From Idea to Classroom in Days: Using "Vibe Coding" to Create a Programming Process Visualizer from IDE Activity Logs
Este artigo apresenta o desenvolvimento rápido e a implementação em sala de aula de uma aplicação web de "vibe coding" assistida por IA que analisa logs da IDE Thonny para gerar visualizações interativas dos processos de programação dos alunos, permitindo assim que os professores monitorem eficientemente o progresso da aprendizagem, identifiquem necessidades de apoio e detectem potenciais problemas de integridade académica.
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 é um detetive tentando resolver um mistério, mas a única pista que possui é a foto final da cena do crime. Você consegue ver o resultado, mas não tem ideia de como o suspeito chegou lá. Eles resolveram com um lampejo brilhante de intuição ou apenas copiaram a resposta de um vizinho e apenas mudaram a cor da camisa? No mundo da ciência da computação, especificamente na sala de aula, os professores frequentemente enfrentam exatamente esse problema. Eles veem o código final que um aluno envia, mas a jornada desordenada de tentativa e erro de escrever esse código permanece oculta. Este campo, conhecido como análise de aprendizagem (learning analytics), tenta espiar por trás da cortina estudando os "logs de atividade" — pegadas digitais deixadas cada vez que um aluno digita, apaga, executa ou comete um erro em um programa. A grande questão é: Como podemos transformar esses logs entediantes e invisíveis em uma história clara que ajude os professores a identificar alunos com dificuldades ou detectar trapaças sem passar horas encarando telas?
Apresentamos o "Thonny Log Visualizer", uma nova ferramenta construída por pesquisadores da Universidade de Tartu, na Estônia. Pense nesta ferramenta como uma câmera de "viagem no tempo" para a programação. Em vez de mostrar apenas a foto final, ela reconstrói todo o filme de como um aluno construiu seu programa, segundo a segundo. Os pesquisadores criaram esta ferramenta usando um método moderno e acelerado chamado "vibe coding", onde atuaram como diretores dando instruções em linguagem natural para um assistente de IA para construir o software em apenas alguns dias. O resultado é uma aplicação web que pega os dados brutos e desordenados de uma sessão de codificação de um aluno e os transforma em gráficos coloridos, linhas do tempo e até um botão de reprodução.
Aqui está o que a ferramenta realmente faz e o que os pesquisadores descobriram. O visualizador permite que os professores façam o upload de um único arquivo de log, uma pasta inteira de arquivos ou um arquivo ZIP contendo dados de até 87 alunos de uma só vez. Uma vez carregado, o sistema atua como um controlador de tráfego, organizando o caos para mostrar um "painel de sessão" para cada aluno. Este painel apresenta uma linha do tempo interativa que se parece com um monitor de batimentos cardíacos, mostrando exatamente quando um aluno digitou, apagou, executou seu código ou encontrou um erro. Também inclui um "gráfico de tamanho de código" que rastreia como o programa cresceu (ou diminuiu) ao longo do tempo, e um recurso de "reprodução" que permite aos professores assistir ao processo de codificação do aluno como se fosse um vídeo, completo com pausas e explosões de atividade.
Os pesquisadores sugerem que esta ferramenta é um divisor de águas para identificar problemas. Por exemplo, se a linha do tempo de um aluno mostra um longo período de silêncio seguido por um salto súbito e massivo no tamanho do código, isso pode sugerir que ele copiou e colou um grande trecho de código em vez de escrevê-lo por conta própria. Da mesma forma, se um aluno executa seu programa apenas no final da sessão após horas de digitação, isso pode indicar que ele estava travado e só testou seu trabalho quando foi forçado a enviar. Em um teste piloto com 160 alunos e cinco professores, a ferramenta identificou com sucesso esses padrões suspeitos. Os professores acharam a ferramenta incrivelmente útil para identificar rapidamente quais alunos precisavam de ajuda e quais casos exigiam uma investigação mais próxima quanto à integridade acadêmica.
No entanto, o artigo é cuidadoso para não exagerar os resultados. Os autores afirmam explicitamente que a ferramenta foi projetada para apoiar a tomada de decisão do professor, não para substituí-lo. Ela sinaliza potenciais problemas — como grandes quantidades de texto colado ou padrões de digitação estranhos — mas não declara automaticamente um aluno como trapaceiro. A ferramenta sugere que essas pistas visuais são poderosas para iniciar uma conversa, mas o julgamento final ainda pertence ao professor humano. O estudo também observa uma limitação: a ferramenta só funciona se os alunos usarem um programa específico chamado Thonny e enviarem seus logs, o que significa que ela não pode analisar alunos que utilizam outras ferramentas ou que esquecem de salvar seus dados.
Em suma, os pesquisadores descobriram que, ao usar IA para construir rapidamente um visualizador via "vibe coding", eles puderam transformar pegadas digitais invisíveis em uma história clara e navegável. Isso ajuda os professores a passarem de meros supositários sobre o que aconteceu para a visualização do processo real, permitindo-lhes oferecer ajuda mais cedo e compreender o "como" por trás da nota final. Embora a ferramenta não seja uma varinha mágica que resolve todos os mistérios da sala de aula, o estudo sugere que ela é uma maneira altamente eficaz e de baixo obstáculo para trazer transparência ao processo de codificação, facilitando o apoio aos alunos e a manutenção da honestidade em turmas grandes.
Afogado em artigos na sua área?
Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.