Dataset do POSCOMP sob a ótica do Pensamento Computacional

Este repositório contém uma versão estendida do POSCOMP Dataset, composta por 1.340 questões de múltipla escolha extraídas das edições do POSCOMP (Exame Nacional para Ingresso na Pós-Graduação em Ciência da Computação) realizadas entre 2002 e 2024. O dataset foi produzido como artefato dos classificadores de competências do Pensamento Computacional. Os classificadores foram desenvolvidos para realizar duas tarefas: Identificação de questões-problema, distinguindo questões que exigem raciocínio contextualizado de questões diretas; Identificação das competências do Pensamento Computacional (PC) presentes em cada questão-problema. O repositório disponibiliza quatro versões do dataset: dataset_completo_classificado.csv: dataset completo contendo apenas as classificações produzidas automaticamente pelos classificadores. dataset_completo_classificado_hibrido.csv: versão híbrida do dataset completo, na qual as questões pertencentes à amostra de validação utilizam as anotações humanas (obtidas por voto majoritário entre os avaliadores), enquanto as demais mantêm as classificações automáticas. dataset_qps_classificado.csv: subconjunto contendo apenas as questões classificadas automaticamente como questões-problema. dataset_qps_classificado_hibrido.csv: versão híbrida do subconjunto de questões-problema, incorporando as anotações humanas sempre que disponíveis. Além de todas as colunas presentes no POSCOMP Dataset original, os arquivos incluem a coluna: ehQuestaoProblema: valor booleano que indica se a questão foi classificada como questão-problema (true) ou questão direta (false). As questões classificadas como problema também possuem as seguintes colunas booleanas, correspondentes às competências do Pensamento Computacional identificadas: comp_decomposicao: Decomposição comp_reconhecimento_padroes: Reconhecimento de Padrões comp_abstracao: Abstração comp_algoritmos: Algoritmos comp_generalizacao: Generalização Este conjunto de dados foi disponibilizado para promover a reprodutibilidade dos experimentos e facilitar pesquisas futuras sobre classificação automática de questões educacionais, Grandes Modelos de Linguagem (LLMs) e Pensamento Computacional.