Uma das atividades disponíveis para realização pelos PETianos é a atuação em projetos de pesquisa. Diversos projetos que necessitam de apoio são dispostos aos membros e estes escolhem participar de qual for de seu agrado. Nesta atividade o PETiano Matheus Bueno foi inserido no Laboratório GQS (Grupo de Qualidade de Software) onde trabalhou junto aos professores na pesquisa e criação de um artigo sobre ensino de IA e ML para crianças e adolescentes. 

“Ferramentas visuais para o Ensino de Machine Learning na Educação Básica”. A seguir um depoimento do PETiano sobre o projeto de pesquisa e o artigo:”Com o crescente uso de tecnologias como IA [Inteligência Artificial] e ML [Machine Learning], surgiram questões sociais, econômicas e éticas novas, que abrangem conceitos geralmente não compreendidos por pessoas fora da área de Inteligência Artificial, ou da computação em geral. Com isso em mente, está sendo proposto ensinar estes conceitos para crianças e adolescentes na educação básica(ensino fundamental e ensino médio), com isso, surgem questões como: Estudantes de ensino fundamental e médio conseguem absorver estes conceitos de forma que os permitam compreender melhor os impactos de ML na sociedade? De que forma pode ser abordado este ensino? Quais ferramentas existem que permitem abstrair conceitos, para que possam ser compreendidos mais facilmente, sem deixar o aprendizado prejudicado?
Esta última questão foi o foco da pesquisa em que ajudei, fizemos um mapeamento sistemático para descobrir quais ferramentas existem para o ensino de ML, assim como quais dos aspectos da criação de um modelo de ML são abordados. Como o público alvo são crianças e adolescentes, procuramos ferramentas que utilizassem ambientes de programação visual, como Scratch e Snap!, que já são utilizadas no ensino de programação para um público semelhante. Nesta busca foram encontradas várias plataformas deste tipo, com diferentes características, suportando dados como imagens, som, texto, assim como diferentes etapas do desenvolvimento de modelos de ML, incluindo a etapa de deployment, onde os alunos podem usar os conceitos aprendidos em sala de aula para resolver problemas de suas comunidades, garantindo um aprendizado mais profundo.
Para encontrar estas ferramentas foram consultados artigos científicos de repositórios como IEEE Xplore, ACM Digital Library e Scopus, sendo feita uma análise dos resultados da busca para extrair informações relevantes, para que o resultado final servisse de referência para futuros estudos, assim como para ensinadores que querem criar cursos da área para estudantes de educação básica.”

O artigo está disponível na revista RENOTE, acessível pelo link: https://seer.ufrgs.br/renote/article/view/110291.