Relatório da pesquisa de 2024 sobre a curva de aprendizagem de ciência da computação
Em 2024, a JetBrains Academy entrevistou 23.991 pessoas em todo o mundo, incluindo estudantes universitários, estudantes on-line, entusiastas autodidatas, graduados em bootcamps de programação, profissionais e indivíduos que mudaram de carreira.
Com base em seus insights inspiradores, este relatório explora as tendências atuais no ensino de ciência da computação, desde formatos e ferramentas até motivações, objetivos de carreira e desafios.
Seja você um educador, pesquisador, estudante, profissional curioso ou pai/mãe solidário, mergulhe de cabeça! Compartilhe suas ideias e conecte-se com a comunidade de aprendizagem de ciência da computação através de #JetBrainsAcademySurvey24.
Este é um relatório público. Seu conteúdo pode ser usado apenas para fins não comerciais. Obtenha os detalhes completos aqui.
Compartilhar:
Você estudou ciência da computação em algum formato nos últimos 12 meses?
Sim, autodidatismo
Sim, em uma instituição de ensino formal
Pouco mais da metade dos estudantes de ciência da computação estuda em instituições de ensino formais, sendo que 54% dos estudantes formais ampliam seus conhecimentos por meio de autodidatismo.
das pessoas que concluíram a educação formal possuem um diploma de bacharel ou superior.
Nível mais alto de educação formal concluído
Instituição de ensino formal frequentada atualmente
Nível de formação buscada no momento
Principal área de estudo (atual ou anterior)
Ciência da computação
Engenharia de software
Outras engenharias
Artes / Ciências humanas
Economia
Matemática
Biologia / Química
Ciências sociais
Física
Outros
de todos os estudantes de ciência da computação têm experiência de trabalho remunerado em TI e, para 89% deles, essa é sua principal fonte de renda. A maioria desses entrevistados trabalha em funções de engenharia de software (76%), sendo que 35% ocupam cargos de nível médio.
Cargo atual100+
Essa pergunta foi mostrada somente àqueles que responderam que dependem do trabalho em ciência da computação como principal fonte de renda.
O setor de tecnologia continua sendo predominantemente masculino na maioria das funções, com uma representação significativamente menor de mulheres e indivíduos não binários. As principais funções técnicas e cargos de liderança (líderes de equipe e executivos) têm a menor diversidade de gênero, com 88% a 94% de representação masculina.
Entretanto, algumas funções mostram uma representação feminina relativamente maior em comparação com a média do setor: designers de UX/UI (16%), profissionais de controle de qualidade/testadores, analistas de negócios (14%), instrutores (13%) e gerentes de produtos/marketing (12%). A representação não binária continua limitada em todas as funções, com os defensores dos desenvolvedores (developer advocates) apresentando a maior taxa, de 6%.
Situação de emprego
Nível de qualificação
Salário (líquido anual em dólares americanos, excluindo bônus)
Você tem experiência profissional anterior fora da área de ciência da computação/TI?
Sim, trabalhei/estudei em outra área antes de mudar para ciência da computação/TI
Não, esta é a única área em que já trabalhei
Os entrevistados mais jovens, com idades entre 18 e 29 anos, têm maior probabilidade de ingressar diretamente em uma carreira tecnológica, sendo que apenas 9% dos entrevistados com idades entre 18 e 20 anos e 24% dos entrevistados com idades entre 21 e 29 anos têm experiência prévia em outra área. No entanto, a mudança de carreira se torna mais comum com a idade, com 50% dos entrevistados entre 30 e 39 anos e 59% dos entrevistados com mais de 60 anos relatando carreiras anteriores fora da área de tecnologia.
Também há claras diferenças regionais nas trajetórias de carreira. Na Índia e na China, aqueles que não mudaram de carreira são a maioria, refletindo uma forte tendência de entrada direta na ciência da computação. Em contraste, Argentina e Brasil mostram trajetórias mais diversificadas, com pessoas que mudaram de carreira superando em número ou quase se igualando às que não mudaram. Em regiões como Europa, Sudeste Asiático e América do Norte, as mudanças de carreira representam cerca de um terço, refletindo um padrão de entrada mais convencional.
Você tem experiência profissional anterior fora da área de ciência da computação/TI? (por região)
Índia
China
Alemanha
Turquia
Oriente Médio, África, Ásia Central
Outro: Sudeste Asiático e Oceania
Coreia do Sul
Resto da Europa
França
Canadá
Área profissional anterior
Os entrevistados responderam a essa pergunta com respostas de texto aberto. O ChatGPT foi usado para automatizar a análise e a classificação das respostas em grupos temáticos.
Essa pergunta foi mostrada apenas aos entrevistados que disseram ter trabalhado ou estudado em outra área antes de mudar para ciência da computação/TI.
Os campos técnicos e de engenharia ocupam o primeiro lugar entre aqueles que estão fazendo a transição para a ciência da computação, seguidos por finanças e gestão de negócios. As áreas de educação, saúde e artes criativas também se destacam, demonstrando a diversidade de experiências profissionais que entram no campo.
Razões para escolher uma carreira em tecnologia100+
Motivação para aprender novos tópicos de ciência da computação100+
Embora uma forte paixão pela ciência da computação impulsione a maioria das transições de carreira, quase metade dos entrevistados destaca seu amor pela solução de problemas e pela automação de processos como principais motivadores. É interessante notar que as oportunidades de salário e de trabalho remoto estão um pouco abaixo das ambições criativas, como a criação de jogos ou sites, revelando que o campo atrai aqueles que são movidos por aspirações tanto quanto por benefícios práticos.
Motivação para aprender novos tópicos de ciência da computação (por região)
| Não quero aprender novos temas da ciência da computação | Outros | Concluir uma tarefa específica | Migrar para outra tecnologia | Por interesse | Encontrar um novo emprego ou mudar de cargo | Acompanhar as últimas tendências | Trabalhar em projetos pessoais | Crescer no meu cargo atual | |
|---|---|---|---|---|---|---|---|---|---|
| <1% | 2% | 18% | 16% | 43% | 52% | 49% | 56% | 68% | Europa Oriental, Bálcãs e Cáucaso |
| <1% | 1% | 13% | 11% | 49% | 49% | 40% | 49% | 67% | Coreia do Sul |
| <1% | 2% | 26% | 21% | 47% | 47% | 51% | 56% | 67% | Outro: Sudeste Asiático e Oceania |
| <1% | 2% | 27% | 19% | 79% | 34% | 48% | 60% | 66% | Alemanha |
| – | 3% | 21% | 17% | 67% | 44% | 47% | 55% | 64% | Benelux e Norte da Europa |
| 1% | 2% | 17% | 17% | 45% | 50% | 55% | 59% | 64% | Índia |
| <1% | 1% | 22% | 26% | 23% | 45% | 55% | 49% | 64% | Nigéria |
| <1% | 2% | 20% | 18% | 51% | 46% | 47% | 58% | 62% | Resto da Europa |
| – | <1% | 23% | 17% | 67% | 43% | 47% | 44% | 62% | China |
| – | 2% | 21% | 14% | 62% | 48% | 44% | 58% | 61% | Reino Unido |
| 1% | 2% | 22% | 16% | 58% | 54% | 45% | 65% | 61% | Estados Unidos |
| 1% | 2% | 19% | 21% | 38% | 44% | 48% | 54% | 60% | Oriente Médio, África, Ásia Central |
| – | 3% | 13% | 18% | 58% | 50% | 54% | 51% | 60% | Espanha |
| 1% | 1% | 20% | 22% | 45% | 41% | 46% | 51% | 56% | Turquia |
| <1% | 2% | 25% | 13% | 56% | 59% | 45% | 62% | 56% | Canadá |
| 2% | 1% | 15% | 19% | 42% | 41% | 28% | 39% | 55% | Federação Russa e Belarus |
| – | 3% | 16% | 21% | 52% | 64% | 42% | 57% | 54% | Brasil |
| 1% | 1% | 24% | 23% | 73% | 38% | 39% | 58% | 54% | França |
| 9% | 1% | 10% | 18% | 49% | 63% | 46% | 56% | 54% | México |
| <1% | 2% | 11% | 19% | 41% | 60% | 51% | 57% | 52% | América Central e América do Sul |
| 4% | <1% | 14% | 19% | 43% | 40% | 31% | 38% | 50% | Ucrânia |
| 3% | 1% | 12% | 13% | 58% | 34% | 42% | 31% | 48% | Japão |
| 1% | 2% | 9% | 17% | 52% | 63% | 44% | 47% | 42% | Argentina |
Na Europa Ocidental e América do Norte, os estudantes dão prioridade a interesses pessoais e projetos pessoais inovadores. Já os estudantes da América Latina são motivados primariamente por oportunidades de mudar de emprego, refletindo os mercados de trabalho fluidos da região. A Ásia apresenta um espectro de motivações: a Coreia do Sul enfatiza o crescimento impulsionado pela carreira, enquanto o Japão relata baixo engajamento em várias dimensões do aprendizado. Enquanto isso, na Índia e no Sudeste Asiático, os estudantes são motivados pela necessidade de acompanhar as tendências, refletindo o dinamismo de seus ecossistemas tecnológicos em rápido crescimento.
Cargo desejado100+
Essa pergunta foi mostrada apenas aos entrevistados que indicaram "encontrar um novo emprego ou mudar de função" como uma de suas motivações para aprender tópicos de ciência da computação.
O cargo de desenvolvedor é a principal opção de carreira em TI, provavelmente um reflexo da versatilidade da função, da alta demanda e da ampla aplicabilidade em todos os setores, o que a torna uma opção ideal para transições de carreira, especialmente para indivíduos novos na área. Um número significativo de pessoas também está se dedicando a carreiras focadas em dados ou DevOps, demonstrando o crescente apelo de campos especializados. Pelo contrário, as funções de controle de qualidade, embora boas para iniciantes, carecem de popularidade e perspectivas de longo prazo, o que as torna menos ambiciosas para transições de carreira.
dos entrevistados afirmam que, em algum momento, procuraram trabalho em ciência da computação/TI.
Fatores importantes na busca de um emprego em ciência da computação/TI
| Não é importante | Bastante sem importância | Bastante importante | Extremamente importante | |
|---|---|---|---|---|
| 1% | 6% | 35% | 58% | Experiência de trabalho |
| 1% | 13% | 51% | 35% | Familiaridade com as mais recentes tecnologias |
| 2% | 16% | 51% | 32% | Habilidades interpessoais |
| 4% | 17% | 47% | 31% | Estágios e programas cooperativos |
| 6% | 26% | 44% | 25% | Conexões e redes |
| 5% | 23% | 48% | 24% | Projetos de estimação |
| 7% | 26% | 49% | 18% | Diplomas universitários |
| 6% | 31% | 47% | 16% | Indicações de colegas |
| 9% | 31% | 46% | 14% | Certificados do setor |
| 11% | 35% | 42% | 12% | Certificados de conclusão de curso |
Experiência de trabalho e conhecimento tecnológico atualizado são supostamente essenciais para conseguir um emprego, mas habilidades sociais são igualmente valorizadas, com 83% dos estudantes marcando-as como importantes. Interação e troca de experiência são outros fatores cruciais: 25% as consideram essenciais e 44% usam ativamente suas conexões para obter oportunidades de carreira. Isso ressalta a necessidade de fortes habilidades interpessoais e redes profissionais no setor de tecnologia.
Áreas de ciência da computação estudadas nos últimos três anos100+
Juntamente com linguagens de programação, algoritmos e estruturas de dados, os bancos de dados são uma opção popular entre os estudantes. A IA e o machine learning continuam sendo áreas populares, com 33% e 34% dos estudantes explorando-as, respectivamente.
Proficiência nas áreas de ciência da computação estudadas
| Novato/exploratório | Iniciante | Intermediário | Avançado | Especialista | |
|---|---|---|---|---|---|
| 4% | 25% | 44% | 23% | 5% | Engenharia de software |
| 6% | 28% | 41% | 21% | 5% | Desenvolvimento Web |
| 8% | 29% | 40% | 17% | 5% | Gerenciamento de produtos |
| 4% | 23% | 47% | 22% | 4% | Linguagens de programação |
| 10% | 33% | 37% | 16% | 4% | Interação humano-computador (HCI) |
| 9% | 33% | 38% | 16% | 4% | Gerenciamento de projetos |
| 9% | 37% | 37% | 14% | 3% | Testes |
| 10% | 37% | 35% | 15% | 3% | Análise de dados |
| 15% | 42% | 30% | 10% | 3% | Processamento de linguagem natural (NLP) |
| 16% | 40% | 29% | 11% | 3% | Visão computacional |
| 7% | 32% | 41% | 16% | 3% | Bancos de dados |
| 9% | 36% | 39% | 13% | 3% | Redes de computadores |
| 7% | 35% | 38% | 16% | 3% | Sistemas operacionais |
| 11% | 40% | 34% | 12% | 3% | Segurança cibernética |
| 6% | 31% | 46% | 15% | 2% | Algoritmos e estruturas de dados |
| 17% | 43% | 27% | 10% | 2% | Inteligência artificial |
| 18% | 43% | 27% | 10% | 2% | Machine learning |
| 16% | 39% | 30% | 13% | 2% | Computação gráfica |
As mulheres tendem a classificar suas habilidades técnicas de forma mais baixa, mas demonstram um forte impulso para o crescimento, com 8% mais estudantes do sexo feminino fazendo a transição para a ciência da computação de outras áreas em comparação com seus colegas do sexo masculino.
Tópicos que os estudantes desejam explorar no próximo curso
Os entrevistados responderam a essa pergunta com respostas de texto aberto. O ChatGPT foi usado para automatizar a análise e a classificação das respostas em grupos temáticos.
Experiência com formatos educacionais100+
Os dados mostram uma demanda contínua por ambientes de aprendizagem tradicionais, presenciais e práticos, como educação universitária, workshops e programas de mentoria. No entanto, a satisfação com esses formatos varia muito entre as faixas etárias e as regiões, refletindo uma eficácia inconsistente.
Avaliação da experiência com formatos educacionais
| Ruim | Precisa melhorar | Satisfatório | Muito bom | Excelente | |
|---|---|---|---|---|---|
| 2% | 5% | 18% | 32% | 43% | Estágios |
| 1% | 7% | 22% | 36% | 34% | Programas de mentoria e tutoria |
| 2% | 4% | 22% | 42% | 30% | Cursos online pagos (MOOCs) ou escolas de código |
| 2% | 9% | 23% | 38% | 29% | Formação profissional fornecida por um empregador |
| 1% | 5% | 25% | 40% | 29% | Tutoriais online individualizados |
| 1% | 7% | 28% | 36% | 28% | Codecamps, grupos de usuários, meetups |
| 3% | 9% | 29% | 33% | 26% | Programas vocacionais |
| 4% | 8% | 26% | 37% | 25% | Formação profissional terceirizada, paga pelo empregador |
| 2% | 7% | 26% | 40% | 25% | Sessões de bootcamp de programação |
| 2% | 9% | 31% | 34% | 24% | Programas de intercâmbio |
| 1% | 8% | 31% | 38% | 21% | Cursos online gratuitos (MOOCs) ou escolas de código |
| 3% | 11% | 31% | 36% | 20% | Programas universitários online |
| 6% | 14% | 31% | 30% | 19% | Universidade, faculdade, educação escolar |
| 2% | 11% | 32% | 36% | 19% | Cursos offline, escolas de programação |
| 2% | 10% | 33% | 36% | 19% | Workshops e seminários |
Educação em universidades, faculdades e escolas, bem como tutoriais on-line em ritmo próprio, são as principais respostas de todos os entrevistados. O restante depende da faixa etária específica e das necessidades da carreira. Workshops e seminários são mais populares entre a faixa etária de 50 a 59 anos, com 17% desses estudantes tendo experiência com eles e cerca de um quarto classificando sua experiência como excelente. Programas de mentoria são muito bem avaliados pelos entrevistados de 21 a 29 anos, com 36% deles classificando-os como excelentes, mas a satisfação com essa experiência diminui à medida que a idade aumenta. A satisfação com o treinamento fornecido pelos empregadores atinge o pico entre os entrevistados de 18 a 20 anos, com 41% dos estudantes classificando-o como excelente. Os cursos on-line pagos e os bootcamps de programação atraem mais os jovens e as pessoas em meio de carreira.
Familiaridade com MOOCs e escolas de código
| Nunca ouvi falar | Conheço, mais nunca experimentei | Experimentei, mas não uso mais | Estou usando atualmente | |
|---|---|---|---|---|
| 18% | 23% | 29% | 29% | Udemy |
| 18% | 27% | 35% | 20% | Coursera |
| 29% | 41% | 15% | 16% | JetBrains Academy |
| 38% | 26% | 25% | 10% | edX |
| 26% | 35% | 29% | 10% | Codecademy |
| 35% | 36% | 20% | 10% | LinkedIn Learning |
| 28% | 33% | 30% | 9% | Khan Academy |
| 52% | 28% | 10% | 9% | Canvas |
| 55% | 28% | 12% | 5% | DataCamp |
| 48% | 32% | 16% | 4% | Udacity |
| 67% | 18% | 11% | 4% | Pluralsight |
| 79% | 13% | 5% | 3% | Stepik |
| 85% | 8% | 4% | 3% | SWAYAM |
| 84% | 11% | 4% | 2% | JavaRush |
| 70% | 22% | 6% | 2% | The Open University |
| 78% | 16% | 5% | 1% | FutureLearn |
| 84% | 12% | 3% | 1% | Egghead |
| 90% | 7% | 2% | 1% | XuetangX |
| 92% | 6% | 2% | 1% | MiríadaX |
| 89% | 8% | 2% | 1% | Cognitive Class |
| 87% | 9% | 3% | 1% | Platzi |
Você sabia?
Os usuários da JetBrains Academy têm 24% mais chances de classificar sua experiência com cursos on-line pagos (MOOCs) ou escolas de código como “Excelente”. Descubra suas opções de aprendizagem com a JetBrains Academy.
Práticas para dominar tópicos de ciência da computação100+
Os estudantes que estão explorando a ciência da computação priorizam a aprendizagem prática e visual, com plataformas de programação, tutoriais em vídeo e documentação liderando o caminho. No entanto, as estatísticas recentes sobre o uso de chatbots de IA e a participação em concursos de programação implicam uma mudança em direção a abordagens interativas e dinâmicas para a solução de problemas e o desenvolvimento de habilidades.
Essa combinação de recursos tradicionais e modernos sugere que os estudantes valorizam tanto a orientação estruturada quanto as oportunidades de experimentação criativa.
Experiência competitiva em programação
Ampla experiência: participo regularmente de competições ou já participei muito no passado
Experiência moderada: participei de alguns concursos
Não tenho interesse: não tenho nenhuma experiência no assunto, nem quero competir
Sem experiência: sou iniciante em programação competitiva, mas tenho interesse
A maioria dos entrevistados é iniciante em programação competitiva, mas está interessada nela, enquanto 30% têm uma certa experiência e já participaram de alguns concursos ou costumavam competir regularmente no passado.
Recursos e comunidades preferenciais para a aprendizagem de ciência da computação100+
A interação entre pares é um componente essencial da aprendizagem de ciência da computação. Cerca de um terço dos entrevistados valoriza hackathons e contribuições de open source, enquanto um quarto prefere se envolver com comunidades de programadores para aprender. Embora as plataformas e os tutoriais dominem, as atividades colaborativas e competitivas inspiram um envolvimento mais profundo.
100+
Estudantes de todas as idades contam com vários recursos para obter ajuda. O Google é a principal escolha para todas as idades, enquanto os assistentes de IA, como o ChatGPT, são especialmente populares entre os usuários mais jovens, sendo usados por dois terços das pessoas com menos de 29 anos. Os estudantes mais jovens também tendem a procurar ajuda de amigos e educadores, enquanto os que estão na faixa dos 30 e 40 anos recorrem a colegas. O YouTube é amplamente usado por todas as idades, enquanto os estudantes mais velhos preferem livros didáticos e plataformas como o Medium. Em geral, as gerações mais jovens equilibram IA, o apoio de colegas e mídias educacionais, enquanto os grupos mais velhos preferem redes profissionais, artigos estruturados e livros didáticos.
100+
| 18–20 | 21–29 | 30–39 | 40–49 | 50 a 59 | 60 anos ou mais | |
|---|---|---|---|---|---|---|
| 70% | 76% | 77% | 75% | 68% | 68% | |
| 66% | 67% | 55% | 46% | 38% | 35% | Um assistente baseado em IA (ChatGPT ou outro) |
| 58% | 48% | 31% | 22% | 13% | 9% | Amigos e colegas de classe |
| 56% | 65% | 64% | 52% | 37% | 33% | Stack Overflow |
| 53% | 53% | 50% | 50% | 43% | 36% | YouTube |
| 47% | 32% | 21% | 20% | 16% | 8% | Um educador/professor/tutor |
| 23% | 23% | 27% | 32% | 31% | 34% | Livros didáticos |
| 20% | 25% | 26% | 27% | 18% | 25% | Mídia de tecnologia online (por exemplo, Medium) |
| 19% | 19% | 18% | 16% | 24% | 14% | Pessoas nas redes sociais |
| 17% | 31% | 36% | 33% | 29% | 19% | Colegas |
| 3% | 3% | 3% | 4% | 2% | 9% | Outros |
dos entrevistados relatam usar assistentes de IA em suas vidas cotidianas.
Assistentes de IA mais populares em uso100+
Todas as respostas com menos de 1% de participação foram agrupadas em “Outros”.
Funcionalidade mais popular de assistentes de IA para aprender ciência da computação100+
A IA ajuda os estudantes a superar as barreiras do idioma. Como o inglês é o idioma dominante na maioria dos recursos de ciência da computação, as regiões com diversos idiomas ou com populações que não falam inglês dependem mais da funcionalidade de tradução e pronúncia.
A maior dependência desses recursos é observada no norte da Eurásia (44%) e na Turquia (45%), seguidos de perto pelo sul e leste da Ásia, América Latina e sudeste da Ásia e Oceania (nessas regiões, a parcela de uso dessa funcionalidade varia de 40% a 44%).
Por outro lado, países que falam inglês predominantemente, como o Reino Unido, o Canadá e os Estados Unidos, apresentam níveis muito mais baixos de uso (13% a 19%), refletindo menos desafios relacionados ao idioma para os estudantes.
Os aspectos mais importantes para os estudantes que escolhem um curso são projetos e exercícios práticos para ganhar experiência de programação, o acesso a recursos e materiais, preços acessíveis e a experiência do instrutor no setor.
Design e conteúdo do curso
| De pouca importância | Bastante importante | Muito importante | |
|---|---|---|---|
| 2% | 22% | 76% | Projetos e exercícios práticos para adquirir experiência prática |
| 3% | 31% | 66% | Currículo estruturado com temas progressivos |
| 3% | 32% | 65% | Objetivos de aprendizado bem definidos para os estudantes |
| 7% | 32% | 60% | Relevância no mundo real |
| 6% | 38% | 55% | Capacidade de resposta às mudanças nos padrões do setor |
| 7% | 41% | 52% | Simplificação de conceitos complexos para todos os níveis |
| 9% | 44% | 47% | Capacidade de resposta ao feedback dos estudantes |
| 17% | 40% | 42% | Orientação para desenvolvimento de carreira |
| 20% | 43% | 38% | Considerações éticas sobre o uso responsável da tecnologia |
| 31% | 46% | 24% | Colaboração entre pares |
| 38% | 41% | 21% | Gamificação (questionários, emblemas, etc.) |
Suporte e flexibilidade para os estudantes
| De pouca importância | Bastante importante | Muito importante | |
|---|---|---|---|
| 2% | 25% | 74% | Acesso a recursos e materiais |
| 6% | 38% | 56% | Flexibilidade de tempo |
| 10% | 35% | 54% | Opções de estudo remoto |
| 6% | 45% | 49% | Feedback e avaliações regulares |
| 12% | 44% | 44% | Comunidade e rede solidárias |
| 14% | 48% | 38% | Serviços de suporte técnico |
| 21% | 41% | 38% | Local de estudo acessível |
| 24% | 40% | 36% | Opções de estudo offline |
| 23% | 42% | 35% | Ambiente inclusivo |
| 19% | 45% | 35% | Acessibilidade ambiental |
| 53% | 33% | 14% | Oferta de creche |
Os estudantes do sexo feminino priorizam mais a flexibilidade e o apoio na educação do que os do sexo masculino. As diferenças incluem uma maior ênfase na flexibilidade de tempo (64% para mulheres x 54% para homens), opções de estudo remoto (63% x 53%) e suporte técnico (50% x 36%). Além disso, 49% dos estudantes do sexo feminino valorizam espaços de estudo acessíveis, em comparação com 36% do sexo masculino.
Acessibilidade financeira
| De pouca importância | Bastante importante | Muito importante | |
|---|---|---|---|
| 3% | 32% | 66% | Preço acessível |
| 17% | 48% | 35% | Uma estrutura de tarifas personalizável que permite o pagamento de componentes individuais |
| 18% | 49% | 32% | Opções business-to-business (B2B) disponíveis para cobertura de custos conveniente pelo meu empregador |
Certificação e credenciais
| De pouca importância | Bastante importante | Muito importante | |
|---|---|---|---|
| 19% | 37% | 44% | Diploma universitário de ensino superior |
| 16% | 41% | 43% | Certificação do setor |
| 21% | 40% | 39% | Certificação ou credenciais após a conclusão do curso |
Embora um diploma universitário tenha sido a principal escolha, todas as opções de certificação listadas são valiosas para o público em geral, validando as habilidades e os conhecimentos adquiridos.
Qualificações e personalidade dos instrutores
| De pouca importância | Bastante importante | Muito importante | |
|---|---|---|---|
| 8% | 37% | 56% | Histórico do setor |
| 15% | 46% | 39% | Empatia |
| 20% | 46% | 34% | Carisma |
| 29% | 41% | 30% | Formação acadêmica ou universitária |
Gastos mensais com educação on-line
Menos de US$ 25
US$ 25 a 50
US$ 51 a 100
US$ 101 a 200
Mais de US$ 200
Não gasto dinheiro com educação on-line
Prefiro não dizer
Cerca de três quartos dos entrevistados pagam por educação on-line. Quando se trata de cursos atuais, o conteúdo de alta qualidade e bem estruturado, a prática e os formatos flexíveis são os três principais motivos para optar por cursos pagos. Quando perguntados sobre o que os motivaria a pagar por cursos (ou qualquer outro tipo de material didático) no futuro, os entrevistados enfatizaram a relevância para o trabalho/estudos, o interesse pessoal, o conteúdo especializado e a certificação.
Motivos para pagar os cursos atuais100+
Observação: os entrevistados responderam a essa pergunta com respostas de texto aberto. O ChatGPT foi usado para automatizar a análise e a classificação das respostas em grupos temáticos.
Motivos para pagar cursos futuros
Observação: os entrevistados responderam a essa pergunta com respostas de texto aberto. O ChatGPT foi usado para automatizar a análise e a classificação das respostas em grupos temáticos.
dos estudantes de ciência da computação abandonaram um curso, sendo que os motivos mais comuns citados foram conteúdo pouco envolvente, restrições de tempo e falta de exercícios práticos. Tutoriais on-line individualizados e MOOCs gratuitos são abandonados com mais frequência, destacando os desafios de manter a motivação em formatos de aprendizagem menos estruturados.
Motivos de desistência de um curso ou programa de aprendizagem100+
Tipo de curso que você abandonou mais recentemente
Todas as respostas com menos de 1% de participação foram agrupadas em “Outros”.
Os aspectos mais desafiadores de estudar ciência da computação100+
Os estudantes geralmente enfrentam obstáculos práticos, como depuração e escolha dos recursos certos, bem como barreiras emocionais, como síndrome do impostor e isolamento. Essas percepções destacam a necessidade dupla de orientação clara e ambientes de aprendizagem favoráveis para ajudar os estudantes a prosperar.
Métodos para superar a frustração
Observação: os entrevistados responderam a essa pergunta com respostas de texto aberto. O ChatGPT foi usado para automatizar a análise e a classificação das respostas em grupos temáticos.
As estratégias mais eficazes de nossos entrevistados para superar a frustração incluem fazer pausas e praticar atividades físicas, bem como estabelecer metas e lembrar-se de suas motivações iniciais. A autorreflexão e o ajuste da mentalidade também surgem como abordagens fundamentais, ajudando as pessoas a enfrentar os desafios com uma perspectiva mais adaptável e positiva. Esses métodos ajudam os estudantes a reiniciar, recuperar o foco e recarregar as baterias. No entanto, 18% dos entrevistados ainda estão buscando soluções eficazes, destacando a falta de soluções universais para gerenciar a frustração.
Como os estudantes se mantêm produtivos100+
Globalmente, a divisão das tarefas em etapas menores é a abordagem mais popular, mas seu apelo difere entre as regiões. No Reino Unido, mais de dois terços dos entrevistados preferem essa abordagem, enquanto no Japão, menos de um terço a adota. O sono, um dos pilares do estudo eficaz, está em segundo lugar no mundo. É especialmente valorizado (por 51%) no norte e leste da Europa (incluindo os Balcãs e o Cáucaso), mas menos na América Central e do Sul (29%-36%). A Alemanha se destaca, com ouvir música superando dormir o suficiente como o principal auxílio para a produtividade (50% x 47%). Pausas regulares são adotadas pelos estudantes no Reino Unido, nos EUA, no Brasil e na Alemanha, com 46% a 51% relatando fazê-las, mas são menos comuns no Japão, na Coreia do Sul e na China (26% a 34%).
As preferências culturais influenciam até mesmo o consumo de café. É a bebida favorita, preferida por 37% a 41%, na Turquia e em todo o norte e leste da Europa (incluindo os Balcãs e o Cáucaso), mas muito menos popular entre os entrevistados da Nigéria e da China (11% e 17%, respectivamente).
Enquanto isso, brincar com animais de estimação é uma estratégia nas Américas (10% no Norte e 14% no Centro e no Sul), mas quase nunca é considerada uma opção na Nigéria, na China, na Coreia do Sul e no Oriente Médio (1% a 4%).
Hobbies que os estudantes praticam no tempo livre100+
dos entrevistados com idade entre 21 e 29 anos relatam ter de 3 a 10 anos de experiência em programação geral. Isso pode indicar que as pessoas estão começando a programar mais cedo do que nunca.
Experiência total em programação (incluindo aprender a programar e a programação como hobby)
Menos de 1 ano
1 a 2 anos
3 a 5 anos
6 a 10 anos
11 a 16 anos
Mais de 16 anos
Sem experiência em programação
Experiência de programação profissional
Menos de 1 ano
1 a 2 anos
3 a 5 anos
6 a 10 anos
11 a 16 anos
Mais de 16 anos
Sem experiência profissional em programação
Onde os estudantes escreveram sua primeira linha de código
Ambiente de desenvolvimento integrado (IDE)
Editor de texto
Editor de código no navegador
Interface de linha de comando
Não tenho certeza
Outros
Embora os entrevistados considerem os tutoriais on-line individualizados e as plataformas de programação como as melhores opções para dominar a ciência da computação, o IDE continua sendo a opção mais popular para iniciantes que estão começando sua jornada de programação.
Primeira linguagem de programação aprendida
Todas as respostas com menos de 1% de participação foram agrupadas em “Outros”.
Linguagens de programação usadas no ano passado para trabalho e aprendizado100+
O Python domina tanto em termos de uso no último ano quanto de aprendizagem contínua, refletindo sua ampla aplicabilidade e crescimento contínuo em popularidade. Embora muitos estudantes continuem usando linguagens amplamente utilizadas, como Java, JavaScript e SQL, também há um interesse significativo em linguagens mais novas, como Rust e Kotlin.
Os dados revelam uma tendência clara de estudantes que estão expandindo suas habilidades de programação, com um foco perceptível em linguagens fundamentais como Python, Java e C++, juntamente com uma curiosidade crescente por tecnologias emergentes.
Aprendizado, novo e contínuo, de linguagens de programação nos últimos 12 meses100+
O Python está em alta demanda nos Estados Unidos, com mais da metade dos entrevistados começando ou continuando a aprender no último ano. A aprendizagem de Java é mais popular na Coreia do Sul e na Índia (38%-39%), mas muito menos prevalente no Japão (15%). O JavaScript é amplamente aprendido na América do Sul e na Índia (40% e 44%, respectivamente), enquanto o TypeScript teve uma adoção notável na Alemanha e na França (22%-23%). O PHP é muito mais popular na França do que em outras regiões (16%).
O Kotlin é popular na Alemanha, na Espanha, na Coreia do Sul, na Federação Russa e em Belarus (15% a 18% em cada).
O Rust, uma linguagem de programação funcional e de sistema, ganhou força em regiões europeias como França, Alemanha, Benelux e Norte da Europa (15%-16%).
A aprendizagem de C++ é mais popular na Índia, na China e na Ucrânia (28%-29%), mas muito menos na América Central e do Sul, na Espanha e no Japão (10%-12%). Enquanto isso, apenas 6% dos entrevistados na América Central e do Sul, incluindo a Argentina, estão aprendendo C. Na Índia e na Coreia do Sul, esses números são quatro vezes mais altos (26%).
Sistemas operacionais preferenciais para ambientes de desenvolvimento100+
Windows
Linux
macOS
Outros
A maioria dos estudantes prefere executar seu código em um ambiente local, sendo os ambientes de desenvolvimento integrado (IDEs) a ferramenta dominante. As interfaces de linha de comando e os editores de texto vêm em seguida como as opções mais populares. O Windows é o sistema operacional mais amplamente usado para ambientes de desenvolvimento.
Ferramentas preferidas para executar o código100+
Ambiente preferido para executar o código100+
Experiência com instalação e configuração de ambientes de desenvolvimento
Sou um usuário experiente
Já configurei ambientes antes, mas ainda posso encontrar desafios
Tenho pouca experiência, mas nunca tive problemas
Posso precisar de orientação ou recursos adicionais
Acho desafiador e preciso de ajuda significativa
Outros
de todos os estudantes relataram o uso de um IDE para fins de aprendizagem, embora o grau de uso possa variar.
IDEs usados regularmente para trabalho e aprendizagem100+
Todas as respostas com menos de 1% de participação foram agrupadas em “Outros”.
Você sabia?
Os estudantes que usam regularmente os JetBrains IDEs têm 21% mais chances de ter usado um IDE especificamente para fins de aprendizagem em comparação com aqueles que não usam os JetBrains IDEs. Além disso, os estudantes que usam regularmente os JetBrains IDEs classificam sua proficiência em programação como mais alta do que aqueles que não usam.
Você é um estudante interessado em dominar a programação? Receba acesso gratuito a todos os IDEs da JetBrains para uso pessoal na sua escola ou em casa!
Objetivos do uso de IDEs100+
Projetos pessoais ou paralelos
Para o trabalho
Como hobby
Programação colaborativa
Outros
Primeiro IDE usado
Todas as respostas com menos de 1% de participação foram agrupadas em “Outros”.
A maioria dos estudantes usa notebooks pessoais para estudar ciência da computação e programação. Embora computadores desktop também sejam comumente usados (37% para estudar, 36% para programação), smartphones e tablets têm menor preferência, com apenas um quarto dos entrevistados usando smartphones para estudar e apenas 3% para programação. A maioria dos estudantes possui seus principais dispositivos de estudo, com uma porcentagem menor dependendo de dispositivos fornecidos por empregadores (7%) ou instituições educacionais (3%).
Dispositivos preferidos para estudo100+
Notebook
Computador desktop
Smartphone
Tablet
Outros
Dispositivos preferidos para programação100+
Notebook
Computador desktop
Smartphone
Tablet
Não escrevo código
Propriedade do dispositivo de estudo primário
Sou proprietário do meu dispositivo de estudo
Meu empregador fornece meu dispositivo de estudo
Compartilho meu dispositivo de estudo com minha família ou colegas de casa
Minha instituição de ensino fornece meu dispositivo de estudo
Locais de estudo preferidos
Conveniência de locais de estudo
| Nem um pouco conveniente | Bastante inconveniente | Relativamente conveniente | Muito conveniente | |
|---|---|---|---|---|
| 1% | 4% | 27% | 68% | Início |
| 2% | 11% | 43% | 44% | Dormitório ou acomodação estudantil |
| 2% | 9% | 48% | 41% | Biblioteca |
| 1% | 8% | 51% | 40% | Campus escolar ou universitário |
| 1% | 11% | 53% | 35% | Espaço de coworking |
| 1% | 13% | 63% | 22% | Cafeteria |
| 4% | 25% | 50% | 22% | Parque ou espaço ao ar livre |
| 8% | 39% | 38% | 16% | Transporte público (por exemplo, ônibus ou trem) |
A maioria dos estudantes estuda à noite, sendo que 58% dedicam de 3 a 16 horas por semana à aprendizagem de ciência da computação. Os dados revelam que os estudantes gostariam de passar menos tempo estudando à tarde e à noite do que fazem atualmente.
Tempo de estudo preferido
Tempo de estudo habitual100+
Horas preferidas por semana dedicadas à aprendizagem de ciência da computação
Horas por semana dedicadas à aprendizagem de ciência da computação
Estilo de aprendizagem preferido
Sozinho e de forma independente
Combinação de diferentes estilos de estudo, dependendo da matéria e do conteúdo
Em pequenos grupos de colegas ou com um parceiro de estudo
Com um professor, mentor ou instrutor
Indeciso
Menos de um terço dos entrevistados estuda sistematicamente, enquanto pouco mais da metade dos entrevistados não segue um cronograma de estudo concreto. Os principais fatores que afetam o ritmo de seus estudos incluem a carga de trabalho, os prazos, os interesses pessoais e outros compromissos pessoais, todos os quais desempenham um papel na consistência com que os estudantes podem progredir e permanecer motivados.
Ritmo de aprendizagem
Estudo de vez em quando; cada semana dedico uma quantidade diferente de tempo ao aprendizado
Estudo sistematicamente, aprendendo temas diversificados, e procuro dedicar tempo igual a cada um
Estudo muito por um prazo específico e depois volto para um modo mais relaxado
Outros
Fatores que influenciam o ritmo de aprendizagem
Os entrevistados responderam a essa pergunta com respostas de texto aberto. O ChatGPT foi usado para automatizar a análise e a classificação das respostas em grupos temáticos.
Gênero
Faixa etária
Gênero (por região)
| Prefiro não dizer | Não binário, queer ou sem conformidade a gêneros | Masculino | Feminino | |
|---|---|---|---|---|
| <1% | <1% | 65% | 35% | Federação Russa e Belarus |
| 1% | 1% | 69% | 28% | Argentina |
| 1% | 1% | 71% | 27% | Ucrânia |
| 2% | – | 77% | 21% | Coreia do Sul |
| <1% | 1% | 80% | 19% | América Central e América do Sul |
| <1% | <1% | 81% | 18% | Nigéria |
| 4% | 3% | 75% | 18% | Estados Unidos |
| 1% | 1% | 81% | 16% | Brasil |
| 4% | 4% | 76% | 16% | Canadá |
| 3% | 2% | 79% | 16% | Reino Unido |
| 1% | 1% | 83% | 16% | Oriente Médio, África, Ásia Central |
| 2% | 2% | 82% | 15% | Espanha |
| 1% | 1% | 83% | 15% | Europa Oriental, Bálcãs e Cáucaso |
| 1% | 1% | 84% | 14% | México |
| 1% | 1% | 86% | 13% | Benelux e Norte da Europa |
| 2% | 2% | 83% | 12% | Japão |
| 3% | 1% | 83% | 12% | França |
| 3% | 1% | 84% | 12% | Resto da Europa |
| 2% | 1% | 86% | 11% | Alemanha |
| 1% | 2% | 86% | 11% | Turquia |
| 2% | 1% | 87% | 9% | Outro: Sudeste Asiático e Oceania |
| 2% | 1% | 91% | 7% | Índia |
| 4% | 2% | 90% | 4% | China |
Na maioria das regiões, a maioria dos estudantes de ciência da computação é do sexo masculino (80% a 90%), com a Índia e a China no topo dessa lista. Por outro lado, uma representação feminina maior que a média foi registrada na Federação Russa, Belarus, Argentina e Ucrânia.
Na França, na Alemanha e no Reino Unido, os números são de 11% a 16%, o que destaca uma lacuna de gênero persistente na Europa. Os estudantes não binários representam cerca de 1% a 2% na maioria dos lugares, exceto nos EUA e no Canadá.
Estado civil
Número de crianças
dos entrevistados relatam que, em casa e com os amigos, falam um idioma diferente daquele que usam no trabalho. Inglês, hindi e chinês são os três principais idiomas que os entrevistados usam para falar com seus amigos e familiares.
Idiomas falados no trabalho100+
Todas as respostas com menos de 1% de participação foram agrupadas em “Outros”.
Os dados mostram que o inglês é o idioma dominante no local de trabalho, sendo usado por mais de dois terços dos entrevistados. O chinês e o japonês são os próximos idiomas mais falados, representando o mercado asiático. Idiomas como hindi, espanhol e russo destacam a diversidade global na tecnologia. Além disso, 8% dos entrevistados usam idiomas menos comuns não monitorados por nossa pesquisa, indicando ainda mais diversidade linguística no setor.
Idiomas falados com familiares e amigos100+
Essa pergunta foi mostrada apenas aos entrevistados que disseram usar um idioma diferente com amigos e familiares do que no trabalho.
Todas as respostas com menos de 1% de participação foram agrupadas em “Outros”.
País/Região
Todos os países/regiões com menos de 1% de participação foram incorporados em “Outros”.
A China continental, os Estados Unidos, a Índia e o Japão juntos representam mais da metade dos estudantes de ciência da computação em todo o mundo, realçando a força desses importantes centros globais de tecnologia.
dos entrevistados nasceram em um país ou região diferente daquele onde residem atualmente, sendo que a Federação Russa, a Índia e a China representam um terço dos que se mudaram. A tendência de migração tem aumentado constantemente nos últimos anos, com 62% das pessoas que mudaram de país fazendo isso na última década.
País/região de nascimento
Essa pergunta foi mostrada apenas aos entrevistados que residem atualmente em um país ou região diferente do seu país ou região de nascimento.
Todos os países/regiões com menos de 1% de participação foram incorporados em “Outros”.
metodologia
Mais de 28.500 pessoas participaram da Pesquisa de 2024 sobre a curva de aprendizagem de ciência da computação.
Para garantir uma amostra representativa, limpamos os dados usando o método descrito abaixo. O relatório final baseia-se nas respostas de 23.991 estudantes de todo o mundo.
Os dados foram ponderados de acordo com vários critérios, que são detalhados no final desta seção.
Localização
Para maximizar a inclusão e acomodar uma gama diversificada de participantes, a pesquisa estava disponível em 10 idiomas: inglês, chinês, francês, alemão, japonês, coreano, português do Brasil, russo, espanhol e turco.
Redução de viés de amostragem
Para reduzir o viés, ponderamos os dados com base na fonte das respostas. Priorizamos respostas de fontes externas com menor probabilidade de serem tendenciosas em relação ao público da JetBrains, como anúncios pagos e indicações de colegas. A fonte de cada entrevistado foi levada em conta individualmente durante o processo de ponderação.
Realizamos três estágios de ponderação para garantir uma representação mais precisa da população global de estudantes de ciência da computação.
Ajuste para as populações de desenvolvedores em cada região
Antes de realizar a pesquisa, fizemos uma pesquisa que revelou que a população de estudantes de ciência, tecnologia, engenharia e matemática em diferentes regiões está altamente correlacionada com o número de desenvolvedores profissionais nessas regiões. Com base nessa descoberta, decidimos usar a proporção de desenvolvedores profissionais em cada região como uma estimativa da proporção de estudantes de ciência da computação.
Na primeira etapa, reunimos as respostas de diferentes países e, em seguida, aplicamos nossa distribuição estimada de desenvolvedores profissionais em cada país para ponderar os dados adequadamente.
Primeiro, coletamos respostas de pesquisas de anúncios em redes sociais em 23 regiões, juntamente com respostas de indicações de colegas. Em seguida, ponderamos essas respostas com base em nossas estimativas de populações de desenvolvedores profissionais em cada região.
Isso garantiu que a distribuição das respostas correspondesse às populações de estudantes de ciência da computação em cada país.
Ajuste para experiência de programação e uso de JetBrains IDEs
A segunda etapa envolveu um processo mais complexo, incluindo cálculos baseados na solução de sistemas de equações.
Usamos as respostas inicialmente ponderadas para determinar a distribuição dos estudantes por nível de experiência em programação e seu uso dos JetBrains IDEs em cada região. Essas distribuições serviram como constantes em nossas equações.
Em seguida, adicionamos respostas de estudantes que acessaram a pesquisa por meio dos canais internos da JetBrains, como nossas contas em redes sociais e painel de pesquisa.
Resolvendo o sistema de equações lineares e desigualdades
Criamos um sistema de equações lineares e desigualdades que descreve o seguinte:
- Os coeficientes de ponderação dos participantes (por exemplo, na nossa amostra, Fiona representa, em média, 180 desenvolvedores de software da França).
- Os valores específicos de suas respostas (por exemplo, Pierre tem dois anos de experiência em programação e não usa nenhum JetBrains IDE).
- As proporções necessárias entre as respostas (por exemplo, 22% dos estudantes têm de 1 a 2 anos de experiência em programação e assim por diante).
Para resolver o sistema de equações com variação mínima nos coeficientes de ponderação, aplicamos o método dual de Goldfarb e Idnani (1982, 1983). Essa abordagem nos permitiu reunir os coeficientes de ponderação individuais ideais para cada um dos 23.991 entrevistados.
Viés persistente
Apesar dessas medidas, pode haver algum viés, já que o público fiel da JetBrains poderia estar mais disposto, em média, a responder à pesquisa.
Por mais que tentemos controlar a distribuição da pesquisa e aplicar uma ponderação inteligente, as comunidades e o ecossistema dos estudantes estão em constante evolução, e a possibilidade de algumas flutuações inesperadas nos dados não pode ser completamente eliminada.
Análise de respostas de texto aberto
Nesse relatório, apresentamos uma análise de frequência de várias perguntas de texto aberto que receberam milhares de respostas. Devido ao grande volume de dados, aplicamos técnicas de processamento automatizado. Para automatizar o agrupamento de respostas, usamos modelos de linguagem grandes (LLMs), especificamente o GPT-4o.
Limpeza de dados
- Tradução: para padronizar a análise, as respostas de diferentes idiomas foram traduzidas para o inglês.
- Verificação de conclusão: as respostas foram filtradas quanto à relevância e ao conteúdo; respostas irrelevantes ou fora do tópico foram excluídas.
- Eliminação de conteúdo inadequado: as respostas que continham linguagem inadequada ou conteúdo ofensivo foram removidas para garantir a integridade dos dados.
Após o procedimento de limpeza de dados, as respostas válidas variaram de 4.000 a 9.000 por pergunta, influenciadas pela natureza opcional de algumas perguntas e pela sensibilidade de determinados tópicos.
Agrupamento de respostas
- O GPT-4o foi usado para analisar e classificar as respostas em grupos temáticos. A análise foi repetida várias vezes (normalmente cinco ou mais iterações por pergunta) para validar a consistência dos agrupamentos.
- Em cada iteração, os grupos foram revisados para garantir que refletissem os temas centrais dos entrevistados.
- Os testes revelaram que 5 a 8 grupos por pergunta atingiram o melhor equilíbrio entre granularidade e generalização, capturando insights diferenciados e preservando perspectivas únicas.
Faça parte do JetBrains Tech Insights Lab
Participe de pesquisas e estudos de UX (experiência do usuário) para tornar os produtos da JetBrains mais fáceis de usar e ainda mais poderosos. Por participar de nossa pesquisa, você também terá a chance de ganhar recompensas.
Esperamos que você tenha achado nosso relatório útil. Compartilhe este relatório com seus amigos e colegas!
Participe da conversa usando a hashtag #JBAcademySurveyResults24 para compartilhar suas ideias e se conectar com a comunidade dedicada à aprendizagem de ciência da computação em nosso Discord, LinkedIn, X e Facebook.