Analise do Modelo BKT na Avaliacão da Curva de Aprendizagem de Alunos de Algoritmos

The assessment of student learning algorithms is complex, either from the point of view of data collection and in the analysis of the result obtained with such collection. This article discusses the use of one of the most popular predictive model in the literature for the assessment of the student learning curve, which is the Bayesian Knowledge Tracing (BKT), in the context of an introductory discipline of algorithms. From data collected in the virtual learning enviroment created for the teaching of algorithms ,the use of the BKT is analyzed in a qualitative manner, in an individual inspection process of several volunteers of an experiment. The results show that BKT is promising for the design of intelligent tutors that respond to individual student performance and recommend appropriate content during learning. Resumo. A avaliação de aprendizagem de alunos de algoritmos é complexa, tanto do ponto-de-vista da coleta de dados quanto na análise do resultado obtido com tal coleta. Este artigo discute o emprego de um dos modelos preditivos mais populares na literatura para a avaliação da curva de aprendizagem de alunos, que é o Bayesian Knowledge Tracing (BKT), no contexto de uma disciplina introdutória de algoritmos. A partir de dados coletados em ambiente virtual de aprendizagem criado para o ensino de algoritmos, o emprego do BKT é analisado sob uma ótica qualitativa, em um processo de inspeção individual de diversos voluntários de um experimento. Os resultados mostram que o BKT é promissor para a concepção de tutores inteligentes que reajam ao desempenho individual dos alunos e recomendem conteúdo adequado durante a aprendizagem.