DCCMAPI/CCET

Uma banca de DEFESA de DOUTORADO foi cadastrada pelo programa.
DISCENTE: DJEFFERSON SMITH SANTOS MARANHAO
DATA: 01/09/2026
HORA: 08:30
LOCAL: Auditório do COCON
TÍTULO: Da Análise de Trilhas de Aprendizagem à Recomendação Personalizada de Exercícios de Programação com Filtragem Pedagógica
PALAVRAS-CHAVES: ensino de programação; recomendação sequencial; mineração de padrões sequenciais; rastreamento do conhecimento; diagnóstico cognitivo.
PÁGINAS: 165
GRANDE ÁREA: Ciências Exatas e da Terra
ÁREA: Ciência da Computação
SUBÁREA: Metodologia e Técnicas da Computação
ESPECIALIDADE: Sistemas de Informação
RESUMO: Esta tese investiga como registros de submissão em juízes online podem apoiar a análise de trilhas e, principalmente, a recomendação personalizada de exercícios de programação. A pesquisa é aplicada, predominantemente quantitativa e organizada em dois eixos experimentais, com sete conjuntos de dados provenientes de ambientes educacionais, plataformas abertas e programação competitiva. No primeiro eixo, foram comparados algoritmos clássicos de Mineração de Padrões Sequenciais (MPS), e os históricos de submissão foram representados como grafos de transição. Também foi proposta uma função objetivo multicritério para avaliar trilhas candidatas, considerando aspectos como diversidade, progressão de dificuldade e características das transições. A função foi otimizada por Algoritmo Genético, Otimização por Enxame de Partículas, Otimização por Colônias de Formigas e Algoritmo de Busca de Harmonia. Os resultados mostraram que a quantidade de padrões extraídos e o custo computacional dependem das características das sequências e dos catálogos. O PrefixSpan apresentou o melhor equilíbrio geral entre tempo e memória, enquanto o Algoritmo Genético foi a metaheurística mais consistente. Essas abordagens, contudo, operam sobre evidências agregadas e não determinam o próximo exercício para um estudante específico. No segundo eixo, foram comparados modelos de Recomendação Sequencial, Knowledge Tracing (KT) e Cognitive Diagnosis (CD). Considerando desempenho preditivo e custo computacional, GRU4Rec, DKT e NCD foram selecionados para o fluxo integrado. O recomendador produz o ranqueamento inicial, posteriormente ajustado por uma filtragem pedagógica baseada nas estimativas de aceitação fornecidas por KT e CD. Nos subconjuntos cobertos pelos filtros, foram observados ganhos nos sete conjuntos avaliados, alcançando 6,33% em HR@10 e Recall@10. Os resultados indicam que MPS e metaheurísticas são úteis para analisar trajetórias coletivas, enquanto a recomendação baseada no histórico individual e refinada por sinais de KT e CD se mostra mais adequada ao problema central da tese. As conclusões estão restritas à avaliação offline e não constituem evidência direta de benefício pedagógico em situação real.
MEMBROS DA BANCA:
Presidente - 1460695 - CARLOS DE SALLES SOARES NETO
Interno - 1091306 - ALEXANDRE CESAR MUNIZ DE OLIVEIRA
Externo à Instituição - FERNANDO ANTONIO MOTA TRINTA - UFC
Externo à Instituição - MARCELA SÁVIA PICANÇO PESSOA - UEA