Para trabalhos futuros, baseado nesta pesquisa, pretende-se realizar um estudo da aplicação de Redes Bayesianas dinâmicas em sistemas adaptativos, bem como da aplicação de outras técnicas de Navegação Adaptativa e também de Apresentação Adaptativa, de forma a combiná-las no tratamento de diferentes estilos cognitivos e métodos pedagógicos, a serem considerados no desenvolvimento da versão completa do E-Adapt.
Na referida versão busca-se aperfeiçoar o suporte personalizado ao aprendizado dos alunos e oferecer maior flexibilidade para o tratamento de diferentes disciplinas, provendo a individualização do ambiente aos alunos através da construção dinâmica de Redes Bayesianas para atender a diferentes demandas relacionadas às disciplinas dos cursos. Para isso, considera-se a realização de configurações envolvendo as variáveis de interesse em um domínio de problema e suas relações, bem como o armazenamento de dados provenientes de uma amostra em banco de dados. Além disto, poderão ser considerados diferentes tipos de interação no sistema, e as regras de adaptação passarão a ser configuráveis, de forma a serem estabelecidas pelo professor conforme a dinâmica da disciplina que lecionam e as necessidades detectadas.
Em termos de funcionalidades, serão implementados os cadastros propostos, bem como um ambiente de acesso para o professor e o coordenador, uma vez que neste protótipo tratou-se somente o ambiente acessível ao aluno, tornando-lhes possível o gerenciamento e customização de disciplinas nos cursos, bem como o acompanhamento do aprendizado dos alunos.
REFERÊNCIAS BIBLIOGRÁFICAS
ALLY, M. Foundations of educational theory for online learning. In: ANDERSON, T.; ELLOUMI, F. Theory and pratice of online learning. São Paulo: Athabasca University, 2004. cap. 1, p. 3-31.
ALMEIDA, M. E. B. Educação à distância na internet: abordagens e contribuições dos ambientes digitais de aprendizagem. Educação e Pesquisa, São Paulo, v. 29, nº 2, 2003. Disponível em:
<http://www.scielo.br/pdf/ep/v29n2/a10v29n2.pdf>. Acesso em: 20 fev. 2007.
ARAGÃO, A. L. Utilização de aprendizado de máquina para a adaptação de estruturas em hipermídia adaptativa. 2004. 92 f. Dissertação (Mestrado em Ciências da Computação e Matemática Computacional) – Programa de Pós-Graduação em Ciências da Computação e Matemática Computacional, Universidade de São Paulo, São Carlos, 2004. Disponível em:
<http://www.teses.usp.br/teses/disponiveis/55/55134/tde-11052004-103808>. Acesso em: 2 abr.
2007.
AZEVÊDO, W. Panorama atual da educação à distância no Brasil. Conect@, Porto Alegre, nº 2, 2000. Disponível em: < http://www.revistaconecta.com/conectados/wilson_seminario.htm>. Acesso em: 10 fev. 2007.
BASSANI, P. S.; BEHAR, P. A. Análise das interações em ambientes virtuais de aprendizagem:
uma possibilidade para avaliação da aprendizagem em EaD. Novas Tecnologias na Educação, Porto Alegre, v. 4, nº 1, 2006. Disponível em: <http://www.cinted.ufrgs.br/renote/jul2006/
artigosrenote/a35_21201.pdf>. Acesso em: 24 mar. 2007.
BELLIA, R. Uma aplicação Java EE completa parte 1: requisitos, modelo de classes e persistência com JPA. Java Magazine, Rio de Janeiro, n.44, p. 26-36, 2007.
BELLIA, R.; SENGER, Y. H. Uma aplicação Java EE completa parte 2: implementando a interface web com JSF. Java Magazine, Rio de Janeiro, n.45, p. 30-39, 2007.
BET, S.; FROZZA, A. A.; ARRUDA, A. A. C. Banco de Desafios: uma aplicação de hipermídia adaptativa e redes bayesianas. In: SIMPÓSIO BRASILEIRO DE INFORMÁTICA NA
EDUCAÇÃO, 15., Florianópolis, 2004. Anais..., Florianópolis: SBC, 2004. Disponível em:
<http://sbie2004.ufam.edu.br/anais_cd/extras/anaisvolI/vDigital/posteres/5133.pdf>. Acesso em 20 set. 2007.
BRUNETTO, M. A. C.; OLIVEIRA, J. P. M.; PROENÇA JÚNIOR, M. L.; PIMENTA, M. S.;
RIBEIRO, C. H. F. P.; LIMA, J. V.; FREITAS, V.; MARÇAL, V. P.; GASPARINI, I.; AMARAL, M. A. AdaptWeb: um ambiente para ensino-aprendizagem adaptativo na web. Educar em Revista, Curitiba, Edição especial, p.175-197, 2003. Disponível em: <http://calvados.c3sl.ufpr.br/ojs2/
index.php/educar/article/viewFile/2147/1799>. Acesso em: 09 set. 2007.
BUGAY, E. L. O modelo AHAM-MI: modelo de hipermídia adaptativa utilizando inteligências múltiplas. 2006. 229 f. Tese (Doutorado em Engenharia de Produção) – Programa de Pós-
Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, 2006. Disponível em: <http://teses.eps.ufsc.br/defesa/pdf/10880.pdf>. Acesso em: 18 fev. 2007.
CAETANO, K. C. Desenvolvimento e avaliação de um ambiente virtual de aprendizagem em administração em enfermagem. 2006. 155 f. Dissertação (Mestrado em Enfermagem) – Programa de Pós-Graduação em Enfermagem, Universidade de São Paulo, São Paulo, 2006. Disponível em:
<http://www.teses.usp.br/teses/disponiveis/7/7131/tde-17102006-112027>. Acesso em: 9 abr. 2007.
CANDOTTI, C. T.; GELLER, M.; SILVEIRA, S. R.; MARQUES, E. M.; SANTANA, M. B.
Sistema hipermídia adaptativo baseado em estilos cognitivos. Novas Tecnologias na Educação, Porto Alegre, v. 4, nº 2, 2006. Disponível em: < http://www.cinted.ufrgs.br/renote/dez2006/
artigosrenote/25051.pdf >. Acesso em: 25 mar. 2007.
COZMAN, F. G. EBayes version 0.1 - embedded bayesian networks. São Paulo: Universidade de São Paulo, 1999. Disponível em: <http://www.pmr.poli.usp.br/ ltd/>. Acesso em: 09 set. 2007.
COZMAN, F. G. Generalizing variable elimination in bayesian networks. In: WORKSHOP ON REASONING IN ARTIFICIAL INTELLIGENCE AT IBERAMIA – SBIA 2000, Atibaia, 2000.
Anais..., Atibaia: Tec Art Editora, 2000. p. 27-32. Disponível em: <http://www.cs.cmu.edu/~
javabayes/Home/>. Acesso em: 12 set. 2007.
CRISPIM, H. A. F.; ABDALLA JÚNIOR, H.; MOLINARO, L. F. R. Proposta para um ambiente inteligente de ensino à distância. In: CONGRESSO INTERNACIONAL DE EDUCAÇÃO À DISTÂNCIA, 9., São Paulo, 2002. Anais..., São Paulo: ABED, 2002. Disponível em:
<http://www.abed.org.br/congresso2002/trabalhos/texto48.htm>. Acesso em: 11 abr. 2007.
FUKS, H. Aprendizagem e Trabalho Cooperativo no Ambiente AulaNet. Revista Brasileira de Informática na Educação, Santa Catarina - UFSC, v. 6, p. 53-73, 2000.
GARCINDO, L. A. S. Uma abordagem sobre o uso da hipermídia adaptativa em ambientes virtuais de aprendizagem. 2002. 146 f. Tese (Doutorado em Engenharia de Produção) – Programa de Pós-Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina,
Florianópolis, 2002. Disponível em: <http://teses.eps.ufsc.br/defesa/pdf/1766.pdf>. Acesso em: 18 fev. 2007.
GEARY, D.; HORSTMANN, C. Core JavaServer Faces – fundamentos. 2. ed. Rio de Janeiro:
Alta Books, 2007.
GELLER, M.; TAROUCO, L. M. R.; FRANCO, S. R. K. Educação à distância e estilos cognitivos:
construindo a adaptação de ambientes virtuais. In: CONGRESSO IBEROAMERICANO DE INFORMÁTICA EDUCATIVA, 7., Monterrey, 2004. Anais..., Monterrey: 2004. Disponível em:
<http://www.niee.ufrgs.br/ribie2004/Trabalhos/Comunicacoes/com274-283.pdf>. Acesso em: 20 mar. 2007.
KENSKI, V. M. Das salas de aula aos ambientes virtuais de aprendizagem. In: CONGRESSO INTERNACIONAL DE EDUCAÇÃO À DISTÂNCIA, 12., 2005, Florianópolis. Anais...,
Florianópolis: 2005. Disponível em: <http://www.abed.org.br/congresso2005/por/pdf/030tcc5.pdf>.
Acesso em: 12 fev. 2007.
KLAES, L. S. Cooperativismo e Educação à Distância. 2005. 270 f. Tese (Doutorado em Gestão da Qualidade e Produtividade) – Programa de Pós-Graduação em Engenharia de Produção,
Universidade Federal de Santa Catarina, Florianópolis, 2005. Disponível em:
<http://teses.eps.ufsc.br/defesa/pdf/7037.pdf>. Acesso em: 19 fev. 2007.
LADEIRA, M.; VICARI, R. M.; COELHO, H. Redes Bayesianas Multiagentes. Revista Eletrônica de Iniciação Científica, Porto Alegre, ano II, nº 1, 2002. Disponível em: <http://www.sbc.org.br/>.
Acesso em: 19 mar. 2007.
LIMA, P. S. R.; BRITO, S. R.; SILVA, O. F.; FAVERO, E. L. Adaptação de Interfaces em
Ambientes Virtuais de Aprendizagem com Foco na Construção Dinâmica de Comunidades. Novas Tecnologias na Educação, Porto Alegre, v. 3, nº 1, 2005. Disponível em:
<http://www.cinted.ufrgs.br/renote/maio2005/artigos/a55_construcaodinamica.pdf>. Acesso em: 11 fev. 2007.
LUCAS, J. P.; MARTINS, C.; SILVEIRA, R.; CARVALHO, C. V. Ferramentas de autoria de sistemas hipermídia adaptativos para aprendizagem: um ponto de situação. Novas Tecnologias na Educação, Porto Alegre, v. 3, nº 2, 2005. Disponível em: <http://www.cinted.ufrgs.br/renote/
nov2005/artigosrenote/a28_hipermidia_adapt.pdf >. Acesso em: 24 mar. 2007.
LUGER, G. F. Inteligência artificial – estruturas e estratégias para a solução de problemas complexos. 4. ed. Porto Alegre: Bookman, 2004.
LUNA, J. E. O. Algoritmos EM para aprendizagem de redes bayesianas a partir de dados completos. 2004. 132 f. Dissertação (Mestrado em Ciência da Computação) – Curso de Mestrado em Ciência da Computação, Universidade Federal de Mato Grosso do Sul, Campo Grande, 2004.
Disponível em: <http://www.dct.ufms.br/mestrado/dissertacoes/jose_eduardo.pdf>. Acesso em: 9 abr. 2007.
MACHADO, G. J. C.; FRANCISCO, D. J.; MENDES, A. Q.; AMANTE, L. Refletindo sobre a interação social em ambientes virtuais de aprendizagem. Novas Tecnologias na Educação, Porto Alegre, v. 3, nº 1, 2005. Disponível em: <http://www.cinted.ufrgs.br/renote/maio2005/artigos/
a08_intereacao_social.pdf>. Acesso em: 13 fev. 2007.
MALANGE, F. C. V. Uma proposta de aprendizado da lógica utilizando um ambiente virtual de aprendizagem colaborativa. 2005. 108 f. Dissertação (Mestrado em Ciência da Computação) – Faculdade de Ciência da Computação, Universidade Federal de Santa Catarina, Florianópolis, 2005.
Disponível em: <http://www.tede.ufsc.br/teses/PGCC0634.pdf>. Acesso em: 23 mar. 2007.
MARQUES, I.; DUTRA, R. L. Redes Bayesianas: o que são, para que servem, algoritmos e exemplos de aplicações. Rio de Janeiro: Universidade Federal do Rio de Janeiro, 1999. Disponível em: <http://www.cos.ufrj.br/~ines/courses/cos740/leila/cos740/Bayesianas.pdf>. Acesso em: 20 fev. 2007.
MEHLECKE, Q. T. C.; TAROUCO, L. M. R. Ambientes de suporte para educação à distância: a mediação para aprendizagem cooperativa. Novas Tecnologias na Educação, Porto Alegre, v. 1, nº 1, 2003. Disponível em: <www.cinted.ufrgs.br/renote/fev2003/artigos/querte_ambientes.pdf>.
Acesso em: 25 mar. 2007.
MILHO, I.; FRED, A. Sistema de apoio ao diagnóstico médico baseado em redes bayesianas. In:
CONFERÊNCIA CIENTÍFICA E TECNOLÓGICA EM ENGENHARIA, Lisboa, 2002. Anais..., Lisboa: ISEL, 2002. Disponível em: <http://www.cc.isel.ipl.pt/ Pessoais/IsabelMilho/downloads/
publications/ccte2002.pdf>. Acesso em: 13 abr. 2007.
MOODLE DOCS. About Moodle. 2007(a). Disponível em: <http://docs.moodle.org/en/
About_Moodle>. Acesso em: 14 abr. 2007.
MORETTIN, L. G. Estatística básica. 7. ed. São Paulo: Makron Books, 1999.
NASSAR, S. M. Tratamento de incerteza: sistemas especialistas probabilísticos. Departamento de Informática e Estatística – INE. Florianópolis: UFSC, 2007.
OLIVEIRA, F. L.; BET, S.; OLIVEIRA, A. L.; NASSAR, S. M.; FAGUNDES, F. Modelo de interfaces adaptativas utilizando redes bayesianas. In: ENCONTRO DE ESTUDANTES DE INFORMÁTICA DO TOCANTINS, 5., Palmas, 2003. Anais..., Palmas: ULBRA, 2003. p. 139- 148. Disponível em: <http://www.ulbra-to.br/ensino/43020/artigos/anais2003/anais/interfaces adaptativas-encoinfo2003.pdf>. Acesso em: 19 ago. 2007.
OLIVEIRA, J. M. P.; FERNANDES, C. T. Sistemas hipermídia adaptativos educacionais: breve panorama e modelo de referência. In: CONGRESSO NACIONAL DE AMBIENTES
HIPERMÍDIA PARA APRENDIZAGEM, Florianópolis, 2004. Anais..., Florianópolis: UFSC, 2004. Disponível em: <www.conahpa.ufsc.br/2004/mredonda/clovis.pdf>. Acesso em: 5 mai. 2007.
ORBOLATO, R. G. Edição de material instrucional para EaD baseada em estratégias
cognitivas. 2005. 179 f. Dissertação (Mestrado em Ciência da Computação) – Faculdade de Ciência da Computação, Universidade Federal de São Carlos, São Carlos, 2005. Disponível em:
<http://www.bdtd.ufscar.br/tde_arquivos/3/TDE-2005-04-04T12:00:24Z-566/Publico/
DissRGO.pdf>. Acesso em: 3 abr. 2007.
ORLANDELI, R. Um modelo markoviano-bayesiano de inteligência artificial para avaliação dinâmica do aprendizado: aplicação à logística. 2005. 153 f. Tese (Doutorado em Engenharia de Produção e Sistemas) – Programa de Pós-Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, 2005. Disponível em: <http://teses.eps.ufsc.br/defesa/pdf/
11624.pdf>. Acesso em: 18 fev. 2007.
PALAZZO, L. A. M. Modelos proativos para hipermídia adaptativa. 2000. 114 f. Tese (Doutorado em Ciência da Computação) – Faculdade de Ciência da Computação, Universidade Federal do Rio Grande do Sul, Porto Alegre, 2000.
PERAZZO, M. J.; COZMAN, F. G. Derivadas em redes bayesianas usando eliminação de variáveis.
In: CONGRESSO BRASILEIRO DE AUTOMÁTICA, Gramado, 2004. Anais..., Gramado: SBA, 2004. Disponível em: <http://www.poli.usp.br/p/fabio.cozman/Publications/Article/perazzo- cozman-cba2004.pdf>. Acesso em: 1 out. 2007.
PEREIRA, A. T. C.; AMARAL, M.; NUNES, T.; PERANTUNES, H. W. G. Moodle database model: a proposal using reverse engineering. In: WORLD CONFERENCE ON DISTANCE EDUCATION, 22., Rio de Janeiro, 2006. Anais..., Rio de Janeiro : ICDE, 2006. 1 CD-ROM.
PERRY, G. T.; TIMM, M. I.; FERREIRA FILHO, R. C. M.; SCHNAID, F.; ZARO, M. A.
Desafios da gestão de EaD: necessidades específicas para o ensino científico e tecnológico. Novas Tecnologias na Educação, Porto Alegre, v. 4, nº 1, 2006. Disponível em: <http://www.cinted.
ufrgs.br/renote/jul2006/artigosrenote/a16_21165.pdf >. Acesso em: 25 mar. 2007.
RABENSCHLAG, D. R. Um modelo probabilístico para abordar o risco com ilustrações em jogos de empresas. 2005. 181 f. Tese (Doutorado em Engenharia de Produção) – Programa de Pós- Graduação em Engenharia de Produção, Universidade Federal de Santa Catarina, Florianópolis, 2005. Disponível em: <http://teses.eps.ufsc.br/defesa/pdf/6801.pdf>. Acesso em: 18 fev. 2007.
ROCHA, H. V.; OEIRAS, J. Y. Y.; FREIRE, F. M. P.; ROMANI, L. A. S. Design de ambientes para EaD: (re)significações do usuário. In: WORKSHOP SOBRE FATORES HUMANOS EM SISTEMAS COMPUTACIONAIS, 4., Florianópolis, 2001. Anais..., Florianópolis: SBC, 2001. p.
84-95. Disponível em: <http://teleduc.nied.unicamp.br/teleduc/>. Acesso em: 9 abr. 2007.
ROSINI, A. M. A educação e o mito do ensino à distância no Brasil. Millenium, Portugal, nº 29, 2004. Disponível em: <http://www.ipv.pt/millenium/Millenium29/10.pdf>. Acesso em: 13 fev.
2007.
RUSSEL, S.; NORVIG, P. Inteligência artificial. 4. ed. Rio de Janeiro: Elsevier, 2004.
SANTIBAÑEZ, M. R. F.; SAOTOME, O.; CUNHA, A. M. Um sistema hipermídia adaptativo para o ensino de engenharia baseado em mapas conceituais e redes bayesianas. In: CONGRESSO BRASILEIRO DE ENSINO DE ENGENHARIA, 21., Rio de Janeiro, 2003. Anais..., Rio de Janeiro : IME, 2003.
SANTOS, E. O.; OKADA, A. L. P. A construção de ambientes virtuais de aprendizagem: por autorias plurais e gratuitas no ciberespaço. In: REUNIÃO ANUAL DA ASSOCIAÇÃO
NACIONAL DE PÓS-GRADUAÇÃO E PESQUISA EM EDUCAÇÃO, 26., Poços de Caldas, 2003. Anais..., Poços de Caldas: ANPED, 2003.
SANTOS, N. Estado da arte em espaços virtuais de ensino e aprendizagem. Revista Brasileira de Informática na Educação, Porto Alegre, nº 4, p.75-94, 1999.
SILVA, A. L. C. Ambientes virtuais de aprendizagem: uma experiência no ensino presencial de graduação. 2003. 108 f. Dissertação (Mestrado em Educação) – Faculdade de Pedagogia,
Universidade do Vale do Itajaí, Itajaí, 2003. Disponível em: <http://Siaibib01.univali.br/pdf/TED/
Alcides Silva.pdf>. Acesso em: 23 mar. 2007.
SILVA, E. Q. Agente gerenciador de cursos a distância via internet. 2000. 93 f. Dissertação (Mestrado em Ciências da Computação e Matemática Computacional) – Programa de Pós-
Graduação em Ciências da Computação e Matemática Computacional, Universidade de São Paulo, São Paulo, 2000.
SILVA, Y. G. Desenvolvimento de um modelo de usuário utilizando redes bayesianas. Palmas:
ULBRA, 2005.
TESSAROLLO, M. R. M. Ambientes de autoria de cursos a distância (AutorWeb). 2000. 97 f.
Dissertação (Mestrado em Ciência da Computação) – Faculdade de Ciência da Computação, Universidade Estadual de Campinas, Campinas, 2000.
TIBIRIÇÁ, C. A. G. Uma abordagem híbrida fuzzy-bayesiana para modelagem de incerteza.
2005. 97 f. Dissertação (Mestrado em Ciência da Computação) – Programa de Pós-Graduação em Ciência da Computação, Universidade Federal de Santa Catarina, Florianópolis, 2005. Disponível em: <http://www.das.ufsc.br/~gb/pg-ic/IntComp/IntComp.pdf>. Acesso em: 15 abr. 2007.
VALENTINI, C. B.; LUCIANO, N.A.; ANDREOLA, T. Comunidade de aprendizagem: interações em ambientes virtuais. In: CONGRESSO IBEROAMERICANO DE INFORMÁTICA
EDUCATIVA, 6., Vigo - Espanha, 2002. Anais..., Vigo - Espanha: Universidade de Vigo, 2002.
Disponível em: <http://lsm.dei.uc.pt/ribie/docfiles/txt2003729182438paper-205.pdf>. Acesso em:
30 abr. 2007.
VICARI, R. M.; GIRAFFA, L. M. M. Fundamentos dos Sistemas Tutores Inteligentes. In:
BARONE, D. Sociedades Artificiais. São Paulo: Artmed, 2003. cap. 7, p. 155-208.
VILAR, B. S. C. M. Um framework para o desenvolvimento de sistemas adaptativos a partir de ontologias. Palmas: ULBRA, 2006.
APÊNDICES
A DESCRIÇÃO DE CASO DE USO 001
CASO DE USO UC001 – Autenticar Usuário
Breve Descrição: Processo de autenticação de usuários no E-Adapt. Neste fluxo está sendo tratado somente o acesso de usuários do tipo Aluno.
Ator(es) Primário(s): Aluno.
Ator(es) Secundário(s):
Pré-condições: - O aluno precisa estar cadastrado no sistema.
Fluxo Principal: 1. Na página de login do ambiente (Tela001), o aluno informa seu código de pessoa e senha;
2. O aluno clica no botão Login;
3. O sistema realiza a validação dos dados informados;
4. O sistema atualiza no banco de dados o número de acessos realizado pelo aluno;
5. O sistema recupera a configuração das adaptações de navegação realizadas para o aluno em seu último acesso;
6. O sistema recupera os dados atualizados do perfil do aluno;
7. O sistema inicializa o Modelo de Adaptação com as informações do aluno recuperadas;
8. O Modelo de Adaptação inicializa o Modelo de Usuário, atribuindo- lhe os dados do perfil do aluno;
9. O Modelo de Adaptação aplica as configurações de adaptação do aluno aos links do menu de navegação do sistema;
10. O sistema carrega página principal (Tela002) com o menu de nave- gação adaptado ao aluno.
Fluxos Alternativos e Exceções:
4.1 O sistema detecta que os dados informados estão incorretos;
4.2 O sistema exibe uma mensagem na página de login (Tela001), avisando que o código de pessoa e/ou senha estão incorretos;
4.3 O aluno executa novamente o passo 1 do Fluxo Principal.
5.1 O aluno está realizando seu primeiro acesso ao ambiente;
5.2 O sistema aplica à navegação a configuração inicial de adaptação;
5.3 O sistema inicializa o perfil do aluno;
5.4 O sistema retoma o passo 7 do Fluxo Principal.
Pós-condições: - O aluno realizou seu acesso ao E-Adapt;
- O aluno pode estudar conteúdos já disponíveis e responder a testes online;
- A navegação do sistema encontra-se inicializada e adaptada ao aluno conforme seu último acesso.
Fonte e/ou documentos relacionados:
Reuniões realizadas com especialista.
B DESCRIÇÃO DE CASO DE USO 002
CASO DE USO UC002 - Resolver Teste Online
Breve Descrição: Processo de resolução de um teste online para verificação do nível de aprendizado do aluno sobre um conteúdo estudado.
Ator(es) Primário(s): Aluno.
Ator(es) Secundário(s):
Pré-condições: - O aluno precisa estar cadastrado no sistema;
- O aluno precisa ter efetuado o login no ambiente;
- As questões relacionadas ao conteúdo precisam estar cadastradas no sistema.
Fluxo Principal: 1. No menu Atividades da página principal (Tela002), o aluno clica no link Teste correspondente ao conteúdo em estudo;
2. O sistema seleciona aleatoriamente questões relacionadas
ao conteúdo e de nível de dificuldade correspondente ao perfil atual do aluno;
3. O sistema exibe a página do teste online contendo as questões selecionadas (Tela003);
4. O aluno responde as questões do teste selecionando uma opção de resposta em cada;
5. O aluno clica no botão Corrigir;
6. O sistema verifica as respostas dadas nas questões do teste;
7. O sistema calcula a porcentagem de acerto obtida pelo aluno;
8. O sistema armazena no banco de dados as respostas dadas pelo aluno nas questões;
9. O sistema envia a porcentagem de acerto do aluno ao Modelo de Adaptação;
10. O sistema retorna à página do conteúdo em estudo.
Fluxos Alternativos e Exceções:
3.1 O sistema não encontra questões cadastradas referentes ao conteúdo estudado;
3.2 O sistema exibe na página (Tela003) uma mensagem ao aluno, avisando que não há questões disponíveis sobre o conteúdo no momento;
3.3 O aluno clica no link Voltar;
3.4 O sistema executa o passo 10 do Fluxo Principal.
6.1 A sessão do aluno expirou no sistema;
6.2 O sistema direciona o aluno à página de login (Tela001), para realização de um novo acesso.
Pós-condições: - Foi calculado o nível de aprendizado do aluno no conteúdo em estudo.
Fonte e/ou documentos relacionados:
Reuniões realizadas com especialista.
C DESCRIÇÃO DE CASO DE USO 003
CASO DE USO UC003 - Adaptar Navegação
Breve Descrição: Processo de adaptação da estrutura de navegação do ambiente com base no desempenho do aluno em um teste online.
Ator(es) Primário(s): Aluno.
Ator(es) Secundário(s):
Pré-condições: - O aluno precisa ter resolvido um teste online sobre um conteúdo;
- Os conteúdos a serem estudados ou reforçados precisam estar cadastrados no sistema;
- A rede bayesiana precisa estar estruturada e com probabilidades a priori definidas.
Fluxo Principal: 1. Ao ser resolvido um teste online por um aluno (UC002), o Modelo de Adaptação recebe o percentual calculado para seu nível de aprendizado;
2. Com base nisto, o modelo de Adaptação executa a regra de adapta- ção correspondente;
3. O Modelo de Adaptação observa a nova evidência no nó correspon- dente ao conteúdo na RB;
4. O Modelo de Adaptação atualiza os dados do perfil do aluno;
5. A partir da inferência realizada na RB, o Modelo de Adaptação consulta os nós relacionados ao observado, conforme as definições da regra;
6. O Modelo de Adaptação analisa as probabilidades a posteriori calculadas nos nós de interesse;
7. O Modelo de Adaptação aplica ao aluno as modificações necessárias nos links do menu;
8. O Modelo de Adaptação efetiva as novas adaptações na página principal (Tela002).
Fluxos Alternativos e Exceções:
Pós-condições: - Uma nova adaptação foi realizada na estrutura de navegação do aluno no ambiente.
Fonte e/ou documentos relacionados:
Reuniões realizadas com especialista.
D DICIONÁRIO DE DADOS
Aqui apresenta-se o detalhamento das tabelas que compõem o modelo atual de banco de dados do protótipo, sendo estas: Usuário, Perfil, Aluno, Adaptação_Menu, Menu_Aluno, Disciplina, Turma, Matrícula, Conteúdo, Pré_Requisito, Questão, Opção e Resposta.
Considerando que neste sistema existem diferentes hierarquias de usuário, a tabela Usuário (Tabela 9) foi criada para armazenar seus dados de acesso ao ambiente, encontrando-se relacionada à tabela do perfil cadastral de cada tipo de usuário.
Tabela 9. Dicionário de Dados – Tabela Usuário
Coluna Tipo de Dado Chave Nulo Descrição AutoInc
id_pessoa INTEGER PK N Código de pessoa.
ds_senha VARCHAR(60) N Senha de acesso ao ambiente.
tp_usuario CHAR(1) N Tipo de usuário. ‘A’ = Aluno, ‘P’ = Professor e ‘C’ = Coordenador.
dt_criacao DATETIME N Data e hora de criação do usuário.
dt_acesso TIMESTAMP S Data e hora do último acesso do usuário ao ambiente.
qt_acessos INTEGER N Quantidade de acessos realizados no ambiente.
A tabela Perfil (Tabela 10) tem como objetivo armazenar dados atualizados das variáveis do perfil de usuário relacionado às adaptações do sistema, sendo aplicável somente a usuários do tipo Aluno.
Tabela 10. Dicionário de Dados – Tabela Perfil
Coluna Tipo de Dado Chave Nulo Descrição AutoInc
id_perfil INTEGER PK N Identificador do perfil do usuário. *
id_pessoa INTEGER N Migrado da tabela Usuário.
cd_conteudo_atual INTEGER N Conteúdo atual estudado pelo
aluno.
cd_atividade_atual INTEGER N Conteúdo relacionado às
atividades atuais (testes).
cd_nivel_questao INTEGER N Nível de questão atingido pelo
aluno.
cd_nivel_aprendizado CHAR(1) N Nível de aprendizado atual no conteúdo.
‘I’ = Insatisfatório, ‘R’ = Regular e ‘S’ = Satisfatório.