Análise de padrões de programação em logs coletados a partir do uso da plataforma scratch

Abstract

Resumo: Este trabalho visa analisar os padrões dos dados de uma ferramenta de coleta de interações de alunos em projetos da plataforma Scratch realizada pela UFPEL, Universidade Federal de Pelotas, do Rio Grande do Sul, juntamente com o estudante Jorge Nachtigall. Foram estudados para realização deste trabalho métodos da mineração de dados como associação, agrupamento e classificação. Além disso, com os dados, da ferramenta de coleta de interações, disponibilizados em JSON(JavaScript Object Notation) pela UFPEL, foi importado as informações das coletas para o Python a fim de realizar a aplicação do K-means, algoritmo de agrupamento e, além disso, foi utilizada a análise de padrões desses dados com o WEKA, plataforma que permitiu realizar a aplicação de teste do k-means pelo ângulo das médias de coeficientes além de comprovar os dados do código desenvolvido para o algoritmo de clusterização. O objetivo deste estudo é promover o uso e estudo de técnicas de mineração de dados a fim de que futuramente esse projeto possa auxiliar professores que utilizam o Scratch em suas aulas para prever resultados e analisar os dados adquiridos das interações realizadas pela coleta de interações da ferramenta.

Abstract:This work aims to analyze the data patterns of a tool for collecting student interactions in projects on the Scratch platform carried out by UFPEL, Universidade Federal de Pelotas, from Rio Grande do Sul, once with the student Jorge Nachtigall. The study was carried out using data mining methods such as association, grouping and classification. In addition, with the data from the interaction collection tool, made available in JSON by UFPEL, the application of K-means, clustering algorithm, was developed in Python and, after that, the analysis of patterns of these data was performed with WEKA, a platform that allowed testing other algorithms and confirming the response data of the developed code. The objective of this study is to promote the use of data mining techniques in order to, in future, help teachers who use Scratch in their classes to predict results and analyze the data acquired from interactions carried out by collecting the tool's interactions.