Author:
Barbieri Maria,Amaral Jamili,Duran Rodrigo
Abstract
Não é surpreendente que muitos instrutores e estudantes recorram a espaços educacionais não-formais, especialmente redes sociais baseadas em vídeo como o TikTok, quando têm a tarefa de aprender a programar, particularmente quando o treinamento formal é raramente fornecido. No entanto, é incerto que tipo de conteúdo educacional tais plataformas fornecem aos professores e a qualidade desse conteúdo. Neste trabalho, visamos diminuir essa lacuna investigando vídeos de programação no TikTok, extraindo explicações – as Notional Machines – usadas pelos apresentadores. Analisamos 300 vídeos dessa plataforma para classificar as Notional Machines usadas para explicar tópicos como variáveis, loops, condicionais e funções. Nossos resultados mostram que, em geral, a maioria dos vídeos não oferece uma definição explícita dos conceitos, ou usam explicações superficiais ou ”de livro didático”, incluindo algumas consideradas perigosas na literatura. Infelizmente, não conseguimos encontrar uma nova terminologia ou linguagem que permitisse aos educadores se comunicar com sucesso com alunos dos níveis primário e secundário. Embora mais trabalho seja necessário para analisar um corpus maior de vídeos, oferecemos um alerta sobre o uso de conteúdo não verificado como substituto para materiais de aprendizagem bem preparados.
Publisher
Sociedade Brasileira de Computação - SBC
Reference36 articles.
1. Berry, M. and Kölling, M. (2013). The design and implementation of a notional machine for teaching introductory programming. In Proceedings of the 8th Workshop in Primary and Secondary Computing Education, WiPSE ’13, page 25–28, New York, NY, USA. Association for Computing Machinery.
2. Bettin, B. and Ott, L. (2023). Pedagogical prisms: Toward domain isomorphic analogy design for relevance and engagement in computing education. In Proceedings of the 2023 Conference on Innovation and Technology in Computer Science Education V. 1, ITiCSE 2023, page 410–416, New York, NY, USA. Association for Computing Machinery.
3. Blikstein, P. and Moghadam, S. H. (2019). Computing education. The Cambridge handbook of computing education research, pages 56–78.
4. Bradbury, N. A. (2016). Attention span during lectures: 8 seconds, 10 minutes, or more? Cao, Y., Porter, L., and Zingaro, D. (2016). Examining the value of analogies in introductory computing. In Proceedings of the 2016 ACM Conference on International Computing Education Research, ICER ’16, page 231–239, New York, NY, USA. Association for Computing Machinery.
5. Chiodini, L., Moreno Santos, I., Gallidabino, A., Tafliovich, A., Santos, A. L., and Hauswirth, M. (2021). A curated inventory of programming language misconceptions. In Proceedings of the 26th ACM Conference on Innovation and Technology in Computer Science Education V. 1, ITiCSE ’21, page 380–386, New York, NY, USA. Association for Computing Machinery.