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.