LMLaura Oliveira Moraes

Laura Oliveira Moraes

*This is an algorithmically generated author record based on publicly available information.

Current Organizations / Institutes

The organizations/institutes from the scholar's latest article


Laura Oliveira Moraes has a total of 35 co-authors. Here are the top co-authors by number of shared publications:


Latest Publications

  • Open Access

    Investigating Artificial Intelligence Algorithms to Predict College Students’ Academic Performance: A Systematic Mapping Study

    by Henrique S. Rodrigues, Laura O. Moraes, Ana Cristina Bicharra Garcia, Reinaldo Viana Alvares, Rodrigo Pereira dos Santos, Carla Delgado

    The aim of this study is to analyse Artificial Intelligence (AI) algorithms in order to predict and identify Higher Education Institutions’ (HEI) students’ academic performance. A systematic mapping study (SMS) was carried out to investigate the limitations that researchers face when using AI algorithms to predict student academic performance and to determine which combinations of variables-algorithm yield the best results. A set of 43 studies was selected to be analysed. We found that the most commonly used variables to predict students’ academic performance can be grouped into socioeconomic (gender, age, and professional position), previous academic performance (grades, GPA, frequency, and scores at entrance exams), internet activity (use of LMS systems, e.g., Moodle or Google Classroom, and use of social media), and psychological and health (quality of sleep, eating habits, social life, academic or professional workload). The results show that the most common algorithm with the best evaluations to predict academic performance is the Random Forest at the time of publishing this study, the most common limitation faced by researchers is related to few available data, and the most common data used in these algorithms is related to previous academic performance.

  • Open Access

    Avaliação de uma ferramenta de ensino de programação visando engajamento e utilidade

    by Amai Nikaido da Cruz, Eldânae Nogueira Teixeira, Lucca Carvalho, Henrique Soares Rodrigues, Laura O. Moraes, Carla A. D. M. Delgado

    Ferramentas computacionais inteligentes têm o potencial de transformar o ensino de programação, mas sua aceitação permanece desafiadora. Neste trabalho, abordamos questões relativas à adoção da plataforma educacional Machine Teaching (MT) para ensino de programação no Instituto de Computação da Universidade Federal do Rio de Janeiro. A pesquisa visou identificar os fatores que influenciam tanto a adoção quanto a resistência ao uso do MT por parte de alunos e professores, bem como a implementação de medidas para aumentar o engajamento da plataforma. Este artigo traz o relato de experiência de como os fatores que influenciam a adoção do MT foram acessados e a trajetória para elaboração de uma estratégia para aumentar a adesão e o engajamento dos usuários.

  • Large Language Models Generating Feedback for Students of Introductory Programming Courses

    by Juliana Barros, Laura O. Moraes, Fernanda Oliveira, Carla A. D. M. Delgado


  • Open Access

    Technical and tactical factors of an educational platform aiming to deal with a large number of students and inequalities when teaching programming for STEM students

    by Gabriel Xará, Carla A. D. M. Delgado, Claudio M. de Farias, Hugo Folloni Guarilha, Laura O. Moraes, João Pedro Freire, Eldânae Nogueira Teixeira

    Considering the characteristics found in the post-pandemic scenario of public higher education in Brazil, we must address issues related to equity in access to educational resources. In STEM (Science, Technology, Engineering and Mathematics) courses, these differences become striking regarding the conditions and resources for extra-class study that the student can count on. Machine Teaching is a web-based system used in introductory programming classes to support students and instructors and has been used since 2018 in Universidade Federal do Rio de Janeiro. In this work, we present the challenges faced to adapt Machine Teaching to the post-pandemic scenario. Issues of equity in access were addressed in three ways: changes to the system architecture, optimization of page loading times, and actions to improve user satisfaction. Our novel implementation allows students to undertake exercises from any device with internet connectivity, enabling access from low computational power machines. Also, our optimization results decreased up to 80% the web system loading time, allowing slower connections to still access the system. This work contributes to the discussion on the risks and benefits of using digital technologies in education, placing our specific scenario in the big picture of inequality of conditions in connectivity, AI and data analysis in education.


  • Open Access

    SECO-RCR: A Tool to Manage Requirements Change in Software Ecosystems

    by Eduardo dos Santos Gonçalves, Paulo Malcher, Laura O. Moraes, Davi Viana, Rodrigo Pereira dos Santos

    Software ecosystems (SECO) are becoming a predominant mode of modern software development and can be defined from different perspectives. From a project perspective, SECO are groups of projects that are developed and co-evolved in the same environment. SECO introduced complexity into requirements management, which is a key process of requirements engineering (RE) and an effective way to ensure software quality. There is difficulty in managing requirements change in open and dynamic environments such as SECO due to the existence of multiple stakeholders that can form distinct crowds in the ecosystem. In SECO, a crowd is a large and heterogeneous user base that provides requirements through multiple communication channels. Hence, meeting the expectations of distinct crowds in SECO requires new RE approaches. This paper presents a tool called Software Ecosystems - Requirements Change Request (SECO-RCR) that applies software repository mining, natural language processing techniques, and machine learning to support requirements change management in SECO. SECO-RCR allows requirements managers to define different RCR and consult different crowds to assist them in their decision making. Apresentação (Youtube): https://youtu.be/2OgCRvrA1Ec


  • Open Access

    Modelo para previsão precoce de abandono de uma disciplina de introdução à programação

    by João Pedro Freire, Flávia M. P. F. Landim, Laura O. Moraes, Carla A. D. M. Delgado, Carlos Eduardo Pedreira

    A aprendizagem de programação é essencial para alunos de diversas carreiras. Neste artigo usamos modelos estatísticos para prever o abandono de disciplinas introdutórias de programação e apontar variáveis relevantes na identificação precoce de alunos em risco. Para construção do modelo combinamos a inferência estatística com técnicas de aprendizado de máquina visando alcançar interpretabilidade e desempenho. As previsões obtiveram um AUC maior que 0.8 nos modelos semanais a partir da quarta semana de aula, viabilizando um alerta precoce a professores. Entre as variáveis envolvidas, percebeu-se que a constância na resolução dos exercícios possui uma influência maior do que o tempo demorado na elaboração da solução na identificação dos alunos com potencial de abandono.


  • Open Access

    Biblioteca para exemplificação no ensino de Álgebra Linear

    by Bruno Hryniewicz, Fernando França, João Paixão, Laura O. Moraes

    Existe uma grande interseção entre a matemática e a computação que muitas vezes não é perceptível ao aluno do curso de computação. Uma abordagem utilizada para tornar essa relação mais visível e aumentar o engajamento dos alunos com as disciplinas matemáticas é a exemplificação. Neste artigo, apresentamos uma biblioteca em Julia construída para facilitar a exemplificação em situações práticas dos conceitos de álgebra linear. A biblioteca atua como uma camada de abstração, encapsulando objetos matriciais mais complexos, como imagens e sinais. Como resultado, apresentamos implementações das interações desses objetos com os conceitos da álgebra linear, abstraindo esse trabalho dos usuários, em sua maioria, iniciantes. Dessa maneira, é possível com poucas linhas de código demonstrar a aplicabilidade da teoria vista em sala de aula, transformando um exemplo feito com vetores e pontos (teórico) em um exemplo aplicado a imagens e sinais (prático).


  • Open Access

    Analisando a efetividade da formação de clusters na avaliação de exercícios de programação

    by Arthur M. Sasse, Laura O. Moraes, Carla A. D. M. Delgado, Carlos E. Pedreira

    As plataformas online de ensino de programação têm o potencial de escalar o acesso de estudantes a uma educação de qualidade. No entanto, um passo importante do processo de aprendizagem ainda é um gargalo nesses sistemas: o feedback. Este artigo considera a formação automática de clusters de códigos como uma alternativa para reduzir o trabalho docente de produção de feedback para as atividades de prática em programação. Apresentamos uma análise das abordagens possíveis e o processo de escolha de uma ferramenta para uma avaliação mais profunda. Uma vez escolhido o Overcode, o atualizamos para funcionar com o Python 3 e avaliamos a sua capacidade de formar clusters em um conjunto de dados com mais de 100 questões e dezenas de milhares de soluções. Esses dados foram extraídos do Machine Teaching, plataforma utilizada para o ensino de programação em cursos de graduação da Universidade Federal do Rio de Janeiro.

  • Open Access

    Dealing with a large number of students and inequality when teaching programming in higher education

    by Gabriel Xará, Laura O. Moraes, Carla A. D. M. Delgado, João Pedro Freire, Claudio Miceli de Farias

    Considering the characteristics found in the post-pandemic scenario of public higher education in Brazil, we must address issues related to equity in access to educational resources. We present the new features of Machine Teaching, a web system used in introductory programming classes to support students and instructors. The innovations aim to adapt the system to post-pandemic conditions and the diverse public resulting from policies to democratize access to Brazilian universities. We present functionalities to mitigate problems related to many students per instructor, such as student dashboards and alerts indicating disengaged students who are likely to drop out. We also address computer and internet access difficulties by transforming the architecture from client-based to remote-based.