IDA Lab
Projeto EduPulse
Uma abordagem multidisciplinar para apoio à permanência estudantil nas disciplinas de programação de computadores
Utilizando análise de dados, computação e psicopedagogia para combater a evasão e a reprovação em cursos de exatas e engenharias.
Sobre o Projeto
As disciplinas de programação de computadores são fundamentais na matriz curricular de cursos das áreas de exatas, computação e engenharias. Por exigirem a construção do raciocínio lógico e a compreensão do comportamento sequencial de uma máquina, elas impõem uma profunda mudança de paradigma cognitivo.
Essa transição depende não apenas da dedicação individual, mas também de metodologias de ensino, relações sociais e da cultura dos estudantes. Quando o suporte falha, o cenário é desafiador: elevadas taxas de desistência e reprovação.
Nossa Missão: Aplicar técnicas de análise computacional sobre métricas coletadas ao longo do semestre para oferecer indicativos precoces sobre a possibilidade de desistência, permitindo intervenções institucionais que apoiem a permanência estudantil.
Metodologia de Trabalho
O projeto adota uma abordagem inovadora combinando coletas passivas e ativas de dados:
- Coleta Passiva (Métricas de Comportamento): Captura automática de indicadores como frequência em aula, engajamento e acesso aos materiais disponibilizados no ambiente virtual (AVA), além do histórico de desempenho nas atividades.
- Coleta Ativa (Aspectos Emocionais): Uma equipe multidisciplinar com pesquisadores da área psicopedagógica atua na construção de questionários contínuos para mapear os sentimentos e as emoções dos estudantes ao longo do período letivo.
Equipe de Pesquisa
Professores Atuantes:
- Prof. Ricardo José Pfitscher
- Prof. Benjamin Grando Moreira
- Profª. Tatiana Renata Garcia
- Prof. Luiz Carlos Camargo
- Prof. Luiz Gustavo Cordeiro
Alunos e Colaboradores:
- Giovanne Domingos (2025-2026)
- Carolina Bittencourt Wang (2024-2025)
Produções Científicas e Tecnológicas
Predição de Desistência em Turmas de Programação Utilizando Sentimentos. BAESSA, R. N. F. ; WANG, C. B. ; PFITSCHER, R. J. ; MOREIRA, B. G. ; GARCIA, T. R. ; CAMARGO, L. C. RENOTE. Revista Novas Tecnologias na Educação, v. 22, p. 377-386, 2024. 🔗 Acessar Artigo (DOI)
Análise de sentimentos em turmas de programação com vistas ao apoio à permanência estudantil. PFITSCHER, R. J. ; CAMARGO, L. C. ; MOREIRA, B. G. ; WANG, C. B. ; ZEDRAL, R. ; GARCIA, T. R. Anais do XXXIV Simpósio Brasileiro de Informática na Educação (SBIE), Passo Fundo, 2023. 🔗 Acessar Artigo (DOI)
Análise de sentimentos e emoções com o uso da ferramenta Orange Datamining: uma avaliação a partir da tradução dos textos do português. MOREIRA, B. G. ; PFITSCHER, R. J. ; CAMARGO, L. C. ; GARCIA, T. R. Anais do XV Computer on the Beach (COTB ’24), Balneário Camboriú, 2024. p. 352-354. 🔗 Acessar Artigo (DOI)
Comparação de Ferramentas para Análise de Sentimentos Aplicada no Contexto Educacional. MOREIRA, B. G. ; CAMARGO, L. C. ; PFITSCHER, R. J. ; GARCIA, T. R. Anais do XV Simpósio Brasileiro de Tecnologia da Informação e da Linguagem Humana (STIL 2024), 2024. p. 474. 🔗 Acessar Artigo (DOI)
Impacto dos dados cadastrais, de presença e notas na predição de reprovação estudantil: um estudo de caso. TORRES, E. T. ; MOREIRA, Benjamin Grando. RENOTE. Revista Novas Tecnologias na Educação, v. 23, p. 550-559, 2025. 🔗 Acessar Artigo (DOI)
Detecção de desistência de estudantes em disciplinas ofertadas com apoio do ambiente MOODLE: uma abordagem de análise implícita. DALFOVO DE SOUZA, BERNARDO ; GRANDO MOREIRA, BENJAMIN. Anais do Computer on the Beach, 2024. 🔗 Acessar Artigo (DOI)
Rodrigo Nathan Frétola Baessa. Estudo de caso com análise de dados para a detecção da desistência de estudantes em disciplinas ofertadas com apoio do ambiente moodle e sentimentos coletados ativamente por questionários. 2024. Trabalho de Conclusão de Curso. (Graduação em Engenharia Mecatrônica) – Universidade Federal de Santa Catarina. Orientador: Ricardo José Pfitscher.
Emanuel Túrmina Torres. Predição de Reprovação Estudantil em Programação I: Uma Abordagem de Aprendizado de Máquina. 2024. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Santa Catarina. Orientador: Benjamin Grando Moreira.
Bernardo Dalfovo De Souza. Estudo De Caso Com Análise De Dados Para A Detecção Da Desistência De Estudantes Em Disciplinas Ofertadas Com Apoio Do Ambiente Moodle. 2023. Trabalho de Conclusão de Curso (Graduação em Engenharia Mecatrônica) – Universidade Federal de Santa Catarina. Orientador: Benjamin Grando Moreira.
EduPulse – Plugin de questionário de sentimentos para Moodle Autor: MOREIRA, Benjamin Grando. Tipo: Programa de Computador: Registro: INPI (Instituto Nacional da Propriedade Industrial) | Nº BR512026003106-0