4.9 Princípios sobre Aprendizagem por Descoberta
4.9.4 Diferenças entre Sistemas Tutores Inteligentes e Ambientes de Aprendizagem
Segundo Hulshof (2001), Ambientes de Aprendizagem por Descoberta não são companheiros natu- rais de Sistemas Tutores Inteligentes. No sentido de que os sistemas tradicionais ITS contêm modelos do aprendiz, que não podem geralmente ser designados como Ambientes de Descoberta, pois não oferecem a quantidade de liberdade necessária ao aprendiz para aprendizagem por descoberta. Assim, Hulshof (2001) explica que tradicionalmente o estereótipo de ITS tem sido sistemas controlados, contrariamente, ao projeto de ambientes de aprendizagem por descoberta, que são baseados em simulação, e que geral- mente não oferecem modelagem do aprendiz no sentido de criar um modelo cognitivo do conhecimento do aprendiz. Para isso, o referido autor estipula duas razões para esta última observação:
• A quantidade de liberdade oferecida ao aprendiz em ambientes de aprendizagem por descoberta baseados em simulação é tão grande que um completo modelo do aprendiz está além do alcance (escopo) da aplicação prática, o número de parâmetros é simplesmente grande demais;
• Freqüentemente a modelagem do aprendiz é vista como contraditória à aprendizagem por des- coberta e ao conceito relacionado de construtivismo, para o qual "medir" os conflitos de conhe- cimento dos aprendizes com a idéia de que cada aprendiz constrói sua própria representação do mundo externo22.
22Hulshof (2001) sugere que para uma discussão mais completa deste ponto, pode-se ler por exemplo,
Jonassen (1991). Neste mesmo contexto identificamos também uma outra referência, e que foi elaborada por Lewis (2001).
Portanto, Hulshof (2001) explica que é por isso que técnicas tradicionais de ITS, tais como, mode- lagem do aprendiz e planejamento institucional, não tem sido usado com muita freqüência para apren- dizagem por descoberta. Sendo assim, ensino imperativo dentro de sistemas tutores não é uma forma de estratégia apropriada de ensino para aprendizagem por descoberta, porque diminui a liberdade do aprendiz.
Entretanto, Hulshof (2001) afirma que estes argumentos considerados plausíveis podem não soar bem, porque eles não provem uma descrição clara, por duas razões: (i) a primeira razão refere-se à visão geral do suporte que é fornecido aos aprendizes em ambientes de aprendizagem por descoberta, que mostram que a liberdade do aprendiz não é totalmente preservada nesses ambientes. Portanto, liberar o uso de técnicas de ITS em ambientes de descoberta baseado neste argumento, devia conseqüentemente também liberar o ambiente do suporte provido aos aprendizes; (ii) já a segunda razão refere-se ao argu- mento de que os "conflitos da modelagem do aprendiz" com relação à "construção do conhecimento" é menos problemática do que ela aparenta a primeira vista.
Neste sentido, entende-se que a "segunda razão" citada por Hulshof (2001) teve a interpretação de que esta afirmação não corresponde à realidade, pois a "construção do conhecimento" não é "menos problemática" com relação aos "conflitos da modelagem do aprendiz", pois há uma grande dificuldade no projeto para a "construção do conhecimento" em tais "ambientes de descoberta", de forma que, prover um feedback ao aprendiz para as suas necessidades exige a utilização de algumas técnicas de ITS.
Desta forma, influenciados pelos problemas com a abordagem tradicional dirigida a ITS, como as dificuldades encontradas pela incerteza de manipulação, e pelas novas direções no campo de educação, tem proporcionado uma mudança da visão em ITS (HOLT et al., 1994 apudHULSHOF, 2001). Sendo assim, em vez de tomar a idéia de projetos de sistemas com detalhados modelos do aprendiz e de especialistas que objetivam o remediamento de conhecimento "incorreto", existe uma tendência que aponta para criar oportunidades para o uso de métodos de ITS em uma forma menos diretiva.
Para tanto, em vez da modelagem do "domínio do conhecimento" que o aprendiz está suposto adquirir enquanto está trabalhando com o ITS, a modelagem pode ser focalizada nos processos que são esperados levar à aquisição desse conhecimento. Portanto, o papel para a "modelagem do aprendiz" em aprendizagem por descoberta pode ser o suporte necessário para assistir o aprendiz no processo de descoberta.
Para fazer isto, o sistema não necessitaria manter um modelo cognitivo completo do domínio do aprendiz, bastaria apenas o conhecimento suficiente para poder inferir somente as etapas feitas pelo aprendiz referente ao suporte para o desenvolvimento do processo de descoberta. Sendo assim, uma abordagem pragmática deve ser advogada (SELF, 1990 apudHULSHOF, 2001), no sentido de que:
• As interações são projetadas de certa forma que a informação necessária pelo sistema é fornecida pelo aprendiz;
• Os conteúdos do modelo do sistema do aprendiz são ligados a ações instrucionais específicas;
• Um colaborativo, papel consultivo para o sistema é adotado.
Com efeito, Hulshof (2001) afirma que a razão para adotar um papel consultivo é que para os outros papéis, ou seja, avanço e geração de problemas, não se tem uma linha de pensamento referente a estas idéias por atrás da aprendizagem por descoberta. Neste sentido, aprendizagem por descoberta pode ser vista como um "domínio aberto" no qual não há nenhum critério explícito para o sucesso (BARNARD; SANDBERG, 1994 apudHULSHOF, 2001).
Sendo assim, Hulshof (2001) explica que isto torna o "modelo do especialista" limitado em seu alcance (escopo). Assim o referido autor considera que este modelo não pode conter uma descrição completa do caminho que os aprendizes devem seguir do começo ao fim. Argumentando que um modelo de descoberta formal do especialista está restrito à visão Poppenia em ciência, visto que é somente dentro desta visão que as conclusões logicamente legítimas podem ser extraídas, ao qual podem ser comparadas às conclusões do aprendiz.
Como uma conseqüência, Hulshof (2001) conclui dizendo que deve-se abandonar o controle refe- rente à concepção em ITS a favor do aprendiz para conceber Ambientes de Aprendizagem por Des- coberta. Já que aplicações tradicionais de ITS são caracterizadas como restritivas e obrigatórias, desta forma, uma abordagem diferente é necessária para aplicações em aprendizagem por descoberta. Esta implicação tem uma importante vantagem para o modelo do aprendiz, visto que, o papel do sistema é colaborativo, assim a obtenção da validez do modelo do aprendiz é menos critica. O alvo, conse- qüentemente, não será estabelecer um modelo completo do domínio do aprendiz e do conhecimento de descoberta, mas um modelo que contém apenas a informação suficiente que é necessária para assistir aprendizes em seus processos de descoberta. Portanto, o papel do sistema será restringido, provendo o aprendiz com aconselhamentos que endereçam certas partes do processo que são difíceis para os apren- dizes, contudo, o aprendiz deve sentir-se livre para descartar o conselho. O suporte pode ser diretivo, deve se possível ser simulado e, de modo algum, obrigatório.
4.10 CONCLUSÃO
Diante das bases teóricas apresentadas neste capítulo e nos demais, resta-nos apresentar uma inte- gração que torne possível uma formalização em XML para teorias científicas em um modelo de apren-
dizagem por descoberta que concretize o uso de ontologias e do ensino baseado em casos. Este modelo
híbrido será apresentado no próximo capítulo, juntamente com uma arquitetura do ambiente de desco- berta que procura integrar este modelo com duas aplicações: uma para uma comunidade de professores (cientistas) e a outra para alunos aprendizes em ciência. Segue, portanto, após o próximo capítulo, a formalização do modelo idealizado e o desenvolvimento do ambiente de descoberta proposto para esta arquitetura que será apresentada.
PARTE II
5
CONSIDERAÇÕES GERAIS
SOBRE O AMBIENTE DE
DESCOBERTA PROPOSTO
Este capítulo apresenta uma arquitetura para um ambiente de descoberta composto por um modelo híbrido que utiliza o ensino baseado em casos, em conjunto com a organização ontológica aplicada ao raciocínio científico.
5.1 INTRODUÇÃO
A importância a que se dá a este trabalho é a necessidade de projetar ambientes interativos de aprendizagem que estimulem o aluno aprendiz em ciência no entendimento de como relacionar con- ceitos aplicados a uma teoria, como também a possibilidade de apresentar contradições de raciocínio no uso indevido de alguns conceitos que não satisfazem as restrições estabelecidas. Para isso, pretende- se utilizar a metáfora de contos infantis, ou seja, em vez de utilizar conceitos relacionados a alguma disciplina científica pretende-se utilizar contos infantis para o entendimento da formação das relações existentes para a composição de uma teoria científica.
Desta forma, a arquitetura que será proposta visa integrar duas aplicações com aspectos suposta- mente distintos (figura 21): a primeira para a documentação de teorias científicas (aplicação do profes- sor); a segunda, para um ambiente de descoberta em ciência (aplicação do aluno). Neste esquema que foi representado na figura 21 pode-se observar que para haver a integração destas duas aplicações, foi levantada a hipótese de que é possível elaborar uma teoria inicial em um modelo que represente quatro visões de conhecimento: hierárquica, relacional, causal, e de questionamento. E, que, estes modelos que são representações de teorias iniciais são elaborados por uma comunidade de professores, que os torna disponíveis para a aplicação do aluno. Desta forma, um aprendiz pode escolher um destes modelos para a elaboração de uma teoria nova e, para haver esta realização, o aprendiz deve ser auxiliado por casos de histórias para formular novas hipóteses.
Figura 21: O Ambiente de Descoberta Proposto
Observa-se, portanto, que estas duas aplicações com aspectos supostamente distintos têm um elo em comum, ou seja, a possibilidade de integração destas aplicações por intermédio de formalizações em
modelos científicos que representem teorias científicas (teorias iniciais elaboradas por uma comunidade
de professores). E que, a partir da disponibilidade destes modelos, o aprendiz possa utilizar um ambi-
ente de descoberta que possa proporcionar o entendimento de como os conceitos (tais como: hierarquia
de categorias de classes e objetos, axiomas, hipóteses, teorema, causalidade, e questionamento científico) que são utilizados na formação de uma teoria científica estão relacionados. Assim, antes da apresentação desta arquitetura que pretende dar o suporte para a integração destas duas aplicações, pretende-se apre- sentar uma visão geral do modelo híbrido (modelo científico) que foi idealizado e que irá proporcionar a integração destas duas aplicações.
5.2 O MODELO HÍBRIDO IDEALIZADO
Sabe-se que é de grande importância para a ciência a obtenção de inferências para as explicações
científicas, particularmente a forma referida como "inferência à melhor explicação" (SØRMO; CASSENS; AAMODT, 2005), como um tipo freqüentemente corrente de inferência em formação de hipótese e
avaliação. Assim, tendo um conjunto de hipóteses, a hipótese que melhor pode explicar os fatos é
escolhida, baseando-se em uma modalidade justificada de inferência, que conduz a hipóteses verdadeiras. Desta forma, pode-se evidenciar que a obtenção de conhecimento específico de peritos na forma de histórias sobre algum domínio do conhecimento pode ser utilizada como forma de explicação cien-
tífica para o ensino baseado em casos. Por outro lado, existe também a possibilidade de obtenção de conhecimento generalizado com o uso de ontologias. Com isso, é possível recuperar casos de histórias
como forma de explicação por parte do especialista, de tal forma que estas histórias são estruturadas em esqueletos, possibilitando a adaptação dos casos recuperados, através da adequação estrutural obtida por intermédio de uma visão hierárquica.
Portanto, um modelo híbrido é necessário para representar conhecimento específico em conjunto com conhecimento generalizado. Assim, a figura 22 se propõem a representar este esquema, que é uma estrutura que foi adaptada do livro (MAHER; BALACHANDRAN; ZHANG, 1995). Desta forma, o fato aqui apresentado é que a explicação do especialista não é a única forma que pode ser gerada em uma fase de resolução de problemas, conhecimento generalizado, também pode ser usado para gerar explicações de forma automática pelo sistema e é, desta forma, que os conceitos referenciados na visão hierárquica podem ser explicados, como também, adaptados pela similaridade entre os conceitos referenciados na visão hierárquica, modificando, assim, esqueletos de histórias com explicações de especialistas.
Observa-se, portanto, que na representação da figura 22, o modelo científico (ver seção 4.5 e 4.6) que foi adotado é composto por quatro visões: hierárquica, relacional, causal, e de questionamento. Este modelo, por sua vez, foi idealizado inicialmente por Paraguaçu et al. (2003)e este é referenciado como o modelo MIDES (Model Interactif de DEcouverte Scientifique - Modelo Interativo de Descoberta
Científica). Contudo, como já mencionado anteriormente, neste será acrescentado o ensino baseado em
casos, e também uma formalização em XML que será apresentada no próximo capítulo. Desta forma, pode-se referenciar a este modelo híbrido que está sendo proposto, como sendo o modelo MIDES++, pois ampliou a idéia inicial proposta por Paraguaçu et al. (2003).
Assim, alguns aspectos importantes devem ser observados na representação da figura 22, ou seja, além das quatro visões citadas, ainda existem duas bases de casos de esqueletos de histórias (uma para a
Visão Causal e a outra para a Visão de Questionamento) que, por sua vez, são utilizadas para possibilitar
o ensino baseado em casos. Portanto, a base de casos causal é usada para recuperação de histórias que representam hipóteses causais, onde o aprendiz, no ato de formulação de uma hipótese causal de uma teoria, é obrigado a inserir os índices que servem para recuperação dos casos similares.
Portanto, ao recuperar casos de hipóteses causais, o aprendiz deverá escolher o que melhor lhe agrada em termos de explicação. Caso o aprendiz queira uma explicação adicional, ou seja, uma expli- cação para a história escolhida, ainda pode solicitar os casos dos questionamentos que acompanham as hipóteses causais que foram recuperadas. Possibilitando, assim, uma informação adicional no contexto da explicação da hipótese que esta sendo formulada pelo aprendiz.
Para um melhor entendimento deste modelo híbrido, uma explicação na forma de exemplo será desenvolvida nos parágrafos seguintes. Nesta explicação, pretende-se responder a três perguntas:
1. Como o professor elabora um modelo científico com as quatro Visões: hierárquica, relacional, causal, e de questionamento?
2. Como ele adiciona Casos de Hipóteses Causais e de Questionamentos na forma de história nas duas bases de casos correspondentes que serão utilizadas para o ensino baseado em casos?
3. Como o aprendiz utiliza o modelo elaborado pelo professor para poder reconstruir uma teoria, do modelo que foi representado?
Primeiro, para formular um modelo científico baseado nas quatro visões citadas, necessita-se ela- borar uma árvore hierárquica (figura 23) de classes e objetos, que possibilite obter inferências de forma automática, como por exemplo: (Gepeto instance-of Homem), (Homem is-a Humano), (Humano
is-a Personagem), (Personagem is-a Coisa), (Pinoquio instance-of Boneco-de-Madeira), (Boneco-de-
Madeira is-a Personagem), (Escola instance-of Instituicao-Educacional), (Instituicao-Educacional is-
a Coisa-Presente-na-Historia-da-Teoria), (Coisa-Presente-na-Historia-da-Teoria is-a Coisa), (resolveu-
priedade), (enviou instance-of Propriedade), (Propriedade is-a Coisa), (Para instance-of Preposicao), (Preposicao instance-of Propriedade), etc.
Figura 23: Exemplo de Taxonomia para a Visão Hierárquica
À primeira vista, pode-se questionar por que em vez de utilizar termos científicos para construir uma árvore hierárquica, estejamos utilizando termos relacionados a uma fábula infantil (neste caso a história de Pinóquio), já que o presente trabalho refere-se à construção de teoria científicas em modelos
científicos. Porém, o fato aqui apresentado é que este trabalho apresente um ambiente de descoberta
que proporcione a analfabetos científico1 (aprendizes em ciência) a possibilidade de entender através
de metáforas com o uso de fábulas, o vocabulário em ciência (termos como: hierarquia de categorias de classes e objetos, axiomas, hipóteses, causalidade, questionamento científico, e teoria científica) e que, a partir do uso destes termos, o aprendiz possa então melhorar o raciocínio científico.
Portanto, com a árvore hierárquica da figura 23 em mãos é possível elaborar relacionamentos com a seguinte estrutura <objeto1-relação-objeto2>)2de uma dada teoria. Assim, como resultado da figura
23 pode-se elaborar os seguintes axiomas:
• AXIOMA-1: Gepeto | resolveu-fazer-um | Boneco-de-madeira;
• AXIOMA-2: Ele | deu-o-nome-de | Pinoquio;
• AXIOMA-3: Pinoquio | ganhou | vida;
• AXIOMA-4: Gepeto | enviou | Pinoquio para escola.
Como visto, foram estabelecidos quatro axiomas neste exemplo. Contudo, pode-se observar que o AXIOMA-2 tem uma ligeira representação um pouco diferente, ou seja, em vez de ser utilizado
"Gepeto" como objeto1, foi utilizado uma outra referência, ou seja, "Ele". A esse tipo de representação,
chama-se "definição alternativa", ou (sinônima), que já foi mencionado anteriormente na seção 4.6, quando foi definido o que era um sistema axiomático3.
Desta forma, a partir desta representação em axiomas, pode-se então elaborar os teoremas. Por sua vez, um teorema aqui é uma "hipótese causal" (causa -> efeito) representado por dois axiomas, um para a causa e o outro para o efeito. Assim, uma hipótese causal é representada por uma dada
causa que implica um dado efeito. Como resultado desta representação pode-se elaborar um encadea-
mento de hipóteses causais (Hipótese-1 -> Hipótese-2, ..., Hipótese-N) para representar uma teoria
inicial definida pelo professor e que será um modelo para o estabelecimento de uma teoria nova que será
elaborada pelo aprendiz no ambiente de descoberta que será proposto por este trabalho.
Suponhamos então que, neste exemplo, que está sendo definido, sejam elaborados alguns teoremas para uma dada teoria sobre a história de Pinóquio, e estes são:
• HIPÓTESE-1: Causa: AXIOMA-1 implica Efeito: AXIOMA-2;
• HIPÓTESE-2: Causa: AXIOMA-3 implica Efeito: AXIOMA-4;
• ... definição de mais algumas hipóteses ...
• HIPÓTESE-N: Causa: AXIOMA-X implica Efeito: AXIOMA-Y.
2Assim, entende-se que "objeto1" e "objeto2" podem ser respectivamente representados cada um por uma
única classe ou um único objeto, ou ainda então, representados por uma concatenação de classes e/ou objetos separados por espaços em branco. Por outro lado, nesta estrutura binária relacional, estabeleceu-se também que "relação" é um objeto da classe Propriedade, e que pode-se negar uma relação, introduzindo o objeto nao da classe Conectivo, seguindo de um espaço mais um objeto da classe Propriedade.
3Este tipo de representação foi previsto, e será apresentado no modelo em XML que será representado no
próximo capítulo. Portanto, pode-se ter definições alternativas para todos os conceitos representados na visão hierárquica, sejam eles classes ou objetos.
Portanto, a partir destas hipóteses tem-se uma teoria inicial sobre a história de Pinóquio, com a seguinte estrutura: TEORIA-INICIAL: HIPÓTESE-1 implica HIPÓTESE-2 implica HIPÓTESE-3 ... HIPÓTESE-N.
Tendo uma teoria formulada desta forma pode-se ainda acrescentar a cada hipótese gerada uma interpretação (explicação) na forma de história para o ensino baseado em casos. Necessita-se, então, de uma base de casos com hipóteses causais, de tal forma que para recuperar um caso serão utilizados dois
axiomas como índices de recuperação. Uma ilustração desta idéia pode ser observada nas figuras 24, e
25.
Figura 24: Exemplo de Formulação de Hipótese (Hipótese-1)
Observa-se, portanto, que nas respectivas figuras têm-se os índices que servem para a recuperação de casos similares de hipóteses causais. A história selecionada pelo usuário pode ser adaptada e armazenada como um novo caso. A adaptação referida é semi-automática devido ao armazenamento em um esqueleto que propicia isso e também devido a um mapeamento estrutural que é realizado na visão hierárquica, para ver se o novo caso tem uma adequação estrutural, com o caso antigo.
Desta forma, a teoria nova, que será formulada pelo aprendiz será um sub-conjunto da teoria inicial que foi formulada pelo professor, ou então um sub-conjunto pertubado com novos elementos (conceitos, ou seja, classes e/ou objetos que estão armazenados na visão hierárquica), de tal forma que os elementos escolhidos devem respeitar a adequação estrutural estabelecida pela visão hierárquica.
Portanto, além de uma interpretação que é elaborada por um rastreamento na visão hierárquica gerado de forma automática pelo sistema, para que o aprendiz possa reformular uma teoria inicial, será usado também o ensino baseado em casos como forma de explicação. Porém, as inferências que são geradas de forma automática pelo rastreamento na visão hierárquica quando o aprendiz estiver formu-