UM AGENTE DE DETECÇÃO NO CONTEXTO DE AGENTES COLABORADORES PARA O MONITORAMENTO E GESTÃO DA ESTRUTURA DE DADOS IN. Assim, este trabalho apresenta um agente de rastreamento (TAg) no contexto de sistemas multiagentes, responsável por gerenciar a estrutura de dados e realizar as atividades de monitoramento e interação definidas em seu modelo de atuação.
PROBLEMA DE PESQUISA
Solução Proposta
Isto é detalhado na Seção 2.2;. ii) Uma estrutura de dados baseada no modelo dimensional (KIMBALL, 2004), representado pelo Data Webhouse (DWh) que dará suporte aos sistemas de BI para extração de informações e conhecimento para tomada de decisão. À medida que o aluno navega no AVA, seus cliques são capturados e armazenados no banco de dados Moodle.
Delimitação de Escopo
Através de processos de extração, transformação e carregamento (ETL), os dados são extraídos e armazenados no DWh, que fica disponível de forma unificada e consistente. Os dados podem, portanto, ser utilizados pelos agentes da SMA para a realização dos seus processos, bem como pelo ator humano para a tomada de decisões.
Justificativa
Eles concordam em recomendar o desenvolvimento de apoio motivacional proativo por parte das instituições para a retenção de estudantes. Contrariando essa ideia, fica claro que a maioria das instituições é reativa, ou seja, espera que os alunos entrem em contato com elas para obter ajuda (WOODLEY; SIMPSON, 2014).
OBJETIVOS
Objetivo Geral
Objetivos Específicos
METODOLOGIA
- Metodologia de Pesquisa
- Coleta de Dados
- Ferramentas
- Procedimentos Metodológicos
A coleta de dados foi realizada no banco de dados MySQL utilizando a plataforma Moodle. É um IDE (Ambiente de Desenvolvimento Integral) para integração de dados para criar transformações e empregos.
ESTRUTURA DA DISSERTAÇÃO
Desenvolvimento: esta fase visa implementar procedimentos de coleta e armazenamento de dados do ambiente, e processá-los por meio de agentes de software inteligentes; Conclusão: esta fase tem como objetivo analisar as contribuições da pesquisa e apresentar sugestões relevantes para trabalhos futuros.
AGENTES E SISTEMAS MULTIAGENTES
Agentes e Sistemas Multiagentes
Na organização Expert Community, todos os agentes estão no mesmo nível, sendo que cada agente possui uma especialidade dentro de um domínio específico. Neste tipo de organização a interação entre os agentes ocorre de acordo com regras previamente estabelecidas.
Propriedades dos Agentes
Na Adaptação, um agente deve ajustar seu estado e comportamento de acordo com as condições ambientais. Na cooperação, um agente pode cooperar com outros agentes para atingir seus objetivos e os objetivos do sistema.
Comportamento do Agente Rastreador (TAg)
Na aprendizagem, um agente pode aprender com experiências anteriores à medida que interage com seu ambiente. Na mobilidade, um agente deve ser capaz de se deslocar de um ambiente para outro para atingir seus objetivos.
SISTEMA MULTIAGENTE ORIENTADO A MICROSSERVIÇOS
Quando um AC está sendo executado no modo independente, ele possui um agente local do Blackboard que lida com as comunicações dentro do contêiner. No entanto, quando um AC se conecta a um AS, cada agente local do Blackboard e cada AC são sincronizados com o AS do Blackboard para fornecer comunicações transparentes em todo o ecossistema.
AMBIENTE VIRTUAL DE APRENDIZAGEM
Principais AVA
Face à AGO principal, destacam-se os seguintes pontos: (i) Moodle: software de código aberto; (ii) Blackboard: sistema comercial próprio; (iii) Canvas: sistema comercial próprio; (iv) Brightspace: software comercial proprietário; (v) Sakai: software livre; (vi) Outros.
Moodle
Quanto à configuração voltada ao formato dos cursos, ela pode ser feita em três modalidades de acordo com a atividade a ser desenvolvida. Além disso, o ambiente pode ser integrado a outros sistemas como servidores de e-mail, diretórios de alunos, entre outros.
DATA WAREHOUSE E DATA WEBHOUSE
Data Webhouse a Evolução do DW para a Web
Dessa forma, os dados de comportamento do usuário gerados pela Web alimentam o Data Internet House (DWh), que permite uma análise detalhada do comportamento do usuário. Os dados presentes no servidor de produção são executados/copiados para uma área específica conhecida como área de staging (área fria). Desta forma, funciona como pós-processador clickstream, preparando os dados capturados para serem carregados no DWh.
Uma vez alimentados no DWh, os dados ficam disponíveis para pesquisa através do SMA e outras ferramentas.
REVISÃO SISTEMÁTICA DA LITERATURA
Resultados
ANÁLISE COMPARATIVA
- Example-Tracing Tutors: Intelligent Tutor Development for Non-
- A Learning Analytics tool with hybrid graphical and textual
- A Multi-Agent Architecture for Monitoring Tutoring Activities in VLEs 51
- Mining Moodle Data to Detect the Inactive and Lowperformance Students
Os autores queriam fornecer informações adicionais para criar um texto autoexplicativo sobre os dados que contém. Por fim, os autores relataram que o trabalho é um estudo preliminar sobre a criação de uma arquitetura multiagente para monitoramento de atividades de tutoria em AVAs. Os autores definiram o trabalho futuro como modelar e implementar SMA e realizar um estudo de caso para confirmar a eficácia da solução proposta.
Os autores também descobriram que a maioria dos alunos com alto desempenho completaram mais testes e tiveram mais participação em fóruns de discussão em comparação com os alunos com baixo desempenho.
CONSIDERAÇÕES
Finalmente, foram encontrados algoritmos de aprendizado de máquina apropriados para prever alunos inativos e de baixo desempenho. Com esta informação, o orientador/professor pode avisar os alunos via e-mail antes do exame final. O projeto provou ser eficaz em ajudar os alunos a aprender em ambientes reais de aprendizagem. 2016) apresentou uma abordagem sobre como visualizar e analisar a interação do aluno em sistemas de aprendizagem online e ambientes virtuais de aprendizagem (AVA).
2018) apresenta uma abordagem que visa monitorar as atividades dos alunos e prever alunos com baixo desempenho no Moodle.
MODELAGEM DE DADOS
Tabelas Selecionadas do Moodle
A Seção 4.1 apresenta a modelagem de dados com a apresentação de tabelas Moodle selecionadas para desenvolver o modelo dimensional proposto. A tabela mdl_log contém informações que permitem avaliar como cada usuário interage com o ambiente. As colunas azuis representam tabelas selecionadas do banco de dados Moodle, que são repassadas.
A tabela de fatos, mostrada em verde, contém dados da tabela mdl_log e links para as dimensões mostradas.
Modelo Dimensional do DWh
A tabela de fatos, mostrada em verde, contém dados da tabela mdl_log e links para as dimensões mostradas. iii) dim_context: armazena informações de contexto do usuário, tais como: o nível de contexto em que a ação ocorre, o tipo de ação realizada, o identificador do contexto em que a ação ocorre, o usuário associado à ação, entre outros; iv) dim_role: contém dados sobre as permissões e função do usuário no ambiente, como:. v) dim_tempo: tem a ver com medidas de datas, como: ano, semestre, trimestre, mês, semana, dia;. vi) dim_course: contém dados sobre os cursos, tais como: nome do curso, formato do curso, seções do curso, data de início e término do curso, entre outros; vii) dim_user: representa dados cadastrais do usuário, tais como: dados pessoais, nome completo do usuário, dados de localização, entre outros; viii) dim_quiz: abrange dados sobre os quizzes, tais como: data de abertura e encerramento do quiz, tentativas de resposta, nota final, entre outros; ix) dim_modules: contém dados sobre o tipo de módulo utilizado, como: quiz, fórum, entre outros. Começa selecionando as tabelas do modelo relacional que irão compor cada uma das dimensões. Após completar esta fase, através de processos ETL, os dados são normalizados para preencher cada uma das dimensões.
Após o preenchimento de todas as dimensões, a tabela de fatos é preenchida com as interações dos atores (entre outros, alunos, tutores).
MODELAGEM FUNCIONAL
Modelo de Papel
Serviço17 – Alunos_15_dias_sem_acesso Serviço18 – Mentores_7_dias_sem_acesso Serviço19 – Alunos_não_acessaram_curso Interação. Serviço20 – Notifica_IAg_15_dias_sem_acesso Serviço21 – Notifica_KAg_clickstreams_vamos Serviço22 – Notifica_PAg_taxa_progresso_curso. Primeiramente são preenchidas as dimensões que servirão de base para a criação da tabela de fatos. iv) Serviço4 – Carregar_dados_moodle: Extrai dados do sistema fonte para preencher a tabela de fatos.
Ele permite consolidar os dados extraídos e convertê-los em um formato específico para entrada no processamento de transformação. v) Serviço5 – Transform_dados: aplica uma série de transformações nos dados extraídos para derivar os dados a serem carregados na tabela de fatos.
Macroworkflow do Agente Rastreador
Após o login, o sistema inicia a coleta de dados de log, que são armazenados no banco de dados. O TAg coordena a manutenção do DWh solicitando serviços de atualização e recuperação de dados do componente DBPool. Desta forma, os dados da base de dados relacional são retidos no DWh de forma histórica.
Recupera dados do DWh por meio de consultas SQL de acordo com os parâmetros definidos no microsserviço.
IMPLEMENTAÇÃO DO AGENTE E MICROSSERVIÇOS
- Armazenamento de Dados
- Busca de Dados
- Monitoramento
- Interação
Com base nesta variável, os dados são lidos e armazenados em variáveis que representam os atributos da instrução SQL. Inicialmente são demonstradas as transformações, que são responsáveis por realizar operações nos dados para preencher cada uma das tabelas do modelo dimensional. Após realizar essas operações, os dados zero são tratados e os dados são selecionados para preencher a dimensão.
Depois de executar essas operações, os dados nulos serão processados e os dados serão selecionados para preencher as dimensões.
CONSIDERAÇÕES
Isso garante o baixo acoplamento da arquitetura, o que possibilita adaptá-la a outras plataformas, com alguns esforços e ajustes. A Seção 5.2 demonstra os serviços executados pelo Agente Rastreador (TAg), conforme definido em seu modelo.
ESTUDO DE CASO
Os alunos voluntários foram convidados a participar da pesquisa estando cientes e de acordo com os objetivos e atividades da pesquisa que irão realizar. Neste modelo, os itens de aprendizagem são sequenciados, sendo a conclusão de um pré-requisito para iniciar o próximo. O modelo de traço linear é utilizado quando o sujeito necessita de uma determinada sequência que ele entende (DOMAZET; GAVRILOVIĆ, 2015).
Com os dados disponíveis na base de dados Moodle, iniciaram-se os processos definidos para o TAg.
AVALIAÇÃO DOS RESULTADOS
- Armazenamento de Dados
- Busca de Dados
- Monitoramento
- Interação
- Visualização de Informações por meio de Dashboards
- Confirmação das Hipóteses
A Figura 29 mostra a chamada ao procedimento armazenado do “Service19 – Estudantes_não_acessaram_curso” feita no SGBD. O exemplo mostrado consiste em informações como: (i) quantidade de usuários cadastrados em um curso; (ii) a cidade dos usuários; (iii) nível de escolaridade; (iv) quantidade de ações. Verificou-se que o usuário teve um número menor de acessos ao ambiente do que o mostrado na Figura 36.
A informação pode ser usada para gerar conhecimento e melhorar os processos de tomada de decisão.
CONSIDERAÇÕES
É uma das propriedades intrínsecas dos agentes de software (GARCIA et al., 2001); iii) Colaboração (CO): Os modelos de colaboração têm sido amplamente utilizados na criação de grandes sistemas de software. Da mesma forma, Fontes et al. 2016) utiliza SMA desenvolvido na plataforma JADE em sua abordagem. A utilização de um modelo adaptável ao business intelligence foi verificada no trabalho de Filvà et al.
Embora Hussain et al. 2018) não detalha o modelo de dados utilizado, utiliza ferramentas de análise de BI para manipular os dados coletados.
DIFICULDADES E LIMITAÇÕES
O TAg participa e interage com o IAg e lhe fornece notificações decorrentes das atividades de monitoramento conforme demonstrado nos resultados. O terceiro e último objetivo específico menciona a necessidade de definição de um conjunto de atributos a serem utilizados como métrica para comparação com peças semelhantes. O objetivo foi alcançado especificando atributos e comparando com partes semelhantes, conforme mostrado no Capítulo 6.
CONTRIBUIÇÕES DA DISSERTAÇÃO
Publicações em Eventos
Titulo Collaborative Agents in Adaptative VLEs: Towards an Interface Agent for Interactivity and Decision-making Improvement.
TRABALHOS FUTUROS
Disponível em:
Disponível em:
