Uma proposta pedagógica para o uso da modelagem computacional no curso de Licenciatura em Química do Cefet Campos.

Transcrição

1 XII Ciclo de Palestras Novas Tecnologias na Educação Uma proposta pedagógica para o uso da modelagem computacional no curso de Licenciatura em Química do Cefet Campos. Rodrigo Garrett da Costa Profª. Drª. Liliana Maria Passerino Porto Alegre, dezembro de 2008.

2 Organização da apresentação 1. Contexto da pesquisa; 2. Descrição do problema; 3. Objetivos da pesquisa; 4. Breve abordagem sobre: modelos e modelagem computacional; o software Modellus enquanto instrumento e signo sob a concepção Sócio-Histórica de Vygotsky; 5. Materiais e métodos; 6. Apresentação dos dados obtidos e discussão dos resultados alcançados; 7. Conclusões. 2

3 Contexto da pesquisa Região Norte Fluminense, RJ Município de Campos dos Goytacazes Cefet Campos (Instituto Federal Fluminense) Alunos do curso de Ciências da Natureza / Licenciatura em Química 3

4 Problema Dificuldades encontradas na aprendizagem da Físico-Química são atribuídas à falta de compreensão matemática dos alunos (Atkins, 2003) 1 e à memorização de fórmulas (Chou, 2002) 2 ; Mas a matemática é a base da Físico-Química. Então, como fazer com que os alunos consigam compreender e interpretar as equações matemáticas que descrevem os processos físicoquímicos? 1 ATKINS, Peter W; PAULA, Julio de. Físico-Química; 2 CHOU, C. Y. Science Teachers Understanding of Concepts in Chemistry. 4

5 Por meio da utilização de recursos computacionais Simulação Modelagem Computacional 5

6 Objetivos da Pesquisa Examinar a contribuição da modelagem computacional no aprendizado de Físico- Química, no eixo temático estudo dos gases; Promover um ambiente colaborativo e cooperativo entre os estudantes na realização da atividade computacional; Verificar se a interação social no ambiente computacional potencializa a atuação na Zona de Desenvolvimento Proximal (ZDP) dos sujeitos envolvidos. 6

7 Modelos e Modelagem Computacional Figura 1 - Mapa conceitual da aplicação dos modelos e da modelagem computacional. 7

8 A criação e exploração de um modelo é uma experiência importante no processo de aprendizagem (Teodoro, 1997) 3 ; Segundo o autor, as práticas educativas de modelagem computacional possuem as seguintes características: Permitem a contextualização do conhecimento; Podem estimulam as interações entre indivíduos; Facilitam representações (equações e gráficos); São motivadoras; Propiciam a manipulação dos objetos reais. 3 TEODORO, V.D. Modelação computacional em Ciências e Matemática. 8

9 O software Modellus Software educacional livre, de fácil manipulação e boa interface gráfica; Disponível em Aplicações na simulação e na modelagem computacional; Instrumento facilitador do estudo dos modelos matemáticos aplicados à Físico-Química. 9

10 O Modellus como instrumento de mediação Segundo a Teoria Sócio-Histórica (Vygotsky, 1999) 4, o Modellus pode ser considerado tanto como instrumento quanto signo. Enquanto Instrumento: provoca mudanças sobre os objetos, ou seja, age externamente; possibilita nos dirigirmos para objetos de domínio da natureza com o intuito de mudá-los. 4 VYGOTSKY, Lev S. A formação social da mente. 10

11 Enquanto Signo: constitui um meio de atividade interna dirigido para o controle do próprio indivíduo; provoca alterações no indivíduo, alterando seu comportamento à medida que surgem novos processos cognitivos; estimula a internalização, ou seja, a transformação de um processo interpessoal em intrapessoal (Vygotsky, 1999). 11

12 Materiais e Métodos (1) Estudo realizado com 13 alunos matriculados no 6 período do curso de Ciências da Natureza Licenciatura em Química; Avaliação dos conhecimentos prévios (pré-teste); 5 Questões objetivas respondidas individualmente medida do conhecimento julgamento das respostas (correta, meio certas ou erradas) medida do metaconhecimento KMA (Precisão do Monitoramento do Conhecimento) e KMB (Desvio do Monitoramento do Conhecimento) propostos por Tobias e Everson (2002) 5. 5 TOBIAS, S.; EVERSON, H. T. Knowing What You Know and What You Don t: Further Research on Metacognitive Knowledge Monitoring. 12

13 Materiais e Métodos (2) Correção das questões e formação das duplas em função das notas no pré-teste aluno c/ nota baixa + aluno c/ nota alta; Aula expositiva (30 ) sobre o software, suas ferramentas e funcionalidades; Entrega do roteiro de atividades propondo a construção de modelos computacionais baseados nas equações de estado dos gases e suas respectivas representações gráficas (60 ). 13

14 Materiais e Métodos (3) Aplicação do pós-teste, reproduzindo as mesmas questões do pré-teste e adotando-se os mesmos critérios, com o objetivo de verificar se houve avanço no entendimento dos conceitos estudados; Preenchimento do questionário de avaliação das atividades capturar as impressões dos alunos sobre a aula e o uso do software. 14

15 Figura 2 - Primeiro momento: realização do teste pelos alunos Figura 3 - Segundo momento: interações entre os alunos durante realização da atividade de modelagem computacional. 15

16 Figura 4 - Captura de tela de um modelo computacional criado pelos alunos para o comportamento dos gases. 16

17 Resultados e Discussão (1) Considerados tanto aspectos qualitativos quanto quantitativos; Qualitativos: observação participativa; levantamento das impressões dos alunos quanto à atividade (questionário). 17

18 Resultados e Discussão (2) Quantitativos: notas individuais; medidas de tendência central e de dispersão baseadas nas notas nos testes; Medida da relação (coeficiente de correlação de Pearson) entre o desempenho dos alunos na resolução dos problemas e seus perfis metacognitivos (índices KMA e KMB). 18

19 Índice KMA [+0,50 a + 1,00] [- 0,25 a + 0,50] [- 1,00 a - 0,25] Índice KMB KMA alto [+0,25 a + 1,00] [- 0,25 a + 0,25] [- 1,00 a - 0,25] Classificação alto médio baixo Classificação Realista otimista aleatório pessimista Interpretação Na maioria das vezes estima corretamente o seu conhecimento. Freqüentemente comete erros de estimativa. Não estima corretamente seu conhecimento na maioria das vezes Interpretação Estima com precisão o seu conhecimento Estima que pode resolver o problema, mas não o faz em muitas situações. Estima seu conhecimento ora de forma otimista, ora pessimista. Estima que não pode resolver o problema, mas o faz em muitas situações. 19

20 Avaliação Qualitativa 85 % dos alunos nunca tinham experimentado uma aula de Físico-Química com recurso computacional; O mesmo percentual (85%) preferiu trabalhar esse tipo de atividade em duplas e com a presença do professor do que individualmente; 100% dos estudantes julgaram necessário o uso da simulação computacional no ensino de Físico- Química; 100% dos estudantes afirmaram que o software Modellus é de fácil manipulação. 20

21 Avaliação Quantitativa (1) % dos alunos com nota menor do que 6,0 pontos: Pré-teste 70% Pós-teste 30% Figura 5 - Evolução nos rendimentos dos alunos nos testes. Aproximadamente 85% dos alunos tiveram seu desempenho melhorado após essa aula. Figura 6 Medidas de tendência aplicadas ao rendimento dos alunos nos testes. 21

22 Avaliação Quantitativa (2) Figura 7 - Comparação entre as notas dos testes, os índices KMA e KMB. Evolução nos testes x variações de KMA r = + 0,17 Evolução nos testes x variações de KMB r = - 0,35 22

23 Conclusões (1) A incorporação do Modellus ao estudo da Físico-Química melhorou a compreensão dos conceitos e das representações matemáticas dos modelos de gases ideais e reais; A cooperação e a colaboração funcionaram como mecanismos sócio-cognitivos favoráveis ao processo de ensino-aprendizagem, uma vez que provocaram modificações na ZDP desses alunos, principalmente os que obtiveram menor rendimento no teste inicial; 23

24 Conclusões (2) Foi fundamental a participação ativa do professor como mediador no planejamento e na execução da atividade de modelagem computacional; Não foi possível constatar uma relação significativamente positiva entre a melhora na aprendizagem dos estudantes e o aumento das suas habilidades metacognitivas através dos índices KMA e KMB tamanho da amostra ou tempo para mudanças metacognitivas. 24

25 Referências Bibliográficas 1. ATKINS, Peter W; PAULA, Julio de. Físico-Química. 7 ed, Rio de Janeiro: Livros Técnicos e Científicos, p. 2. CHOU, C. Y. Science Teachers Understanding of Concepts in Chemistry. Proc. Natl. Sci. Counc. ROC(D), v. 12, n. 2, p LIMA, D. M. L. Dificuldades de aprendizagem na área de Física: análise da realidade na E.E.M. Liceu de Tauá Lili Feitosa. Centro de Educação, Ciência e Tecnologia da Região dos Inhamuns: Tauá, Universidade Estadual do Ceará p. Monografia em Educação Especial. 4. SILVA, J. R. M.; MOURA, S. A. S.; SOAR, R. S. Levantamento das dificuldades dos professores no ensino de Química em escolas de nível Médio de Campo Grande - MS. In: XIV Encontro Nacional de Ensino de Química (XIV ENEQ), 2008, Curitiba. Anais. Sociedade Brasileira de Química (SBQ) / UFPA TEODORO, V.D. Modelação computacional em Ciências e Matemática. Revista Brasileira de Informática na Educação. v.10, n. 2, Uniandes-Lidie, Colombia. p Disponível em: < _archivo.pdf>. Acesso em 10 mai TOBIAS, S.; EVERSON, H. T. Knowing What You Know and What You Don t: Further Research on Metacognitive Knowledge Monitoring. College Board Research Report No , College Entrance Examination Board, New York, Disponível em: < Acesso em: 13 mar VYGOTSKY, Lev S. A formação social da mente. São Paulo: Martins Fontes, p. 25

26 Contatos Rodrigo Garrett da Costa, PGIE/UFRGS, CEFET Campos/RJ Liliana Maria Passerino, PGIE/UFRGS 26