Determinação da carga cognitiva de atividades para uma introdução ao Arduino em aulas de Física

## DETERMINAÇÃO DA CARGA COGNITIVA DE ATIVIDADES PARA UMA INTRODUÇÃO AO ARDUINO EM AULAS DE FÍSICA

## DETERMINATION OF THE COGNITIVE LOAD OF ACTIVITIES FOR AN INTRODUCTION TO ARDUINO IN PHYSICS CLASSES

## Paulo José Sena dos Santos 1 , Josemar de Siqueira Vargas 2,3 , Rodrigo Sérgio Tiedt 4

1 Universidade Federal de Santa Catarina/Departamento de Física / paulo.sena@ufsc.br 2 Escola Estadual Básica Professor Laércio Caldeira de Andrada / josemarsiqueira@gmail.com 3 Sistema Educacional Brasileiro / josemarsiqueira@gmail.com 4 Instituto Estadual de Educação / rodrigotiedt@gmail.com

## Resumo

Diversos pesquisadores discutem as dificuldades na aprendizagem de conceitos em Física e apontam a necessidade de mudanças na abordagem, com a possibilidade de inserção de novas tecnologias, como a robótica educacional. Entretanto, o uso dessa ferramenta pode trazer dificuldades relacionadas a prototipagem e a programação, além do aumento do número de aulas necessárias para a discussão desses aspectos. Alguns dos novos problemas podem ser contornados com o uso de ambientes virtuais de aprendizagem (AVA), que exige o desenvolvimento de diferentes materiais didáticos e o auxílio de teorias que consideram o desenvolvimento cognitivo dos estudantes, como a teoria da carga cognitiva. Neste trabalho, apresentamos os primeiros resultados de uma avaliação da carga cognitiva de algumas atividades e materiais utilizados em um AVA com o objetivo de introduzir o Arduino e sua programação para estudantes do ensino médio. Os resultados apontaram valores baixos para as cargas cognitivas intrínseca e estranha, além de valores altos para a relevante, que, segundo a teoria, possibilita uma melhor aprendizagem.

Palavras-chave : Teoria da carga cognitiva; Arduino; ensino de física

## Abstract

Several researchers discuss the difficulties in learning concepts in Physics and possible changes in the approach, with the possibility of inserting new technologies, such as educational robotics. However, this change can bring difficulties related to prototyping and programming, and the increase in the number of classes. Some of the new problems can be overcome with the use of virtual learning environments (VLE). The use of these environments requires the development of different materials and the help of cognitive theories, such as the cognitive load. In this work, we present the first results of the evaluation of the cognitive load of some activities and materials used in a VLE with the objective of introducing Arduino and its programming to high school students. The results showed low values for the intrinsic and strange cognitive loads, in addition to high values for the relevant one, which allows for better learning.

Keywords : Cognitive load theory; Arduino; physics teaching

## Introdução

Há décadas diversos pesquisadores discutem as dificuldades de aprendizagem dos estudantes em Física, além do pouco interesse e baixa motivação. Em geral, essas dificuldades estão relacionadas: a grande idealização, o que não permite a associação direta entre os conceitos discutidos e o cotidiano; a abordagens com muita ênfase na resolução de exercícios; e a pouca contextualização.

Para a melhoria da aprendizagem e o aumento da motivação dos estudantes diferentes autores defendem o uso de abordagens centradas no estudante, o uso de atividades experimentais e/ou de novas tecnologias. Neste contexto, defendemos o uso da robótica educacional (RE) para a elaboração de situações diferenciadas de ensino. Diversos autores tem utilizado a ferramenta na promoção de situações de ensino e aprendizagem para a discussão de conceitos de Física (MITNIK et al, 2009; AGUIAR et al, 2017; SIQUEIRA; SANTOS; 2019; SANTOS; SANTOS, 2021).

Alguns autores (SIQUEIRA; SANTOS, 2019; SANTOS; SANTOS, 2021) apontaram que o número de aulas para a realização das atividades - que contemplam desde as discussões e as tarefas para a apresentação do material, até as aulas e atividades para a discussão dos conceitos físicos - é grande. Neste sentido, uma alternativa é o uso de ambientes virtuais de aprendizagem (AVA), em uma abordagem híbrida. Uma outra dificuldade que aparece ao inserir abordagens com tecnologias, como RE, está no entendimento da prototipagem e da programação necessárias para o funcionamento dos diversos dispositivos e realização das atividades.

Para reduzir os problemas relacionados à programação, provocados pela inserção da RE baseada em Arduino, para a discussão de conceitos físicos e ampliar o contato do estudante com a linguagem de programação, elaboramos um material (slides, atividades e videoaulas) com base nos preceitos da Teoria da Carga Cognitiva (SWELLER, 2003). Neste trabalho apresentamos os primeiros resultados da avaliação das diferentes cargas cognitivas (intrínseca, estranha e relevante) de quatro materiais e atividades elaboradas para a introdução da plataforma Arduino para os estudantes do ensino médio.

## A Teoria da Carga Cognitiva

Segundo Nunes e Giraffa (2003), o processo cognitivo humano está relacionado a como as informações captadas do exterior são processadas. Esse processamento envolve a percepção, codificação, armazenamento, recuperação e utilização da informação. Nesse processo a estrutura cognitiva pode ser modelada a partir da inclusão e interação entre três sistemas de memória: a sensorial, a curta duração (trabalho) e a da longa duração. Neste modelo a função da memória sensorial é manter as informações e/ou sensações, captadas do mundo exterior, momentaneamente disponíveis (durante milésimos de segundo) para processamento adicional na memória de curto prazo - que tem uma capacidade de processamento limitada (MILLER, 1956) - durante alguns segundos. Este processamento envolve a codificação e armazenamentos das novas informações na memória de longo prazo. Durante este processo, a todo momento, informações relevantes (esquemas, conceitos, significados, entre outros) são recuperados e/ou modificados na memória de trabalho. Assim, o excesso de informações pode prejudicar o aprendizado.

Segundo a Teoria da Carga Cognitiva o processo de instrução e o material utilizado produzem três tipos de cargas cognitivas 1 (SWELLER, 2003; SANTOS, TAROUCO, 2007; LEPPINK et al, 2013): (i) a intrínseca, relacionada a complexidade dos conceitos e tarefas, além do conhecimento prévio do indivíduo; (ii) a estranha, que tem relação com características da instrução e dos materiais didáticos que não contribuem para o processo de aprendizagem, consequentemente desperdiçam recursos mentais limitados; e (iii) a relevante, associada às características dos materiais didáticos e da instrução que contribuem para o aprendizado.

Para que a aprendizagem ocorra com qualidade é necessário balancear as diferentes cargas cognitivas. A carga cognitiva intrínseca pode ser controlada através da segmentação e do arranjo do conteúdo de modo a otimizar a quantidade de elementos interativos. A redução dessa carga ocorrerá a medida que ocorrer o aprendizado. A carga estranha pode ser reduzida e a relevante aumentada através da observação de alguns princípios durante a elaboração do material didático (SANTOS, TAROUCO, 2007):

- ∞ Princípio da Proximidade Espacial: as palavras e imagens correspondentes devem estar próximas, em vez de afastadas;
- ∞ Princípio da Proximidade Temporal: as palavras e imagens devem ser apresentadas simultaneamente;
- ∞ Princípio das Diferenças Individuais: estudantes com maior nível de conhecimento, sobre um determinado assunto e com maior grau de orientação espacial possuem maiores condições de organizar e processar seu próprio conhecimento ao interagir com o assunto;
- ∞ Princípio da Coerência: quanto mais simples e objetiva for à apresentação do conteúdo melhor será o processamento de informações pela memória de trabalho, assim, não deve-se utilizar palavras, imagens ou sons não relevantes para o assunto;
- ∞ Princípio da Redundância: o uso de animações e narração simultaneamente potencializa o aprendizado;
- ∞ Princípio da Segmentação: os conceitos, ideias e informações devem ser apresentados em segmentos adequados ao ritmo de aprendizagem do aluno.

Estes princípios foram utilizados na elaboração de materiais didáticos, vídeoaulas e atividades para a discussão da Introdução ao Arduíno e ao Tinkercad. Um exemplo pode ser visto na figura 1, onde estão dois slides elaborados para a atividade 1 "Como acender um LED?". Na figura pode-se observar que: os significados são apresentados próximos aos comandos; as informações são apresentadas da forma mais objetiva quanto possível; e os laços (loops) são apresentados em momentos diferentes, assim, os estudantes podem estudá-los separadamente.

As tarefas também foram planejadas de forma a reduzir a carga cognitiva estranha. Inicialmente os estudantes deveriam estudar o exemplo discutido, depois

completavam exemplos (figura 2) até chegarem as tarefas mais elaboradas e desafios (GUZMAN et al, 2019) - como enviar mensagens em código Mors

Figura 1 - Slides para a atividade 1 intitulada 'Como acender um LED?' (fonte: os autores)Figura 2 - Tarefas para completar os exemplos para a atividade 1 'Como acender um LED?' (fonte: os autores).

<!-- image -->

## Metodologia

O material on-line e as atividades foram utilizados nos meses de outubro e novembro de 2021. Devido ao contexto pandêmico vivenciado na região da Grande Florianópolis, as aulas foram realizadas de forma remota em um clube de robótica de uma escola privada. Ao todo foram realizados seis encontros. O último encontro foi presencial para que os estudantes pudessem tomar contato com os kits Arduino. Participaram das atividades 18 estudantes (9 meninas e 9 meninos) com média de idade igual a (15,67 +/- 0,59) anos.

Para a coleta dos dados utilizamos uma versão do instrumento desenvolvido por Leppink et al (2013). Ele é composto por 10 afirmativas cujas respostas estão em escala Likert de 5 pontos (de 1 discordo fortemente a 5 concordo fortemente). As três primeiras tem estão relacionadas à carga cognitiva intrínseca; os itens 4, 5 e 6 tem relação com a carga cognitiva estranha; enquanto os qu a tro últimos itens estão relacionados à carga cognitiva relevante. Os itens traduzidos podem ser vistos no quadro 1 .

Na análise dos dados inicialmente fizemos uma descrição estatística de cada item para cada atividade , e calculamos a média de cada carga cognitiva em cada

atividade. Para identificarmos se as cargas cognitivas diferiram em uma atividade utilizamos o teste de Wilcoxon. Para identificarmos se as cargas cognitivas foram diferentes nas atividades realizamos uma análise multivariada de variância denominada PERMANOVA (permutational multivariate analysis of variance) (ANDERSON, 2001) , que é um teste não-paramétrico de diferença estatística entre dois ou mais grupos baseado na medida de distância , ou seja uma alternativa não paramétrica para a MANOVA.

Quadro 1 - Itens do questionário desenvolvido por Leppink et al (2013).

A pesquisa foi aprovada pelo Comitê de Ética e Pesquisa com Seres Humanos (CAAE 34315920.0.0000.0121).

## Resultados e discussão

Como o questionário para a avaliação da carga cognitiva foi disponibilizado, ao final de cada atividade no ambiente virtual de aprendizagem, não obtivemos o mesmo número de respostas para a avaliação de cada atividade realizada. Deste modo o instrumento para a Atividade 1 (Como acender um LED?) foi respondido por 18 participantes, enquanto a avaliação da carga cognitiva das Atividades 2 (Como acender dois LEDs?) e 3 (O LED RGB) foi respondida por 11 participantes. Finalmente, a carga cognitiva da Atividade 4 (O Motor DC) foi avaliada por 8 estudantes. As médias e desvios padrões dos itens do questionário podem ser vistos

na tabela 1. Na tabela 2 podemos ver o valor das cargas cognitivas em cada atividade quando os itens são agrupados.

Tabela 1 - Média e desvio padrão para os itens em cada atividade (fonte: os autores)Tabela 2 - Cargas cognitivas para cada atividade (fonte: os autores).

Podemos perceber que a carga cognitiva intrínseca foi ligeiramente superior para a atividade 3 (LED RGB), o que é esperado, uma vez que os estudantes trabalharam com três leds simultaneamente e em um único componente, além de discutirem o funcionamento das portas PWM do Arduino. Outro ponto que aumenta a carga cognitiva intrínseca desta atividade está na utilização de novos comandos. Já

para a atividade 2 (Acender dois leds) foi ligeiramente inferior, pois a programação é muito parecida com a feita para a atividade 1.

A carga cognitiva estranha (relacionada às explicações e ao material utilizado) foi baixa em todas as atividades. Ela foi ligeiramente superior na Atividade 1 (Acender um led). Podemos creditar este resultado ao fato de ser o primeiro contato com o material que desenvolvemos. A carga cognitiva relevante foi alta em todas as atividades. Os resultados sugerem que o material desenvolvido contribuiu para o aprendizado dos estudantes.

Para identificarmos diferenças estatísticas entre as cargas cognitivas em cada uma das atividades realizamos o teste de Wilcoxon. Os valores p obtidos podem ser visualizados na tabela 3.

Tabela 3 - Comparação das cargas cognitivas nas atividades (fonte: os autores).

Como em todos os testes obtivemos valores p &lt; 0,05 podemos concluir que houve diferenças estatísticas entre as cargas cognitivas (i) intrínseca e estranha, (ii) intrínseca e relevante e (iii) estranha e relevante em cada atividade. Deste modo, os nossos resultados indicam nesta aplicação a carga estranha foi baixa nas atividades e a relevante foi alta.

Finalmente procuramos identificar se o perfil do comportamento das cargas cognitivas foi diferente em cada atividade. Ao realizarmos a PERMANOVA encontramos um valor F igual a 0,4265 e um valor p igual a 0,8641. Como obtivemos p &gt; 0,05 podemos concluir que na aplicação descrita pelo trabalho, o perfil da carga cognitiva foi o mesmo nos grupos, ou seja, apesar das ligeiras diferenças nas médias das cargas cognitivas intrínsecas encontradas, podemos considerar que o nível de dificuldade das atividades foi o mesmo. De maneira similar, podemos considerar que as cargas cognitivas estranhas foram baixas e as cargas relevantes foram altas.

## Considerações finais

Neste trabalho, apresentamos os resultados de uma pesquisa em andamento para a elaboração de materiais didáticos, com o objetivo de uma introdução ao Arduino e sua programação, em ambientes virtuais de aprendizagem com o auxílio da Teoria da Carga Cognitiva.

A PERMANOVA mostrou que o comportamento das cargas cognitivas teve o mesmo perfil em todas as atividades: valores menores para a carga cognitiva estranha (1,04 a 1,20), e maiores para a carga cognitiva relevante (4,43 a 4,59), o que é

desejado/esperado pela teoria. A análise estatística também mostrou que as cargas cognitivas (intrínseca, estranha e relevante) apresentaram diferenças estatísticas (p &lt; 0,05) nas diferentes atividades. Portanto podemos concluir que o material possibilitou o entendimento da programação, o que pode auxiliar na redução de algumas dificuldades apontadas por Siqueira e Santos (2019) e Santos e Santos (2021).

Para o prosseguimento desta pesquisa pretendemos utilizar o ambiente e as atividades desenvolvidas em turmas regulares do ensino médio para avaliar as cargas cognitivas, a aprendizagem e coletarmos as considerações dos estudantes sobre os materiais desenvolvidos e disponibilizados.

## Agradecimentos

Os autores agradecem ao Conselho Nacional de Desenvolvimento Científico e Tecnológico CNPq pelo apoio financeiro.

## Referências

AGUIAR, D. S.; SAMPAIO, L. I. S.; SOMBRA, B. P.; FRAGA, W. B. Uso da robótica como uma metodologia alternativa para o ensino de física. XXII Simpósio Nacional de Ensino de Física. São Carlos: São Paulo, 2017.

ANDERSON, M. J. A new method for non-parametric multivariate analysis of variance. Austral Ecology, 26, p. 32 - 46, 2001.

GUZMAN, L. M.; PENNELL, M. W.; NIKELSKI, E.; SRIVASTAVA, D. S. Successful integration of data science in undergraduate biostatistics courses using cognitive load theory. CBE - Life Science Education, v. 18, n. 49, p. 1 - 10, 2019.

LEPPINK, J.; PAAS, F.; VAN DER VLEUTEN, C. P. M.; VAN GOG, T.; VAN MERRIËNBOER, J. J. G. Development of an instrument for measuring different types of cognitive load. Behavior Research Methods, April, 2013.

MILLER, G. A. The magical number seven, plus or minus two: some limits on our capacity for processing information. Psychological Review, v. 63, n. 3, p. 81 - 97, 1956.

MITNIK, R.; RECABERREN, M.; NUSSBAUM, M.; SOTO, A. Collaborative robotic instruction: a graph teaching experience. Computers &amp; Education, 53, n. 2, p. 330 342, 2009.

SWELLER, J. Cognitive Load Theory: a Special Issue of Educational Psychologist. LEA, Inc, 2003.

SANTOS, L. M. A.; TAROUCO, L. M. R. A importância do estudo da Teoria da Carga Cognitiva em uma educação tecnológica. Revista Novas Tecnologias na Educação RENOTE, v. 5, n. 1, 2007.

SANTOS, P. J. S.; SANTOS, T. F. M. Analysis of a didactic sequence using educational robotics to teach graphs in kinematics. Physics Education, 56, 015015, 2021.

SIQUEIRA, J; SANTOS, P. J. S. Relato sobre o uso da robótica educacional na discussão de gráficos em cinemática em uma turma de primeiro ano de uma escola pública estadual. Revista Novas Tecnologias na Educação (RENOTE), v. 17, no 3, 2017.