Vídeos de algoritmos que mostram o código rodando de verdade
O que faz uma animação de algoritmos ensinar: passos exatos, o código aceso ao lado da imagem, uma entrada pequena percorrida e uma pergunta. As evidências.
Pela equipe do Chasca 5 min de leitura
Uma animação de algoritmos ensina quando cada passo na tela é exato, quando o código aparece ao lado da imagem enquanto roda e quando quem assiste é convidado a pensar no próximo passo em vez de só olhar. A pesquisa sobre visualização de algoritmos desde os anos noventa aponta na mesma direção: a imagem importa menos do que o quanto quem assiste a acompanha de perto, e um exemplo pequeno e completo vale mais do que um grande com passos pulados.
As animações de algoritmos ajudam os estudantes a aprender?
Podem ajudar, com uma condição. O metaestudo sobre a eficácia da visualização de algoritmos de Christopher Hundhausen, Sarah Douglas e John Stasko revisou 24 estudos experimentais e concluiu que o que os estudantes faziam com uma visualização previa o seu sucesso melhor do que a aparência dela: os estudos baseados em estudantes que percorriam ativamente o algoritmo tinham os melhores resultados.
Um grupo de trabalho liderado por Thomas Naps transformou isso numa taxonomia do engajamento: não assistir, assistir, responder (dizer o que vai acontecer), mudar (testar outras entradas), construir e apresentar. Quando Scott Grissom, Myles McNally e Thomas Naps compararam esses níveis com algoritmos de ordenação simples, o aprendizado cresceu à medida que os estudantes passavam de só assistir a responder e mudar.
Um vídeo é assistido, então começa no nível de assistir. Mesmo assim, ele pode perguntar: uma boa explicação para antes de um passo, pergunta qual número se move em seguida e então mostra a resposta. E um vídeo feito com a entrada de quem assiste, ou com a da lição de casa, o aproxima de mudar.
Por que cada passo precisa ser exato?
Porque um algoritmo é feito dos seus passos. Uma troca no lugar errado, ou um ponteiro uma casa fora, ensina outro algoritmo, e quem aprende com ele leva o erro para o próprio código. As animações feitas à mão são desenhadas passo a passo, então até as melhores pulam partes (“deixamos a recursão cuidar do resto”) e mostram só a execução que o autor teve tempo de desenhar.
Quando Clifford Shaffer e colegas revisaram a área em Algorithm Visualization: The State of the Field, encontraram centenas de visualizações, distribuídas de forma desigual entre os temas e de qualidade variável. Um professor que procura uma correta, completa e no idioma dos seus alunos muitas vezes não encontra nenhuma.
A solução é rodar o algoritmo. Uma execução real não pode pular um passo nem inventá-lo: a imagem, a linha acesa e as variáveis saem do que o código fez de verdade.
Por que mostrar o código ao lado da imagem?
Porque o código é o que os estudantes escrevem, depuram e o que cai em entrevistas e provas. A visualização de programas, que mostra o estado de um programa enquanto ele roda linha a linha, é uma forma consolidada de ensinar: a revisão de sistemas de visualização de programas de Juha Sorva, Ville Karavirta e Lauri Malmi cobre dezenas deles, e o Online Python Tutor, de Philip Guo, levou a ideia a um público muito grande.
Um vídeo de algoritmos junta as duas coisas: a estrutura de dados como imagem, o código enquanto roda e as variáveis entre eles. Quando a linha 11 acende enquanto 6 e 5 são comparados, o estudante vê o que if a[j] <= pivot faz em vez de só ler.
Do que precisa uma boa explicação de algoritmos?
Estudamos 16 das explicações de algoritmos mais assistidas do YouTube, da ordenação e da busca binária até Dijkstra e programação dinâmica. As melhores compartilham uma gramática:
- Uma pergunta e uma regra. Começam com uma pergunta ou uma imagem do dia a dia (cidades e estradas, uma estante de livros) e então dão a única ideia a manter enquanto o algoritmo roda: “tudo à esquerda de i é no máximo o pivô”.
- Uma entrada pequena, percorrida. O vídeo típico dedica cerca de metade do tempo a rodar um exemplo, em geral de 6 a 11 valores ou de 7 a 13 nós.
- A estrutura auxiliar ao lado da imagem. Uma fila ou uma pilha desenhada ao lado do grafo, uma linha de memorização ao lado da recursão.
- Poucas cores, explicadas uma vez. O item atual de uma cor, os concluídos de outra, os ponteiros como setas curtas com nome.
- O passo-chave em câmera lenta. Os primeiros passos um a um, depois mais rápido e de novo devagar onde importa.
- Uma conferência e um limite. O resultado conferido com a regra e um limite dito com honestidade (um pior caso, pesos negativos).
- A notação O grande em uma linha, com números. Poucos contam as comparações da própria execução, que é o que torna o crescimento algo que se vê.
O que nenhum dos 16 fazia: manter o código e a imagem se movendo juntos durante toda a execução, mostrar um painel com as variáveis ou narrar em outro idioma além do inglês.
Como se faz um com o Chasca?
A habilidade Algoritmos visuais (Algorithm visuals) do Chasca cria o vídeo inteiro a partir de uma frase:
- Diga o algoritmo. Abra Create, escolha a habilidade “Algorithm visuals” e escreva o que explicar, por exemplo “os caminhos mais curtos de Dijkstra a partir do nó 0, em Java” ou “busca binária do 23 em 2, 5, 8, 12, 16, 23, 38”. Dê os seus próprios dados se quiser; eles ficam num tamanho que dá para acompanhar na tela.
- Escolha a linguagem do código. Python, Java, C++ ou JavaScript, no ajuste Code da habilidade ou no seu pedido. Escolha um visual escuro ou claro, o narrador e o idioma do vídeo.
- Receba o vídeo. O algoritmo roda com os seus dados, e a narração é escrita a partir dessa execução: primeiro uma pergunta, a entrada e a regra, a execução percorrida com o código aceso linha a linha e as variáveis à vista, o passo-chave em câmera lenta, o resultado conferido e depois um gráfico de como o trabalho cresce com a contagem desta execução.
A biblioteca cobre ordenação, busca, dois ponteiros e janelas deslizantes, strings, pilhas e filas, tabelas hash, listas encadeadas, árvores, heaps, grafos, recursão e programação dinâmica. Para compará-la com Manim, Motion Canvas e gravadores de tela, veja as melhores ferramentas para criar vídeos de visualização de algoritmos.
Fontes
- Hundhausen, C. D., Douglas, S. A., and Stasko, J. T. (2002). A meta-study of algorithm visualization effectiveness. Journal of Visual Languages and Computing, 13(3), 259–290.
- Naps, T. L., et al. (2002). Exploring the role of visualization and engagement in computer science education. ACM SIGCSE Bulletin, 35(2), 131–152.
- Grissom, S., McNally, M. F., and Naps, T. (2003). Algorithm visualization in CS education: comparing levels of student engagement. Proceedings of SoftVis 2003, 87–94.
- Shaffer, C. A., et al. (2010). Algorithm visualization: the state of the field. ACM Transactions on Computing Education, 10(3).
- Sorva, J., Karavirta, V., and Malmi, L. (2013). A review of generic program visualization systems for introductory programming education. ACM Transactions on Computing Education, 13(4).
- Guo, P. J. (2013). Online Python Tutor: embeddable web-based program visualization for CS education. Proceedings of SIGCSE 2013, 579–584.
Transcrição do vídeo O que o narrador diz no vídeo explicativo de 1:05 acima.
How can you sort these numbers without repeatedly finding the smallest?
These 7 numbers need sorting. Through i, values stay at most the pivot. Orange marks executing code; green means done.
Line 8 picks pivot 5. Line 11 leaves 8 right because it exceeds 5.
3 belongs left. Which number will it swap with?
3 swaps with 8; 1 and 2 also move left because neither exceeds 5.
5 lands between the sides, permanently placed.
Recursion partitions the left around 2; single numbers need no sorting.
8 separates 6 and 9; the pivot rule now holds everywhere. Worst-case work is quadratic.
The chart marks 10 comparisons for 7 numbers; average work grows as n log n.
Partition, then sort each side: that's how you order the numbers.
Perguntas frequentes
Podem ajudar, e o que mais importa é o que os estudantes fazem enquanto assistem. Um metaestudo de 24 experimentos concluiu que a forma como os estudantes interagem com uma visualização de algoritmos prevê o seu sucesso melhor do que aquilo que ela mostra, e um estudo posterior viu o aprendizado crescer quando os estudantes passavam de só assistir a responder perguntas sobre a animação.
Porque o código é o que os estudantes escrevem e o que cai em entrevistas e provas. Ver a linha que roda ao lado da mudança que ela causa liga as duas coisas; ferramentas de visualização de programas como o Python Tutor se baseiam nessa ideia.
Pequeno o bastante para acompanhar cada passo: as explicações de algoritmos mais assistidas percorrem arrays de 6 a 11 valores (8 é o comum) e grafos de 7 a 13 nós, e dedicam cerca de metade do vídeo a essa única execução.
A habilidade Algoritmos visuais do Chasca cria um a partir de uma frase como “quick sort com 8, 3, 6, 1, 9, 2, 5 em Java”: ela roda o algoritmo com esses dados e o narra passo a passo, com o código aceso linha a linha ao lado da imagem, em Python, Java, C++ ou JavaScript.
Sim. A habilidade Algoritmos visuais narra em qualquer um dos 79 idiomas do Chasca; o código e os nomes das variáveis ficam como a linguagem de programação os escreve.