Motor de Distribuição Curricular e Trilhas de Exercícios (CS1–CS3 × Temáticas × Escala A–E)

Algoritmos de sequenciamento pedagógico combinando níveis ACM CS1–CS3, rotação de SkillThematica e degraus de dificuldade A–E com avaliação offline

Código: TCC 17 · Trilha: Trilha 2: IA e Ciência de Dados · Status: Disponível · Modalidade: Pesquisa Aplicada + Algoritmos / Ciência de Dados · Perfil: Individual · Complexidade: Média–Alta · Regime Ético: Sem CEP (Computacional / Simulação Offline)

1. Contexto e Problema

Dispor de um banco com centenas de exercícios (Corpus WOKDEX, CETECOP, Codeforces/COFO/LeetCode minerados) não garante uma boa jornada de aprendizagem se os problemas forem entregues em ordem aleatória ou puramente por rating competitivo. Em turmas reais de CS1, CS2 e CS3, há dois desafios simultâneos:

1. Progressão cognitiva e técnica: é preciso respeitar pré-requisitos (cs1..cs3_estrutura_disciplinar.yaml), intercalar prática nova com revisão espaçada e dosar níveis da escala A–E sem expor iniciantes diretamente a barreiras como ponteiros ou grafos antes do tempo;
2. Motivação e diversidade temática (SkillThematica): conforme cap04-ontologia-progresso-expandida.tex e hierarchy-thematic.md, um mesmo conceito algorítmico (ex.: vetores ou BFS) pode ser vestido com contextos de Engenharia/Metalurgia, Logística Urbana, Biologia/Física, Jogos/RPG ou Cotidiano. Falta implementar e avaliar formalmente políticas automatizadas de distribuição que equilibrem dificuldade A–E, cobertura de Skills CS1–CS3, variedade temática e adaptação a falhas (MISCONCEPTION).

2. O que será feito (Objetivos Técnicos e Escopo)

1. Formalizar uma arquitetura de metadados unificada integrando cs1/cs2/cs3_estrutura_disciplinar.yaml, tecnicas_programacao_complementar.yaml, hierarchy-computacional.md e hierarchy-thematic.md sobre pacotes wok-scheme.json;
2. Implementar um Motor de Distribuição e Geração de Listas/Trilhas suportando cinco arquétipos de percurso definidos no projeto (ver Estratégia CS1–CS3):
   • Trilha 5K (Iniciação / CS1 / ProgramAÇO), Trilha 10K (CS1→CS2), Trilha de Reforço Diagnóstico (pós-MISCONCEPTION), Trilha Maratona (CS3 / SBC) e Trilha Temática Contextualizada;
   • Políticas de dosagem configuráveis (ex.: regra em degraus A–E 40%-40%-20%, revisão espaçada de pré-requisitos e rotação de SkillThematica para evitar saturação ou viés de domínio);
3. Projetar e executar um ambiente de avaliação offline com perfis sintéticos calibrados de estudantes (iniciante com lacuna em laços, intermediário com gargalo assintótico, competidor avançado) e métricas objetivas de qualidade de sequência (cobertura de pré-requisitos, suavidade da curva de dificuldade A–E, entropia/diversidade temática, taxa de recuperação simulada e NDCG@k frente a baselines aleatório e sequencial rígido).

3. Perguntas para você refletir

Se você se identifica com as questões abaixo, este tema pode ser uma boa escolha:

• Como separar matematicamente na seleção de um exercício a carga computacional (ex.: usar uma Fila) da carga de modelagem temática (ex.: interpretar um enunciado de Física ou Logística)?
• Que proporção entre exercícios de fixação (E/D), consolidação (D/C) e desafio (C/B) evita tanto o tédio quanto o abandono precoce em listas semanais?
• Como evitar recomendações ad-hoc e garantir métricas rigorosas de ranqueamento e diversidade na avaliação offline?

4. Divisão Sugerida (TCC 1 e TCC 2)

• TCC 1: Formalização do modelo multi-eixo (CS1–CS3 × A–E × SkillThematica), especificação das políticas de distribuição/trilhas e desenho dos perfis simulados e métricas offline.
• TCC 2: Implementação do motor de distribuição (API/serviço integrável ao DOMjudge Educacional e ao TCC 08), execução dos experimentos comparativos contra baselines e visualização interativa das trilhas geradas.

5. Entregáveis e Métricas de Avaliação

• Base curricular unificada em YAML/JSON ligando CS1, CS2, CS3, Técnicas Complementares e SkillThematica
• Motor de distribuição e montagem de listas/trilhas com suporte às 5 trilhas do aluno
• Avaliação experimental offline comparando políticas contra baselines via violação de pré-requisitos (0%), suavidade de progressão A–E, diversidade/entropia temática, NDCG@k / MAP e testes não paramétricos (Wilcoxon / Mann-Whitney)
• Monografia de TCC

6. Pré-requisitos e Tecnologias Sugeridas

• Base necessária: Estruturas de Dados e Grafos, Python, modelagem JSON/YAML e estatística básica.
• Tecnologias e conceitos envolvidos: Grafos de pré-requisitos (NetworkX), otimização combinatória / programação por restrições ou bandits/heurísticas multicritério, FastAPI, visualização de trilhas.

7. Origem e Ponto de Partida

• Origem na pesquisa WOKDEX:
  • apendices/disciplinas/{cs1,cs2,cs3}_estrutura_disciplinar.yaml e tecnicas_programacao_complementar.yaml;
  • apendices/wokschema/0000-metadata-scheme/documentation/topics/acm_cs_levels.md e acm_alignment.md;
  • apendices/wokschema/0000-metadata-scheme/documentation/skill/{hierarchy-computacional,hierarchy-thematic}.md;
  • apendices/arquivo-editorial/cap04-ontologia-progresso-expandida.tex (modelo da Maratona 5K–Elite e SkillThematica);
  • apendices/disciplinas/tcc-alvim.md (exigência de métricas de RI e baselines).
• Leia também o documento base Estratégia de Distribuição e Trilhas CS1–CS3 e TCC 08.

8. Como demonstrar interesse

Antes de agendarmos uma conversa, prepare respostas curtas para:

1. Por que esse tema chamou sua atenção?
2. Você prefere explorar modelagem curricular/algoritmos multicritério de montagem de listas ou simulação de perfis e métricas de recomendação?
3. Qual sua disponibilidade semanal estimada para o TCC?