Aprender ciência de dados na prática
O objetivo da DataCamp é construir a melhor plataforma de aprendizagem para ciência de dados. A nossa filosofia é que você aprende ciência de dados fazendo: nossos vídeos de alta qualidade, a codificação no navegador e a gamificação oferecem aos alunos uma experiência envolvente direto no browser. Ao mesmo tempo, queremos adotar uma abordagem orientada por dados no nosso produto e compartilhar com o mundo o que descobrimos sobre como se aprende ciência de dados. Neste post, vamos abrir os bastidores da DataCamp e dividir alguns insights sobre o processo de aprendizagem em ciência de dados.
Criação e manutenção de cursos com qualidade
Tópicos dos cursos
O time da DataCamp está sempre em busca dos temas mais interessantes para criar cursos — e não é fácil escolher, com tantas novidades e avanços surgindo o tempo todo! Por isso, tentamos tornar esse processo o mais orientado por dados possível: além de acompanhar as tendências mais recentes em ciência de dados e as linguagens de programação mais demandadas pelo mercado, a DataCamp também consulta sua rede de instrutores — especialistas da indústria e acadêmicos — para entender o que deve entrar no programa de estudos e como seria esse curso.
No fim das contas, porém, o aluno está no centro da DataCamp, e por isso envolvemos ativamente nossos usuários na escolha dos temas: fazemos entrevistas e pedimos que respondam a pesquisas para descobrir as necessidades dos nossos alunos. Esses dados são combinados com a opinião dos especialistas não só para definir o tema do curso, mas também o que ele vai cobrir. Assim, garantimos que todo o conteúdo relevante para o aluno esteja incluído.
Além disso, reunimos os termos que os usuários digitam nas barras de busca do site. Com a ajuda de R, esses termos são analisados, ranqueados e visualizados internamente, para que o time de desenvolvimento de cursos da DataCamp use essas informações como ponto de partida para mapear a grade curricular dos próximos meses.
Confira a biblioteca completa de cursos da DataCamp aqui.
Dificuldades dos alunos e melhoria contínua dos cursos
Beta testing
Antes de um curso ir ao ar, a DataCamp o envia para um grupo menor de usuários e pede que façam anotações e deem feedback por meio de uma pesquisa com várias perguntas abertas. Isso nos permite fazer os ajustes finais antes de avisar toda a base de usuários que um novo curso foi lançado.
Dicas e soluções
Definir os temas e colocar um grupo pequeno para testar cursos prestes a serem lançados é uma parte. Quando o curso entra no ar, a DataCamp também monitora onde podem surgir dificuldades para o aluno ao longo do curso.
Você sabia, por exemplo, que sempre que pede uma dica ou solução, a DataCamp registra esses dados para entender quantas vezes os usuários solicitaram dicas ou soluções dos exercícios? Esses dados — e os insights que extraímos deles — são usados para melhorar nossos cursos!
Analisamos os números para ver onde nossos cursos podem evoluir: quando há pedidos demais de dicas ou soluções, localizamos facilmente o problema e garantimos que os exercícios sejam aprimorados. Como esses exercícios são melhorados depende do feedback que recebemos: por exemplo, um exercício que gerou dificuldade para muitos usuários estava no curso de Kaggle, em que os alunos precisavam construir uma árvore de decisão em R. No começo, as instruções traziam apenas um exemplo genérico de como montar a árvore, o que resultou em uma taxa alta de pedidos de dicas e soluções. Com o feedback dos usuários, o time da DataCamp expandiu a lista de instruções e incluiu três subtópicos adicionais explicando como definir cada parâmetro. Com isso, a tarefa ficou mais clara e prática, reduzindo a taxa de dicas para 15%, muito mais razoável para o nível de dificuldade. Experiências e melhorias como essa nos ajudam, claro, a construir os próximos cursos do programa de ciência de dados da DataCamp.
Outro ponto que observamos é que alguns cursos, como "Introduction to R", geram claramente menos problemas do que cursos de estatística, como "Intro to Statistics with R: Multiple Regression", já que os usuários pedem menos dicas e soluções. Em parte, isso acontece porque o conteúdo introdutório é mais guiado, enquanto os cursos avançados dão mais autonomia para você explorar por conta própria: aprender fazendo fica ainda mais evidente ao longo dos cursos da DataCamp! O processo de melhoria precisa manter o equilíbrio entre o aprendizado prático e o suporte necessário ao aluno.
Feedback personalizado
Além das dicas e soluções, você já viu rapidamente o recurso de feedback personalizado que a DataCamp oferece junto com os desafios de código de todos os cursos. O feedback é estruturado para que você possa primeiro pedir dicas e, em último caso, consultar a solução. Essa última opção é desencorajada, pois impacta o XP que o usuário recebe ao optar pela solução. Isso estimula os alunos a começarem sozinhos e desenvolverem a intuição do que precisa ser codado para concluir a tarefa proposta pelo desafio. De quebra, as mensagens de feedback são pensadas para que o usuário entenda rapidamente o que está errado no código, em vez de encarar mensagens de erro que, à primeira vista, podem não fazer sentido. É mais uma forma de incentivar nossos alunos a compreenderem o código — e, principalmente, o que estão fazendo de errado. No fim, isso fortalece o processo de aprendizagem em ciência de dados.
Entregar esse feedback personalizado não foi simples: quando a DataCamp começou, o sistema de feedback ainda engatinhava e acabava sendo genérico demais. Com o tempo, ficou claro que nossos usuários chegam com formações e objetivos diferentes, o que exige uma abordagem personalizada. Como resultado, o sistema já melhorou demais — e continua evoluindo graças às contribuições que recebemos dos usuários: todos os problemas encontrados durante o curso são registrados e usados para a melhoria contínua dos cursos e do próprio sistema de feedback.
Tempo gasto no exercício
Além de acompanhar a quantidade de dicas e soluções pedidas por curso, a DataCamp também observa, de forma mais granular, como os alunos avançam pelos exercícios: o tempo gasto em cada atividade é monitorado e analisado para identificar possíveis barreiras na experiência de aprendizagem. Como queremos garantir que os alunos progridam em um ritmo saudável, essas informações também entram no nosso processo de melhoria contínua da qualidade dos cursos.
Notas dos cursos
Além de acompanhar a dificuldade dos exercícios e o tempo gasto, e usar essas informações para melhorar a criação de cursos, a DataCamp também fica de olho no que os usuários mais gostam — assim criamos novos cursos que continuem despertando interesse. Tópicos que costumam ser menos populares são estatística, manipulação de dados e visualização, enquanto cursos introdutórios de programação, machine learning e projetos/estudos de caso costumam ter ótimo desempenho com os usuários da DataCamp.
Essas avaliações, somadas ao volume de pedidos de dicas e soluções, nos dão um ótimo termômetro de quais cursos precisam de um cuidado extra.
Estrutura
Seja você um profissional ou alguém começando a carreira, tempo é curto e precioso. Por isso, nossos cursos listam os pré-requisitos ideais que o aluno deve ter ao considerar um determinado curso. Veja, por exemplo, o curso Python Data Science Toolbox da DataCamp:
Os pré-requisitos ficam claros para que o usuário saiba quais conhecimentos e habilidades são esperados antes de começar.
Além disso, a DataCamp divide os cursos em capítulos menores e, dentro deles, em partes ainda mais curtas, alternando vídeos e desafios interativos de código com feedback. Essa estrutura funciona muito bem para quem está aprendendo ciência de dados: não só traz variedade ao programa de estudos, como também ajuda o aluno a progredir de forma rápida e consistente — uma das melhores maneiras de manter motivação e engajamento. Assim, a chance de desistência diminui e a vontade de continuar aumenta.
Interface
A interface é um dos componentes mais importantes ao ensinar ciência de dados: desde o início, a DataCamp criou uma experiência que permite ao aluno programar no conforto do próprio navegador, sem precisar instalar RStudio ou Python localmente. Isso, somado aos vídeos e ao feedback personalizado, reduz muito a barreira para iniciantes e torna a aprendizagem mais bem-sucedida.
Ao longo dos anos, porém, fizemos mudanças para deixar a interface muito mais interativa do que era no começo: hoje, os alunos navegam com mais facilidade pelo curso, podem acionar o suporte quando encontram problemas técnicos e visualizam com clareza quantos XP podem ganhar ao concluir cada exercício.
Trilhas
Quem aprende e quem ensina ciência de dados sabe: pode ser um desafio encontrar um curso — ou uma sequência de cursos — que se encaixe nas suas necessidades de qualidade, engajamento e estilo de aprendizagem. No meio disso tudo, é fácil perder de vista o objetivo original. Em especial, muitos alunos são profissionais que querem migrar para a área de ciência de dados e, por isso, têm metas de carreira específicas. Ou já atuam na área e buscam se aprofundar em um tema ou habilidade.
Por isso a DataCamp criou as trilhas de aprendizado, que oferecem uma abordagem estruturada aos cursos que você já conhece: desse jeito, você foca, com método, em fortalecer suas habilidades em ciência de dados ou em avançar rumo àquela meta de carreira com que você sempre sonhou.
Conectando com o que você leu sobre nosso processo de criação de cursos e sobre os próprios usuários da DataCamp, essas trilhas também ajudam os alunos a atacar, de forma direcionada, os tópicos que consideram mais difíceis — acelerando a evolução e vencendo a curva de aprendizado.
Veja todas as trilhas da DataCamp aqui.
Prática diária
Vencer a curva de aprendizado com cursos de qualidade e trilhas que mantêm o foco é essencial, mas aprender ciência de dados continua sendo um desafio. Na DataCamp, queremos que você aprenda todos os dias — e, convenhamos, é importante ter contato diário com ciência de dados (nem que seja um pouquinho!). O problema é que pode ser difícil manter tudo o que você aprende fresco na cabeça. Por isso, a DataCamp oferece o recurso de prática diária para ajudar você a monitorar o que já domina e o que precisa revisitar.
O sistema é simples: ao entrar no modo de prática, você recebe desafios para treinar o conteúdo dos cursos que já concluiu. São cinco exercícios em formatos variados (múltipla escolha, preencher, etc.) que ajudam na memorização, para você reter melhor o que aprendeu. Ao acertar os cinco desafios, você ganha 250 XP. Claro, a cada dia você recebe uma nova série de exercícios. O modo de prática diária está disponível direto no seu dashboard!
Conclusão
A DataCamp está reinventando a aprendizagem e a avaliação em ciência de dados — e esta é apenas uma das muitas formas como combinamos pesquisa em educação, tecnologia de ponta e a própria ciência de dados para avançar o estado da arte.
Se você se interessa por educação em ciência de dados, venha construir com a gente o melhor lugar para aprender! Veja nossas vagas abertas.
