Fábulas Computacionais - Experimento
1. Base de questionário
Neste experimento, primeiramente utilizamos o questionário Bebras Brasil, composto por 12 questões. Em seguida, os participantes foram submetidos ao jogo Fábulas Computacionais. Ambos, o Bebras e o jogo, tiveram um tempo estabelecido de 1 hora para a realização das atividades propostas. O estudo foi conduzido com 46 alunos do ensino fundamental, abrangendo estudantes do quinto ao oitavo ano.
#carregando base geral
dados <- read_csv2("datasets/experimento.csv")
#binarizando acertos bebras, abaixo e acima da média
dados <- dados |> mutate(media_bebras = ifelse(perc_acertos_bebras > 36.78, "Acima da Média (36,78)", "Abaixo da Média (36,78)"))
#binarizando acertos game, abaixo e acima da média
dados <- dados |> mutate(media_game = ifelse(perc_acertos_game > 73.55, "Acima da Média (73,55)", "Abaixo da Média (73,55)"))
#Mostrando a tabela
paged_table(dados)2. Tabela descritiva
Bebras
dados |>
select(sexo, serie, media_bebras) |>
tbl_summary(by = media_bebras) |>
#add_p() |>
add_overall() |>
bold_levels()| Characteristic | Overall, N = 461 | Abaixo da Média (36,78), N = 261 | Acima da Média (36,78), N = 201 |
|---|---|---|---|
| sexo | |||
| Feminino | 20 (43%) | 11 (42%) | 9 (45%) |
| Masculino | 26 (57%) | 15 (58%) | 11 (55%) |
| serie | |||
| 5ª Série | 17 (37%) | 11 (42%) | 6 (30%) |
| 6ª Série | 11 (24%) | 6 (23%) | 5 (25%) |
| 7ª Série | 9 (20%) | 4 (15%) | 5 (25%) |
| 8ª Série | 9 (20%) | 5 (19%) | 4 (20%) |
| 1 n (%) | |||
Game
dados |>
select(sexo, serie, media_game) |>
tbl_summary(by = media_game) |>
#add_p() |>
add_overall() |>
bold_levels()| Characteristic | Overall, N = 461 | Abaixo da Média (73,55), N = 191 | Acima da Média (73,55), N = 271 |
|---|---|---|---|
| sexo | |||
| Feminino | 20 (43%) | 10 (53%) | 10 (37%) |
| Masculino | 26 (57%) | 9 (47%) | 17 (63%) |
| serie | |||
| 5ª Série | 17 (37%) | 7 (37%) | 10 (37%) |
| 6ª Série | 11 (24%) | 7 (37%) | 4 (15%) |
| 7ª Série | 9 (20%) | 1 (5.3%) | 8 (30%) |
| 8ª Série | 9 (20%) | 4 (21%) | 5 (19%) |
| 1 n (%) | |||
2. Relação de acertos por série
Bebras (Gráfico)
#boxplot de serie por acertos no bebras
my_comparisons <- list( c("5ª Série", "6ª Série"), c("5ª Série", "7ª Série"), c("5ª Série", "8ª Série"),c("6ª Série", "7ª Série") ,c("6ª Série", "8ª Série"),c("7ª Série", "8ª Série"))
ggboxplot(dados, x = "serie", y = "perc_acertos_bebras",
color = "serie", palette = "jco")+
stat_compare_means(comparisons = my_comparisons)+
stat_compare_means(label.y = 11)
Bebras (Descritiva)
#descritiva perc_acertos_bebras por serie
dados |>
select(perc_acertos_bebras, serie) |>
group_by(serie) |>
summarise(media = mean(perc_acertos_bebras),
mediana = median(perc_acertos_bebras),
desvio = sd(perc_acertos_bebras),
minimo = min(perc_acertos_bebras),
maximo = max(perc_acertos_bebras)) |>
paged_table()Game
#boxplot de serie por acertos no bebras
my_comparisons <- list( c("5ª Série", "6ª Série"), c("5ª Série", "7ª Série"), c("5ª Série", "8ª Série"),c("6ª Série", "7ª Série") ,c("6ª Série", "8ª Série"),c("7ª Série", "8ª Série"))
ggboxplot(dados, x = "serie", y = "perc_acertos_game",
color = "serie", palette = "jco")+
stat_compare_means(comparisons = my_comparisons)+
stat_compare_means(label.y = 11)
Game (Descritiva)
#descritiva perc_acertos_bebras por serie
dados |>
select(perc_acertos_game, serie) |>
group_by(serie) |>
summarise(media = mean(perc_acertos_game),
mediana = median(perc_acertos_game),
desvio = sd(perc_acertos_game),
minimo = min(perc_acertos_game),
maximo = max(perc_acertos_game)) |>
paged_table()3. Médias de acertos por habilidade no game
3.1 Tabelas
Tipos de Dados
dados |>
select(perc_acertos_game_td, serie) |>
group_by(serie) |>
summarise(media = mean(perc_acertos_game_td),
mediana = median(perc_acertos_game_td),
desvio = sd(perc_acertos_game_td),
minimo = min(perc_acertos_game_td),
maximo = max(perc_acertos_game_td)) |>
paged_table()Linguagem de Programação
dados |>
select(perc_acertos_game_lp, serie) |>
group_by(serie) |>
summarise(media = mean(perc_acertos_game_lp),
mediana = median(perc_acertos_game_lp),
desvio = sd(perc_acertos_game_lp),
minimo = min(perc_acertos_game_lp),
maximo = max(perc_acertos_game_lp)) |>
paged_table()3.2 Gráficos
Barras
grafico <- dados |>
select(serie, perc_acertos_game_td, perc_acertos_game_lp, perc_acertos_game_d, perc_acertos_game_g) |>
gather(key = "habilidade", value = "perc_acertos_game", -serie) |>
group_by(serie, habilidade) |>
summarise(media = mean(perc_acertos_game),
desvio = sd(perc_acertos_game))
# Mapeamento dos novos rótulos para as habilidades
novos_rotulos <- c(
"perc_acertos_game_d" = "Decomposição",
"perc_acertos_game_g" = "Generalização",
"perc_acertos_game_lp" = "Linguagem de Programação",
"perc_acertos_game_td" = "Tipos de Dados"
)
# Criar o gráfico de barras com médias e desvios
ggplot(grafico, aes(x = habilidade, y = media, fill = serie)) +
geom_bar(stat = "identity", position = "dodge", width = 0.7, alpha = 0.6) +
geom_errorbar(aes(ymin = media - desvio, ymax = media + desvio),
width = 0.3, position = position_dodge(width = 0.7)) +
labs(x = "", y = "Médias no game", color = "Série",
title = "Médias e Desvios por Habilidade e Série") +
scale_x_discrete(labels = novos_rotulos) + # Alteração dos rótulos no eixo x
theme_minimal() 
Linhas
# Criar o gráfico de linhas com médias e valores nos pontos
ggplot(grafico, aes(x = habilidade, y = media, color = serie, group = serie)) +
geom_line(size = 1) +
geom_point(size = 3) +
geom_text(aes(label = round(media, 2)), vjust = -0.5, size = 3, show.legend = FALSE) +
labs(x = "", y = "Médias no game", color = "Série",
title = "Médias por Habilidade e Série") +
scale_x_discrete(labels = novos_rotulos) + # Alteração dos rótulos no eixo x
theme_minimal()
4. Correlação entre bebras e game por série
5º ano
dados_filtrado_serie <- dados |> filter(serie == "5ª Série")
plot(cor_test(dados_filtrado_serie, "perc_acertos_bebras", "perc_acertos_game"))
6º ano
dados_filtrado_serie <- dados |> filter(serie == "6ª Série")
plot(cor_test(dados_filtrado_serie, "perc_acertos_bebras", "perc_acertos_game"))
