Aplicações com MCE

No MCE as relações de causa e efeito entre os conceitos revelam condições de reforço (+), quando causa e efeito estão diretamente relacionados, e de balanceamento (-), quando causa e efeito estão inversamente relacionados (ZAMBON et al., 2016). A Figura 22 mostra essas relações de causa e efeito presentes no MCE e a ligação entre o domínio, a questão focal e o agente.

Figura 22 – Relações de causa e efeito em atributos da matriz do MCE

Fonte: Elaborada pela autora (2018).

Observa-se no MCE da Figura 22, que os conceitos A, B e C são relacionados em causa e efeito em uma matriz e a leitura a partir da coluna define o grau de controle, em causa e efeito, das mudanças que os conceitos pode gerar no “Domínio”. Por outro lado, os conceitos lidos a partir da linha, definem o grau de controle do agente sobre suas ações a respeito dos conceitos. Na visão do agente do conhecimento, o conceito A está relacionado em causa e efeito com B, que por sua vez se relaciona com C. A leitura a partir do ponto de vista do agente revela que A se refere a uma incerteza, que influencia balanceando B. Assim, B é uma incerteza que influencia reforçando C. Por fim, C é tido pelo agente do conhecimento como controlável.

A Figura 23 mostra um exemplo do MCE de um estudo de caso aplicado em uma empresa fabricante de máquinas de envase apresentado por Zambon et al. (2016). A questão focal desse estudo foi: “Porque as máquinas não são entregues no tempo contratado”. O conceito “Clima organizacional” foi o único posicionado no atributo PN em relação ao agente do conhecimento, que diz que o agente não tem certeza se tem controle sobre esse conceito. Esse conceito é um Conceito Causa (Cc) que afeta o Conceito Efeito (Ce) “Produção”.

Figura 23 – Exemplo de um Mapa Conceitual Estendido

Fonte: Zambon et al. (2016).

Outras aplicações usando MCE foram na Gestão do Conhecimento para identificar as preferências do consumidor em produtos da moda (ZAMBON et al., 2017), na análise do clima organizacional aplicado em sala de aula do ensino superior (ALMEIDA; ZAMBON; GOMES, 2017) e na gestão pública para identificar a percepção de valor público entre pessoas de setores diferentes em uma iniciativa pública (JARAMILLO, 2018).

Em relação as cores do MCE, essas cores apontam a criticidade do conceito em relação ao posicionamento do conceito na matriz de atributo, sendo que a cor verde representa certeza total (CT-CT, CT-NC, NC-CT, NC-NC), a cor amarela representa certeza parcial (CT- PN, NC-PN, PN-CT, PN-NC) e a cor vermelho representa total incerteza (PN-PN) (DUARTE, 2018). Essas cores estão representadas em tom mais claros para evitar encobrir os conceitos no mapa.

O MCE é um tipo de mapa conceitual que mostra as relações conceituais de um indivíduo (aluno) sobre uma questão, que remete a um cenário (tópico) e pode ser utilizado para monitorar as percepções dos alunos sobre o ambiente de ensino. O MCE também é composto

por conceitos, termos de ligação e relacionamentos, formando as proposições, como os mapas conceituais. Os mapas conceituais, por meio da organização dos conceitos (proposições), podem ajudar no entendimento da estrutura cognitiva de uma pessoa sobre um assunto (SILVA, 2015). Essa estrutura cognitiva mostra ideias e informações sobre um contexto. Mapas conceituais podem retratar situações de aprendizagem e podem colaborar no monitoramento das percepções dos alunos sobre uma disciplina e auxiliar a prática docente.

Desse modo, a análise e/ou classificação de um mapa conceitual normalmente é feita por anotações, apontamentos e indicação dos conceitos gerais (principais) do mapa. Porém, segundo Silva (2015), outros itens analisados são: organização dos conceitos, palavras ou frases de ligação que conectam os conceitos, aspectos visuais do mapa. Esses itens contribuem para estruturar o conhecimento no mapa e facilitar a análise. Além disso, para uma avaliação em mapa conceitual é aconselhável a observação de uma sequência de mapas criados pelo aluno em momentos distintos, cujo objetivo é reconhecer ou não a evolução na organização dos conceitos nos mapas (SILVA, 2015). Essas versões de mapas feitas ao longo do tempo podem ser utilizadas em atividades de revisões e permitirem ao aluno ou professor reexaminar as proposições presentes nos mapas, refletir sobre a clareza semântica (de significado) das proposições e reestruturar o mapa (AGUIAR; CORREIA, 2013). Outro item discutido na construção e análise de mapa conceitual é o seu tamanho. Para Novak e Cañas (2010) é recomendável em um mapa conceitual manter um número de 15 a 20 conceitos para facilitar a sua construção e leitura.

Outras características podem ser consideradas na análise de um mapa conceitual, como por exemplo, o número de conceitos, número de proposições e número de ligações (NOVAK; GOWIN,1984). Essas características são analisadas por meio de métricas tradicionais (quantitativas), além das métricas holísticas que focam na qualidade do mapa e requerem alguma interpretação por avaliadores (DE FRANCO et al., 2012; JABLOKOW; DEFRANCO; RICHMOND, 2013). Cañas, Reiska e Novak (2016) apontam que o tamanho ideal de um mapa conceitual está intimamente relacionado à qualidade da estrutura e do conteúdo e o tamanho pode diferenciar dependendo da utilidade do mapa e do público.

Outros critérios que devem ser observados na construção de mapas conceituais e que podem ser utilizados em sua análise são: a) responder à questão focal (QF); b) ser claro, pequeno e que atenda a seu objetivo; c) apresentar conceitos e proposições significativas em relação à QF; d) não deve existir conceitos e proposições inapropriados à questão focal, e) apresentar conceitos, proposições e ligações cruzadas relevantes em relação à QF (CAÑAS;

REISKA; NOVAK, 2016).

Um diferencial do MCE com relação ao mapa conceitual é o posicionamento dos conceitos em quadrantes de uma matriz de atributos (CT -Controlável, PN-Penumbra e NC- Não Controlável), sob o ponto de vista do agente do conhecimento, no caso o aluno, e do tópico conceitual. A matriz determina o grau de controle do agente sobre os conceitos e sobre o tópico, segundo a afirmação desse próprio agente. O posicionamento dos conceitos nos quadrantes da matriz indica características relacionada à capacidade de ação do agente sobre o tópico conceitual.

Além disso, uma versão inicial de um modelo de representação do conhecimento, foi o Modelo Orientado à Representação do Pensamento Humano - Morph, proposto por Zambon (2006). Morph é utilizado para representação de MM de um agente do conhecimento, cujo foco está em conceitos relacionados a causa e efeito representada em um frame. Segundo Zambon et al. (2015), o frame do Morph é formado por nove zonas, demarcado por dois níveis, sendo um horizontal que define a temporalidade e outro vertical, que define a controlabilidade. A Figura 24 mostra a estrutura do frame do Morph apresentado em Zambon et al. (2015).

Figura 24 - Estrutura do frame do Modelo Morph

Fonte: Zambon et al. (2015).

De acordo com a Figura 24, para uso do modelo Morph, segundo Zambon et al. (2015) deve seguir os passos: a) declaração da questão para elaboração da estrutura conceitual; b) declaração dos objetos que se refere as palavras, ou seja, substantivos ou frase curtas que

respondam à questão; c) organização dos objetos nos níveis de temporalidade (horizontal), que indicam o sistema de recuperação de memória humano e associa os objetos aos níveis de memória remota (RM), recente (RC) e imediata (IM). Nesse nível é feito os posicionamentos dos objetos segundo o modelo de recuperação de memória de um agente, sendo a memória de trabalho (IM) responsável pela ligação dos objetos a questão e a associação dos demais objetos ligados a RM e RC, originando os objetos representados na memória de trabalho (IM); c) nível de controlabilidade (vertical), responsável pela representação dos objetos e seus relacionamentos nos níveis de controlabilidade (CT), penumbra (PN) e não controlabilidade (NC) e d) relacionamento e atribuição de pesos de balanceamento (-) e reforço (+) nas proposições distribuídas no frame do Morph.

Algumas aplicações usando Morph foram na descrição das regras e uso do Morph (ZAMBON; BAIOCO; MAGRIN, 2012); na análise descritiva de modelos de empresas do setor Petroquímico (TOME; BRESCIANI, 2015); na análise de sensibilidade do ambiente ao óleo de ambientes fluviais (COSTA et al., 2015), na análise de geração de resíduos relacionado ao consumo de produtos causado pela inovação (ZAMBON et al., 2015); no mapeamento de variáveis qualitativas sobre o controle de produção de uma empresa mineradora da região de Itabira/MG (DELGADO et al., 2014) e na análise de valor aos clientes em empresas de telefonia (TOME; BRESCIANI, 2018).

As semelhanças do Morph com o MCE estão relacionadas aos atributos CT, PN e NC, que no Morph é chamado de níveis. Também o fato de ambas ferramentas revelarem uma estrutura conceitual do Modelo Mental (MM) de um agente, baseado em uma questão e tratar as relações de causa e efeito entre os conceitos e os pesos de balanceamento (-) e reforço (+). No entanto, o MCE representa a estrutura conceitual sobre uma matriz de atributos, que simplifica a análise de controlabilidade nos quadrantes da matriz, com foco na relação de assertividade do agente sobre os conceitos e sua efetividade em relação ao domínio. Essa análise contribui para a identificação das percepções do agente sobre um determinado tópico. Para construir um MCE é possível utilizar um software denominado de Blue KMS, que é descrito brevemente na próxima seção.

Software Blue KMS

Blue KMS®9 _{é um software de gerenciamento do conhecimento, com foco na}

9 _{Número do registro: BR512016000860-1, data de registro: 07/07/2016, título: "BLUE KMS”, Instituição de} registro: INPI - Instituto Nacional da Propriedade Industrial

atividade de representação do conhecimento utilizado para construção de MCE. O software também apoia as atividades de elicitação e armazenamento do conhecimento em bases de conhecimento (DUARTE, 2018).

O software favorece a gestão de usuários, contribuindo com a análise e o compartilhamento dos mapas pelos usuários cadastrados no software. Blue permite que seu acesso seja em diferentes plataformas (computadores, tablets, celulares), pois foi desenvolvido como biblioteca para páginas de internet, com uso da linguagem de programação Javascript10

e outras tecnologias, responsáveis para construção de páginas web (DUARTE, 2018).

Além disso, o software Blue KMS oferece diversos recursos de visualização de MCE, que contribui nas análises de semelhanças entre os mapas de uma mesma base de conhecimento. Desse modo, o uso do software facilita o gerenciamento de MCE em diferentes bases de conhecimento e está disponível no site (http://unicamp.bluekms.com.br/).

3.5 Considerações Finais

Este capítulo discorreu sobre o conceito de Gestão do Conhecimento e algumas de suas etapas e ferramentas relacionadas a essas etapas. Foi descrito sobre algumas atividades como aquisição, elicitação e representação do conhecimento. Também foram apresentadas as ferramentas utilizadas para representação do conhecimento. Brevemente discorreu-se sobre base de conhecimento e a sua importância na Gestão do Conhecimento. Por fim, discutiu-se sobre a estrutura de um MCE, comparando mapa conceitual e as relações entre o modelo Morph. Também se discutiu brevemente sobre o software Blue KMS utilizado para a construção de MCE.

10 _{https://www.w3schools.com/js/}

CAPÍTULO

4

PROCESSO

DE ANÁLISE

DE

ESTILOS

DE

APRENDIZAGEM

POR

MEIO

DE

MAPAS

CONCEITUAIS ESTENDIDOS

Este capítulo descreve o processo de análise de Estilos de Aprendizagem (EA) por meio de Mapas Conceituais Estendidos (MCE). O processo proposto considera a associação de teorias da Gestão do Conhecimento, como Modelos Mentais e a Espiral do Conhecimento com os princípios teóricos dos EA. Os MCE são ferramentas utilizadas para representação do conhecimento e, neste capítulo descreve-se a maneira pela qual podem também apontar os EA. O processo se encontra descrito em diagramas de atividades, podendo ser replicado em outras situações, o que o torna uma ferramenta importante para a definição de estratégias de ensino- aprendizagem. A Seção 4.2 expõe uma comparação entre EA e MCE e a seção 4.3, sobre EA e Gestão do Conhecimento. A Seção 4.4 apresenta a relação entre os pares de EA do modelo CHAEA com os atributos da matriz do MCE. A Seção 4.5, apresenta um sub processo de teste de fidedignidade da Questão Focal (QF), que é a base da criação dos MCE. A Seção 4.6 apresenta um sub processo para determinação do EA a partir da localização e contagem de conceitos na matriz de atributos do MCE. Por fim, na Seção 4.7, são feitas as considerações finais sobre este capítulo.