Resumo Técnico: Planejando no Papel: Decomposição de Problemas com Diagramas em Introdução à Computação

Declaração do Problema

A decomposição de problemas é uma habilidade metacognitiva fundamental na computação, envolvendo a divisão de problemas complexos em partes gerenciáveis. Com o surgimento da IA Generativa (GenAI), há uma crescente mudança pedagógica em cursos de introdução à computação (CS1), afastando-se da escrita de código e voltando-se para o planejamento e a decomposição de alto nível. No entanto, existe uma lacuna significativa na compreensão de como os novatos realizam a decomposição em tarefas grandes e multifuncionais sem elementos de planejamento pré-especificados. Pesquisas anteriores concentraram-se amplamente em problemas pequenos baseados em código, onde os elementos de planejamento correspondem a estruturas de código localizadas. Permanece incerto como os novatos conceituam e representam a decomposição em contextos não estruturados e complexos, particularmente quando não estão limitados pela sintaxe de uma linguagem de programação.

Metodologia

Os autores conduziram um estudo qualitativo em um curso de introdução ao Python (CS1) de grande porte na Universidade da Califórnia, San Diego, que havia sido recentemente redesenhado para enfatizar a decomposição e ferramentas de GenAI.

• Participantes e Contexto: O estudo envolveu 133 alunos de um curso de 181 alunos. O curso utilizava o livro Learn AI-Assisted Python Programming, que ensinava decomposição primariamente através de diagramas hierárquicos de chamadas de função, embora o corpo docente introduzisse diversas notações (ex: fluxo de dados, ordem de execução) durante a instrução.
• Tarefa: Em uma sessão de laboratório de 50 minutos, os alunos foram solicitados a desenhar um diagrama de decomposição para o "Evil Word Guesser", uma variante complexa de Jogo da Forca onde o computador atualiza dinamicamente o conjunto de palavras possíveis com base nas suposições do usuário para maximizar a dificuldade. Os alunos foram instruídos a usar lápis e papel para representar funções, interações e relações, sem restrições quanto a uma notação específica.
• Coleta de Dados: 133 diagramas de alunos foram coletados, digitalizados e anonimizados.
• Análise: Os pesquisadores realizaram uma análise temática indutiva em um subconjunto de 55 diagramas. Dois codificadores analisaram os diagramas independentemente, identificando nós (funções, dados, fragmentos, anotações), relações (chamadas hierárquicas, sequenciamento) e problemas. Eles refinaram iterativamente um código de codificação através de acordo negociado até que a saturação fosse atingida. A análise focou em estratégias de representação e na identificação de erros específicos de planejamento e decomposição.

Principais Descobertas

1. Estratégias de Representação (RQ1)

Os alunos empregaram diversas estratégias de representação, muitas vezes misturando ou conflitando com as normas instrucionais:

• Dominância de Sequenciamento: Contrariando a instrução primária de chamadas de função hierárquicas, a maioria dos diagramas (32 de 55) utilizou notações de sequenciamento, representando a ordem cronológica de execução.
• Notações Híbridas e Conflitantes: Muitos alunos misturaram chamadas de função hierárquicas com relações de sequenciamento dentro do mesmo diagrama. Este "conflito" criou ambiguidade, pois as setas eram usadas de forma inconsistente para denotar tanto chamadas de função quanto ordem de execução.
• Elementos Ad-hoc: Os alunos introduziram nós e anotações não ensinados explicitamente, como nós de ramificação condicional explícitos (ex: "CONCLUÍDO" vs. "NÃO CONCLUÍDO") e nós de dados representando entradas, sugerindo que seus modelos mentais incluíam fluxo de controle e dependências de dados que não eram capturados pelo modelo hierárquico padrão.
• Representações Fragmentadas: Alguns alunos usaram fragmentos de código ou pseudocódigo fora dos nós de função para descrever atribuições ou lógica, indicando uma dificuldade em abstrair esses detalhes em definições de funções puras.

2. Problemas de Decomposição e Planejamento (RQ2)

A análise revelou 16 categorias distintas de problemas, agrupadas em cinco temas principais:

• Problemas de Notação: O problema mais proeminente foi o de "notações conflitantes", onde símbolos incompatíveis (ex: setas para chamadas e sequenciamento) foram usados, levando a interpretações contraditórias (ex: recursão vs. repetição). Ordens de execução ambíguas também foram comuns, particularmente em caminhos de ramificação.
• Qualidade do Programa (Abstração e Reuso): Os alunos frequentemente falharam em abstrair funcionalidades, resultando em:
  • Valores Hard-coded: Incorporação de constantes (ex: comprimentos de palavras específicos) diretamente no diagrama.
  • Funcionalidade Repetida: Criação de múltiplos nós distintos para a mesma tarefa (ex: solicitar um palpite) em vez de reutilizar uma única função.
  • Baixa Modularidade: Atribuição de muitas responsabilidades não relacionadas a um único nó de função.
• Encapsulamento: Muitos diagramas exibiram encapsulamento pobre, como loops que não incluíam claramente as etapas necessárias (ex: um loop de jogo que excluía a etapa "obter palpite do usuário") ou funções que geravam suas próprias entradas internamente em vez de aceitá-las como parâmetros.
• Clareza: Os problemas incluíram linguagem vaga (ex: "determinar o padrão que foram revelados"), nomes de funções sem significado (ex: "Função 1") e detalhes de implementação sem propósito claro.
• Mal-entendidos Específicos do Problema: Um número significativo de diagramas falhou em capturar a mecânica central "evil" (malvada) da tarefa. Os alunos frequentemente modelaram o jogo como comprometendo-se com uma única palavra oculta em vez de manter e atualizar um conjunto de palavras compatíveis, ou selecionaram famílias de palavras com base em critérios incorretos (ex: minimizar opções em vez de maximizá-las).

Significância e Implicações

O artigo argumenta que a decomposição de novatos é moldada por múltiplos modelos subjacentes de comportamento de programa, criando tensão entre o raciocínio estrutural (hierarquia) e o raciocínio focado em sequência (ordem de execução).

• Implicações Pedagógicas: As descobertas sugerem que a instrução atual pode não ser suficiente para apoiar a transição do código concreto para o planejamento abstrato. Os autores recomendam:

  • Instrução Explícita de Notação: Educadores devem ensinar explicitamente as potencialidades e limitações das notações escolhidas (ex: distinguir entre grafos de chamada e fluxogramas) para evitar modelos mentais conflitantes.
  • Processos de Design Estruturados: Implementar processos estruturados de design de funções (definindo contratos, entradas e saídas antes da implementação) poderia melhorar o encapsulamento e a abstração.
  • Avaliação de Planejamento: A decomposição deve ser avaliada como uma habilidade distinta da implementação. Diagramas fornecem um mecanismo leve para feedback frequente sobre habilidades de planejamento.
  • Rastreamento de Plano (Plan Tracing): Os autores propõem o "rastreamento de plano" (simular a execução de um diagrama) como uma competência futura para ajudar os alunos a identificar erros de encapsulamento e lógica antes da codificação.

• Contribuição Teórica: O estudo expande a literatura sobre planejamento de novatos ao demonstrar que erros tradicionalmente associados ao código (ex: baixa modularidade, erros de limite) se manifestam em diagramas de formato livre. Ele apoia o uso de desenhos como artefatos para externalizar e analisar os modelos mentais dos alunos sobre máquinas conceituais, revelando que os novatos frequentemente mantêm modelos contraditórios de execução de programas simultaneamente.

Os autores concluem que a compreensão desses artefatos de planejamento é crucial para o desenvolvimento de estratégias instrucionais que possam apoiar melhor a abstração e o raciocínio de programação na era da GenAI, onde a capacidade de planejar e decompor está se tornando uma competência primária.