Sistemas Educacionais Inteligentes
3.2 Sistemas Tutores Inteligentes
3.2.3 Sistemas Tutores Inteligentes baseados em Redes Neurais
As Redes Neurais Artificiais (RNA) são utilizadas como mecanismo de individualização de ensino em STI para agregar informações subjetivas. Elas permitem agregar, à tutoria, informações subjetivas como perfil psicoló-gico e estilo de aprendizagem além de realizar tarefas como classificação de conteúdo, etc.
As RNAs consistem em um conjunto de elementos chamados neurô-nios artificiais, conectados, formando um mecanismo de processamento dis-tribuído e paralelo que tem propensão para armazenar conhecimento experi-mental e torná-lo disponível [Haykin 1998]. Os neurônios artificiais são uni-dades de processamento simples cuja estrutura é similar ao neurônio biológico humano. As conexões entre os neurônios são chamadas sinápses e cada uma possui um peso. Os pesos é que representam o conhecimento que é adquirido
3.2 Sistemas Tutores Inteligentes 18
por um procedimento de aprendizado chamado algoritmo de
aprendiza-gem.
A Figura 3.2 apresenta um neurônio artificial chamado dePerceptron.
É um modelo proposto por McCulloch e Pitts em 1943. Ele é composto pelas
entradas (i) , pelos pesos (w), pela saída (o), pelo somador (Σ) e por uma
função de ativação (R). O processamento é realizado pelo somador e pela
função de ativação. O somador soma os sinais de entradas ponderados pelas sinápses enquanto a função de ativação restringe a amplitude da saída de um neurônio, normalmente a um intervalo fechado[0,1]ou[−1,1].
Figura 3.2:Representação do neurônio artificial.
Um arranjo ou arquitetura comum para criar uma Rede Neural
Ar-tificial é o Perceptron de Multi Camada (ou MLP, do inglês Multi-Layer
Per-ceptron). O desenvolvimento do MLP solucionou a incapacidade doPerceptron
de tratar dados não linearmente separáveis. O MLP é composto por múltiplas camadas de neurônios, onde a primeira é chamada “Camada de Entrada” e a última, “Camada de Saída”. A camada ou conjunto de camadas intermediárias são simplesmente chamadas de "Camada oculta". A Figura 3.3 apresenta um exemplo de MLP com dois neurônios na camada de entrada, um na camada de saída e duas camadas intermediárias com três e quatro neurônios compondo a camada oculta.
O algoritmo de aprendizagem utilizado para treinar uma rede neural artificial está diretamente relacionado com a arquitetura da rede. O algorimo
mais aplicado ao Multi-Layer Perceptron é o backpropagation [Haykin 1998,
3.2 Sistemas Tutores Inteligentes 19
Figura 3.3:Exemplo de um Perceptron de Múltiplas
Ca-madas.
Sistema Tutor Inteligente baseado em múltiplas RNAs
ALENCAR realizou investigações sobre a aplicação de redes neu-rais em Sistema Tutores Inteligentes demonstrando a capacidade de uma RNA extrair padrões que poderiam ser utilizados para auxiliar na navega-ção [Alencar 2000]. Em 2002, MARTINS e CARVALHO implementaram uma melhoria na proposta de ALENCAR utilizando um modelo pedagógico no qual o material didático é dividido vários contextos (pequenos trechos ou unidades do curso) e cada contexto em cinco níveis distintos: facilitado, médio, avan-çado, perguntas freqüentes e exemplos [Martins e Carvalho 2004]. O sistema inteligente é responsável por encaminhar o aluno pelos níveis de cada con-texto e pelos concon-textos, utilizando generalizações produzidas por um conjunto de redes neurais.
Sistema Tutor Inteligente Híbrido Baseado Em Características Psi-cológicas
Em 2005, MELO propôs um Sistema Tutor Inteligente que utiliza ge-neralizações feitas por uma rede neural a partir das características psicológi-cas, do conhecimento prévio do aluno e de sua familiaridade com o ambiente WEB [Melo et al. 2005]. O trabalho desenvolvido foi uma melhoria do sistema proposto por CARVALHO, utilizando apenas uma rede neural para todo o tu-tor. Além da rede neural, também são utilizados um conjunto de regras simbó-licas para complementar a decisão de navegação resultante do processamento
3.2 Sistemas Tutores Inteligentes 20
Figura 3.4:Estratégia pedagógica do STI implementado
por CARVALHO.
da rede neural. As regras são fornecidas por especialistas com experiência em docência o que fornece maior credibilidade às decisões do STI. A Figura 3.5 apresenta a arquitetura do sistema inteligente:
Figura 3.5:Estratégia pedagógica do STI implementado
por MELO, adaptado de [Melo et al. 2005].
Sistema Tutor Inteligente Híbrido Baseado Em Estilos de Aprendiza-gem
Em 2005, MEIRELES realizou uma modificação no STI de MELO, substituindo o modelo do aluno (características psicológicas) por estilos de aprendizagem [Meireles et al. 2005]. O estilo de aprendizagem, um termo da
3.2 Sistemas Tutores Inteligentes 21
Psicologia, descreve como cada estudante começa a se concentrar, processar e reter novas informações. Para obter as características do estilo de aprendi-zagem de cada aluno, foi utilizado o Questionário de Estilo de Aprendiaprendi-zagem, com 80 questões para descobrir suas tendências gerais de comportamento que mede o estilo de aprendizagem individual.
AutoTutor, um STI usando linguagem natural e RNA
GRAIG e outros desenvolveram um Sistema Tutor Inteligente que si-mula o padrão de discurso e dialogo entre tutores humanos [Graig et al. 2007]. O sistema produz diálogos que são sensíveis ao conhecimento do aprendiz de forma a melhorar o seu nível de compreensão. Este sistema é composto por sete módulos, sendo eles:
• Indexador (Curriculum Script): organiza os tópicos e conteúdos do
tuto-rial;
• Analisador de Linguagem/Léxico (Language Extration): analisa as
pala-vras escritas pelo aprendiz utilizando o teclado;
• Classificador de Discurso (Speech act classification): segmenta e
classi-fica o conteúdo produzido pelo aprendiz, utilizando uma rede neural, em uma das categorias de fala modeladas no sistema;
• Analisador Semântico (Latent semantic analysis): compara a diferença
entre dois textos usando técnicas estatísticas;
• Seletor de Tópico (Topic Selection): seleciona o próximo tópico usando
regras Fuzzy;
• Gerador de Diálogo (Dialog movie generator): gera os diálogos em cada
turno ao final da interação do usuário;
• Interface de Diálogo (Animated Agent Module): mostra o diálogo em uma
forma mais convencional aos humanos.