Usando o ChatGPT pra Melhorar a Compreensão de Recursão

Aprender Programação pode ser difícil pra galera. Eles geralmente têm dificuldade em conectar ideias e termos novos com coisas que já conhecem. Isso é especialmente verdade pra tópicos complicados como Recursão. Usar boas Analogias pode ajudar a tornar esses conceitos difíceis mais fáceis de entender. Mas, criar analogias eficazes não é uma tarefa fácil, mesmo pros professores mais experientes.

Esse estudo examina como modelos de linguagem grandes (LLMs), especialmente o ChatGPT, podem ajudar os alunos a criar suas próprias analogias. Focando na recursão, pedimos pra Estudantes de computação do primeiro ano usarem o ChatGPT pra gerar suas analogias. Os alunos receberam um pedaço de código e podiam escolher tópicos que lhes eram familiares pra incluir em seus prompts.

Os resultados mostraram uma ampla gama de analogias criativas quando os alunos escolhiam seus próprios tópicos, em comparação com as analogias mais padrão. Os alunos gostaram dessa atividade e relataram que isso ajudou a entender melhor a recursão. Eles acharam mais fácil lembrar das analogias que estavam relacionadas às suas próprias vidas.

#O Papel das Analogias no Aprendizado

Entender tópicos complexos muitas vezes exige explicações claras. Durante anos, pesquisas em educação em computação mostraram que pedir pros alunos explicarem conceitos em termos simples ou criarem suas próprias explicações pode ajudar muito na compreensão. Recentemente, especialistas começaram a explorar como analogias podem tornar tópicos pouco familiares mais relacionáveis.

Analogias funcionam comparando duas ideias diferentes que compartilham algumas semelhanças. Na educação em computação, onde muitos termos podem parecer distantes do que os alunos já conhecem, analogias podem preencher essas lacunas. Elas permitem que os alunos façam conexões entre conceitos difíceis e coisas que entendem bem. Por exemplo, comparar algoritmos a receitas pode ajudar os alunos a entender como algoritmos funcionam.

No entanto, muitos alunos acham desafiador criar analogias fortes por conta própria. Estudos indicam que os alunos poderiam se beneficiar muito de um apoio extra na criação dessas comparações úteis.

#Modelos de Linguagem Grandes como Ferramentas Educacionais

Modelos de linguagem grandes, como o ChatGPT, mostraram ser capazes de produzir explicações e materiais de aprendizado de alta qualidade. Pesquisas demonstraram que os alunos geralmente preferem explicações geradas por LLMs do que as de seus colegas. Assim, esses modelos podem servir como ferramentas úteis pra guiar os alunos na criação de suas próprias analogias.

Embora já tenha havido alguma exploração inicial sobre como os LLMs podem gerar analogias, ainda não houve uma investigação completa sobre como os alunos podem usar esses modelos pra criar suas próprias analogias. Este estudo pretende preencher essa lacuna.

#Contexto do Estudo

Os dados pra essa pesquisa vieram de um curso introdutório de programação em uma universidade na Nova Zelândia. O curso, que durou 12 semanas e ensinou programação em C, incluía muitos alunos que precisavam fazê-lo como parte de seu programa de engenharia. Fazer bem nesse curso era essencial pros alunos, já que suas futuras especializações dependiam de suas notas.

Na época da coleta de dados, havia 889 alunos matriculados no curso. Coletamos respostas de 841 alunos, mostrando uma alta taxa de participação. O curso incluía laboratórios semanais com exercícios de programação que os alunos completavam pra ganhar notas. A aprovação ética para o estudo foi concedida pela instituição.

O tópico de recursão foi apresentado na penúltima semana do curso. Recursão é um conceito conhecido por ser difícil, e vários alunos expressaram a necessidade de mais apoio pra entendê-lo nas avaliações. Aprender recursão envolve não apenas memorizar definições, mas também aplicar o conceito em cenários reais de codificação.

Os alunos receberam vários auxílios de ensino pra dominar a recursão, incluindo exemplos visuais, explicações de quadros de pilha e exemplos comuns de livros didáticos. Além disso, eles foram apresentados a uma analogia que descrevia como analogias podem ser úteis pra ensinar ideias complexas.

No primeiro exercício de laboratório, os alunos foram convidados a criar suas analogias usando o ChatGPT pra explicar uma função recursiva do livro didático. Eles foram incentivados a usar quaisquer tópicos pessoais em seus prompts.

#Coleta e Análise de Dados

Os alunos foram instruídos a gerar suas analogias baseadas nos temas escolhidos. No entanto, um número significativo de alunos não incluiu os prompts que usaram pra criar suas analogias. Isso resultou na perda de alguns dados para análise.

Focamos nas 385 analogias onde os alunos incluíram seus prompts. Categorizar os dados com base em se os alunos especificaram um tópico ou não ajudou a analisar como as analogias diferiam com base na entrada dos alunos.

Quando os alunos especificavam um tópico, descobrimos que as analogias resultantes eram muito mais diversas em comparação com aquelas criadas sem um tópico específico. Isso indica que envolver os alunos no processo de criação de analogias leva a resultados mais criativos e relevantes. Sentimentos positivos dos alunos também destacaram que as analogias geradas ajudaram a entender melhor a recursão.

#A Experiência de Aprendizagem Prática

Durante o laboratório, os alunos se envolveram com um problema de codificação focado em recursão. Eles receberam orientações sobre como criar prompts que ajudariam o ChatGPT a gerar analogias úteis. Prompts claros e específicos eramencorajados, pois resultariam em respostas melhores e mais relevantes do modelo.

Por exemplo, em vez de perguntar de forma ampla sobre cachorros, os alunos foram aconselhados a fazer perguntas específicas pra criar analogias detalhadas. Essa prática ajudou os alunos a direcionar melhor as saídas do modelo pra alinhar com seus interesses e experiências.

#Diversidade dos Tópicos de Analogias

Depois de analisar as 385 analogias, notamos uma diferença significativa na variedade de tópicos quando os alunos guiavam a geração da analogia. Quando os alunos especificavam um tópico, as analogias tinham um nível maior de diversidade de tópicos em comparação com aquelas onde os alunos não especificavam um tema.

Por exemplo, alguns alunos escolheram tópicos únicos, como lançamentos de foguetes modernos ou até ideias malucas como um "verme mágico que come palavras". Isso mostra que permitir que os alunos introduzam seus próprios interesses estimula uma cobertura mais ampla de tópicos e encoraja o engajamento.

Por outro lado, quando os alunos não especificavam um tópico, as analogias tendiam a ser mais genéricas, focando em temas comuns. Essa disparidade indica que os alunos não apenas têm uma melhor compreensão dos conceitos quando geram analogias personalizadas, mas também se sentem mais conectados ao seu aprendizado.

#Reflexões dos Alunos Sobre a Atividade

Os alunos foram convidados a compartilhar suas opiniões sobre o processo de criação de analogias por meio de pesquisas pós-laboratório. A análise de suas respostas revelou vários temas importantes centrados no valor educacional e na relevância pessoal.

#Valor Educacional

Muitos alunos indicaram que tiveram um avanço na compreensão da recursão depois de gerar analogias. Eles frequentemente expressavam que, antes de trabalhar nas analogias, tinham dificuldade em entender completamente o conceito. No entanto, através da atividade, eles enfrentaram menos barreiras e conseguiram desenvolver uma compreensão mais clara.

Por exemplo, um aluno relatou que não conseguiu entender realmente a recursão até se envolver com as analogias. Ele sentiu que as tarefas de codificação sozinhas não ofereciam informações suficientes, enfatizando que mais explicações durante as aulas seriam úteis.

As respostas mostraram que se envolver com múltiplas analogias foi benéfico para aprofundar sua compreensão. Isso sugere que fornecer aos alunos uma variedade de analogias pode preencher lacunas de conhecimento que os métodos de ensino tradicionais podem ter negligenciado.

#Relevância Pessoal

Conforme os alunos trabalhavam nas tarefas, muitos começaram a iterar suas ideias de analogia, experimentando diferentes temas até encontrarem um que ressoasse com eles. Essa exploração permitiu que eles conectassem os conceitos a algo significativo em suas vidas.

Por exemplo, alunos que inicialmente lutavam pra gerar uma analogia relevante descobriram que mudar pra um tópico mais familiar ajudou a entender melhor a recursão. A flexibilidade de escolher os tópicos foi vista como uma grande vantagem no processo de aprendizagem.

Os alunos frequentemente mencionaram que conseguiam lembrar mais facilmente das analogias que se relacionavam com suas próprias experiências ou contextos culturais. Essa conexão destacou a importância da relevância pessoal no material de aprendizagem, aumentando o engajamento e a retenção.

#Sentimento Positivo dos Alunos

No geral, o feedback dos alunos foi overwhelmingly positivo. Codificamos o sentimento de um subconjunto de reflexões dos alunos, notando que uma vasta maioria expressou entusiasmo sobre a atividade de geração de analogias. Embora um pequeno número de comentários contivesse sentimentos negativos, muitos deles também incluíam observações positivas.

Os alunos expressaram empolgação sobre o laboratório e indicaram o desejo de continuar usando o ChatGPT pra criar analogias personalizadas em futuros cenários de aprendizado. Essa disposição sugere que os alunos veem um grande valor em usar LLMs pra ajudá-los a compreender melhor conceitos complexos de programação.

#Conclusão

Neste estudo, examinamos como os alunos reagiram à geração de suas analogias usando LLMs, focando especialmente no conceito de recursão. Descobrimos que permitir que os alunos especificassem tópicos levou a analogias mais diversas e envolventes. Enquanto muitos alunos aproveitaram essa oportunidade, uma parte notável não forneceu temas específicos, levantando questões sobre suas motivações para isso.

As descobertas sugerem que promover experiências de aprendizado personalizadas pode aprofundar a compreensão dos alunos sobre tópicos desafiadores como a recursão. Incentivar os alunos a criar analogias com base em seus interesses demonstra o potencial de combinar métodos de ensino tradicionais com ferramentas inovadoras como os LLMs.

Embora o estudo tenha destacado muitos resultados positivos, ainda há áreas pra futura exploração. Entender por que alguns alunos não especificaram tópicos forneceria insights sobre como melhorar o engajamento com essas ferramentas. Além disso, avaliar a precisão das analogias produzidas pode informar mais estudos sobre seu impacto na aprendizagem dos alunos.

Ao aproveitar interesses pessoais e fomentar a criatividade, práticas educacionais podem evoluir pra proporcionar experiências de aprendizado mais significativas na educação em computação. Essa abordagem tem o potencial de transformar como os alunos interagem com conceitos complexos, abrindo caminho pra uma compreensão mais profunda e maior retenção de conhecimento.