Concursos Públicos para Professor Efetivo geralmente começam com uma prova escrita, dissertativas, onde os candidatos e candidatas discorrem sobre algum ponto sorteado na hora.
Assim, parece absurdo que eu gaste tempo resolvendo exercícios numéricos, com calculadora e – pasmem – Python e R (como na foto acima), para algo que vai virar 4 páginas de texto, não?
Não é absurdo porque isso é Engenharia. Nossa profissão é provar nosso ponto com números. Naturalmente, eu preciso entender os conceitos básicos, e devo conseguir explicar com palavras o que é o “Princípio da Conservação da Quantidade de Movimento” ou quando a “Equação de Bernoulli” é válida. Mas, na minha experiência, quando você resolve problemas numéricos é que você realmente compreende o que são essas equações, quais as dificuldades de aplicá-las, como calcular as propriedades e termos relevantes – o que já vira um treino para a Prova Didática. É fácil compreender que um “escoamento incompressível” é aquele onde a densidade não varia, mas fica muito mais interessante quando você calcula a densidade da água líquida e do ar em diferentes temperaturas e mostra que um caso varia muito mais o outro.
Nas minhas próprias aulas, aliás, à medida que vou ficando mais experimente e maduro nos assuntos, eu frequentemente paro as explicações para simplesmente fazer uns cálculos básicos e mostrar que eu não estou inventando afirmações.
Eu continuo escrevendo redações para treino, mas quando percebo que não consigo expressar por palavras, é porque na verdade não entendi e está na hora de voltar livros – e seus problemas numéricos.
O título ridiculamente longo expõe um problema complexo e que muitos doutores enfrentam: como ter tempo para estudar para um concurso de Professor Efetivo de Ensino Superior, enquanto você já é Professor ou Professora (em alguma posição ou universidade da qual você queira ou precise sair por motivos de contrato) e dá muitas aulas e tem todos os compromissos relacionados.
Eu nunca fui aprovado em um concurso para professor efetivo, então não tenho uma receita do sucesso, mas só quero compartilhar como eu estou fazendo: tentar mesclar a rotina de estudo e de preparação de aulas ao máximo.
Por exemplo: enquanto escrevo isto, amanhã tenho de ministrar uma aula de Refrigeração sobre o assunto de trocadores de calor. Estou incrito em um concurso onde o tópico “trocadores de calor” não está presente, mas onde “escoamento em tubos”, uma parte importante de entender o funcionamento de trocadores de calor, é um dos pontos da prova escrita. Então, em vez de simplesmente preparar um PowerPoint para a aula, posso aproveitar para revisar o livro-texto apropriado e me aprofundar mais na teoria e na matemática, mesmo que isso não seja necessário para a aula em si. Com isso, a minha aula fica mais completa e bastante back to basics (na minha experiência, nunca é demais tomar os minutos iniciais para revisar o “básico”…). O estudo alimenta a preparação de aulas. A cada aula, eu reflito: o que posso estudar que vai me ajudar?
O processo é reversível: ao preparar uma aula sem pensar explicitamente nos concursos, eu me dou conta de aplicações de alguns dos pontos, ou encontro uma nova maneira de falar isso em uma Prova Didática; ao ministrar as aulas, eu percebo as dificuldades comuns. Todas essas impressões são anotadas no meu BuJo.
Professores que lêem este blog: como foi/é a preparação de vocês para concursos?
Em The Millionaire Fastlane, MJ DeMarco faz um paralelo entre três abordagens para enriquecer. Não vou detalhá-las aqui, e o livro é de leitura interessante (embora algumas partes me irritem), mas a ideia é que, ao passar de um nível para outro, seu risco cresce um pouco mas as recompensas crescem de maneira acelerada, de maneira que não faz muito sentido outra coisa a não ser escolher a “via rápida de se tornar milionário” (na visão do autor).
Eu estou, no momento, estudando bastante para um concurso para Professor na área de Mecânica dos Fluidos, e ao comparar 3 opções clássicas de bibliografia fiquei pensando que essa analogia, esta comparação entre risco e recompensa, serve para escolher um livro adequado.
Eu já falei aqui do meu amor pelos livros do Çengel. Para mim, são os livros melhor produzidos do mercado, e o de Mecânica dos Fluidos é assim: o texto é fluido, as imagens são muito didáticas e de qualidade, a quantidade de informações disponíveis é ampla… mas são livros fáceis, que não me forçam a navegar no desconhecido.
O outro extremo é o livro provavelmente mais famoso da área, de Fox et al. É um livro difícil, chato de ler, confuso na explicação, com exercícios que fritam o cérebro. Eu nunca gostei.
Pessoalmente, tenho estudo pelo livro do White. Embora talvez não seja tão profundo e desafiador quanto o do Fox, é imensamente mais didático, de maneira que não faz sentido; você consegue de fato avançar na leitura e nos exercícios. O pequeno aumento do risco de não ser tão completo quanto o outro é mais que compensado pela sua didática.
A leitora também tem de lidar com escolher livros de níveis diferentes para uma mesma área?
Como posso deixar minhas aulas 1% melhor a cada semestre?
Cada disciplina tem sua realidade. No meu curso de Transferência de Calor e Massa I, por exemplo, estou decidido a mostrar como poder resolver problemas usando Python, pensando de maneira inteligente sobre a computação:
A leitora acha que isso é uma melhoria suficiente? O que o leitor acha de ter uma “página de notas de aula assim”? Os leitores querem saber como construo essas páginas?
O que me leva a um objetivo vago na minha vida profissional, que é aprender a linguagem de programação R, uma ferramenta bastante focada em estatística e ciência de dados.
Eu não consigo me lembrar como comecei a me interessar por isso, mas se fosse apostar, diria que foi quando Dr. Drang linkou algum post de Kieran Healy, um professor de Sociologia da Duke University que posta sobre como criar gráficos muito interessantes e ricos usando R . Isso deve fazer uns 5 anos, por volta de 2017.
Em 2019, quando comecei a utilizar bastante os conceitos de ciência de dados e quis aprender mais, comprei os livros da foto acima, mas nunca mergulhei de fato.
Nesse ano de 2022, decidi que era de mergulhar nisso. Mas aí está o problema: como vou priorizar isso dentro do meu problema de foco? Eu não preciso estudar R, e não vou ter proveito imediato.
Porém , foi numa tarde onde tirei uns 90 minutos para começar a ler o livro R for Data Science que me deparei com um exemplo do livro sobre dados experimentais de motores – uma biblioteca de R tem uma tabela já pronta. Por que essa minha empolgação? Porque eu ministro duasdisciplinas sobre motores, e já consigo pensar em muitas maneiras de explorar esses dados na sala de aula. Sem essa perda de tempo brincando de estudar, eu talvez nunca teria chegado nesse exemplo.
Brincando com RStudio
Brincando em mais algumas sessões de trabalho, o resultado é saber produzir um gráfico como esse:
Aqui nós temos dados de alguns motores catalogados pela Agência de Proteção Ambiental dos EUA entre 1999 e 2008. Há uma tendência geral de queda da eficiência: motores maiores consomem mais combustível. Mas! Há outros fatores em jogo: a linha de tendência mais inferior mostra apenas veículos de tração nas 4 rodas, que são consistentemente menos eficientes que veículos de tração em 2 rodas (o leitor sabia disso?). Analisando por classes, vemos que na faixa de cilindradas maiores há exemplos de carros que são mais eficientes que outros: 2seaters, ou carros esportivos de 2 lugares. Esse veículos usam motores potentes, mas consomem menos que um SUV de mesmo tamanho, porque são mais leves, com menos perdas no sistema de transmissão; eu acredito também que o sistema de exaustão desses veículos esportivos faça diferença, com conversores catalíticos de parede metálica, mais fina, que têm menos perdas de potências (à custa de mais emissões).
Essa discussão de um parágrafo acima é muito útil para ser levada para a sala de aula. Eu perdi tempo estudando R?
Agora estou nessa situação; tirando algumas sessões de trabalho a cada mês para avançar na leitura desses livros, encaixando no meu planejamento semanal. Tenho sonhado em finalmente escrever apostilas de notas de aulas usando bookdown, de maneira que o código para resolver exercícios seja parte do texto, e divulgar essas notas de aula para o Brasil todo. O ecossistema de R põe muita ênfase na publicação e compartilhamento de dados – algo que não vejo em Python, por exemplo, daí o meu interesse em uma ferramenta nova (já que tenho usado Python para meus projetos científicos há mais de 1o anos).
Como a leitora faz para balancear entre o foco e a exploração? O leitor consegue achar tempo no meio da semana para simplesmente explorar algum assunto e “ver no que vai dar”?
Hoje eu sou Professor de Engenharia Mecânica, mas eu lembro de uma época em que eu fui aluno; e desde aquele época, uma das coisas que mais me irrita ouvir é variações do tema:
A Engenharia de hoje é toda computadorizada; devemos eliminar as aulas de Cálculo e Álgebra Linear no currículo, que são inúteis, para dar lugar a disciplinas mais avançadas!
Alguém que geralmente foi mal em Cálculo
Não me leve a mal: Cálculo e Álgebra Linear não são disciplinas fáceis ou agradáveis, e tenho colegas que de fato foram mal nestas aulas e hoje são engenheiros e engenheiras de respeito. Mas isso não serve de evidência para o argumento acima.
A Engenharia é resolver problemas práticos da sociedade com baixo custo e baixo impacto ambiental. Considere o objetivo de movimentar cargas e pessoas em automóveis motorizados: um problema prático é reduzir as emissões de poluentes de monóxido de carbono e hidrocarbonetos, compostos tóxicos. O que acontece é um balanço de efeitos: quanto menos ar, mais compostos se formam pela combustão incompleta – mas ao mesmo tempo, se há ar demais e combustível de menos, o ar vai absorver energia da combustão, abaixar a temperatura e também vai ocasionar combustão incompleta. Quando se tem um fenômeno que resulta de uma soma de efeitos, esse problema pode ser modelado por equações diferenciais. Saber resolver esse tipo de equação não é um item em uma lista de exercícios; é uma questão de estimar, e então tentar reduzir, as emissões de gases tóxicos.
Em A Mind at Play, Jimmy Soni e Rob Goodman falam dos primórdios da computação, que era à base de computadores mecânicos, analógicos, e não digitais. E o que esses diferentes computadores faziam era resolver diferentes classes de equações diferenciais. Algo que aprendi com o livro, por exemplo, era que Lord Kelvin, famoso pela sua escala de temperatura, também trabalhou no final do século XIX em um analisador harmônico, que conseguia prever, com muita precisão, o movimento das marés em um dos portos britânicos, a partir de dados passados. Deixe-me ser claro: você usava um lápis conectado na máquina para desenhar um gráfico das marés em um mês, girava manualmente algumas engrenagens, e o aparelho desenhava (após algumas horas) um outro gráfico prevendo as marés no mês seguinte – e geralmente acertava. Isto é, literalmente, aprendizado de máquina.
Essa playlist sensacional explica um outro tipo de analisador harmônico:
Agora imagine Lord Kelvin, um dos pioneiros da computação analógica, se queixando de ter de estudar cálculo.
Eu sei o que o leitor vai dizer em seguida: “mas eu não estou interessado em construir uma máquina ou desenvolver um software, só quero fazer simulações em um programa já pronto”!
Eu fiz muito disso em meu doutorado. Simulei o campo magnético de ímãs, usando um programa pronto (que, adivinhe, resolvia equações diferenciais), e comecei a notar alguns resultados estranhos. Quando você faz uma simulação computacional, você começa com uma malha (um conjunto de pontos) bem grosseira e, à medida que você vai adicionando pontos, a simulação vai ficando melhor, até uma hora que adicionar mais e mais pontos não muda o resultado final e só toma mais tempo de computação; isso é o sinal de que a malha está fina o suficiente. No meu caso: eu notei que, nos cantos dos ímãs, quanto mais e mais pontos eu adiciona, pior ficava o resultado, sem nunca estabilizar. O que está acontecendo?
Foi só quando eu parei para analisar as equações diferenciais, e estudar a teoria por trás do programa, foi que eu aprendi que isso era esperado, e o programa de fato não conseguiria simular os cantos.
Outro exemplo do meu doutorado, dessa vez simulando o escoamento de água em um trocador de calor. O programa me forneceu uma planilha de resultados, com os dados de velocidade em cada seção do trocador; ele simplesmente resolveu as equações diferenciais adequadas. Mas quando parei para analisar os resultados, notei algo estranho: a massa não se conservava. O trocador tinha uma entrada e uma saída, mas eu, sem muito conhecimento do programa que estava utilizando, digitei de forma errada os parâmetros; era como se a equação diferencial tivesse uma segunda saída de água, que estava sumindo dos cálculos. Novamente, foi quando parei para analisar as equações diferenciais, que vi o problema.
Esses exemplos não são abstratos. O ímã e o trocador de calor foram fabricados e instalados em um sistema real, custando dinheiro de verdade para fazer isso – e foi o exame minucioso da teoria, por parte dos meus colegas e de mim, que preveniu grandes erros de engenharia.
Assim, deixe-me dar um conselho: quanto mais Cálculo a leitora souber, melhor engenheira vai ser. Tudo bem, eu concordo que você não vai resolver equações diferenciais à mão como fazia nas aulas, e um computador (agora, digital) vai fazer isso para você. Mas é o conhecimento implícito, que se imprimiu no seu subconsciente, que vai lhe permitir analisar dados e detectar erros e oportunidades de melhoria.
Eu estou falando de Engenharia porque é o que eu conheço, mas posso facilmente imaginar a importância de médicos conhecerem bem biologia, ou psicólogas mergulharem fundo na filosofia.
Calouros e calouras: não menosprezem as fases iniciais. Vai valer a pena depois. Você sonha em trabalhar com Aprendizado de Máquina? Pergunte a alguém que trabalha na área o quanto de Álgebra Linear é necessário – e depois comente aqui.
Como parte do meu ano de Ler e Escrever, eu ando escrevendo muito. Estou em preparação contínua para concursos de professor efetivo que devem ocorrer esse ano e, para quem não conhece as regras do jogo, concursos deste tipo envolvem diversas etapas, começando por uma prova escrita, onde dois pontos são sorteados e os candidatos devem escrever duas dissertações sobre os temas. Marco Mello obviamente dá uma boa visão geral de como funciona.
No último concurso que prestei, eu não passei na prova escrita, e acho que minha principal falha foi ter escrito textos genéricos demais, sem personalidade nenhuma. Para a próxima tentativa, eu estou decidido a escrever textos mais pessoais; um colega que já passou em um concurso deu a dica de ouro de escrever o seu livro-texto. Os meus livros-texto favoritos são aqueles que deixam passar claramente a voz do autor, como os livros do Frank White de Mecânica dos Fluidos ou de Termodinâmica do Adrian Bejan. Essa dica também é dada por (de novo) Marco Mello.
Para escrever coisas assim, eu preciso treinar. Assim, também em relação a concursos passados, eu não tenho apenas tomado notas, mas tenho escrito redações de treino. Essas não são necessariamente uma redação a decorar e depois reescrever de cabeça na hora da prova, mas uma maneira de já conhecer pelo menos uma maneira de contar uma história sobre o tema.
O app de notas que uso é Obsidian, que trabalha com uma pasta de arquivos no meu computador. Para poder usar os apps de iOS e iPadOS, minha pasta notes está no iCloud Drive. Eu tenho uma nota com uma lista dos tópicos conforme divulgado nos editais.
Os itens marcados acima são links para outras notas, onde eu já escrevi um rascunho sobre o tema. Mas como uma nota = um arquivo de texto em Markdown, e não um registro em um banco de dados, eu posso simplesmente abrir cada nota em outro editor. Neste ano, eu finalmente investi no iA Writer.
Na biblioteca do iA Writer, eu adicionei algumas subpastas da minha pasta principal de notas, onde estão os ensaios que estou escrevendo para praticar:
Por que pagar tanto e se importar tanto com um app? Porque ele facilita o foco; quando estou escrevendo livremente, eu vejo apenas o parágrafo que estou escrevendo:
Se eu fosse mais nerd do que já sou, eu poderia usar o recurso de análise sintática do app, que ressalta cada tipo de palavra (verbo, advérbio, adjetivos); se eu seguisse as ideias de Stephen King, eu então riscaria todos os advérbios, que geralmente não contribuem nada para a escrita:
Outro recurso essencial, para quem quer escrever textos de Engenharia, é poder formatar equações:
Eu tenho curtido muito o processo de escrever usando iA Writer, e recomendo fortemente a quem precisa ou quer treinar a habilidade de escrever.
Na sua teoria de fluxo, Mihaly Csikszentmihalyi fala que um dos fatores que fazem as pessoas encontrarem prazer no seu trabalho (sem se tornar workaholic) é adicionar variedade: você nunca fica entediado, ao mesmo tempo em que não têm uma atividade âncora na qual pode ficar viciado e não querer/conseguir fazer mais nada.
Ontem, falei de como ordeno minhas tarefas no Todoist para colocar as mais antigas no topo da lista. Aqui está a minha lista de tópicos a estudar, tanto para me preparar para concursos quanto para reforçar assuntos que preciso passar aos alunos:
A prioridade hoje parece resolver exercícios de Mecânica dos Fluidos – e repare como eu coloco etiquetas de assuntos (com cores diferentes) para identificar qual é o tópico da vez, e também para garantir a variedade de que falei: há tarefas de ler, e tarefas de resolver exercícios; há tarefas de várias áreas diferentes, que referenciam livros diferentes. Todo dia, quanto sento para estudar, há um desafio novo. Como professor de 5 disciplinas diferentes, isso me ajuda a ver conexões entre os tópicos.
Após resolver os dois exercícios no topo da lista, e tentando ser o mais específico na hora de resolver, imaginando como explicaria isso para algum aluno, eu decidi que está na hora de passar para uma próxima seção; então adiciono uma nova tarefa nessa lista – mas, por causa da ordenação, a nova tarefa foi para a parte de baixo deste projeto:
Assim, na próxima vez em que for estudar, vou descansar a cabeça de Mecânica dos Fluidos e me dedicar um pouco à Transferência de Calor. Na vez seguinte, vou estudar Termodinâmica. Eu nunca estou entediado e nunca hiper-especializado em um assunto apenas; quando chegar a vez de fazer algum concurso, eu não vou estar muito adiantado em um tópico e completamente atrasado em outro.
Eu roubei essa ideia em partes dos ótimos textos da Thais Godinho sobre ciclos de estudos. Espero que isso ajude a leitora a encontrar mais motivação e prazer ao estudar.
Hoje de manhã, eu postei a minha lista de tarefas no LinkedIn:
Nesse mês de novembro, meu foco está em corrigir a primeira rodada de avaliações, enquanto preparo a segunda. Isso significa que há dias como hoje, onde eu tenho 11 trabalhos a corrigir. Podia ser pior.
Nesse tempo de aulas remotas, não há entrega de relatórios de papel, apenas documentos em PDF via Moodle. Após a entrega dos trabalhos, eu faço o download de todas as submissões e organizo-as adequadamente em uma pasta no OneDrive, meu sistema de sincronização de arquivos. Eu então contabilizo quantos trabalhos há a corrigir e qual o prazo eu tenho; minha universidade exige que as notas sejam disponibilizadas em até 10 dias úteis ou 48 horas antes da próxima avaliação, o que vier primeiro – ambos os critérios são bem razoáveis. Eu então faço a conta de quantos trabalhos há para corrigir em cada dia, conforme mostrado acima.
Para garantir o máximo de uniformidade, eu monto uma planilha de avaliação para cada trabalho:
O segredo está em ser bem granular na quantidade de critérios para evitar injustiças
Esta planilha é disponibilizada para os alunos durante a confecção do trabalho e está salva na mesma pasta onde guardei as submissões dos alunos. Há então uma nerdice pesada: eu uso um script que adiciona a planilha acima ao final de cada documento em PDF na mesma pasta:
#!/bin/bash
FILES=*.pdf
MODEL="Planilha de avaliação T4 ST1GEE1.pdf"
for f in $FILES
do
if [ "$f" != "$MODEL" ];
then
NEWFILE="Avaliação_$f"
echo "Processing file $f into $NEWFILE";
pdfunite "$f" "$MODEL" "$NEWFILE"
fi
done
Ao executar esse script na pasta dos trabalhos, eu tenho então uma lista de trabalhos, onde a última página é uma planilha para eu ir preenchendo conforme leio:
Ao longo dia de trabalho, vou lendo os trabalhos na ordem, e vou fazendo anotações ao longo do documento e na planilha ao final:
Eu sou muito chato quando estudantes não denotam unidades, por mais óbvias que sejam
Ontem eu escrevi sobre como tenho continuamente melhorar no que eu faço. Uma parte essencial de ser um bom professor é dar boas oportunidades para os alunos praticarem o que aprendem na aula; em Engenharia, isso significa Listas de Exercícios.
Final de semana, estou quase lá
Na semana passada, ao revisar a quantidade enorme de trabalhos a corrigir e listas de exercícios a desenvolver, além da recorrência semanal de preparar aulas, eu decidi que a maneira mais efetiva de dar conta é simplesmente fazer um pouco a cada dia. Acima, o Todoist me lembra das pequenas tarefas a cumprir hoje: um capítulo a estudar, exercícios a preparar, uma aula a revisar. Este esquema deve se repetir todo dia deste mês, que está bem mais cheio que o normal, então só me resta respirar fundo e viver um dia cheio após o outro, sem abandonar as brincadeiras com meu filho, os filmes com minha esposa, as corridas, a meditação, a corrida (a prática musical de teclado tem sim ficado de lado).
Quando eu de fato vou trabalhar em cada lista, eu abro os livros da Bibliografia indicada e vou selecionando os exercícios que me chamam a atenção e que estão de acordo com os objetivos de cada curso. Muitas vezes eu modifico os enunciados para encorajar análises mais interessantes.
Para de fato escrever as listas, eu uso LaTeX, e um esquema que acho que tem sido efetivo é adicionar as respostas diretamente no arquivo, para os alunos verificarem os seus desenvolvimentos. Eu adoraria providenciar um Manual de Soluções completo para cada lista, mas as tarefas diárias acima não me permitem abraçar a responsabilidade adicional de digitar todas as soluções. Eu salvo as resoluções, tiradas dos manuais oficiais ou mesmo criadas por mim, para o caso dos alunos virem tirar dúvidas de algum item.
Este tem sido um grande melhoramento em relação ao semestre passado, quando eu admito que faltaram oportunidades para praticar. Essa rotina diária de estar envolvido com exercícios e trabalhos me faz ficar mais conectado com a rotina de estudo dos alunos e com a própria preparação de aulas.
Professores que lêem este blog, ou mesmo alunos meus: alguma sugestão de como melhorar esse processo?
FabioFortkamp.com 