CodeSmells? Aqui não!

Limpando e Refatorando Códigos na

Prática: Um Relato de Experiência da Execução do Curso
CodeSmells na Prática
Pedro C. Chaaban1, Robson Medeiros1, Jorge Luiz Sousa1, Marina Rocha1, George
Maia1, Israely Lima1, Ricardo Davi Batista1, Jacilane de H. Rabelo2

Projeto de pesquisa e extensão LearningLab – Universidade Federal do Ceará (UFC -

Campus Russas)
Caixa Postal 62.900-000 – Russas – CE – Brasil
{karinpedro, robsonmedeiros, cc.jorgesousa, marinarocha, georgemaiaf,
israelylima, ricardodavi}[email protected], {jacilane.rabelo}[email protected]

Abstract. Computer science teaching approaches are aiming for more dynamic
teaching. The work developed in this article aims to describe the course of
Code Refactoring offered by the LearningLab project to students of the Russas
Campus of the Universidade Federal do Ceará (UFC), which uses interactive
teaching with a theoretical and practical base. The CodeSmells course for
beginners was conducted face-to-face with 20 students from the Software
Engineering and Computer Science courses. The results show, according to the
teaching methodology applied and the perception of the students, that the
majority enjoyed the practical activity and that more than 80% understood
and would be able to apply in practice the concepts learned.
Resumo. Abordagens de ensino de Computação estão visando um ensino mais
dinâmico. O trabalho desenvolvido neste artigo tem como objetivo descrever o
curso de Refatoração de Códigos ofertado pelo projeto LearningLab aos
estudantes do Campus Russas da Universidade Federal do Ceará (UFC), o
qual utilizou o ensino interativo de base teórica e prática. O curso CodeSmells
para iniciantes foi realizado presencialmente com 20 estudantes dos cursos de
Engenharia de Software e Ciência da Computação. Os resultados mostram, de
acordo com a metodologia de ensino aplicada e a percepção dos estudantes,
que a maioria gostou da atividade prática e que mais de 80% compreendem e
seriam capazes de aplicar na prática os conceitos aprendidos.

1. Introdução
O ensino de Engenharia de Software (ES) propõe o desenvolvimento de habilidades
como trabalho em equipe, aplicação de técnicas para gestão de projetos de software e
desenvolvimento de diferentes soluções para diferentes domínios (Souza et al., 2021).
Anomalias que podem indicar problemas nos aspectos da qualidade do código do
software são chamadas de code smells (Fowler, 2018). As ocorrências desses problemas
podem dificultar a manutenção do software e levar à necessidade da refatoração de
código (Fontana et al., 2012). O trabalho de Mendes et al., (2020) retrata que a
Manutenção de Software foi uma das três disciplinas de maior dificuldade no
aprendizado, dada a forma rápida e genérica com que os conteúdos foram transmitidos e
explicados em sala de aula.
Hartwig et al., (2019) identificam as metodologias ativas mais apropriadas para
o ensino de computação e informática nos cursos de graduação. Além disso, afirmam
que as mesmas estão ganhando espaço nas salas de aula com foco na inovação. Portanto,
a aprendizagem ativa envolve construir conhecimento em vez de recebê-lo passivamente
(Barbosa e Moura, 2013). Diante deste contexto, este artigo apresenta os resultados de
um relato de experiência do ensino e aprendizagem do curso presencial intitulado:
“CodeSmells? Aqui não! Limpando e Refatorando Códigos na Prática”.
O curso foi ofertado pelo projeto Laboratório de Ensino e Pesquisa de
Tecnologias alinhadas à Gestão do Conhecimento e Inovação em Processos de Software
(LearningLab) da Universidade Federal do Ceará (UFC) do Campus de Russas. O
objetivo do LearningLab é ensinar na prática os conceitos teóricos de computação
abordados em sala de aula. As aulas do curso foram ministradas presencialmente em
laboratórios da UFC, utilizando a ferramenta de comunicação WhatsApp para a
comunicação. Os dados coletados das percepções dos estudantes em relação ao ensino
do curso foram analisados de forma qualitativa e quantitativa.
Além desta seção introdutória, o artigo está organizado da seguinte forma: a seção 2
apresenta os trabalhos relacionados a este trabalho; a seção 3 detalha a metodologia
utilizada, durante a execução do curso; a seção 4 detalha os resultados obtidos através
das análises e discussões; e, por fim, a seção 5 apresenta a conclusão e considerações
finais.

2. Trabalhos Relacionados
A fim de potencializar a efetividade do ensino de programação, é fundamental resgatar
na comunidade do meio os seus conhecimentos, enriquecendo o aprendizado a partir de
artifícios e exemplos de diferentes âmbitos e experiências. Portanto, para complementar
o trabalho desenvolvido nesse artigo, foram identificados demais estudos com propostas
para a aplicação do ensino de programação, voltadas para a refatoração de códigos,
visando a qualidade do software e as boas práticas de codificação.
Piccinin et al. (2020) apresentam um estudo qualitativo dos relatos de
profissionais de desenvolvimento de software quanto à sua rotina de aprendizagem. Os
insumos extraídos das entrevistas realizadas constatam a importância da gerência da
rotina desses profissionais, mapeando que suas experiências se assemelham às de
aprendizes autorregulados e que suas dificuldades de planejamento se destacam como
pontos fracos em seu aprendizado.
É com foco no projeto de desenvolvimento na área de tecnologia da informação
que a refatoração atua como um dos principais pontos fortes de qualidade e manutenção.
Dito isso, Martin et al., (2008) define refatoração como um processo que melhora a
estrutura interna do código sem alterar o seu comportamento interno. O trabalho de
Rabelo et al., (2018), ressalta a importância de aplicar a refatoração na prática para que
a etapa de desenvolvimento tenha um código bem estruturado e com boa qualidade, por
meio da utilização de ferramentas ou na técnica de revisão de código, chamada de
review.
O presente artigo trata de analisar a experiência do ensino da refatoração de
códigos em um curso rápido de 5 dias para os estudantes de Engenharia de Software e
Ciência da Computação da Universidade Federal do Ceará, Campus de Russas. O curso
adotou uma abordagem prática e de revisão de critérios de qualidade para preparar os
alunos para o mercado de trabalho.
3. Metodologia
O propósito do curso do projeto LearningLab é aproximar os alunos das vivências
práticas dos conteúdos ensinados em sala de aula. A metodologia de estudo utilizada
neste trabalho é composta por 4 etapas substanciais: (a) planejamento do curso - parte
teórica e prática; (b) divulgação do curso; (c) aplicação do curso; e, (d) coleta e análise
de dados. A seguir, serão descritas cada uma das etapas da metodologia do curso.

3.1. Planejamento
O curso foi planejado pela categorização de suas necessidades básicas, que incluem: (1)
base de estudo teórica e definição da prática; (2) escolha do público alvo; e, (3) plano de
ensino. Primeiramente, definir a base teórica do curso é essencial para consulta e
construção do material, o qual extraiu conteúdo do livro “Código Limpo” de Robert
Martin (Martin, 2008). A partir dele, foram extraídos os pontos-chave da refatoração de
códigos para o Notion(1) (aplicação de gerenciamento de conhecimento) e para uma
apresentação com slides. Portanto, com base na revisão de códigos e no alicerce teórico,
foram criadas as atividades práticas.
Para atingir aqueles que necessitavam, o planejamento do curso definiu seu
público-alvo com base no perfil comum dos estudantes do campus. Em síntese, a
organização do curso concluiu que alunos do 2º ao 6º período enfrentam dificuldades em
programação devido ao conhecimento introdutório e raso, motivando a sua busca por
otimização. Portanto, estudantes do 2° período em diante dos cursos de Engenharia de
Software e Ciência da Computação podiam participar das inscrições. Das 40 inscrições
no curso, 19 foram de alunos de Engenharia de Software e 21 de Ciência da
Computação da UFC, com 20 alunos participando efetivamente das aulas. Com foco em
auxiliar aqueles que mais convivem com a dificuldade no aprendizado de programação,
a orientação do desenvolvimento das atividades, materiais e divulgação do curso foi
guiada a captar a atenção e satisfazer as necessidades dos estudantes iniciantes do
campus e com conhecimento escasso, os quais se encontram principalmente entre os 2º
e 6º semestre dos cursos de Engenharia de Software e Ciências da Computação. O curso
foi presencial com 5 aulas (duração de 2 horas cada), e foi executado no período de
agosto (dia 30) a setembro (dia 15) de 2022. O plano de ensino do curso foi
desenvolvido pelo time do projeto LearningLab, composto pelo instrutor, coordenadora
e monitores. A visão ampla construída a partir dessa equipe, juntamente com a revisão
da orientadora do projeto (que também é professora da cadeira de Manutenção de
Software desde 2020.1 da UFC - Campus-Russas), resultou em um cronograma
presencial focado no cotidiano dos alunos do campus. O plano de ensino é descrito a
seguir:

3.1.1. Plano de Ensino

Aula 1 - Presencial | Introdução (Teórica: 2 horas): Apresentação do
LearningLab; Como será o curso e atividade final; Introdução ao curso; Nomes e
Funções e suas refatorações.
Aula 2 - Presencial | Comentários e Formatação (Teórica e Prática: 2
horas): Continuação do conteúdo anterior; Comentários bons e ruins;
 Formatação vertical/horizontal; Práticas e discussões em grupo.
Aula 3 - Presencial | Objetos/Classes (Teórica e Prática: 2 horas):
Continuação do conteúdo anterior; Abstração de Dados; Práticas e discussões
em grupo.
Aula 4 - Presencial | Testes e apresentação da atividade final (Teórica e
Prática: 2 horas): Testes; Sites importantes; Apresentação do modelo final;
Práticas e discussões em grupo.
Aula 5 - Presencial | Apresentações finais e Conclusão (Prática: 2 horas):
Apresentações das atividades realizadas em grupo; Avaliação das atividades
realizadas; Práticas e discussões em grupo.
3.1.2. Materiais
Os materiais didáticos práticos e intuitivos desenvolvidos pelo instrutor tem como
finalidade auxiliar os participantes a pesquisar e estudar fora da sala de aula. A seguir,
serão especificados os tipos de materiais disponibilizados: (a) Slides de
Apresentação(2): os slides da apresentação teórica eram posteriormente anexados ao
grupo do WhatsApp(3) do curso, facilitando a pesquisa dos estudantes; (b) Conteúdo e
Roteiro de aula no Notion(1): De forma análoga aos slides, o material no Notion ajudou
no estudo dos alunos e também no acompanhamento do roteiro das aulas; (c) Códigos
de exemplo no GitHub: códigos refatorados e formatados para o modelo didático
foram anexados ao GitHub(4) para apoiar as atividades de refatoração.

3.2. Divulgação do Curso

Para que o curso fosse efetivamente divulgado aos estudantes, o projeto LearningLab
utilizou das suas redes sociais do projeto(5) e do mecanismo de comunicação via e-mail
das coordenações acadêmicas dos cursos de Engenharia de Software e Ciência da
Computação. Além disso, tal divulgação foi guiada por um plano base dos processos de
realização dos cursos do projeto a fim de intensificar a atração do público.
Para atingir aqueles que necessitavam, o planejamento do curso definiu seu
público-alvo com base no perfil comum dos estudantes do campus. Em síntese, a
organização do curso concluiu que alunos do 2º ao 6º período enfrentam dificuldades em
programação devido ao conhecimento introdutório e raso, motivando a sua busca por
otimização. Portanto, estudantes do 2° período em diante dos cursos de Engenharia de
Software e Ciência da Computação podiam participar das inscrições. Das 40 inscrições
no curso, 19 foram de alunos de Engenharia de Software e 21 de Ciência da
Computação da UFC, com 20 alunos participando efetivamente das aulas.
3.3. Condução do Curso
A didática do curso foi baseada em uma metodologia dinâmica para a sala de aula, em
que a teoria e a prática se complementam e desenvolvem a interação entre os alunos e o
instrutor. As aulas guiaram os alunos a partir do modelo de apresentação teórica, por
meio dos materiais adaptados às aulas, seguida da aplicação prática proporcionada pela
participação dos alunos na refatoração de códigos em conjunto com o instrutor. É
importante ressaltar a promoção ao pensamento crítico durante as aulas, que
desempenhou um papel central no aprendizado da refatoração dado o seu teor
revisionista. Além disso, a comunicação e atenção com os alunos foram estendidas ao
WhatsApp com a criação de um grupo do curso.
3.4. Atividades desenvolvidas
A fim de proporcionar a fixação dos conceitos teóricos trabalhados no ensino de
refatoração, o curso propôs como atividade prática a coleta, análise e tratamento de
códigos disponíveis no GitHub, visando a aplicabilidade dos pilares técnicos da
refatoração de códigos ao final do curso. A atividade poderia ser feita em dupla e com
qualquer código, porém incentivamos os alunos a corrigirem seus próprios projetos em
dupla para uma análise crítica da qualidade do código. Dessa forma, mais
especificamente, o trabalho prático foi definido como uma apresentação da refatoração
realizada pelos alunos, que foi dividida em 4 seções: (a) apresentação do objetivo do
programa codificado, (b) amostra das modificações realizadas e suas justificativas, (c)
comparação entre o antes e depois da refatoração, e (d) retrato das dificuldades na
realização da atividade de refatoração.
A realização e entrega das atividades foram não só acompanhadas pelos
instrutores mas como também baseadas na participação e interação entre alunos e
monitores na investigação dos erros presentes, criando um ambiente de debate e
levantamento de ideias fundamental para instigar os alunos a trabalhar os
conhecimentos vistos em sala de aula.
3.5. Avaliação do curso
A fim de levantar uma ótica crítica significativa ao conhecimento aplicado pelos alunos,
foi utilizada uma metodologia avaliativa baseada na análise de diferentes aspectos da
atividade desenvolvida. Os critérios de avaliação foram fundamentados na aplicação dos
conceitos teóricos de otimização da programação na refatoração de código dos alunos,
que podem ser definidos como:A atividade poderia ser feita em dupla e com qualquer
código, porém incentivamos os alunos a corrigirem seus próprios projetos em dupla para
uma análise crítica da qualidade do código. Dessa forma, o trabalho prático foi definido
como uma apresentação da refatoração realizada pelos alunos, que foi dividida em 4
seções: (a) apresentação do objetivo do programa codificado, (b) amostra das
modificações realizadas e suas justificativas, (c) comparação entre o antes e depois da
refatoração, e (d) retrato das dificuldades na realização da atividade de refatoração (1)
Aplicação dos conhecimentos vistos em sala de aula, com uma pontuação de 0 a 4,
levando em consideração as boas práticas, como nomes adequados, funções bem
definidas, classes apropriadas, entre outros; (2) Apresentação da refatoração, com uma
pontuação de 0 a 3, avaliando a demonstração do código antes e depois da refatoração; e
(3) Apresentação da atividade, com uma pontuação de 0 a 3, analisando a clareza e
abrangência da apresentação dos trabalhos. A atribuição das pontuações foi feita pela
professora coordenadora do projeto em conjunto com o instrutor do curso. As
apresentações dos trabalhos foram realizadas com a presença de todos os estudantes,
permitindo um diálogo entre o instrutor e os alunos, onde foram destacados tanto os
pontos falhos quanto os sucessos das refatorações realizadas. A Figura 1 apresenta
imagens do curso realizado de forma presencial.
 Figura 1. Imagens das aulas do curso

4. Resultados e Discussões
A fim de coletar o feedback preciso dos alunos, as perguntas foram recolhidas em
formato qualitativo e quantitativo, buscando opiniões sinceras e análises numéricas. As
etapas para análise e coleta dos dados foram: (i) Realização do Curso: possibilitou aos
estudantes vivenciarem as experiências para responderem o formulário de feedback; (ii)
Coleta de Dados: um formulário(6) elaborado pelos integrantes do projeto e validado
pela orientadora foi utilizado para coletar dados dos alunos sobre fatores relacionados à
aprendizagem; (iii) Análise dos Dados: a análise qualitativa utilizou procedimentos de
codificação para identificar as principais categorias de resultados, incluindo (a) o que
mais gostou no curso e (b) aspectos positivos da metodologia de ensino. A análise
quantitativa utilizou de um formulário baseado no método IMI (Inventário de Motivação
Intrínseca) (McAuley et al., 1991) para análise dos dados coletados. Foram coletados
insumos sobre o nível de conhecimento em Código Limpo, bem como percepções sobre
satisfação, apreensão, dificuldades e facilidades durante o curso.
A seguir será descrito os resultados que foram obtidos através de ambas análises
que foram utilizadas nesta pesquisa.

4.1. Análise Qualitativa dos Dados

A análise qualitativa dos dados coletados no curso foi realizada por meio de
questionários no formato do Google Forms, que continham perguntas direcionadas para
a coleta de feedback dos alunos. Esses feedbacks foram utilizados para identificar pontos
positivos e negativos do curso, visando melhorar cursos futuros. Para analisar os dados
coletados, foi adotada a abordagem da Teoria Fundamentada nos Dados (Grounded
Theory), que consiste em uma metodologia de pesquisa qualitativa que busca
desenvolver teorias a partir dos próprios dados coletados. Essa abordagem utiliza a
codificação como uma etapa fundamental, na qual os dados são transformados em
códigos e categorias.
Os códigos representam as ações ou elementos de interesse para o pesquisador,
enquanto as categorias são agrupamentos de códigos que compartilham características
semelhantes. Essa codificação e categorização dos dados foi realizada utilizando a
ferramenta ATLAS.ti, que auxilia na organização e análise qualitativa dos dados. Essa
abordagem permitiu uma análise aprofundada das respostas dos alunos, identificando
padrões, tendências e temas emergentes que pudessem orientar melhorias nos cursos
futuros. A Teoria Fundamentada nos Dados é uma estratégia eficaz para compreender as
percepções e experiências dos participantes e utilizar esses insights para aprimorar a
qualidade do ensino.
O setor de análises do LearningLab realiza a análise qualitativa para avaliar
criticamente os serviços prestados pelo projeto, mapeando êxitos e falhas para aumentar
a qualidade das atividades executadas. Os participantes foram nomeados de P1 a P20
para identificação e confidencialidade, com foco em uma análise eficaz. A análise
resultou em boas avaliações, refletindo o bom planejamento desde a ideia inicial ao
processo de montagem do curso. A seguir estão os insumos extraídos das respostas
dissertativas do formulário de feedback do curso.
4.1.1. O que mais gostou no curso?
A rede de códigos exposta na Figura 2 mostra o que os participantes mais gostaram no
curso no geral. Nesta rede, destacam-se os seguintes códigos: “Didática do instrutor de
fácil entendimento”, “Metodologia de ensino com práticas e exemplos” e “Acolhimento
que o projeto dá para os alunos”, como relatam os estudantes P5, P16 e P10:
P5 - "A didática do professor é muito boa; Todos os métodos aprendidos
parecem ser muito importante para criação de um bom código".
P16 - "A metodologia de ensino foi muito boa".
P10 - "Sim, gosto muito do acolhimento que o projeto dá para os alunos".

Figura 2. Rede de códigos “Aspectos que mais gostou no curso”

4.1.2. Aspectos que mais gostou - Metodologia de ensino
A Figura 3 trata mais a fundo os pontos característicos da metodologia de ensino
levantados pelas respostas do formulário de feedback. Em suma, muitos alunos
destacaram a didática do instrutor como facilitadora ao incentivar a participação da
turma em um ambiente confortável. Essa percepção pode ser evidenciada pelos códigos:
“Didática do instrutor de fácil entendimento”, “Metodologia de ensino com práticas e
exemplos” e “Explicação descontraída de ensino”, como relatam os estudantes P4, P16
e P5:
P4 - "O aspecto teórico, a prática faz sim toda a diferença, mas a explicação
simplificada ajudou muito".
P16 - "A metodologia de ensino foi muito boa".
P5 - "Gostei do modo explicativo e descontraído de ensino junto com a
participação dos alunos".

Figura 3. Rede de códigos “Aspectos positivos da metodologia de ensino”

4.1.3. Aspectos que menos gostou - Metodologia de ensino
A rede de Aspectos negativos da metodologia de ensino tem como objetivo sintetizar os
pontos fracos do plano de ensino percebidos pelos alunos, os quais foram dados pelos
códigos “Ritmo Acelerado da Aula” e “Tempo curto de curso”, como é dado pelos
relatos de P2 e P3:
P2 - "Poderia ter tido mais aulas para exercitar com o acompanhamento do
monitor".
P3 - "Em relação aos exemplos, os códigos foram refatorados muito rápido".
4.1.4. Dificuldades ao longo do curso
As dificuldades sentidas pelos alunos do curso puderam ser analisadas a partir do
acúmulo de relatos pelo formulário de feedback. Em resumo, o código “Dificuldade com
POO” foi o mais presente nas respostas, conforme as descrições dos participantes P11 e
P16:
P11 - "Entender como funciona a sintaxe de POO em java".
P16 - "O uso de classes em Python".
4.1.5. Facilidades ao longo do curso
As facilidades percebidas pelos alunos puderam ser sintetizadas com uma análise
descritiva das respostas à pergunta “Quais foram as suas maiores facilidades ao longo
do curso?Fale um pouco sobre:”, presente no questionário de feedback. Em suma, os
códigos “Didática do instrutor de fácil entendimento” e “Aprender as boas práticas de
refatoração” foram o mais presentes nas respostas, conforme as descrições de P9 e P3:
P3 - "Todas as aulas foram muito fáceis de acompanhar".
P9 - "Entender a premissa e o que deveria ser feito".
4.1.6. Incentivo a Permanência
A rede construída pelos principais pontos motivadores à permanência dos alunos no
curso tiveram como destaque os seguintes códigos: “Didática do instrutor de fácil
entendimento”, “Aprender as boas práticas de refatoração” e “Acolhimento que o
projeto dá aos alunos”, como é dado pelos relatos de P5, P3 e P10:
P5 - "A didática do professor é muito boa".
P3 - "O meu interesse mesmo em aprender + sobre a linguagem, além também,
de que o conteúdo me prendeu ao curso logo de início".
P10 - "gosto muito do acolhimento que o projeto da para os alunos".
4.1.7. O que menos gostou no curso?
A rede de códigos formulada a partir da pergunta “O que você MENOS gostou no
curso? Fale um pouco sobre:” sintetiza o que os participantes menos gostaram no curso.
Nesta rede destacam-se os seguintes códigos: “Falta de Conhecimento prévio”, “Pouco
tempo de curso”, como relatam os estudantes P1 e P13:
P1 - "Não entender algumas conversas por falta de conhecimento pois era um
assunto pra quem já dominava alguma linguagem".
P13 - "A velocidade que foi apresentado os temas".

4.2. Resultados Fornecidos Através da Análise Quantitativa

Com o propósito de analisar as questões fundamentais do curso, foram desenvolvidos
gráficos para analisar criticamente questões fundamentais do curso, como desempenho,
rendimento e aproveitamento dos alunos. A seguir será apresentada a análise dos
gráficos que demonstram os dados de suma importância para a análise.
4.2.1. Conhecimento em relação a Código Limpo/Refatoração Código
O gráfico abaixo (Figura 3) mostra o nível de conhecimento dos estudantes do curso de
Code Smells por item, é notório que 85% dos participantes atribuíram nível 4 e 5 ao
item “Lembrar o que é DEPOIS”, demonstrando assim que o curso foi efetivo no ensino
do conteúdo proposto, vale enfatizar que itens relacionados a conhecimentos anteriores
ao curso apresentam grandes divergências, provavelmente devido à diferença de
semestres entre os participantes

Figura 3 - Gráfico de Nível de Conhecimento

4.2.2. IMI (Inventário de Motivação Intrínseca)
Tendo como base os métodos quantitativos decidiu-se utilizar o método IMI para
analisar de forma eficaz o feedback dos estudantes. O IMI tem como objetivo analisar a
experiência subjetiva dos estudantes em relação à motivação intrínseca e autorregulação.
Foi utilizada uma versão mais direcionada à motivação durante a realização de tarefas
(Ryan et al., 1991), ou seja, os discentes foram questionados em relação às experiências
com a atividade final do curso.
O questionário IMI tinha como objetivo recolher informações sobre (McAuley et
al., 1991): (a) interesse/prazer: análise do nível de interesse que o mesmo tem ao
realizar a atividade final, (b) escolha percebida: que se refere a alguma obrigatoriedade
que o aluno teria para realizar a atividade, ou se foi realmente uma escolha por si, (c)
competência percebida: avalia a disposição e competência dos estudantes ao realizar a
atividade final; e (d) pressão/tensão: tem como foco obter respostas se os alunos se
sentiram pressionados, ansiosos ou tensos para realizar a entrega final que foi proposta.
O questionário é composto por 22 questões, cada pergunta contém opções que são
analisadas pelo estudante baseado na escala Likert, indo de “discordo totalmente” a
“concordo totalmente”.
O gráfico de Escolha (Figura 4.a) tem como foco analisar de forma geral se os
estudantes tiveram escolha ao realizar as entregas das atividades, foi perceptível que
70% dos estudantes concordaram com o item “Estou satisfeito com o meu desempenho
nas entregas das atividades do curso” e 60% concordaram com o item “Senti que era
minha escolha fazer as entregas das atividades do curso”. Fica evidente também que
nos itens “Eu realmente não tive escolha em fazer entregas das atividades do curso” e
“Eu fiz as entregas das atividades do curso porque não tinha escolha” a maioria dos
estudantes discordou, deixando de forma explícita que a maioria dos alunos teve sua
opção de escolha diante as atividades.

Figura 4 - Gráfico do Inventário de Motivação Intrínseca

 Avaliando assim o gráfico Interesse da Figura 4.b, o qual tem como foco o
agrado dos estudantes, percebeu-se que 60% dos estudantes concordaram com o item
“Eu gostei muito de fazer as entregas das atividades”, tendo assim uma resposta
positiva da maioria dos estudantes, onde o restante não concordou e nem discordou.
Vale ressaltar também que 70% dos participantes concordaram com os itens “Realizar
as entregas das atividades foi interessante” e “Realizar as entregas das atividades foi
divertido”. Além disso, vale evidenciar que 85% dos alunos discordaram do item “As
entregas das atividades dos cursos eram muito chatas”, reforçando o interesse profundo
nessa entrega.
O gráfico de Tensão (Figura 4.c) visa avaliar a tensão/pressão que os estudantes
podem ter sentido durante as atividades do curso. Analisando os dados, é visível que
30% dos estudantes concordaram com o item “Eu me senti tenso enquanto fazia as
entregas das atividades do curso” e que 50% discordaram do item “Eu me senti
pressionado enquanto fazia as entregas da atividade do curso”, e os outros 50% não
concordaram nem discordaram, evidenciando que a maioria dos alunos não sentiu
pressão/tensão ao realizar as atividades do curso.
A Figura 4.d apresenta o gráfico que aborda a competência e desempenho dos
estudantes ao longo do curso. É evidente que, com exceção do item "Acho que me saí
muito bem ao realizar as entregas das atividades, em comparação com os outros alunos",
no qual apenas 25% concordaram, a maioria dos estudantes concordou com suas
competências, variando entre 60% e 75% de concordância nos demais itens
relacionados ao desempenho individual de cada estudante.
4.3 Ameaça à Validade dos Resultados
Segundo Wohlin et al., 2012, todo estudo experimental apresenta riscos à sua validade
no qual precisam ser identificados e tratados para não influenciar o resultado final.
Durante o estudo, alguns riscos foram apresentados, como a análise dos dados, a baixa
taxa de respostas, participantes e desistências.
A interpretação incorreta dos resultados foi identificada como uma potencial
ameaça à validade do estudo, no entanto, seu impacto foi minimizado por meio de
revisões das conclusões. Para evitar essa consequência, uma equipe de alunos realizou
uma análise e codificação dos resultados de forma quantitativa, possibilitando a revisão
dos dados.
O baixo número de participantes é um fator que impacta na credibilidade dos
resultados, uma vez que houve desistências dos alunos e ausência de respostas no
formulário de feedback, o que resultou em uma redução significativa da amostra da
pesquisa. Isso limita a capacidade de generalização dos achados para a população em
geral, comprometendo a validade da pesquisa. No entanto, para contornar essa
limitação, foi realizada uma análise aprofundada dos dados coletados.
Além do mais, o questionário para avaliação da aprendizagem, que permite a
investigação sobre o nível do conhecimento pré e pós curso e perguntas de
autoavaliação, foi identificado como fator de risco. Em contrapartida, Sitzmann et al.,
2010 e Thomas et al., 2011, discorrem sobre os indícios de que a autoavaliação fornece
informações relevantes e confiáveis, que são úteis para esse tipo de estudo. Essa
avaliação crítica dos resultados permite fornecer lições valiosas, porém, destaca-se a
importância da necessidade de pesquisas futuras com amostras mais representativas para
ampliar e validar as evidências.

5. Conclusões e Trabalhos Futuros

Este artigo objetivou estudar dados significativos sobre o desempenho do curso de
refatoração de códigos, oferecido pelo projeto LearningLab, com base na análise
quantitativa e qualitativa dos relatos dos alunos participantes.
Como síntese, a análise quantitativa evidenciou a conformidade da maioria dos
estudantes com o êxito do curso em quatro dimensões: Interesse, Competência, Tensão e
Escolha. Contudo, há contraste de opiniões em questões específicas do aprendizado,
retratando diferentes experiências na mesma sala de aula, especialmente em relação à
tensão na entrega das atividades. As conclusões da análise quantitativa destacam os
sucessos e falhas dos alunos no curso. Os sucessos foram observados principalmente
nas dimensões de Interesse e Competência, com alto nível de conformidade, e pelo alto
conhecimento sobre refatoração após o curso. Em suma, a metodologia de ensino
cativou o interesse dos alunos, o que refletiu em um aprendizado concreto dado às
competências ao realizar as entregas das atividades.
Ademais, na análise descritiva dos relatos do questionário de feedback, é
evidente o entusiasmo dos alunos pela refatoração, tanto pelos aspectos técnicos das
atividades em grupo quanto pela abordagem descontraída e simplificada da explicação
teórica, baseada no diálogo. A metodologia aprovada pelo instrutor e orientadora do
projeto criou um ambiente acolhedor, incentivador e eficiente para o curso.
As conclusões deste trabalho tornam viável a criação de cursos adaptados à
realidade dos estudantes do Campus de Russas da UFC, público-alvo do LearningLab.
Portanto, o acúmulo de recomendações e relatos permite a melhoria progressiva da
qualidade das atividades e cursos propostos, como os de HTML e CSS, React Native e
Flutter realizados após o curso descrito neste trabalho.
Referências
Barbosa, E. F., Moura, D. G. (2014). Metodologias ativas de aprendizagem no ensino de
engenharia. XIII International Conference on Engineering and Technology
Education, v. 13, p. 16-19. ISSN 2317-4382.
Corbin, J. and Strauss, A. (2007). Basics of Qualitative Research: Techniques and
Procedures for Developing Grounded Theory. Sage Publications.
Fontana, F. A., Ferme, V., Spinelli, S. (2012). Investigating the impact of code smells
debt on quality code evaluation. In Proceedings of the MTD , MTD ’12, p. 15–22,
Piscataway, NJ, USA. IEEE Press.
Fowler, M. (2018). Refactoring: improving the design of existing code. [S. l.]:
Addison-Wesley Professional.
Hartwig, A. K., Silveira, M., Fronza, L., Mattos, M., de Araújo Kohler, L. P. (2019).
 Metodologias ativas para o ensino da computação: uma revisão sistemática e um
estudo prático. In Anais do Workshop de Informática na Escola, v. 25, n. 1, p.
1139-1143.
Martin, Robert Cecil. Clean Code: A Handbook of Agile Software Craftsmanship.
(2008).
McAuley, E., Wraith, S., Duncan, T. (1991). Self-efficacy, perceptions of success, and
intrinsic motivation for exercise. Journal of Applied Social Psychology, v. 21, n. 2, p.
139-155.
Mendes, J., Costa, Y., Frazão, K., Santos, R., Santos, D., Rivero, L. (2019).
Identificação das expectativas e dificuldades de alunos de graduação no ensino de
engenharia de software. In Anais do XXVII Workshop sobre Educação em
Computação, p. 334-347, SBC.
Piccinin, G. F., Moro, M. M. (2020). Investigação da rotina de aprendizagem de
desenvolvedores de software. In Anais do XXVIII Workshop Sobre Educação em
Computação, p. 196-200, SBC.
Rabelo, A., Maia, L. C., Parreiras, F. (2018). Performance Analysis of Computer
Science Students in Programming Learning. In Anais do XXVI Workshop sobre
Educação em Computação. Porto Alegre: SBC. doi:10.5753/wei.2018.3499.
Ryan, R. M., Koestner, R., Deci, E. L. (1991). Ego-involved persistence: When
free-choice behavior is not intrinsically motivated. Motivation and emotion, v. 15, n.
3, p. 185-205.
Sitzmann, T., Ely, K., Brown, K. G., & Bauer, K. N. Self-assessment of knowledge: A
cognitive learning or affective measure?. Academy of Management Learning &
Education, v. 9, n. 2, p. 169-191, 2010.
Souza, S. R., Choma Neto, J., Paschoal, L. N., Hernandes, E. (2021). Ensino Remoto
Emergencial de Engenharia de Software com PBL: um relato de experiência In Anais
do XXIX Workshop sobre Educação em Computação, p. 31-40, SBC.
Thomas, G., Martin, D., Pleasants, K. Using self- and peer-assessment to enhance
students’ future-learning in higher education. Journal of University Teaching &
Learning Practice, v. 8, n. 1, p. 1-17, 2011.
Wohlin, C., Runeson, P., Höst, M., Ohlsson, M. C., Regnell, B., & Wesslén, A.
Experimentation in software engineering. Springer Science & Business Media, 2012.

Links Citados no Artigo

(1)
https://bit.ly/notionCodeSmells;
(2)
https://bit.ly/materialCodeSmells;
(3)
https://www.whatsapp.com/?lang=pt_br;
(4)
https://github.com/usrmaia/curso-codesmells-aqui-nao;
(5)
https://www.instagram.com/learninglabuf/;
(6)
https://bit.ly/formulariocodesmells.