Sistemas Tutores Inteligentes Híbridos

Sistemas Tutores Inteligentes podem apresentar característica híbrida, combinando IA conexionista com IA especialista (simbólica). GIRAFFA (1995) apresenta um comparativo entre essas duas modalidades (Quadro 3).

Quadro 3: Comparação de IA Conexionista x IA Simbólica (GIRAFFA, 1995)

IA Conexionista IA Simbólica

Busca Processamento paralelo.

Travessia de espaços. Busca produzir uma descrição consistente com todos os exemplos positivos, mas com nenhum exemplo positivo do conjunto de treino.

Representação do conhecimento

Número grande de conexões valoradas, com forças usando valores reais.

Lógica de predicados, redes semânticas, frames, scripts, etc., ou seja, modelos simbólicos.

Aprendizagem

Retroprogramação, máquinas de

Boltzmann, aprendizagem por reforço, aprendizagem não-supervisionada.

Macro-operadores, espaço de versões, aprendizagem baseada em explicações, descoberta.

130 Como apresentado anteriormente (Capítulo 4), as redes neurais se baseiam na metáfora computacional do cérebro. GIRAFFA (1995) menciona que essas redes se caracterizam por:

Serem constituídas de um grande número de elementos de a.

processamento muito simples (parecidos com os neurônios); Possuir um grande número de conexões ponderadas entre os b.

elementos (os pesos das conexões codificam o conhecimento de uma rede);

Oferecer um controle altamente distribuído e paralelo; c.

Apresentar ênfase na aprendizagem automática de d.

representações internas.

Algumas pesquisas já foram desenvolvidas com o objetivo de aplicar Redes Neurais Artificiais em Sistemas Tutores Inteligentes. ALENCAR (2000) demonstrou com sucesso a capacidade de uma RNA encontrar padrões que poderiam ser utilizados na navegação de um sistema tutor inteligente. Em sua demonstração, ALENCAR (2000) utilizou o modelo Perceptron de Múltiplas Camadas, como modelo de rede neural artificial.

CARVALHO (2002) evoluiu o trabalho de ALENCAR (2000), desenvolvendo e analisando os resultados em uma estrutura de sistemas tutores conexionistas85. Na estrutura proposta, o conteúdo é dividido em vários tópicos ou contextos, sendo cada contexto subdividido em cinco níveis: 1-Facilitado; 2-Médio; 3-Avançado; 4-Perguntas e Respostas (FAQ); 5-Exemplos. A estrutura do modelo proposto (CARVALHO, 2002) pode ser vista na Figura 77.

No STI de CARVALHO (2002), a entrada em cada contexto ocorre através do nível médio. Um teste é realizado ao final de cada nível. Após o teste o aprendiz é encaminhado para qualquer um dos níveis restantes ou para o próximo contexto, por meio do navegador. O navegador pode ser livre ou guiado. O aprendiz escolhe, no navegador livre, por onde quer prosseguir. Já no navegador guiado, a decisão cabe à rede neural específica de cada nível de cada contexto, atuando após o resultado do teste.

85 _{CARVALHO (2002) utilizou Mapa de Kohonen (KOHONEN, 1997) (redes auto-organizáveis) como}

131 No modelo conexionista de CARVALHO (2002), após a formatação do conteúdo em contextos e níveis, é realizada uma coleta de dados com navegações livres, ou seja, o destino é, conforme mencionado antes, escolhido pelo aprendiz. Os dados de registro dessas navegações são utilizados para que as melhores formas de navegações sejam selecionadas, levando-se em conta o desempenho do aprendiz, tendo-se como critério a melhoria do desempenho entre o teste inicial (pré-teste) e o teste final (pós-teste). Após a seleção dos melhores resultados, uma rede neural artificial específica é treinada para cada nível de cada contexto. Para uma sessão tutorial de 10 contextos, são necessárias 50 redes neurais distintas.

Figura 77: A estrutura do STI de Carvalho (CARVALHO, 2002)

Embora o modelo de sistema tutor de CARVALHO (2002) tenha apresentado resultados muito positivos, existe a dependência da formatação do conteúdo, o que acaba impedindo um desenvolvimento mais dinâmico de novos tutoriais. Em outras palavras, qualquer alteração nessa formatação implica a necessidade de novas navegações livres e treinamento de todas as redes neurais envolvidas, além de possível inclusão de novas redes.

MEIRELES (2003), MELO (2003) e MARTINS et al. (2003) apresentam uma proposta diferenciada para a estrutura de sistema tutor inteligente conexionista,

132 tornando-o híbrido com a inserção de regras de sistemas especialistas para auxiliar a navegação86.

A arquitetura do Sistema Tutor Inteligente Híbrido de, MEIRELES (2003) pode ser vista na Figura 78.

Figura 78: Estrutura do STI de MEIRELES (2003).

Observando-se a estrutura do STI Híbrido de MEIRELES (2003), tomando-se como base a arquitetura clássica de GIRAFFA (1999), apresentada pela Figura 74, tem- se:

Módulo usuário: recebe os dados cadastrais do aprendiz, a.

identificando-o posteriormente para o uso do tutor.

Interface: a interface utilizada pelo tutor de MEIRELES b.

(2003), responsável pela apresentação do conteúdo foi baseado em tecnologia de páginas www (world wide web) dinâmicas.

Navegador: o navegador realiza a manutenção do histórico da c.

sessão do usuário, acesso a banco de dados, trabalha em conjunto com dois outros módulos, o módulo do sistema

86

As diferenças observadas nos sistemas tutores inteligentes utilizados por MEIRELES (2003) e MELO (2003) estão relacionadas à forma de diferenciação do indivíduo. Melo considera o perfil psicológico do indivíduo, enquanto Meireles opta pelo estilo de aprendizagem do indivíduo.

133 conexionista e o módulo do sistema especialista, o que o torna híbrido.

c.1 - Módulo do sistema conexionista: possui a função de identificar o padrão de navegação através do perfil do aluno (perfil de navegação global do estudante) com o uso de uma rede neural artificial (RNA).

c.2 - Módulo do sistema especialista: aplica regras simbólicas (regras probabilísticas), auxiliando na decisão da navegação.

Base de Conhecimento: Assunto a ser apresentado ao d.

aprendiz. Tendo diferenciação entre os níveis facilitado, médio, avançado, perguntas frequentes e exemplos. Nos experimentos de MEIRELES (2003), o conteúdo do tutor era apenas teórico e abordava o tema sobre introdução ao processamento de dados.

Modelo do aluno: a representação do aprendiz é obtida através e.

de suas habilidades no uso do computador, seu estilo de aprendizagem e, também, em seu conhecimento prévio do conteúdo, embora este último não afete tanto a navegação. Embora os trabalhos baseados na estrutura de MARTINS et al. (2003) apresentem resultados promissores, o ensino por meio da estrutura de tais sistemas tutores ainda se baseia no modelo sequencial linear, tornando-se desinteressante com o passar do tempo. Além disso, as abordagens utilizadas para a personalização do ensino não se mostravam coerentes, na prática, com suas respectivas teorias.

134