💻 computer science

RoboBlockly Studio: Conversational Block Programming with Embodied Robot Feedback for Computational Thinking

Este artigo apresenta o design e a avaliação do RoboBlockly Studio, um sistema integrado que combina programação baseada em blocos, um agente de IA conversacional e feedback de robô incorporado para apoiar o pensamento computacional de estudantes do ensino médio por meio de um ciclo iterativo de autoria, execução e reflexão pedagógica.

Autores originais: Leyi Li, Chenyu Du, Jiafei Sun, Erick Purwanto, Qing Zhang

Publicado 2026-05-13

📖 5 min de leitura🧠 Leitura aprofundada

CC BY 4.0

Autores originais: Leyi Li, Chenyu Du, Jiafei Sun, Erick Purwanto, Qing Zhang

Artigo original sob licença CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/). ✨ Esta é uma explicação gerada por IA do artigo abaixo. Não foi escrita nem endossada pelos autores. Para precisão técnica, consulte o artigo original. Ler aviso legal completo

Imagine que você está tentando ensinar uma criança a assar um bolo, mas, em vez de deixá-la misturar os ingredientes e provar a massa, você só permite que ela leia um livro de receitas e desenhe os passos. Ela pode memorizar as palavras, mas não entenderá realmente por que o bolo cresce ou o que acontece se ela esquecer os ovos.

Este é o problema que os pesquisadores por trás do RoboBlockly Studio estão tentando resolver com a programação de computadores.

Aqui está uma explicação simples do artigo deles, usando analogias do cotidiano:

O Problema: "Programação em Papel"

Geralmente, quando crianças aprendem a programar, fazem isso em uma tela. Elas arrastam e soltam blocos digitais para criar um programa. Mas, muitas vezes, o resultado é apenas um número na tela ou um personagem movendo-se em um mapa 2D. É como ler uma receita, mas nunca realmente assar o bolo. Se o código estiver errado, o aluno pode não saber por que falhou, ou pode apenas adivinhar até funcionar, sem realmente entender a lógica.

Os pesquisadores descobriram que os professores têm dificuldade em ajudar porque não conseguem ver facilmente como o aluno está pensando, e os alunos lutam para conectar o código abstrato aos resultados do mundo real.

A Solução: Um Tutor "Robô Mágico"

A equipe criou o RoboBlockly Studio, que é como um kit de aprendizado três-em-um:

Os Blocos de Lego (Programação Visual): Em vez de digitar texto confuso, os alunos arrastam e soltam blocos coloridos (como Lego) para construir suas instruções. Isso remove a frustração de erros de digitação e permite que se concentrem na lógica.
O Robô (Feedback Corporificado): Este é o ingrediente secreto. Quando um aluno termina seu quebra-cabeça de blocos, ele não clica apenas em "executar" na tela. Ele clica em um botão, e um robô físico real na sala executa o código.
- A Analogia: Se o aluno disser ao robô para "andar 3 passos para frente" e o robô bater em uma parede porque o aluno contou errado, o aluno vê e ouve o erro imediatamente. É como se o robô fosse um espelho físico mostrando o comportamento real do código.
O Tutor de IA (O Guia Conversacional): Há um chatbot amigável de IA integrado diretamente na tela. Ele não dá apenas a resposta. Se o robô bater, a IA pergunta: "Hmm, por que você acha que ele bateu na parede?" ou "O que acontece se mudarmos este bloco?". Ele age como um treinador paciente que guia o aluno a corrigir seus próprios erros.

Como Funciona na Prática

Os pesquisadores testaram isso com 32 alunos do ensino médio que nunca haviam programado antes. Eles dividiram os alunos em dois grupos para ver o que funcionava melhor:

Grupo A: Usou o sistema com o tutor de IA e a tela, mas sem robô.
Grupo B: Usou o sistema com o tutor de IA e o robô real.

Os Resultados:

Todos ficaram mais inteligentes: Ambos os grupos melhoraram significativamente seu "Pensamento Computacional" (a capacidade de resolver problemas logicamente). Eles passaram de resolver cerca de 1 em cada 4 problemas corretamente para quase 3 em cada 4.
O Robô tornou tudo menos estressante: O grupo com o robô sentiu muito menos frustração e menos "pressa". Como podiam ver o robô falhar, não precisavam adivinhar às cegas. Podiam dizer: "Ah, ele virou para a esquerda em vez de para a direita", e corrigir aquele bloco específico.
Perguntas Melhores: Quando os alunos tinham o robô, faziam perguntas muito melhores à IA. Em vez de dizer: "Ajude-me, estou preso", diziam: "O robô bateu na parede no passo 3; meu bloco de virada está errado?". O robô físico deu-lhes a evidência necessária para fazer perguntas inteligentes.
Fator Diversão: Os alunos avaliaram o sistema como muito fácil de usar e agradável. Sentiram que estavam jogando um jogo onde subiam de nível, em vez de fazer uma prova.

A Grande Conclusão

O artigo argumenta que aprender a programar não deve ser apenas sobre mover blocos digitais em uma tela. Ao adicionar um robô real que executa fisicamente o código e um tutor de IA que conversa com você durante o processo, a aprendizagem se torna um ciclo:

Construa o plano (Blocos).
Observe acontecer (Robô).
Converse sobre o que deu errado (IA).
Corrija e tente novamente.

Este "ciclo apertado" ajuda os alunos a entender que o código não é apenas texto mágico; é um conjunto de instruções que controla ações reais. O robô torna a lógica invisível do computador visível e tangível, transformando a resolução de problemas abstrata em algo que você pode ver, tocar e aprender.

Em resumo: O RoboBlockly Studio transforma a programação de um quebra-cabeça solitário e abstrato em um jogo físico e colaborativo, onde o robô é o assistente do professor, mostrando exatamente onde sua lógica saiu dos trilhos.

Resumo Técnico: RoboBlockly Studio

Declaração do Problema

O pensamento computacional (TC) é uma competência fundamental na educação do ensino básico e secundário (K–12), no entanto, estudantes e professores enfrentam desafios significativos em conectar a lógica abstrata dos programas a resultados significativos. A instrução atual em sala de aula frequentemente depende de exercícios teóricos ou atividades baseadas em papel, oferecendo poucas oportunidades para feedback corporificado. Embora robôs educacionais e inteligência artificial conversacional tenham sido explorados separadamente para apoiar o TC, as soluções existentes sofrem de fragmentação:

Ambientes baseados em blocos reduzem as barreiras de sintaxe, mas frequentemente falham em ajudar os aprendizes a interpretar o comportamento do programa em contextos corporificados.
Robótica corporificada torna as atividades concretas, mas frequentemente carece do feedback e da orientação necessários para que iniciantes avancem além da tentativa e erro.
IA Conversacional oferece suporte à depuração, mas está tipicamente confinada a código baseado em tela, carecendo de integração com a execução física de tarefas.

Consequentemente, os aprendizes frequentemente experimentam a programação, a execução e a explicação como etapas desconexas, em vez de um processo integrado de compreensão e refinamento. Além disso, os professores lutam para avaliar a aprendizagem e fornecer suporte oportuno e diferenciado nesses ambientes complexos.

Metodologia

Os autores projetaram, desenvolveram e avaliaram o RoboBlockly Studio, um sistema interativo integrado que combina três componentes principais:

Programação Visual Baseada em Blocos: Um editor estruturado com um banco de tarefas alinhado às práticas de TC.
Agente de Ensino de IA Conversacional: Um agente baseado em LLM (GPT-4o) que fornece dicas adaptativas, passo a passo, explicações e verificação, sem resolver problemas diretamente pelo aprendiz.
Execução Robótica Corporificada: Um robô físico (chassi com rodas Mecanum e braço multiarticulado) executando em ROS 2, que executa o código baseado em blocos (convertido para Python) para fornecer feedback físico imediato e observável.

Design do Sistema

O sistema foi desenvolvido com base em quatro objetivos de design (DG) derivados da literatura e de entrevistas semiestruturadas com cinco professores de programação:

DG1 (Prática Agencial): Preservar o controle do aprendiz sobre o planejamento, a revisão e a verificação.
DG2 (Aprendizagem Transparente): Tornar o comportamento do programa visível e interpretável.
DG3 (Corporificado e Alinhado à Sala de Aula): Alinhar construtos digitais com ações físicas e ritmos da sala de aula.
DG4 (IA Pedagogicamente Fundamentada): Fornecer feedback interpretável que apoia a reflexão em vez de substituir a resolução de problemas.

A interface do usuário apresenta um layout de painel duplo: uma área de trabalho para montagem de blocos e um painel conversacional para interação com a IA. O backend converte XML do Blockly para Python, transmitindo-o via WebSocket para o Jetson Orin Nano do robô.

Estudo com Usuários

Um estudo intra-sujeito, balanceado, foi conduzido com 32 estudantes do ensino médio (idades de 15–18 anos) sem experiência prévia em programação.

Condições: Os participantes experimentaram duas condições: Apenas IA (programação visual + chat com IA) e IA+Robô (programação visual + chat com IA + execução física do robô).
Tarefas: Três níveis progressivos de desafios de TC (Introdutório: preencher blocos faltantes; Intermediário: corrigir lógica falha; Avançado: traduzir linguagem natural para código).
Medidas:
- Desempenho: Problemas de TC Bebras pré e pós-teste.
- Carga de Trabalho: NASA-TLX (Demanda Mental, Física, Temporal, Desempenho, Esforço, Frustração).
- Usabilidade/Experiência: Escala de Usabilidade do Sistema (SUS) e Questionário de Experiência do Usuário (UEQ).
- Qualitativo: Entrevistas semiestruturadas e análise de vídeo de estratégias de depuração.

Principais Contribuições

Desenvolvimento do Sistema: A introdução do RoboBlockly Studio, um ambiente HCI unificado que acopla edição baseada em blocos, IA conversacional e execução em robô real para formar um ciclo fechado entre intenção da tarefa, estrutura do programa e resultados corporificados.
Avaliação Empírica: Um estudo demonstrando que tanto a condição Apenas IA quanto a condição IA+Robô levam a ganhos significativos na aprendizagem de TC. A condição IA+Robô foi especificamente associada a:
- Menor carga de trabalho percebida (particularmente em Demanda Temporal, Esforço e Frustração).
- Estratégias de depuração mais direcionadas, onde os aprendizes usaram a execução física como evidência perceptual para formular perguntas específicas para a IA.
- Maior engajamento do usuário e preferência pela condição corporificada.
Diretrizes de Design: Insights sobre como a corporificação fornece feedback perceptual que afina a depuração e apoia a agência do aprendiz, enquanto dicas conversacionais apoiam a reflexão.

Resultados

Ganhos de Aprendizagem: Os participantes mostraram melhoria significativa nas habilidades de TC do pré-teste para o pós-teste ( $t(31) = 9.53, p < .001$ , $d_z = 1.69$ ), resolvendo uma média de 1,28 tarefas corretamente no pré-teste versus 2,88 no pós-teste.
Carga de Trabalho e Usabilidade:
- A condição IA+Robô resultou em Frustração ( $p < .001$ ) e Esforço significativamente menores em comparação com Apenas IA.
- A Demanda Temporal foi significativamente menor na condição IA+Robô, sugerindo que o feedback físico reduziu a pressão de tempo.
- O sistema alcançou uma pontuação SUS de 72,5 ("Boa Usabilidade") e avaliações positivas em todas as dimensões do UEQ (Atração, Estímulo, etc.).
Mudanças Comportamentais:
- Com Robô: Os aprendizes usaram a execução como "evidência perceptual", observando falhas (por exemplo, colisões, alvos perdidos) para localizar erros antes de consultar a IA. Isso levou a consultas mais específicas e fundamentadas em blocos.
- Sem Robô: Os aprendizes confiaram mais em dicas genéricas da IA e na inspeção na tela, levando, às vezes, a buscas de ajuda repetitivas e não direcionadas.
- Progressão: Os estudantes mudaram de "completar" (preencher lacunas) em tarefas introdutórias para "diagnosticar" (identificar falhas específicas) em tarefas avançadas, uma mudança facilitada pelo design de tarefas com suporte.

Significado e Alegações

O artigo afirma que o RoboBlockly Studio aborda com sucesso a fragmentação na educação de TC integrando IA conversacional e robótica corporificada em um único ciclo iterativo. Os autores argumentam que a corporificação não é meramente um recurso motivacional adicional, mas um canal de feedback crítico que torna a lógica abstrata do programa tangível, permitindo que os aprendizes verifiquem hipóteses através da observação física.

O estudo sugere que combinar suporte conversacional com execução corporificada cria um ambiente de aprendizagem onde:

A depuração torna-se um processo de monitoramento perceptual ativo em vez de recepção passiva de erros.
A agência do aprendiz é preservada, pois os estudantes controlam quando buscar dicas ou executar o robô.
O "ciclo apertado" de autoria, execução, observação e revisão apoia um engajamento mais profundo com conceitos de TC como decomposição, abstração e design algorítmico.

Os autores permanecem modestos em relação às suas alegações, reconhecendo limitações como o tamanho pequeno da amostra, a curta duração do estudo e a falta de uma linha de base baseada em simulação na tela (por exemplo, traços animados) para isolar totalmente o valor da corporificação física. Eles posicionam o trabalho como um passo em direção à criação de ambientes de aprendizagem interativos e corporificados que integram IA e robótica para apoiar a aprendizagem de TC, em vez de uma solução definitiva para todos os contextos de instrução de TC.