Outras Fer ramentas utilizadas e novas perspectivas

Aprendizagem de Máquina: segundo alguns autores que trabalham na área de IA, as máquinas poderão ser consideradas inteligentes somente quando elas sejam capazes de aprender a fazer novas tarefas e aprender a se adaptar a novas situações (RICH et al., 1994). Nesta perspectiva, SIMON (1983) propôs que a aprendizagem de máquina implica: “Mudanças no sistema que se adaptam no sentido de permitir realizar tarefas a partir das mesmas condições, de um modo mais eficiente”. A aprendizagem de Máquina é um campo da IA que engloba diferentes métodos de aprendizagem necessários ao funcionamento de programas “inteligentes” (SMALLWOOD, 1962; CARBONELL, 1990). As principais partes deste estudo do conhecimento abrangem: aquisição, manipulação, armazenamento e uso do conhecimento (CALLUPE, 1997). Espera-se que estes sistemas possam aumentar seu rendimento utilizando, para isto, as experiências que eles vão adquirindo. Estas técnicas têm sido usadas para desenvolver sistemas de auto-aprendizagem: o sistema aprende da sua experiência de ensino. Um exemplo disto é o sistema Proto-Teg (DILLENBOURG 1989) o qual registra quando uma estratégia é efetiva ou não. Para cada estratégia o sistema acha condições que ocorrem cada vez que a estratégia é eficiente e não ocorrem no caso contrário. Outro exemplo é um sistema que não se estabelece como um especialista para interagir com um aluno, mas sim como um aprendiz parceiro (DILLENBOURG et al., 1992) que aprende ao mesmo tempo do que ele.

Os Sistemas Multi Agentes: o objetivo da utilização da IA Distribuída (IAD) (DEMAZEAU, 1990) nos STI é tentar diminuir a complexidade do projeto e modelar mais fielmente os processos reais. Um agente é um elemento que tem a capacidade de perceber seu ambiente mediante sensores e que responde ou atua sobre esse ambiente mediante atuadores, também denominados efetores (CASAS, 1999). O grau de autonomia, de comunicação com outros agentes e a inteligência que possui um agente, permite diferencia-lo de outros componentes de software ou de hardware dos sistemas NWANA (1996). Um agente cognitivo pode conter estados mentais, tais como crenças, intenções, capacidades, escolhas e compromissos. Segundo VICCARI et Al. (1996), a legitimidade de tentar atribuir qualidades mentais às máquinas vem do fato que isto pode ajudar a obter informações similares que no caso dos humanos. As propostas de utilização de arquiteturas multi-agentes em STI trazem uma grande vantagem em relação as arquiteturas tradicionais, uma vez que permitem uma flexibilidade maior no tratamento dos elementos que compõem o sistema (BECK et al., 1998; COSTA, 1997; LEMAN, 1996). O uso de agentes para modelar os componentes do ITS permite tratar os elementos da arquitetura tradicional de forma agrupada (um módulo = um agente) ou explodir cada módulo até uma situação como a proposta por MOUSSALE (1996) onde o refinamento chega até os estados mentais. Desta forma o sistema incorpora mais aspectos que influem no processo, modelando de forma mais completa o comportamento humano (GIRAFFA, 1997). Uma proposta de STI baseado em IAD aplicado à área da saúde pode ser achado em POZO (1996).

Por último pode ser sublinhada, dentro dos softwares pedagógicos, a importância dos fatores de certeza e da lógica fuzzy (ZADEH, 1991). Estes formam parte das técnicas de IA e, em particular, podem apoiar a tarefa de determinar os estados cognitivos do aluno que são altamente incertos e podem, portanto, apoiar a decisão de quais estratégias de aprendizagem utilizar.

Não há fronteiras entre um sistema para o ensino que deva ser inteligente e outro que não deva. No entanto, alguns tipos de técnicas de IA são úteis para alguns tipos de atividades de aprendizagem. Particularmente, os sistemas de IA permitem uma interação em etapas intermédias de uma solução, para prover explicações, fazer diagnósticos etc. Estas técnicas não são necessárias para todo

tipo de aprendizagem, porém, vários estudos demostram que o uso de IA aumenta o rendimento dos aprendizes e facilita a aplicação dos conhecimentos (MARK, 1995; SCHUTE, 1995; LUCKIN et al., 1999).

O objetivo inicial da IA era desenvolver técnicas que simulassem a inteligência humana, tentando simular o processo de raciocínio. Hoje, pode-se dizer que seu papel não é mais o de simular a inteligência humana. A técnica é usada para permitir a interação com o aprendiz. O fato de modelar o conhecimento permite ao sistema "entrar" no problema junto com o aluno, apresentando os passos intermediários, explicando suas decisões, e raciocinando sobre o conhecimento adquirido por ele. Em algumas aplicações o objetivo tem mudado de raciocinando COMO o aluno até raciocinando COM o aluno. Esta evolução não é uma contradição com os estudos do desenvolvimento humano, em particular a abordagem sócio-interacionista, que tende a considerar a inteligência como a capacidade de interagir com o entorno físico e social.

Segundo CLANCEY (1992) está havendo uma mudança na forma de considerar os Sistemas Especialistas. A visão tradicional de substituição do especialista humano pelo computador vai pouco a pouco se transformando numa visão onde o computador se torna uma ferramenta para facilitar a comunicação com o especialista. Esta mudança também pode ser observada nos STI que são um tipo particular de SE. Na forma tradicional de ver os STI, a idéia de substituição do tutor por um sistema computacional se deve ao fato de que o tutor ou mediador não está sempre disponível para os aprendizes. Desta forma, um STI captura o conhecimento do tutor para substitui-lo e o aprendiz interage diretamente com o sistema como apresentado na figura 3.6.a. Uma abordagem mais realística é considerar que o computador permite às pessoas realizar tarefas que elas não poderiam ter feito tão bem sem ele. Neste sentido, o computador se transforma numa ferramenta de comunicação. Na figura 3.6.b o aprendiz interage com o sistema, o especialista está ainda envolvido no processo, mas ele é consultado somente em caso de situações difíceis que requeiram um grau superior de processamento ou de personalização. O tutor/mediador, que é o especialista neste tipo de processos, pode estar localmente presente, mas também pode estar em qualquer outro lugar, podendo ser consultado remotamente. Muitos aprendizes podem estar envolvidos no processo e vários especialistas podem

estar disponíveis criando, desta forma, comunidades de aprendizagem, como apresentado na figura 3.6.c.

Figura 3.1 Mudança na visão de como o computador intervêm num processo de ensino- aprendizagem. a) Visão tradicional: automatizar o papel do tutor e substitui-lo. b) Nova Visão: o computador provê um meio de comunicação. c) Comunidades de Aprendizagem

Na perspectiva deste trabalho, a nova visão põe em evidência alguns elementos importantes para o desenvolvimento de STI. Em primeiro lugar a nova visão coloca o computador no nível que ele realmente tem na atualidade, ou seja, como ferramenta com o propósito de apoiar processos complexos, como os processos de ensino-aprendizagem e não com o propósito (nem a capacidade) de substituir os educadores. Em segundo lugar, nesta nova relação entre o aprendiz, o sistema e o tutor/mediador, podem ser procuradas soluções às limitações da modelagem do aluno e das estratégias pedagógicas, devido a que o processo incorpora capacidades humanas reais que não precisam ser modeladas. Por último, utilizar o computador como um meio para facilitar a comunicação salienta a importância da Interface como parte fundamental desta nova visão, já que dela depende a efetividade das interações entre os três elementos do processo.