Sistemas Educacionais Inteligentes
3.2 Sistemas Tutores Inteligentes
3.2.4 Sistemas Tutores Inteligentes baseados em Agentes
Segundo NORVIG e RUSSEL, um agente é qualquer coisa que pode
perceber seu ambiente usando sensores e agir utilizando efetuadores. Um
agente inteligente tenta realizar ações corretas no ambiente para tentar atingir um objetivo. Durante sua interação com o ambiente, ele avalia seu desempenho pelo sucesso de suas ações [Russell e Norvig 1995].
3.2 Sistemas Tutores Inteligentes 22
O agente inteligente éautônomo,mapeia estados em açõese
atu-aliza seus estados internos enquanto interage com o ambiente. O processo de tomada de decisão (escolha das ações) normalmente é realizado utilizando
raciocínio com conhecimento. São utilizados, por exemplo, as técnicas de
raciocínio baseado em casos1 e sistemas baseados em conhecimento
2. Oconhecimentonos agentes inteligentes pode ser a representação das
re-gras de especialistas, oscasos(exemplos) ou oconhecimento aprendido
durante sua interação com o ambiente.
O processo de inferência é uma cadeia de combinações. Os dois
me-canismos utilizados para inferência são chamados de encadeamento para
frenteeencadeamento para trás. No primeiro, o processo é iniciado com o
fornecimento de dados e no segundo com a definição de um objetivo.
No encadeamento para frente, todos os dados disponíveis em um de-terminado momento são aplicados a todas as regras possíveis para inferir o máximo de conclusões. O processo é realizado novamente se forem produzidas conclusões úteis a alguma regra ou quando um novo conhecimento é disponi-bilizado.
No encadeamento para trás, o processo de inferência é iniciando quando um objetivo é identificado. As regras que possuem este objetivo como antecedente são disparadas. As informações necessárias para essas regras são recuperadas da base de dados. O processo é repetido enquanto o objetivo não for atingido.
Existem várias propostas e implementações de Sistemas Tutores Inte-ligentes baseadas em agentes inteInte-ligentes. Estes sistemas são desenvolvidos, normalmente, utilizando ferramentas disponíveis para a implementação de
agentes ou sistemas especialistas como o DyLOG3, JESS4, CLIPS5 e
Fuzzy-CLIPS6(que integra a lógica fuzzy7ao CLIPS).
Existem também abordagens utilizando sistemas multi-agentes e
1Solução de novos problemas utilizando o conhecimento de problemas e soluções similares.
2Solução de problemas utilizando regras extraídas de humanos expecialistas em um determinado problema.
3DyLOG é uma linguagem lógica para a modelagem e programação de agentes inteligents.
4JESS é um ambiente para o desenvolvimento de agentes inteligentes utilizando conheci-mento em forma de regras.
5CLIPS é uma ferramenta para a reprentação de conhecimento e raciocínio basedo em regras.
6FuzzyCLIPS é uma extensão do CLIPS que integra ao sistema de representação e ao raciocínio os conceitos de conjuntos fuzzy e lógica fuzzy.
7A lógica fuzzy é um método de raciocínio com expressões lógicas que descrevem a pertinencia em conjuntos fuzzy enquanto estes constituem um meio para especificar o quanto um objeto satisfaz uma descrição vaga [Russell e Norvig 1995].
3.2 Sistemas Tutores Inteligentes 23
agentes distribuídos [Frigo, Pozzebon e Bittencourt 2004]. Em sistemas multi-agentes vários agentes tentam atingir o objetivo cooperando com a partilha de informações ou tarefas. O problema pode ser dividido em subpro-blemas que podem ser solucionados separadamente por um agente e a soma dos resultados correspodem a solução do problema geral.
Sistema Tutor Inteligente utilizando Agentes Lógicos (WLOG)
MATTEO, BAROGLIO e PATTI desenvolveram um STI utilizando agentes em um ambiente WEB [Baldoni, Baroglio e Patti 2004]. O agente foi implementado utilizando a linguagem DyLOG para representar o domínio de conhecimento e para implementar o módulo de controle. O sistema basica-mente recebe um problema do usuário com uma situação inicial, resolve o problema, apresenta a solução ao usuário e adapta a solução com uma inte-ração com o usuário. A Figura 3.6 apresenta a arquitetura do sistema tutor inteligente WLOG.
Figura 3.6:Arquitetura do STI implementado por
MAT-TEO, BAROGLIO e PATTI, adaptado de [Baldoni, Baroglio e Patti 2004].
Um Assistente Inteligente para o Ensino das Seções Cônicas (STI Cônica)
ZEFERINO, RAPKIEWICS e MORALES desenvolveram um tutor in-teligente específico para o ensino de seções cônicas (Geometria Analítica) no ensino médio [Zeferino, Rapkiewicz e Morales 2004]. Devido as característi-cas do domínio, a ênfase do sistema é a interface e a estratégia de ensino. O conhecimento foi fornecido por um professor de matemática com dez anos de
3.2 Sistemas Tutores Inteligentes 24
experiência em docência. O módulo de controle do sistema foi implementado utilizando a ferramenta JEZZ e a linguagem Java e é responsável por:
• Selecionar uma estratégia de ensino;
• Selecionar o material instrucional na base de conhecimento do domínio;
• Apresentar o material pela interface;
• Diagnosticar o comportamento do aluno monitorando seu progresso.
No STI Cônica, o aluno é caracterizado por um dos três estereótipos disponíveis. Esta associação é utilizada para escolher a próxima atividade. A avaliação do aluno é dinâmica de acordo com a complexidade dos exercícios propostos pelo tutor, pelos erros cometidos e pelas solicitações de ajuda do estudante.
A arquitetura utilizada pelo STI Cônica foi proposta por VICCARI em sua tese de doutorado intitulada “Um Tutor Inteligente para a Pro-gramação em Lógica - Idealização, Projeto e Desenvolvimento”. A tese foi desenvolvida na Universidade de Coimbra em 1990. A representa-ção da arquitetura proposta por VICCARI pode ser vista na Figura 3.7 [Zeferino, Rapkiewicz e Morales 2004].
Figura 3.7:Arquitetura do STI implementado por
ZEFERINO e outros, adaptado de
3.2 Sistemas Tutores Inteligentes 25
Sistema Tutor Inteligente Multi-agente (MATHTUTOR)
CARDOSO e outros desenvolveram um STI multi-agente que integra diferentes formalismos para facilitar o desenvolvimento do conteúdo em um tutorial e ao mesmo tempo fornecer adaptabilidade e flexibilidade na apre-sentação [Cardoso et al. 2004]. Foram adotados, no desenvolvimento da ferra-menta:
• A lógica de primeira ordem para o modelo do aprendiz;
• Redes de Petri para o modelo pedagógico;
• Interação do aprendiz com os agentes para a tomada de decisão;
Cada agente no sistema MATHTUTOR contém um sistema tutorial completo chamado de agente tutorial (TA, do inglês Tutorial Agent) com o ob-jetivo em um subdomínio do conhecimento. O conjunto de agentes corresponde ao módulo Sociedade Multi-Agente do sistema que também é composto pela interface do aprendiz e pela interface de autoria. A arquitetura desse sistema é mostrada na Figura 3.8.
Figura 3.8:Arquitetura do MATHTUTOR, um STI
multi-agente, adaptado de [Cardoso et al. 2004].
O módulo de autoria auxilia o professor a propor, para cada subdomí-nio, um currículo composto por unidades pedagógicas, associações de proble-mas e pré-requisitos. A grade de pré-requisitos é compilada em uma rede de Petri. Essa rede é traduzida em um conjunto de regras de sistemas especialis-tas.
Ostokensda rede de Petri contêm ponteiros para o modelo do aprendiz
e para o modelo do domínio. As transições da rede de Petri são controladas por condições relacionadas ao modelo do aprendiz. Ao disparar essas transições, ações são produzidas para atualizar o modelo do aprendiz.
3.2 Sistemas Tutores Inteligentes 26