Fluxograma 2 Diferentes funcionalidades do PTDS – VPI
4.4 MAPAS CONCEITUAIS
Dentre as tecnologias que podem ser utilizadas com objetos de aprendizagem, é possível destacar o desenvolvimento de mapas conceituais. Os mapas conceituais foram criados no final da década de 70 nos Estados Unidos, pelo pesquisador Joseph Novak. A principal motivação que resultou no desenvolvimento deste recurso, foi a dificuldade encontrada por estudantes em adquirir novos conhecimentos de forma eficaz (NOVAK; GOWIN, 1984). A idéia do mapa conceitual é relacionar os conceitos graficamente de forma bidimensional representando o conhecimento, conforme o entendimento de quem desenvolve o mapa mostrando relações hierárquicas entre conceitos de uma disciplina.
De acordo com Novak e Gowin (1984), um mapa conceitual representa os conceitos de forma hierárquica, conectando cada dois nós do mapa com uma palavra ou expressão, formando uma proposição. Isto é, a leitura de quaisquer dois nós da representação em árvore do mapa conceitual, somada à leitura da palavra ou expressão de conexão destes nós tem um significado isolado, que é complementado pela leitura das outras proposições do mapa. Este fato facilita a aprendizagem significativa (MOREIRA, 2008). A figura a seguir mostra um exemplo de um mapa conceitual (Figura 16).
Figura 16 – Mapa conceitual sobre Mapas Conceituais (Traduzido e adaptado de Novak e Cañas, 2008)
Novak ainda propôs uma metodologia de desenvolvimento de mapas conceituais, visando a eficácia do mapa. Dentre os principais mandamentos de sua metodologia, destacam- se (NOVAK; GOWIN, 1984):
• Estrutura bem definida com conceitos mais gerais no topo do mapa e conceitos mais específicos na parte inferior;
• Cada par de conceitos deve ser unido por uma frase de conexão, criando um relacionamento semântico entre os conceitos;
• As frases de conexão, assim como o conceito representado em cada nó do mapa devem ser representados por apenas uma palavra.
Entretanto, o estudo de métodos de construção de mapas conceituais foi realizado por outros pesquisadores, que propõe constantemente uma maior flexibilização no desenvolvimento dos mapas (AHLBERG, 2004).
5 INTELIGÊNCIA ARTIFICIAL: UM RECURSO DE OTIMIZAÇÂO
Apesar de pesquisas sobre o uso de novas tecnologias na educação, assim como a quebra dos tradicionais paradigmas não ocorreu, da forma desejada no ambiente educacional (MAYER, 2001). Ainda de acordo com Mayer (2001), este fator é explicado pela forma autoritária com que o uso de recursos tecnologicamente inovadores foi imposto aos aprendizes. Aos estudantes era imposta a tarefa de adaptar seu estilo de aprendizagem, conforme foram surgindo novas tecnologias, como o vídeo, rádio, computador (NETO, 2006). Neste contexto o desenvolvimento de ferramentas computacionais baseadas em técnicas de inteligência artificial ganha destaque, pois o princípio destes recursos é adotar o tutor (professor) humano como modelo ideal e buscar simular tal modelo a partir de programas de computador com recursos multimídia e interativos. A principal meta da área de Sistemas Tutores Inteligentes é, portanto, oferecer ao aprendiz um ambiente personalizado, adaptando sua forma e apresentação do conteúdo. Espera-se que a partir da utilização de STI, as dificuldades do ensino tradicional sejam superadas, i.e., o tratamento das dificuldades individuais seja personalizado a cada usuário (NETO, 2006).A partir da década de 80, tiveram início as pesquisas sobre um modelo de desenvolvimento de STI, ou Intelligent Computer Aided Instruction (Instrução Inteligente Assistida por Computador), visando aumento da eficiência do processo de aprendizagem. Os primeiros resultados de estudos sobre STI mostraram que a análise de aplicação de técnicas de IA poderia ser a estratégia escolhida para melhor atender às expectativas de um STI (SLEEMAN; BROWN, 1982). Segundo um dos primeiros modelos propostos por Sleeman e Brown (1982), mostrou foco em aspectos como a interface do usuário, modelo de aprendiz e técnicas de inferência.
Para o desenvolvimento da interface com o usuário, o objetivo era o estudo de técnicas para inserção de linguagem natural em programas de computador, simulando diálogos naturais. Neste contexto, pode-se destacar o uso de lógica Fuzzy para atingir o objetivo de representar o ambiente presencial de ensino, em STI.
Módulo do Aprendiz/Estudante, tem como objetivo identificar e diagnosticar as lacunas de conceitos dos aprendizes em determinado domínio do conhecimento. O desafio é diferenciar eventuais mal entendidos (ocasionados, por exemplo, por sobrecarga cognitiva) ou a real falta de conhecimento sobre algum conceito.
Outro aspecto a ser considerado em sistemas inteligentes é referente às técnicas de dedução. O objetivo é providenciar respostas a eventuais questionamentos, avaliar hipóteses,
enfim, determinar o comportamento e respostas do sistema. Estas técnicas são baseadas em inferências, devendo ser robustas.
Durante a década de 80, os estudos sobre tecnologias computacionais no contexto educacional evoluíram, culminando em uma proposta de arquitetura básica de um STI, sendo utilizada como alicerce para desenvolvimento de recursos inteligentes de aprendizagem. A figura 17 mostra a arquitetura básica de um STI, proposta por Burns e Capps (1988).
Figura 17 – Arquitetura Básica dos Sistemas Tutores Inteligentes (Traduzido e adaptado de Burns e Capps, 1988)
A arquitetura proposta (Figura 17), teve como base os primeiros resultados das pesquisas conduzidas por Sleeman e Brown (1982). O conceito de interface de usuário e o módulo do estudante, foram aprimorados. Adicionalmente, foram acrescidos os módulos do especialista e módulo tutor, com o objetivo de executar as seguintes funções.
• Módulo Especialista: Deve incorporar e apresentar os conceitos sobre determinado domínio, de forma detalhada, com base no conhecimento de especialistas (humanos) com excelência na área (BURNS; CAPPS, 1988). Trata-se do principal componente de
um STI. De forma análoga ao ensino presencial, se o conhecimento sobre o domínio não for suficiente para suprir as expectativas, o processo de aprendizagem será pouco eficaz (ANDERSON, 1988).
• Módulo Tutor: tem como principal função a apresentação do conteúdo ao usuário. A partir dos dados coletados sobre cada aprendiz, o modelo tutor deve disponibilizar mecanismos para inferir sobre o comportamento do STI (NETO, 2006).
• Módulo Estudante: conforme proposto por Burns e Capps (1982), o módulo estudante tem como objetivo determinar possíveis lacunas de conceitos em cada usuário do sistema. Entretanto, dada a complexidade de inferir sobre os estados cognitivos dos estudantes, desejavelmente com grau mínimo de incerteza, foram propostas determinadas estratégias para esta tarefa. A primeira delas, pelo processo de avanço, na qual o usuário avança na navegação por um STI apenas quando é comprovado o conhecimento requerido para cada tópico definido no currículo estabelecido. Outra estratégia possível de ser utilizada permite que o usuário conte com uma espécie de conselheiro, isto é, o sistema oferece uma dica ou um conselho a fim de auxiliar o aprendiz apenas quando é detectada a necessidade. Deste modo, quando o rendimento do estudante se mostra satisfatório, o módulo responsável por fornecer dicas não é ativado. Ainda existem outras estratégias para diagnosticar o estado cognitivo do usuário como, por exemplo, por meio de geração de problemas de forma dinâmica, se adaptando às respostas dos estudantes (VANLEHN, 1988). Em resumo, de alguma maneira, o conhecimento do aprendiz deve ser classificado, seja de forma binária, qualitativamente ou de por meio de atribuição de números em escala pré-definida (VANLEHN, 1988).
• Interface / Ambiente de Aprendizagem: o projeto da interface de um STI tem a função de promover o contexto de aprendizagem, atividades pedagógicas e ferramentas de auxílio ao estudo e à navegação. As pesquisas sobre o ambiente de aprendizagem devem levar em consideração: a representação de elementos do mundo real no ambiente virtual de aprendizagem; o sequenciamento das atividades propostas, de acordo com o estado cognitivo de cada aprendiz; estratégias de promover
informações adicionais para colaborar na navegação e operação do STI (BURNS; CAPPS, 1988).
A partir da arquitetura básica proposta aos STI, é possível verificar que o conhecimento, seja de tutores ou aprendizes, deve ser formalizado e representado computacionalmente. Trata-se de um desafio para a área de IA, pois o objetivo é inserir na base de conhecimento a representação mais fiel possível de especialistas humanos.