, among which we highlight games. Gaming environments promote protagonism and learning through play, as recommended by Game-Based Learning (GBL). According to the literature, the most common CT assessment methods are tests, questionnaires, and programming tests, resources not considered very interactive. Given this problem, this research presents the design, validation, and testing processes of a digital game named “Computational Fables”, developed to assess Computational Thinking skills using Game Learning Analytics techniques. The research aims to highlight the implications of using a digital game as an assessment instrument for Computational Thinking with elementary school students. The Design Science Research Methodology (DSRM) approach was used as a methodological path, as it legitimizes the development of artifacts to produce scientific knowledge. The pedagogical and gameplay aspects of the game were evaluated by undergraduate students in Computing Science using the questionnaires Model of Criteria for the Evaluation of Educational Software and Model for the Evaluation of Educational Games (MEEGA+). Subsequently, the game was assessed as a CT assessment resource, and the test was applied together with the formal Bebras Challenge test to assess elementary school students. As a result of the evaluation, we found that the game has potential both in terms of pedagogy and game quality, satisfactorily addressing Computational Thinking skills and presenting good aesthetic and gameplay quality. As a result of the tests, we identified similar results in the Bebras Challenge and the Computational Fables, with a tendency for better performances in the game concerning the formal test, a factor that can be justified by the possibility of making several attempts in the game, as well as by its playful nature, which enhances the engagement and motivation of students in the face of difficulties. We concluded from the Computational Fables experiment that games represent an efficient resource for assessing Computational Thinking skills and, when designed especially for assessment purposes, they can be more effective instruments than traditional assessment methods, as games bring more engagement and break the paradigm of assessment as something punitive.
Para construir un programa informático que resuelva un problema, este debe modelarse técnicamente. Previamente a dicho modelado técnico, se debe elaborar un modelo cognitivo, es decir, identificar y relacionar los principales elementos constitutivos del problema que guíen la construcción de la solución y representen su semántica. Este trabajo de tipo exploratorio, analiza las características del modelado cognitivo realizado por estudiantes de secundaria, el cual se expresa mediante la escritura en lenguaje natural. Para analizar el modelo cognitivo de los estudiantes, se emplearon herramientas estadísticas, así como algoritmos de inteligencia artificial que muestran las relaciones semánticas del discurso. Concluimos que aquellos discursos que hacen referencia a los elementos estructurantes del problema de forma coherente se asocian con programas viables; modelos que también muestran relaciones semánticas complejas. Por otro lado, las construcciones lingüísticas empobrecidas, que no hacen referencia a elementos disciplinarios fuertes y por tanto representan un modelo pobre, generalmente se asocian soluciones deficientes.
The Fostering Women to STEM MOOCs (FOSTWOM) project aims to increase women's participation in STEM careers through free-access Massive Open Online Courses (MOOCs) targeted at young women. One of its key actions was the development of the Heroine's Learning Journey (HLJ), a framework structured into 3 acts and 12 stages, employing a heroic narrative to inspire and empower young women, ages 15 to 21, to persist in their STEM studies. This work assesses the effectiveness of the HLJ stages through complementary evaluations involving students’ video ratings, students’ reflective reports, and expert assessment. The first evaluation with 12 educational specialists — professors, researchers, instructional designers, media producers, and pedagogical coaches — and the second with students participating in the MOOCs. Results show that all HLJ stages received at least 60% positive ratings regarding motivational capacity, with Stages 1 and 5 rated particularly highly. However, Stages 6 and 9 needed improvements for greater clarity and engagement. Qualitative student feedback also highlighted Stage 10 (Self-Regulated Learning) as a critical moment of reflection and growth. The HLJ was recently recognized with the SBC Innovation Seal and the SIGHP Education Award. Our results offer valuable insights for educators seeking to design MOOCs that address gender-equality needs in STEM fields.
Este estudo investiga a aplicação de modelos preditivos para estimar o Índice de Desenvolvimento da Educação Básica (IDEB) nos anos iniciais do ensino fundamental nos municípios do estado do Piauí, a partir de variáveis educacionais, socioeconômicas e financeiras. A pesquisa utilizou dados públicos e, após rigoroso processo de limpeza, agregação, imputação e seleção de atributos, constituiu uma base multivariada final composta por 1.262 registros e 126 variáveis explicativas, extraídas exclusivamente de fontes oficiais. Foram avaliados dez algoritmos de Machine Learning (ML), incluindo regressões lineares e penalizadas, árvores de decisão, métodos baseados em vizinhança, ensembles e support vector regression e sete arquiteturas de Deep Learning (DL), abrangendo redes do tipo Multilayer Perceptron (MLP), variantes com Dropout e Batch Normalization, arquiteturas convolucionais (CNN), recorrentes (LSTM) e híbridas. Os experimentos seguiram uma abordagem quantitativa, com divisão dos dados em conjuntos de treino e teste (70/30), validação cruzada k-fold, normalização quando necessário e análise de importância de variáveis. O algoritmo Extreme Gradient Boosting (XGBoost) apresentou o melhor desempenho médio entre os modelos avaliados, alcançando 𝑅² = 0,5542 no conjunto de teste e 𝑅² = 0,5455 ± 0,0293 em validação cruzada, com menores erros médios e maior estabilidade relativa em comparação às abordagens lineares e às redes neurais profundas. Além disso, a análise de importância dos preditores identificou o PIB per capita municipal, a taxa de distorção idade-série e a proporção de docentes sem formação superior como os fatores mais relevantes para explicar a variação do IDEB nos municípios piauienses. Os achados contribuem para o aprimoramento de diagnósticos regionais e para a proposição de uma abordagem replicável de apoio ao monitoramento educacional em escala municipal.
A Educação a Distância (EaD) tem ganhado destaque na expansão e democratização do ensino superior, beneficiada pelas Novas Tecnologias da Informação e da Comunicação (NTIC) e por mudanças nos processos de ensino e aprendizagem. Contudo, a alta taxa de evasão nos cursos à distância é uma preocupação significativa, já que muitos alunos não concluem os cursos devido a diversos fatores. Essa evasão não se limita à EaD, mas também afeta o ensino presencial e semipresencial, em instituições públicas e privadas. Diante desse cenário, o artigo apresenta o Athena, um modelo computacional projetado para oferecer serviços inteligentes na EaD com base em históricos de contextos dos alunos. O Athena visa ajudar gestores e professores no planejamento estratégico e no acompanhamento do progresso acadêmico dos alunos. O modelo oferece serviços para prever o desempenho acadêmico dos alunos e para a formação de grupos de estudo. Esses serviços têm como objetivo melhorar o processo de aprendizagem, reduzir a taxa de reprovação e, consequentemente, diminuir a evasão. O Athena utiliza uma ontologia para representar o conhecimento em EaD e analisa os históricos de contextos dos alunos para personalizar os serviços oferecidos. Um protótipo foi testado com dados de 25 alunos de um curso de Tecnologia em Análise e Desenvolvimento de Sistemas. Os testes avaliaram dois serviços: o Forecasting, que antecipa o desempenho acadêmico, e o Grouping, que organiza grupos de estudo. Os resultados confirmam a viabilidade do modelo para suportar a criação e o uso de diferentes serviços inteligentes na EaD, baseados em históricos contextuais dos alunos.
Os currículos de cursos de Ciência da Computação no Brasil são muito voltados para a formação técnica do egresso, com ênfase em matemática e computação, e dão pouca atenção para os impactos da computação na sociedade. Uma oportunidade para diminuir esta lacuna surgiu a partir da obrigatoriedade da reserva mínima de dez por cento da carga horária total que os estudantes devem cumprir com atividades de extensão. Embora importante, apenas a inclusão da extensão como atividade obrigatória nos currículos não é suficiente para dar ao egresso uma visão mais ampla do papel do profissional da computação na sociedade. Neste trabalho, descrevemos o processo sistemático utilizado na construção de uma nova proposta curricular para o curso de Ciência da Computação da Universidade Federal do Rio de Janeiro, o qual incorporou análise de contexto, análise de riscos, estratégias e planos de ação para implantação de mudanças, visando uma metodologia orientada para a construção de um currículo mais flexível e atento às demandas da sociedade. A nova proposta curricular, já implantada, buscou investir na formação geral e humana, incorporando atividades de extensão universitária e outras oportunidades que permitam ao egresso evoluir em sua formação humanista de forma articulada com sua formação técnica.
A promoção da autorregulação da aprendizagem é importante para o enfrentamento dos desafios acadêmicos, e também desafia os docentes na proposição de ambientes e de mediações pedagógicas que fomentem a sua promoção. Os Ambientes Virtuais de Aprendizagem (AVA) são ferramentas gerenciadoras de processos educacionais que têm sido utilizadas como elemento de apoio na promoção da autorregulação. O objetivo deste trabalho é construir um ambiente customizado de um AVA para o PROARA — Programa On-line da Promoção da Autorregulação de Aprendizagem, e avaliar (i) aspectos qualitativos da plataforma online desenvolvida, e (ii) sua eficácia como instrumento condutor da promoção da ARA de estudantes do ensino superior. O PROARA é construído no Moodle e contém sete módulos: conceitos de ARA, Estabelecimento de Objetivos, Gerenciamento de Tempo, Estratégias de Estudos, Papel do Ambiente Físico e Social no Aprendizado, Motivação para a Aprendizagem e Autorregulação Emocional. A avaliação da eficácia é baseada na percepção dos participantes da intervenção quanto aos aspectos da plataforma AVA e nas respostas ao Inventário de Processos de Autorregulação da Aprendizagem. Os resultados mostram evidências da contribuição do PROARA para a promoção da autorregulação.
