Objeto de aprendizagem para o ensino de algoritmos para solução do problema de caminho mínimo

Wilson da Silva Lourenço; Wonder Alexandre Luz Alves; Stanley Jefferson de Araujo Lima; Sidnei Alves de Araujo

doi:10.5585/exactaep.2022.22247

Autores

Wilson da Silva Lourenço Senac University Center / São Paulo, SP - Brasil https://orcid.org/0000-0001-5501-1696
Wonder Alexandre Luz Alves Universidade Nove de Julho (UNINOVE) / São Paulo, SP - Brasil https://orcid.org/0000-0003-0430-950X
Stanley Jefferson de Araujo Lima Universidade Nove de Julho (UNINOVE) – Programa de Pós Graduação em Informática e Gestão do Conhecimento (PPGI)
Sidnei Alves de Araujo Universidade Nove de Julho (UNINOVE) / São Paulo, SP - Brasil https://orcid.org/0000-0003-3970-5801

DOI:

https://doi.org/10.5585/exactaep.2022.22247

Palavras-chave:

objeto de aprendizagem, problema do caminho do mínimo, algoritmos de busca, otimização em rede, JUNG

Resumo

Embora o uso das novas tecnologias seja reconhecido e amplamente explorado na literatura recente como uma importante alternativa para o aprendizado de conceitos teóricos e práticos nas áreas de Engenharia e Informática, há ainda muito espaço para novas ferramentas computacionais, principalmente no que tange a visualização de algoritmos de otimização em redes. Neste trabalho é apresentado um objeto de aprendizagem computacional para auxiliar a compreensão dos alunos sobre o funcionamento de algoritmos para solução do problema de caminho mínimo (PCM), os quais são comumente ensinados em cursos de graduação como Engenharia de Produção, Ciência da Computação e Sistemas de Informação. O objeto proposto possui uma interface gráfica interativa, que emprega recursos da biblioteca JUNG (Java Universal Network/Graph), e permite ao aluno representar e resolver o problema investigado, além de demonstrar como cada um dos algoritmos disponíveis (Dijkstra, A* e Greedy Search) resolve o problema. Experimentos realizados com alunos do curso de Ciência da Computação sinalizaram que o objeto de aprendizagem pode trazer benefícios para a aprendizagem, considerando a necessidade de conhecimentos teóricos acerca do PCM.

Downloads

Biografia do Autor

Wilson da Silva Lourenço, Senac University Center / São Paulo, SP - Brasil

Área: Métodos numéricos. Departamento: Engenharia da Produção

Wonder Alexandre Luz Alves, Universidade Nove de Julho (UNINOVE) / São Paulo, SP - Brasil

Área: Métodos numéricos. Departamento: Engenharia da Produção. Universidade Nove de Julho (UNINOVE) – Programa de Pós Graduação em Informática e Gestão do Conhecimento (PPGI). São Paulo, SP – Brasil

Stanley Jefferson de Araujo Lima, Universidade Nove de Julho (UNINOVE) – Programa de Pós Graduação em Informática e Gestão do Conhecimento (PPGI)

Área: Métodos numéricos

Departamento: Engenharia da Produção

Sidnei Alves de Araujo, Universidade Nove de Julho (UNINOVE) / São Paulo, SP - Brasil

Área: Métodos numéricos. Departamento: Engenharia da Produção. Universidade Nove de Julho (UNINOVE) – Programa de Pós Graduação em Informática e Gestão do Conhecimento (PPGI). São Paulo, SP – Brasil

Referências

Abduraxmanova, S. A. (2022). Individualization of professional education process on the basis of digital technologies. World Bulletin of Social Sciences, 8, 65-67.

Araújo, S. A., de Barros, D. F., da Silva, E. M., & Cardoso, M. V. (2019). Applying computational intelligence techniques to improve the decision making of business game players. Soft Computing, 23(18), 8753-8763.

Arenales, M., Armentano, V. A., Morabito, R., & Yanasse, H. H. (2007). Pesquisa operacional: modelagem e algoritmos. Campus-ABEPRO, Rio de Janeiro, Elsevier.

Balsmeier, B., & Woerter, M. (2019). Is this time different? How digitalization influences job creation and destruction. Research policy, 48(8), 103765.

Barros, E. A., Pamboukian, S. V., & Zamboni, L. C. (2007, March). Algoritmo de Dijkstra: Apoio didático e multidisciplinar na implementação, simulação e utilização computacional. In International Conference on Engineering and Computer Education–ICECE, São Paulo–SP.

Borissova, D., & Mustakerov, I. (2015). E-learning tool for visualization of shortest paths algorithms. Trends Journal of Sciences Research, 2(3), 84-89.

Cormen, T. H., Leiserson, C. E., Rivest, R. L., & Stein, C. (2009). Introduction to Algorithms. third. New York.

Estevez, J., Garate, G., Guede, J. M., & Graña, M. (2019). Using Scratch to Teach Undergraduate Students' Skills on Artificial Intelligence. arXiv preprint arXiv:1904.00296.

Guzmán, J. L., & Joseph, B. (2021). Web-based virtual lab for learning design, operation, control, and optimization of an anaerobic digestion process. Journal of Science Education and Technology, 30(3), 319-330.

IEEE Learning Technology Standards Committee. (2005). WG12: Learning object metadata. URL: http://ltsc. ieee. org/wg12.

Keller, C. (2009). User acceptance of virtual learning environments: a case study from three northern European universities. Communications of the Association for Information Systems, 25(1), 38.

Kostadinov, B., Thiel, J., & Singh, S. (2019). Creating Dynamic Documents with R and Python as a Computational and Visualization Tool for Teaching Differential Equations. PRIMUS, 29(6), 584-605.

Kumawat, S., Dudeja, C., & Kumar, P. (2021). An Extensive Review of Shortest Path Problem Solving Algorithms. In 2021 5th International Conference on Intelligent Computing and Control Systems (ICICCS) (pp. 176-184). IEEE.

Lockwood, E. (2022). Leveraging Prediction and Reflection in a Computational Setting to Enrich Undergraduate Students’ Combinatorial Thinking. Cognition and Instruction, 1-43.

Malik, R. S. (2018). Educational challenges in 21st century and sustainable development. Journal of Sustainable Development Education and Research, 2(1), 9-20.

Martin, J., & Bohuslava, J. (2018, January). Augmented reality as an instrument for teaching industrial automation. In 2018 Cybernetics & Informatics (K&I) (pp. 1-5). IEEE.

Mun, Y. Y., & Hwang, Y. (2003). Predicting the use of web-based information systems: self-efficacy, enjoyment, learning goal orientation, and the technology acceptance model. International journal of human-computer studies, 59(4), 431-449.

Oliveira, I. C. B. Estímulo da leitura com a utilização de recursos multimodais e tecnológicos. Anais IV CONEDU... Campina Grande: Realize Editora, 2017. Disponível em: <https://editorarealize.com.br/artigo/visualizar/36864>. Acesso em: 19/05/2017.

Paula, L. D., Piva Jr, D., & Freitas, R. L. (2009). A Importância da Leitura e da Abstração do Problema no processo de formação do raciocínio lógico-abstrato em alunos de Computação. In XVII Workshop sobre Educação em Computação-WEI.

Platz, M., Krieger, M., Niehaus, E., & Winter, K. (2017, May). Electronic proofs in mathematics education—A South African Teacher Professional Development (TPD) course informing the conceptualisation of an e-proof system authoring support workshop. In 2017 IST-Africa Week Conference (IST-Africa) (pp. 1-9). IEEE.

Ramle, R., Nathan, S. S., & Berahim, M. (2020). Question-led approach in designing Dijkstra algorithm game-based learning: A pilot study. International Journal of Evaluation and Research in Education, 9(4), 926-933.

Russell, S., & Norvig, P. (1995). Prentice Hall series in artificial intelligence. Englewood Cliffs, NJ:: Prentice Hall.

Santos, M. P. (2015). Pesquisa Operacional, Departamento de Matemática Aplicada Instituto de Matemática e Estatística, Universidade do Estado do Rio de Janeiro. Disponível em: https://www.mpsantos.com.br/Po%20Python.pdf. Acessado em: Dez. 2015.

Sánchez, D. S., Feijoo, J. M., Cueto-Felgueroso, L., Rodrigo, B. G., Guerra, F. S., & Carrasco, I. C. (2018). A framework for boosting the autonomous and experiential learning for undergraduate engineering students under blended learning. In ICERI2018 Proceedings (pp. 9808-9815).

Yadav, N., Dhameja, K., & Chaubey, P. (2021, December). Path Finding Visualizer Application for Shortest Path Algorithm. In 2021 3rd International Conference on Advances in Computing, Communication Control and Networking (ICAC3N) (pp. 1669-1672). IEEE.