Pivoting the paradigm: the role of spreadsheets in K-12 data science

Resumo Técnico: Pivotando o Paradigma: O Papel das Planilhas na Ciência de Dados K–12

Declaração do Problema
Apesar da crescente centralidade dos dados e da computação no século XXI, os distritos K–12 enfrentam desafios não resolvidos para promover de forma prática e equitativa a acuidade de dados e a fluência computacional. Embora existam várias ferramentas especializadas (ex.: CODAP, R, Python), as planilhas — embora amplamente acessíveis e utilizadas por 89% dos educadores de ciências K–12 — são frequentemente vistas com ceticismo. Estruturas anteriores sugerem que confiar exclusivamente em planilhas para análise de dados pode levar à frustração e que elas são inadequadas para o raciocínio inferencial complexo ou fluxos de trabalho reprodutíveis. O artigo aborda a lacuna entre a ubiquidade das ferramentas de planilhas nas escolas e a incerteza pedagógica sobre sua utilidade além da organização básica de dados. Os autores questionam se as planilhas podem servir como um mecanismo significativo para o desenvolvimento de habilidades mais amplas de dados e computação, ou se devem ser descartadas como uma ferramenta limitada.

Metodologia
O artigo emprega uma revisão conceitual e pedagógica em vez de experimentação empírica. A metodologia consiste em três componentes primários:

1. Avaliação de Estrutura: Os autores adaptam as estruturas de McNamara (2018) e Pimentel et al. (2022) para avaliar ferramentas de computação estatística. Eles aplicam essa estrutura às ferramentas de planilha (especificamente Google Sheets e Excel), atribuindo "notas" informais a características como acessibilidade, visibilidade de dados, facilidade de entrada, reprodutibilidade, interatividade e raciocínio inferencial.
2. Alinhamento de Padrões: Os autores revisam padrões e estruturas K–12 existentes, incluindo os Padrões de Ciência da Computação da CSTA, Progressões de Aprendizagem de Ciência de Dados, Padrões de Matemática do Common Core, GAISE II e a Estrutura de Educação Científica do National Research Council. Eles mapeiam funcionalidades específicas de planilhas para as competências delineadas nesses documentos.
3. Design de Currículo e Proposta de Atividade: Com base no alinhamento com os padrões, os autores propõem cinco habilidades específicas de dados e computação. Eles ilustram essas habilidades com exemplos concretos de atividades reprodutíveis (ex.: experimentos de aviões de papel, gerenciamento de banco de dados de biblioteca, modelagem financeira) projetados para serem integrados aos currículos de ciências, matemática e ciência da computação.

Principais Contribuições
O artigo contribui para uma reavaliação do papel da planilha no conjunto de ferramentas de ciência de dados K–12, argumentando por sua inclusão como uma ferramenta fundamental para conjuntos de habilidades específicos, em vez de uma solução abrangente para todas as tarefas de dados.

1. Avaliação Revisada das Capacidades das Planilhas: Os autores fornecem uma classificação matizada das planilhas em relação a estruturas estabelecidas. Eles atribuem notas altas (A a A+) para Acessibilidade (devido ao licenciamento universal e disponibilidade baseada na web), Dados como um objeto de primeira ordem (tornando os dados visíveis e interativos) e Facilidade de entrada (baixo barreira para entrada inicial de dados). Por outro efeito, atribuem notas baixas (C a D) para Fluxos de trabalho reprodutíveis, Criação de gráficos flexíveis (especificamente exibições multivariadas) e Análise inferencial, reconhecendo estas como áreas onde as planilhas ficam aquém de linguagens de script ou ferramentas de visualização especializadas.
2. Habilidades de Dados e Computação Propostas: O artigo delineia cinco habilidades aspiracionais que as planilhas podem ensinar efetivamente:
   • Entrada, agregação e visualização de dados: Uso de tabelas dinâmicas e gráficos básicos para explorar relações (ex.: distâncias de voo de aviões de papel).
   • Verificação de consistência de dados: Identificar e remediar dados "sujos" (ex.: erros de formatação em colunas numéricas) para construir mentalidades de tratamento de dados (data wrangling).
   • Aplicações matemáticas: Implementar modelos para crescimento exponencial, juros compostos e probabilidade (ex.: valor esperado em loterias) para visualizar impactos de parâmetros.
   • Pensamento algorítmico: Utilizar funções lógicas aninhadas (ex.: instruções IF) e funções personalizadas via Google Apps Script para implementar algoritmos de graduação ou lógica condicional.
   • Scripting e automação: Utilizar Google Apps Script (baseado em JavaScript) para automatizar tarefas como criação de documentos em massa, fazendo a ponte entre o uso de planilhas e a programação.
3. Integração com Padrões: Os autores demonstram como as atividades de planilha apoiam diretamente as competências no framework de "Sistemas de Dados e Computação" das Academias Nacionais, nos padrões CSTA (especificamente "Dados e Análise" e "Algoritmos e Programação") e no "Processo de Investigação de Dados".

Resultados e Descobertas
A análise conclui que, embora as planilhas não sejam ideais para todas as tarefas de análise estatística — particularmente aquelas que exigem raciocínio inferencial avançado ou reprodutibilidade complexa —elas possuem distinções forças pedagógicas:

• Visibilidade e Interação: As planilhas tornam os dados um "objeto de primeira ordem", permitindo que os alunos rolem, inspecionem e interajam com estruturas de dados brutos, o que fomenta a intuição sobre a organização de dados.
• Escalonamento de Complexidade: A ferramenta suporta uma trajetória de desenvolvimento desde a simples entrada de dados até o pensamento algorítmico complexo. Os alunos podem progredir da agregação básica (SUM, AVERAGE) para a lógica condicional (IFs aninhados) e, finalmente, para o scripting (Apps Script).
• Ecossistema de Ferramentas: As planilhas servem como uma porta de entrada para um ecossistema mais amplo. O artigo destaca que ferramentas como o Google Data Studio (Looker Studio) e o Google Apps Script podem estender as capacidades das planilhas para visualização e automação, respectivamente, sem exigir a mudança completa para uma nova plataforma.
• Complementaridade: Os autores afirmam que as planilhas não devem substituir outras ferramentas (como CODAP ou Python), mas sim complementar. A abordagem de "tamanho único" é desencorajada; em vez disso, as planilhas são posicionadas como o ponto de entrada acessível para organização de dados e pensamento computacional básico.

Significância e Alegações
O artigo alega que as planilhas são um componente crítico, porém subutilizado, do conjunto de ferramentas de ciência de dados K–12. Sua significância reside na:

• Mudança Pedagógica: Mudar a narrativa de ver as planilhas meramente como ferramentas de "entrada de dados" para reconhecê-las como veículos para o desenvolvimento de acuidade de dados e fluência computacional.
• Equidade e Acesso: Aproveitar a disponibilidade quase universal do Google Sheets e Excel nos distritos escolares para fornecer acesso equitativo a habilidades de dados sem as barreiras de novos licenciamentos de software ou preocupações de segurança.
• Necessidade de Desenvolvimento Profissional: Os autores afirmam explicitamente que realizar o potencial das planilhas requer um desenvolvimento profissional significativo para os instrutores, para que possam ir além do uso básico e guiar os alunos através de manipulação de dados mais profunda e scripting.
• Papel Fundamental: O artigo argumenta que a capacidade de estruturar, organizar e interrogar dados usando planilhas é uma habilidade fundamental que prepara os alunos para tecnologias de ciência de dados mais avançadas, alinhando-se ao objetivo de desenvolver solucionadores de problemas "autossuficientes" que entendam o porquê da manipulação de dados, não apenas o como.

Os autores permanecem modestos, reconhecendo que as planilhas têm limitações em estatística inferencial e reprodutibilidade, e não propõem que sejam uma solução isolada para toda a educação em ciência de dados. Em vez disso, defendem um "pivotamento de paradigma" onde as planilhas são integradas intencionalmente para construir competências de dados específicas e transferíveis.