Virtual.prob- ambiente virtual para auxílio e verificação do aprendizado

Texto

(1)Universidade Federal de Pernambuco Centro de Informática. Pós-gradua¸cão em Ciência da Computa¸cão. VIRTUAL.PROB - AMBIENTE VIRTUAL ˜ DO PARA AUXÍLIO E VERIFICAC ¸ AO APRENDIZADO Márcia Häfele Islabão ˜ DE MESTRADO DISSERTAC ¸ AO. Recife 18 de fevereiro de 2004.

(2) Universidade Federal de Pernambuco Centro de Informática. Márcia Häfele Islabão VIRTUAL.PROB - AMBIENTE VIRTUAL PARA AUXÍLIO E ˜ DO APRENDIZADO VERIFICAC ¸ AO. Trabalho apresentado ao Programa de P´ os-gradua¸ c˜ ao em Ciˆ encia da Computa¸ c˜ ao do Centro de Inform´ atica da Universidade Federal de Pernambuco como requisito parcial para obten¸ c˜ ao do grau de. Mestre em Ciˆ encia da Com-. puta¸ c˜ ao.. Orientadora: Profa. Dra. Marc´ılia Andrade Campos Co-orientadora: Profa. Dra. Patr´ıcia Cabral de Azevedo Restelli Tedesco. Recife 18 de fevereiro de 2004.

(3) Aos meus amados pais Sinval e Van´ı, ao meu amado irm˜ ao Tiago e ao meu amor Theo..

(4) AGRADECIMENTOS Primeiramente quero agradecer a Deus que esteve sempre presente em minha vida, me dando for¸ca, coragem, esperan¸ca, luz e sabedoria. Obrigada meu Deus por ter me guiado em meus momentos de fraqueza e por nunca ter deixado eu desistir dos meus sonhos. Obrigada por teres colocado em meu caminho pessoas maravilhosas, pessoas essas que também quero agradecer. Aos meus amados pais Sinval e Vani, por todo amor, carinho e dedica¸cão. Obrigada por sempre acreditarem em mim e apoiarem minhas escolhas. Tudo o que sou e conquistei devo a vocês meus velhos. Ao meu irmão Tiago, por ser uma pessoa tão alegre e capaz de passar essa alegria para mim. Obrigada pelas vezes que me alegrastes e me fizestes sorrir quando na verdade eu queria chorar. Obrigada por sempre acreditares em mim. Obrigada meu amado irmão e amigo por todo amor, carinho e amizade. Ao meu amor e namorado Theo, por todo amor, carinho, amizade, confian¸ca e paciência. Mesmo com toda distância que nos separava sempre se fez presente. Obrigada por teres dividido comigo todos os meus medos, afli¸cões e ang´ ustias. Obrigada por sempre estares disposto a me ouvires. Obrigada amor da minha vida por teres acreditado, assim como eu, no nosso amor. Aos meus amigos Rafael, Marcelo, Cibele, Ana e Gleifer, por todo esse tempo que passamos juntos. Assim ficou menos dif´ıcil de suportar a distância. Obrigada pelos consolos, risadas, lágrimas, festas e broncas. A minha amiga Raquel, por sempre torcer para o meu retorno ao Sul. A vocês meus amigos, obrigada por toda amizade e carinho. Ao Gustavo, por todo esfor¸co e dedica¸cão. Obrigada por teres contribu´ıdo, no desenvolvimento do trabalho, com o teu conhecimento. Obrigada por teres aturado o meu nervosismo e obrigada pela tua amizade. As minhas orientadoras Marc´ılia e Patr´ıcia, pela dedica¸cão. Obrigada por terem contribu´ıdo, através de seus conhecimentos, no desenvolvimento do trabalho. Obrigada por toda paciência e aux´ılio nos momentos em que precisei.. iv.

(5) Metade... E que a for¸ ca do medo que tenho n˜ ao me impe¸ ca de ver o que anseio Que a morte de tudo em que acredito N˜ ao me tape os ouvidos nem a boca Porque metade de mim ´ e o que eu grito Mas a outra metade ´ e silˆ encio Que a m´ usica que eu solo hoje seja linda mesmo que em tristeza E que o homem que eu amo Seja pra sempre amado mesmo que distante Porque metade de mim ´ e partida E a outra metade ´ e saudade Que as palavras que eu falo n˜ ao sejam ouvidas como prece Nem repetidas com fervor, apenas respeitadas Como a ´ unica coisa que resta a um homem inundado de sentimentos Porque metade de mim ´ e o que ou¸ co mas a outra metade ´ e o que calo Que essa minha vontade de ir embora se transforme na calma e na paz que eu mere¸ co Que essa tens˜ ao que me corr´ oi por dentro seja um dia recompensada Porque metade de mim ´ e o que penso E a outra metade ´ e um vulc˜ ao Que o medo da solid˜ ao se afaste E que o conv´ıvio comigo mesmo se torne ao menos suport´ avel E que o espelho reflita em meu rosto um doce sorriso que eu lembro ter dado na infˆ ancia Porque metade de mim ´ e a lembran¸ ca do que fui E a outra metade eu n˜ ao sei Que n˜ ao seja preciso mais do que uma simples alegria para me fazer aquietar o esp´ırito E que o teu silˆ encio me fale cada vez mais Porque metade de mim ´ e abrigo Mas a outra metade ´ e cansa¸ co Que a arte nos aponte uma resposta, mesmo que ela n˜ ao saiba E que ningu´ em a tente complicar Porque ´ e preciso simplicidade para fazˆ e-la florescer Porque metade de mim ´ e a plat´ eia E a outra metade ´ e can¸ c˜ ao E que a minha loucura seja perdoada Porque metade de mim ´ e amor E a outra metade... ... tamb´ em —.

(6) RESUMO Este trabalho apresenta o ambiente virtual de aprendizagem, Virtual.Prob, cujo objetivo é auxiliar o aluno no estudo de Probabilidade da disciplina Estat´ıstica e Probabilidade para Computa¸cão (ET 586), dos cursos de Ciência da Computa¸cão e Engenharia da Computa¸cão, ambos da UFPE. Virtual.Prob é baseado na técnica de aprendizado de máquina conhecida como Redes Bayesianas (RB). As RB são formadas por uma parte qualitativa e uma quantitativa. A parte qualitativa é o modelo Gráfico (Grafo Ac´ıclico Direcionado - GAD) onde as variáveis são os nós que compõem a rede. Esta inclui também as regras (links), que são as rela¸cões de dependência entre as variáveis. A parte quantitativa é o conjunto de probabilidades condicionais associadas aos arcos existentes no modelo gráfico e as probabilidades estimadas das variáveis. No ambiente Virtual.Prob cada aluno tem sua RB, sendo nela armazenadas as probabilidades que representam o seu desempenho em rela¸cão ao conte´ udo de cada nó. O ambiente conta com a presen¸ca de um assistente virtual que fornece sugestões ao usuário de acordo com o seu desempenho. No Virtual.Prob está dispon´ıvel ao usuário além do conte´ udo de Probabilidade, incluindo exemplos e exerc´ıcios a serem solucionados, outros recursos, tais como ajuda, mural de not´ıcias e navega¸cão na Web. Virtual.Prob possui um sistema de monitora¸cão do desempenho de cada aluno. O professor ou monitor tem acesso a este sistema, onde as informa¸cões fornecidas tornamse importantes ferramentas para verificar em que tópicos espec´ıficos os alunos estão encontrando dificuldades. O aluno também tem acesso ao seu próprio desempenho, tornando poss´ıvel que ele verifique em que determinado assunto deve concentrar esfor¸cos. O ambiente Virtual.Prob foi testado, com êxito, pelos alunos dos cursos de Ciência da Computa¸cão e Engenharia da Computa¸cão (CIn-UFPE). Através dos resultados obtidos, sugestões de trabalhos futuros surgiram, tais como, expansão da Rede Bayesiana e da base de conhecimento, refinamento da proposta do assistente virtual, implementa¸cão de um corretor de respostas, visualiza¸cão gráfica e a implanta¸cão de um chat. Palavras-chave: Ambientes de aprendizagem, Probabilidade, Redes Bayesianas.. vi.

(7) ABSTRACT This work presents a virtual learning environment, Virtual.Prob, whose objective is to help the student to study Probability in the discipline Statistics and Probability for Computing (ET 586). This discipline is part of the Computer Engineering and Computer Science courses at UFPE. Virtual.Prob is based on the machine learning technique known as Bayesian Networks (BN). The BN are formed by a qualitative part and a quantitative one. The qualitative part is the Graphical model (Directed Aciclic Graph - DAG) where the variables are the nodes that compose the net. This also includes the rules (links), that represent dependence relations between the variables. The quantitative part is the set of conditional probabilities associated to the existing arcs in the graphical model and the estimated probabilities of the variables. In Virtual.Prob each student has a BN. The probabilities that represent the performance of the student in relation to the content of each node are stored in his BN. The environment has also a virtual assistant who gives suggestions to the user in accordance to his performance. In Virtual.Prob, besides the contents related to Probability (which include examples and exercises), other resources are also available, namely: help, notice board, and a Web browser. Virtual.Prob has a monitoring system for the performance of each student. The professor or monitor has access to this system, where the supplied information became an important tool to verify which specific topics the students are finding difficulties. The student can access his own performance, so that he can verify in which topics he should concentrate efforts. The Virtual.Prob environment was tested, with success, by students of the courses of Computer Science and Computer Engineering (CIn-UFPE). The results of our experiment include suggestions of further work, such as the expansion of the BN and the knowledge base, refinement of the virtual assistant, implementation of a corrector of answers, graphical visualization and a chat room. Keywords: Learning environments, Probability, Bayesians Networks.. vii.

(8) ´ SUMARIO. Lista de Figuras. x. Lista de Tabelas. xi. Cap´ıtulo 1—Introdu¸c˜ ao. 1. 1.1 1.2. Metodologia . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Organiza¸cão da Disserta¸cão . . . . . . . . . . . . . . . . . . . . . . . . .. Cap´ıtulo 2—Ambientes Inteligentes de Aprendizagem 2.1 2.2. 2.3. Inteligência Artificial na Educa¸cão . . Ambientes de Aprendizado . . . . . . 2.2.1 Sistemas Tutores Inteligentes 2.2.2 Agentes Inteligentes . . . . . . 2.2.3 Modelagem de Usuário . . . . Considera¸cões Finais . . . . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. 4 . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. Cap´ıtulo 3—Redes Bayesianas Probabilidade: Introdu¸cão . . . . . . . . . . . . . 3.1.1 M− Probabilidade . . . . . . . . . . . . . . 3.1.2 IA− Probabilidade . . . . . . . . . . . . . . 3.2 Aplicando o Teorema de Bayes: Redes Bayesianas 3.2.1 Trabalhos Relacionados . . . . . . . . . . . 3.3 Considera¸cões Finais . . . . . . . . . . . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. . . . . . .. Cap´ıtulo 4—Virtual.Prob. 4.2 4.3. 4 5 11 18 19 24 25. 3.1. 4.1. 2 3. 25 25 28 30 35 37 39. Modelagem Conceitual do Sistema . 4.1.1 Estrutura da Rede . . . . . 4.1.2 Monitorando o aluno . . . . 4.1.3 Arquitetura do Virtual.Prob Aplicando Virtual.Prob . . . . . . . Estudo de Caso . . . . . . . . . . . 4.3.1 Participantes . . . . . . . . 4.3.2 Tarefa . . . . . . . . . . . . 4.3.3 Teste de Usabilidade . . . . viii. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. . . . . . . . . .. 39 39 40 42 44 52 53 53 53.

(9) ´rio suma. 4.4. 4.3.4 Teste de Qualidade . . . . . . . . . . . . . . . . . . . . . . . . . . Considera¸cões Finais . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. Cap´ıtulo 5—Conclus˜ oes 5.1 5.2. Contribui¸cões . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Trabalhos Futuros . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .. ix 54 54 55 55 56. Referˆ encias Bibliogr´ aficas. 58. Apˆ endice A—Question´ ario 1. 62. Apˆ endice B—Question´ ario 2. 64. Apˆ endice C—Question´ ario 3. 65.

(10) LISTA DE FIGURAS. 2.1. Componentes de um STI genérico . . . . . . . . . . . . . . . . . . . . . . .. 13. 3.1 3.2. Exemplo ilustrativo de uma RB . . . . . . . . . . . . . . . . . . . . . . . . Topologia da RB referente ao Exemplo 3.1 . . . . . . . . . . . . . . . . . . .. 32 33. 4.1. RB referente ao conte´ udo de Probabilidade da disciplina lidade para Computa¸c˜ ao (CIn-UFPE) . . . . . . . . . RB com as probabilidades dos nós . . . . . . . . . . . Arquitetura do ambiente Virtual.Prob . . . . . . . . . Interface do Virtual.Prob . . . . . . . . . . . . . . . . Mural de not´ıcias do Virtual.Prob . . . . . . . . . . . Cadastro do usuário no Virtual.Prob . . . . . . . . . . Cadastro do usuário no Virtual.Prob . . . . . . . . . . Tela inicial do Virtual.Prob . . . . . . . . . . . . . . Menu principal do Virtual.Prob . . . . . . . . . . . . Ajuda do Virtual.Prob . . . . . . . . . . . . . . . . . Conte´ udo apresentado no Virtual.Prob . . . . . . . . . Lista de exerc´ıcios do Virtual.Prob . . . . . . . . . . . Exerc´ıcio a ser realizado no Virtual.Prob . . . . . . . . Lista de exerc´ıcios realizados no Virtual.Prob . . . . . Assistente virtual do Virtual.Prob . . . . . . . . . . . Assistente virtual do Virtual.Prob . . . . . . . . . . . Assistente virtual do Virtual.Prob . . . . . . . . . . . Assistente virtual do Virtual.Prob . . . . . . . . . . . Assistente virtual do Virtual.Prob . . . . . . . . . . . Andamento do usuário no Virtual.Prob . . . . . . . . Desempenho do usuário no Virtual.Prob . . . . . . . . Desempenho do usuário no Virtual.Prob . . . . . . . . Sistema de monitoramento do Virtual.Prob . . . . . .. 40 42 43 44 45 45 46 46 47 47 48 48 49 49 49 50 50 50 50 51 51 52 52. 4.2 4.3 4.4 4.5 4.6 4.7 4.8 4.9 4.10 4.11 4.12 4.13 4.14 4.15 4.16 4.17 4.18 4.19 4.20 4.21 4.22 4.23. x. Estat´ıstica e Probabi-. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . .. . . . . . . . . . . . . . . . . . . . . . . ..

(11) LISTA DE TABELAS. 3.1. Probabilidades condicionais referente ao Exemplo 3.1 . . . . . . . . . . .. xi. 34.

(12) CAPÍTULO 1. ˜ INTRODUC ¸ AO Aprender Matemática, de modo geral, é uma tarefa árdua. No caso de Probabilidade, a dificuldade adicional está ligada a (i) raciocinar considerando o acaso; e (ii) ao conhecimento de matemática que suporta os conceitos probabil´ısticos. No caso particular dos alunos de Ciência da Computa¸cão e Engenharia da Computa¸cão da UFPE, a dificuldade inicial pode ser resumida na seguinte pergunta: para que serve tudo isso? Portanto, com o objetivo de solucionar essa pergunta e auxiliar esses alunos, este trabalho apresenta o desenvolvimento do ambiente virtual de aprendizagem Virtual.Prob, que auxiliará no estudo de Probabilidade, como parte da disciplina Estat´ıstica e Probabilidade para Computa¸cão (ET 586). O objetivo principal dos ambientes virtuais de aprendizagem é melhorar o aprendizado do usuário (aluno). A idéia de utilizar máquinas como ferramentas educacionais é anterior ao próprio aparecimento dos computadores. A principal preocupa¸cão sempre foi o desenvolvimento de sistemas que permitissem ao usuário interagir diretamente com o computador. Ao longo desses anos, experiências na tentativa de construir softwares de ensino foram realizadas, mas algumas fracassaram devido ao fato de serem simples retransmissores de conhecimento, não tendo qualquer preocupa¸cão com as caracter´ısticas particulares de seus usuários. Um dos pontos fundamentais para o sucesso do desenvolvimento de um ambiente virtual de aprendizagem está relacionado à Modelagem do Usuário (MU). Um modelo do usuário é uma representa¸cão expl´ıcita de propriedades de um usuário em particular, que permite que um sistema adapte diversos aspectos de seu desempenho e de suas funcionalidades às necessidades individuais deste usuário. Assim, ao longo do tempo técnicas de MU foram sendo investigadas, como por exemplo, as de aprendizagem de máquina (AM) (Mitchell, 1997). As pesquisas na área de MU come¸caram com os Sistemas Tutores Inteligentes (STI). A preocupa¸cão inicial era de construir modelos que representassem as caracter´ısticas do estudante da maneira mais completa poss´ıvel. Estes modelos, tipicamente baseados em regras, eram expl´ıcitos e sofisticados, o que levou a um problema de eficiência (o esfor¸co computacional utilizado para realizar as inferências não compensava os resultados em termos de adapta¸cão). Um outro problema sério dos modelos do usuário desta época era a precisão. Como garantir que o modelo do usuário está inicialmente correto? E que se mantém correto durante a intera¸cão? (Rosatelli e Tedesco, 2003). A técnica de aprendizado de máquina conhecida como Redes Bayesianas (RB), é baseada no teorema de Bayes (Meyer, 1983). A vantagem principal das RB quando 1.

(13) 1.1 metodologia. 2. comparadas com outras representa¸cões de probabilidades, é que elas representam relacionamentos probabil´ısticos de uma forma concisa (Mitchell, 1997). O mecanismo de inferência é baseado no conceito de probabilidade condicional e no teorema de Bayes. Em uma RB, a independência entre as variáveis de uma distribui¸cão de probabilidade conjunta é representada por meio de Grafos Ac´ıclicos Dirigidos (GAD). A cada variável aleatória é associado um nó no grafo. O relacionamento entre estas variáveis é modelado por arestas dirigidas. Essas arestas representam dependências entre as variáveis (nós) ligadas (os) (Russell e Norvig, 2003). O ambiente Virtual.Prob é baseado na técnica de aprendizado de máquina denominada RB. A modelagem do usuário (aluno), foi desenvolvida através de uma RB, onde o modelo do usuário é um GAD. O objetivo do Virtual.Prob é auxiliar os alunos no estudo de Probabilidade. O ambiente não pretende substituir o professor, muito pelo contrário, espera-se que com o uso deste, o aluno possa verificar onde estão concentradas suas dificuldades e superá-las com a ajuda do professor. Os usuários do Virtual.Prob, no momento, são os alunos da disciplina Estat´ıstica e Probabilidade para Computa¸c˜ ao (CIn-UFPE). O desenvolvimento do ambiente, foi supervisionado pelo professor da disciplina. 1.1. METODOLOGIA. A metodologia utilizada para elabora¸cão do trabalho procedeu-se da seguinte maneira: • Primeiramente, foi realizado um estudo bibliográfico em rela¸cão aos ambientes de aprendizado encontrados na literatura; também foram estudadas técnicas de Inteligência Artificial aplicadas no desenvolvimento de ambientes de aprendizado, Sistemas Tutores Inteligentes e o uso de agentes nesses ambientes. Com essa fundamenta¸cão teórica, pôde-se dar in´ıcio ao desenvolvimento do Virtual.Prob. • Em seguida, foram estudadas técnicas utilizadas na modelagem de usuário existentes na literatura. A seguir, foi realizado um estudo sobre Redes Bayesianas para realizar a modelagem do usuário. Como as Redes Bayesianas são baseadas no teorema de Bayes, foi necessário estudar conceitos básicos de Probabilidade fundamentais para o entendimento de tal aplica¸cão. • Após esses estudos, com o aux´ılio do professor e monitores da disciplina, iniciou-se a coleta de informa¸cões para o desenvolvimento do Virtual.Prob. Um questionário foi aplicado aos alunos da disciplina para descobrir onde estavam concentradas suas principais dificuldades. Com essas informa¸cões foi poss´ıvel realizar a modelagem do usuário e a implementa¸cão do ambiente. • Por fim, para verificar se o Virtual.Prob alcan¸cou os resultados esperados, foram realizados os testes de usabilidade e qualidade do ambiente..

(14) õ da dissertac õ 1.2 organizac ¸a ¸a 1.2. 3. ˜ DA DISSERTAC ˜ ORGANIZAC ¸ AO ¸ AO Esta disserta¸cão está organizada da seguinte maneira: • No cap´ıtulo 2 é apresentada uma breve introdu¸cão aos ambientes inteligentes de aprendizado e descritos exemplos de ambientes encontrados na literatura. Técnicas de Inteligência Artificial serão apresentadas e sua importância no desenvolvimento de ambientes de aprendizado será discutida. Sistemas Tutores Inteligentes e exemplos desses sistemas também serão tratados. O uso dos agentes em ambientes de aprendizado também é enfocado. Esse referêncial teórico foi de fundamental importância para o desenvolvimento do Virtual.Prob. • No cap´ıtulo 3 é apresentada a técnica de aprendizado de máquina conhecida como Redes Bayesianas, conceitos de Probabilidade fundamentais para o entendimento da aplica¸cão das Redes Bayesianas e trabalhos relacionados com o tema desta disserta¸cão. O referencial teórico neste cap´ıtulo serviu como base fundamental para a realiza¸cão da modelagem do usuário no Virtual.Prob, abordado no cap´ıtulo seguinte. • O Virtual.Prob, seu desenvolvimento, aplica¸cão e funcionalidades são apresentados no cap´ıtulo 4. • Por fim, no cap´ıtulo 5 serão apresentadas as conclusões e contribui¸cões deste trabalho e os poss´ıveis trabalhos futuros..

(15) CAPÍTULO 2. AMBIENTES INTELIGENTES DE APRENDIZAGEM Neste cap´ıtulo, serão discutidos os principais conceitos relevantes aos ambientes de aprendizado, técnicas de Inteligência Artificial (IA) e Sistemas Tutores Inteligentes (STI). O referencial teórico apresentado a seguir foi de fundamental importância para o desenvolvimento do ambiente Virtual.Prob. 2.1. ˆ ˜ INTELIGENCIA ARTIFICIAL NA EDUCAC ¸ AO. A idéia de utilizar máquinas como ferramentas educacionais é anterior ao próprio aparecimento dos computadores. A principal preocupa¸cão sempre foi o desenvolvimento de sistemas que permitissem ao aluno interagir diretamente com o computador. Ao longo desses anos, várias experiências na tentativa de construir softwares de ensino foram realizadas, mas fracassaram devido ao fato de serem simples retransmissores de conhecimento, não tendo qualquer preocupa¸cão com as caracter´ısticas particulares de seus usuários (Tedesco, 1997). A Inteligência Artificial na Educa¸cão (IAED) - do inglês Artificial Intelligence in Education, pode ser vista como resultado da busca por ampliar as possibilidades no desenvolvimento de software educacional, devido às limita¸cões das técnicas convencionais de modelagem empregadas no desenvolvimento destes sistemas. Os primeiros softwares educacionais come¸caram a surgir na década de sessenta e receberam a denomina¸cão de Instru¸cão Assistida por Computador (IAC) - do inglês Computer Aided Instruction. Os objetivos principais destas ferramentas eram permitir a intera¸cão entre estudantes e máquinas e auxiliar o processo de aprendizagem. Nos anos setenta, pesquisadores come¸caram a estudar formas de possibilitar que os softwares educacionais se adaptassem ao usuário. Uma solu¸cão proposta foi a de embutir nos sistemas conhecimento suficiente para que estes fossem capazes de tomar decisões pedagógicas a cada nova situa¸cão enfrentada (Tedesco, 1997). A partir disto, surgiram os Sistemas Tutores Inteligentes (STI) - do inglês Intelligent Tutoring System, que têm a capacidade de se adaptarem às necessidades de cada usuário. Com a evolu¸cão das técnicas de IA, aumentou-se o grau de “inteligência” dos sistemas educacionais e dificuldades estão sendo aos poucos superadas. Uma das principais motiva¸cões para as pesquisas em IAED é o desenvolvimento de princ´ıpios pelos quais os ambientes de aprendizagem computacionais possam ser concebidos como lugares onde os estudantes possam ter experiências de aprendizagem individualizadas, isto. 4.

(16) 2.2 ambientes de aprendizado. 5. é, experiências que sejam fundamentais e benéficas para eles (Self, 1999). 2.2. AMBIENTES DE APRENDIZADO. Os softwares educacionais geralmente estão ligados a alguma filosofia educacional. Os sistemas do tipo “ambientes de aprendizagem” têm rela¸cão direta com a abordagem Piagetiana, onde o aluno constrói seu conhecimento de acordo com seu próprio ritmo (Piaget, 1983). O objetivo desses sistemas é promover o aprendizado com ferramentas que auxiliem o estudante a explorar teorias constru´ıdas por ele próprio. Um dos primeiros softwares educacionais desenvolvidos foi o LOGO. O conceito básico do LOGO é a idéia de que é mais importante ajudar os alunos a desenvolverem e depurarem suas próprias teorias, do que lhes ensinar as teorias consideradas corretas pelos professores (Papert, 1980). O LOGO nasceu com base nas referências teóricas sobre a natureza da aprendizagem desenvolvidas por Piaget (reinterpretadas por Papert), e nas teorias computacionais, principalmente a da IA. No Brasil, durante vários anos pesquisou-se uma forma para formar professores que atuassem no ambiente LOGO. Porém, somente em tempos mais recentes é que houveram estudos mais aprofundados para explicitar mais claramente a forma¸cão e o campo de atua¸cão necessários ao professor que utilizaria o ambiente. Os procedimentos de análise e corre¸cão no processo de aprendizagem pelo LOGO possibilitam a descoberta de diferentes caminhos na solu¸cão de problemas, sendo que esses caminhos advém de um contexto cultural onde não há certo e errado, pois as solu¸cões são pessoais. O computador pode concretizar e personalizar o formal e sendo bem utilizado permite abordar de forma concreta os conhecimentos até então somente acess´ıveis via processos formais (Papert e Resnick, 1995). A media¸cão, tanto nos seus aspectos f´ısicos como simbólicos é feita pela “tartaruga” (cursor gráfico que se tornou s´ımbolo do LOGO), que se move no espa¸co ou na tela em resposta a comandos fornecidos ao computador. Com o projeto An Evaluative Study of Modern Technology in Education, o LOGO come¸cou a sair dos laboratórios e passou a ser utilizado nas escolas. Seu objetivo era ensinar geometria às crian¸cas. Segundo as concep¸cões de Papert, (Papert e Resnick, 1995) o erro não é uma falha, e sim um importante fator de aprendizagem, pois o aluno está desenvolvendo racioc´ınio. Dessa forma, o aprendiz tem a oportunidade de buscar uma nova solu¸cão para o problema, investigando, explorando, descobrindo por si próprio, ou seja, a aprendizagem pela descoberta. Como decorrência dos escritos iniciais de Papert e de relatos de experiências que sugeriam que o LOGO poderia ser utilizado sem o aux´ılio do professor, iniciou-se sua dissemina¸cão nas escolas. Porém, logo surgiu um grande descontentamento com os resultados obtidos. O que se pode observar é que estes deixaram muito a desejar em rela¸cão ao que se esperava que o LOGO poderia fazer pela Educa¸cão. Sabemos que o.

(17) 2.2 ambientes de aprendizado. 6. papel do professor no ambiente LOGO é fundamental e que o preparo do professor não é trivial (Papert e Resnick, 1995). Os jogos educacionais também têm um enorme potencial como ferramenta no processo de ensino-aprendizagem, podendo fornecer um ambiente de aprendizado rico e complexo. Muitas habilidades dos usuários podem ser exploradas em um ambiente deste tipo. Uma das razões principais para utiliza¸cão de jogos como ferramenta de aprendizado é o alto grau de motiva¸cão do usuário (Tedesco, 1997). Os jogos são uma das ferramentas educacionais que mais conseguem despertar o interesse do usuário. Portanto, um jogo bem projetado tem boas possibilidades de se tornar uma ferramenta de ensino eficaz. O brincar, através do jogo, é uma atividade natural da crian¸ca. Entretanto, é importante pensar no jogo como um meio educacional, deixando de lado a idéia do jogo pelo jogo, e observando-o como um instrumento de trabalho e um meio para atingir objetivos preestabelecidos, como o desenvolvimento de conte´ udos curriculares (Friedmann, 1996). Os jogos de computador dispensam apresenta¸cão em virtude de sua atual popularidade, especialmente entre jovens. O grau de evolu¸cão tecnológica deste tipo de software, nos u ´ltimos anos, tem sido surpreendente. Embora ainda em minoria, os jogos educacionais por computador são uma modalidade de software educacional que se utiliza do computador de forma l´ udica (Battaiola, 2000). Segundo Giraffa (Giraffa et al., 1999), o projeto de um software educacional implica numa série de tomadas de decisões que vão desde o aspecto técnico até o aspecto pedagógico. A escolha da modalidade de software educacional que se deseja implementar traz consigo uma série de pressupostos psico-pedagógicos que devem ser observados pelos projetistas. Estes pressupostos refletem a cren¸ca que o projetista possui a respeito de Educa¸cão. Segundo Ribeiro (Ribeiro, 2000), uma abordagem multiagentes mostra-se uma alternativa bastante interessante para a implementa¸cão de um ambiente de aprendizagem, pois permite a integra¸cão dos diversos componentes do ambiente de aprendizagem, permitindo um melhor tratamento dos seguintes aspectos: • a distância dos usuários, ou seja, distância de alunos e professores; • o ritmo de aprendizagem de cada aluno; • o acompanhamento individualizado dos alunos, além de estabelecer uma verdadeira parceria entre os diversos agentes do sistema, sejam eles humanos ou artificiais. Quando utilizada esta abordagem no contexto de ambientes de ensino, os agentes auxiliam o professor fornecendo informa¸cões sobre o histórico do aluno, ou ajudando a estabelecer contatos entre professores e alunos, ou mesmo entre os alunos (Ribeiro, 2000). Dentro da abordagem de sistemas multiagentes, a concep¸cão de um ambiente de.

(18) 2.2 ambientes de aprendizado. 7. aprendizagem é vista como uma ferramenta de aux´ılio ao trabalho de ensino como um todo, criando um contexto para a intera¸cão entre o estudante e o professor da forma mais flex´ıvel poss´ıvel, e visando a adapta¸cão do ensino para cada aluno. Assim, a aprendizagem pode se concretizar de uma forma mais ampla. Exemplos de Ambientes de Aprendizado Na literatura, encontra-se diversos exemplos de ambientes de aprendizagem. Percebese uma grande importância destes ambientes na educa¸cão. A seguir serão apresentados alguns destes exemplos. TelEduc O TelEduc1 é um ambiente para a cria¸cão, participa¸cão e administra¸cão de cursos na Web. Ele foi desenvolvido tendo como objetivo o processo de forma¸cão de professores para Informática Educativa (IE), baseado na metodologia de forma¸cão contextualizada desenvolvida por pesquisadores do N´ ucleo de Informática Aplicada à Educa¸cão da Universidade Estadual de Campinas - NIED/UNICAMP. Foi desenvolvido de forma participativa, ou seja, todas as suas ferramentas foram idealizadas, projetadas e depuradas segundo necessidades relatadas por seus usuários. Com isso, o TelEduc apresenta caracter´ısticas que o diferenciam dos demais ambientes para Educa¸cão a Distância dispon´ıveis no mercado, como a facilidade de uso por pessoas não especialistas em Computa¸cão, a flexibilidade de uso e um conjunto enxuto de funcionalidades. O TelEduc foi concebido tendo como elemento central a ferramenta que disponibiliza atividades. Isso possibilita a a¸cão onde o aprendizado de conceitos em qualquer dom´ınio do conhecimento é feito a partir da resolu¸cão de problemas, com o subs´ıdio de diferentes materiais didáticos como textos, software, referências na Internet, dentre outros, que podem ser colocadas para o aluno usando ferramentas como, material de apoio, leituras, perguntas freq¨ uentes, etc. TecLec O TecLec2 é uma plataforma resultante de estudos e protótipos desenvolvidos por um grupo de pesquisadores do Laboratório de Estudos Cognitivos da Universidade Federal do Rio Grande do Sul - LEC/UFRGS, em projetos da Organiza¸cão dos Estudos Ameri´ um recurso u canos (OEA) relativos aos anos de 1998/1999. E ´til para o enriquecimento do trabalho pedagógico, fomentando possibilidades novas e criativas para professores e alunos. O modelo pedagógico utilizado no TecLec é dinâmico, prevendo uma constante reconstru¸cão do ambiente, conforme as diferentes intera¸cões dos participantes, em fun¸caõ 1 2. url: http://teleduc.nied.unicamp.br/∼teleduc url: http://teclec.psico.ufrgs.br/oea2000.

(19) 2.2 ambientes de aprendizado. 8. de seus variados contextos. Desta forma, cada curso e cada comunidade que ali está trabalhando cooperativamente produz resultados próprios dos processos interativos que ali acontecem, tornando-se originais e particulares. A partir de determinados pontos de partida, todos serão sempre desafiados a se manifestar ativa e reflexivamente diante das discussões teóricas e dos projetos desenvolvidos. Mediante o constante exerc´ıcio de uma postura de indaga¸cão, cuja essência é a participa¸cão no processo coletivo de a¸cão e reflexão pedagógica, o ambiente TecLec permite a cria¸cão de comunidades cr´ıticas de professores que, através da investiga¸cão cooperativa, promovam transforma¸cões nas práticas educativas que possam repercutir em modifica¸cões nas estruturas institucionais e sociais. SIROS O ambiente SIROS3 faz parte de um projeto de pesquisa desenvolvido no NIED/UNICAMP que propõe o uso da Robótica e da TeleRobótica para controlar dispositivos robóticos via Internet em atividades pedagógicas. O ambiente usa diferentes tipos de dispositivos mecânicos automatizados integrando ferramentas de hardware tais como kits educacionais LEGO, Robix, Meccano, dentre outros. Para controlar os diversos dispositivos mecânicos automatizados, o ambiente Siros acrescenta comandos computacionais à Linguagem de Programa¸cão SuperLogo. Galileu Galileu4 é um ambiente de aprendizado baseado em simula¸cão para explora¸cão da f´ısica dos movimentos de modo individual e de forma colaborativa a distância. Desenvolvido em 1998 pelo NIED/UNICAMP e pela empresa DigitalAPEX de Engenharia de Software. Foi baseado no protótipo desenvolvido em HyperCard na disserta¸cão de mestrado de Daniel Weller (Weller, 1995). O software contempla um tópico da F´ısica que aborda o movimento de objetos comuns do dia-a-dia, governado pelas Leis de Newton (fundamentado no trabalho pioneiro de Galileu). Apresenta dois tipos de cenários, que correspondem aos ambientes experimentais e de constru¸cão, sobre os quais o usuário, através da simula¸cão, atua com elementos análogos aos existentes nos laboratórios para ensino de cinemática: planos horizontais ou inclinados e objetos para movimento. Os cenários descrevem e registram as posi¸cões sucessivas do objeto móvel em instantes de tempo bem definidos. Esses registros complementam anima¸cões que ocorrem nos cenários e permitem uma análise mais profunda de aspectos relacionados ao movimento, como existência de acelera¸cão, conserva¸cão de velocidade, posi¸cões de velocidade m´ınima, entre outros. Além dos cenários, o software apresenta agentes facilitadores, representados por personagens, que auxiliam na constru¸cão de hipóteses, suposi¸cões e formula¸cão de 3 4. url: http://pan.nied.unicamp.br/∼siros url: http://www.nied.unicamp.br/oea/soft/galileu.html.

(20) 2.2 ambientes de aprendizado. 9. questões. O software Galileu também oferece um ambiente cooperativo para a discussão, entre alunos e professores, dos conceitos relacionados ao cenário constitu´ıdo no aplicativo. Essa estrutura auxilia o usuário na elabora¸cão de hipóteses, a partir de constru¸cões de senten¸cas, relacionadas com o cenário considerado. AulaNet O AulaNet5 é um ambiente de aprendizado cooperativo baseado na Web, desenvolvido no Laboratório de Engenharia de Software do Departamento de Informática da Pontif´ıcia Universidade Católica do Rio de Janeiro - LES/PUC-RJ, para administra¸cão, cria¸cão, manuten¸cão e assistência de cursos a distância (Haguenauer et al., 2003). Os cursos criados neste ambiente enfatizam a coopera¸cão entre alunos e entre aluno e professor, sendo apoiados por uma variedade de tecnologias dispon´ıveis na Internet. O ambiente se baseia nas seguintes premissas: • o autor do curso não precisa ser um especialista em Web; • os cursos criados devem apresentar, elevado grau de interatividade, de modo a atrair maior participa¸cão do aluno no processo de aprendizado; • os recursos oferecidos para a cria¸cão de cursos devem corresponder aos de uma sala de aula convencional, acrescidos de outros normalmente dispon´ıveis na Web; • deve ser poss´ıvel a reutiliza¸cão de conte´ udos existentes em m´ıdia digital, por exemplo, por meio de importa¸cão de arquivos. Os atores envolvidos no processo de ensino e aprendizado, segundo a concep¸cão do AulaNet são: • Administrador: facilitador da integra¸cão professor/curso/aluno, tratando de aspectos de natureza predominantemente operacional, tais como, inscri¸cão de professores e matr´ıcula de alunos; • Aluno: usuário final do curso, representando o p´ ublico-alvo a quem o curso se destina; • Professor: principal cliente do AulaNet. Responsável pela cria¸cão do curso, desde a sua descri¸cão inicial até a entrada do conte´ udo. Pode ou não ser o responsável pela aplica¸cão do curso, podendo ainda contar com o aux´ılio de um monitor para tratar dos aspectos práticos do curso e ajudar na avalia¸cão dos alunos. 5. (url: http://asgard.les.inf.puc-rio.br/aulanet).

(21) 2.2 ambientes de aprendizado. 10. A fim de que o professor possa elaborar seu curso conforme os objetivos do processo de aprendizado, o AulaNet oferece um conjunto de mecanismos de comunica¸cão, coordena¸cão e coopera¸cão. Os mecanismos de comunica¸ c˜ ao fornecem meios para a troca de informa¸cões entre professores e alunos. Tais mecanismos incluem ferramentas de correio eletrônico, lista de discussão, newsgroup, chat e ferramenta de videoconferência. Os mecanismos de coordena¸c˜ ao oferecem suporte às atividades de acompanhamento do curso. Incluem ferramentas para o planejamento de tarefas (agenda, quadro de avisos) e para avalia¸cão do aprendizado (provas, trabalhos, exerc´ıcios). Os mecanismos de coopera¸c˜ ao correspondem ao instrumental pedagógico que deverá ser utilizado no decorrer do curso. No AulaNet, coopera¸cão deve ser entendida como a prepara¸cão do material ao qual os alunos terão acesso e, sob uma perspectiva construtivista, como a permissão para que outras pessoas (outros professores e alunos) possam preparar materiais que poderão ser incorporados ao curso. Como mecanismos de coopera¸cão têm-se: transparência, apresenta¸cão gravada, texto de aula, livro-texto, bibliografia, demonstra¸cão, co-autoria de professor e co-autoria de aluno. ´ importante ressaltar que o AulaNet promove a separa¸cão entre o conte´ E udo e a navega¸cão, liberando o professor da tarefa de programa¸cão. Desse modo, o trabalho do professor consiste em criar material educacional de boa qualidade, deixando a programa¸cão da navega¸cão para o ambiente. Ao aluno é oferecido um menu de servi¸cos, configurado pela sele¸cão dos mecanismos de comunica¸cão, coordena¸cão e coopera¸cão, realizada previamente pelo professor. Ao contrário de links de baixo n´ıvel, a utiliza¸cão de um menu de servi¸cos proporciona ao aluno facilidades de navega¸cão de alto n´ıvel, que ajudam a minimizar o problema de desorienta¸cão. Ainda, os cursos oferecidos usando o ambiente são estruturalmente parecidos, aumentando o sentido de orienta¸cão do aluno. O AulaNet deliberadamente não oferece meios de sincroniza¸cão entre os diferentes materiais em virtude da concep¸cão de que o aluno é quem deve ter o controle. Desse modo, o aluno pode colocar o v´ıdeo em segundo plano e simplesmente ouv´ı-lo, retroceder ou avan¸car o v´ıdeo, mover a divisão entre as transparências e o texto de aula, entre outras op¸cões para otimizar a área de sua tela. WebCT Desenvolvido pelo grupo de Murraw W. Goldberg, da University of British Columbia, o WebCT - Web Course Tools, fornece um conjunto de ferramentas que facilita a cria¸cão de cursos educacionais baseados no ambiente web. Também pode ser utilizado como ferramenta complementar de um curso já existente, na disponibiliza¸cão de material.

(22) 2.2 ambientes de aprendizado. 11. (Haguenauer et al., 2003). A principal vantagem associada ao WebCT está na possibilidade de se estabelecer um ambiente de ensino e aprendizado integrado, contendo uma série de ferramentas educacionais tais como sistema de conferência, chat, correio eletrônico, acompanhamento do aluno, suporte para projetos colaborativos, auto-avalia¸cão, questionários, distribui¸cão e controle de notas, glossário, controle de acesso, calendário do curso, gera¸cão automática de ´ındices e pesquisa, entre outras (Haguenauer et al., 2003). Toda intera¸cão com o WebCT é baseada na web, não sendo necessário criar versões especiais do software para diferentes plataformas. Ainda, o software é executado a partir de um servidor central, podendo ser acessado de qualquer local onde um computador conectado a` Internet esteja dispon´ıvel. O WebCT é apresentado aos alunos, professores e outros usuários como um documento principal, a partir do qual tem-se acesso aos tópicos dos cursos e demais ferramentas dispon´ıveis. Nesse ambiente, o professor pode criar material didático e acompanhar o desempenho dos alunos. A interface para autoria de cursos no WebCT contém op¸cões para criar páginas (ou importar páginas de texto ou HTML existentes) e para incorporar ferramentas educacionais dentro das páginas. Após a cria¸cão de uma página, o autor deve indicar a localiza¸cão relativa dessa página no curso. A organiza¸cão das páginas pode ser hierárquica, para acesso imediato a qualquer tópico, subtópico ou página individual; ou linear, para definir um caminho seq¨ uencial através do curso. Além de ferramentas educacionais que auxiliam o aprendizado, a comunica¸cão e a colabora¸cão, o WebCT também fornece um conjunto de ferramentas administrativas para auxiliar o autor no processo de gerenciamento e melhoria cont´ınua do curso. 2.2.1. Sistemas Tutores Inteligentes. Segundo Viccari (Viccari e Giraffa, 1996), os STI são sistemas em que a IA desempenha um papel de relevo, não só por permitir maior flexibilidade no ensino por computador, mas também por possibilitar a participa¸cão ativa do aluno e do sistema, gerando um ambiente cooperante para o ensino e a aprendizagem (de ambos os agentes - aluno e sistema). A aplica¸cão mais t´ıpica da IAED são os STI, que constituem uma tentativa de implementar, num sistema computacional, os métodos tradicionais de ensino, buscando o aprendizado efetivo por parte dos alunos. O tutoramento um-a-um permite que o processo de ensino-aprendizagem seja altamente individualizado e, conseq¨ uentemente, permite um melhor resultado para o estudante e para o professor (Schmitz et al., 2002). Os STI são programas de computador com propósitos educacionais e que incorporam.

(23) 2.2 ambientes de aprendizado. 12. técnicas de IA, geralmente utilizando-se da tecnologia dos sistemas especialistas. Os STI derivam dos programas IAC e oferecem vantagens sobre estes, porque podem simular o processo do pensamento humano, dentro de um determinado dom´ınio, para auxiliar em estratégias nas solu¸cões de problemas ou nas tomadas de decisões (Giraffa, 1999). Um STI é baseado na hipótese de que o conhecimento de um estudante pode ser modelado, rastreado e corrigido (Rosatelli, 2000). O objetivo principal desses sistemas é a modelagem e a representa¸cão do conhecimento do especialista humano para auxiliar o estudante através de um processo interativo. Os STI oferecem considerável flexibilidade na apresenta¸cão do material e uma maior habilidade para responder às necessidades do usuário. Eles procuram não apenas ensinar, mas aprendem informa¸cões relevantes sobre o estudante, proporcionando-lhe um aprendizado individualizado (Schmitz et al., 2002). Os STI são programas que, interagindo com o aluno modificam suas bases de conhecimento, percebem as interven¸cões do aluno, possuem a capacidade de aprender e adaptar as estratégias de ensino de acordo com o desenrolar do diálogo com o aluno (Viccari e Giraffa, 1996). Caracterizam-se principalmente por construir um modelo cognitivo do aluno, através da intera¸caõ, e, através da formula¸cão e comprova¸cão de hipótese sobre o estilo cognitivo do aluno, sobre o seu procedimento, o seu n´ıvel de conhecimento do assunto e suas estratégias de aprendizagem e na capacidade de formular uma estratégias de ensinoaprendizagem adequada ao aluno e à situa¸cão do momento (Viccari e Giraffa, 1996). Para ser inteligente, um STI deve ser flex´ıvel, isto é, ter capacidade para aprender com o meio ambiente e atualizar seu conhecimento (Tedesco, 1997). Os STI não possuem uma arquitetura padrão. Diferentes abordagens foram propostas, visando diminuir custos de desenvolvimento dos sistemas, bem como aumentar sua eficácia. Contudo, encontramos a descri¸cão de uma arquitetura que é, até certo ponto, um consenso na literatura (Self, 1999), e que consiste nos seguintes componentes: • Modelo do aluno: armazena as caracter´ısticas relevantes de cada usuário para o processo de ensino-aprendizado; • Estrat´ egias de ensino: módulo responsável pelas decisões pedagógicas do sistema; • Base do dom´ınio: responsável por manipular o conte´ udo instrucional do STI; • Interface: responsável pela comunica¸cão entre usuário e sistema; • Controle: coordenador da coopera¸cão entre os demais componentes do sistema. Em alguns casos, este módulo fica embutido na interface. Segundo Jonassen (Jonassen e Wang, 1993), um STI deve passar em três testes antes de ser considerado inteligente:.

(24) 2.2 ambientes de aprendizado. 13. i) O conte´ udo do tema ou especialidade deve ser codificada de modo que o sistema possa acessar as informa¸cões, fazer inferências ou resolver problemas; ii) O sistema deve ser capaz de avaliar a aquisi¸cão do conhecimento pelo estudante; iii) As estratégias tutoriais devem ser projetadas para reduzir a discrepância entre o conhecimento do especialista e o conhecimento do estudante. Os STI trazem benef´ıcios no processo de ensino e aprendizagem, no que toca principalmente à capacidade de tutorar o aluno, considerando seu conhecimento prévio e ritmo de aprendizagem. No entanto, o n´ıvel de dificuldade de implementa¸cão dos STI é diretamente proporcional aos benef´ıcios trazidos por eles, ou seja, quanto maior sua capacidade de tutoria, maior será o uso de técnicas complexas aplicadas ao seu desenvolvimento (Schmitz et al., 2002). As fun¸cões operacionais básicas da arquitetura de um STI são determinadas por quatro componentes principais ou modelos. A Figura 2.1 apresenta os módulos que compõem a maioria dos STI, bem como seus inter-relacionamentos (Schmitz et al., 2002).. Figura 2.1. Componentes de um STI genérico. • Modelo do dom´ınio: o modelo do dom´ınio é fundamentalmente uma base de conhecimento, contendo informa¸cões de um determinado dom´ınio, que representa o conhecimento de um especialista ou professor. Em essência, este modelo incorpora a maior parte da “inteligência” do sistema na forma do conhecimento necessário para solucionar problemas do dom´ınio (Eberspächer, 1998). O grande desafio para cada novo STI é fornecer uma rica representa¸cão do seu dom´ınio, suficiente para permitir o n´ıvel desejado de compreensão e, portanto, proporcionar flexibilidade no ensino. A estrutura e inter rela¸cão do conhecimento necessárias para um sistema tutorial são muito maiores do que aquelas necessárias aos t´ıpicos sistemas especialistas. Além disso, a forma na qual este conhecimento é armazenado é crucial para a capacidade do sistema em utilizá-lo. Tipos diferentes.

(25) 2.2 ambientes de aprendizado. 14. de racioc´ınio e de conhecimento, requerem diferentes representa¸cões para um uso eficiente e eficaz (Schmitz et al., 2002).. • Modelo do estudante: a chave para um ensino personalizado e inteligente em um sistema tutorial é, sem d´ uvida, o conhecimento que o sistema deve ter de seu usuário. A dimensão mais significativa de um STI é sua capacidade para modelar o conhecimento do estudante. Este modelo deve contemplar todos os aspectos do conhecimento e do comportamento do estudante que tragam conseq¨ uências para o seu desempenho e aprendizagem. Deve ser dinâmico, contendo o conhecimento e as capacidades do estudante, seu comportamento de aprendizagem passado, os métodos de apresenta¸cão aos quais ele responde melhor e sua área de interesse dentro do dom´ınio. Munido destas informa¸cões, o sistema pode atingir um n´ıvel desejável e um método de apresenta¸cão adequado, adaptando a instru¸cão à competência e habilidade de cada estudante (Schmitz et al., 2002). O processo de forma¸cão e atualiza¸cão do modelo do estudante pela análise dos dados dispon´ıveis do sistema é freq¨ uentemente chamado de diagnóstico. Se por um lado o diagnóstico puramente inferencial - e que exclui o estudante - é uma tarefa dif´ıcil, por outro lado a abordagem puramente interativa sofre pelo fato de que as pessoas nem sempre conseguem explicar seus próprios processos mentais. Existem diversos modos de se descrever o modelo do estudante, dependendo das caracter´ısticas da modelagem empregada. Os modelos são normalmente classificados conforme a maneira com que interpretam o n´ıvel de conhecimento do estudante. Os principais tipos de modelo do estudante são (Costa et al., 1997): – Modelo Diferencial: compara o modelo do estudante com o do tutor. Consiste em um conjunto de cren¸cas refletindo o grau de compreensão do estudante sobre um conceito particular. Este conjunto está sujeito à revisão, pois além do estado cognitivo do aluno mudar com o tempo, em consequência da intera¸cão entre o aluno e o tutor, as hipóteses iniciais do tutor podem estar incorretas. Este modelo tem sido usado em STI baseados em agentes, onde tutor e aluno são considerados como dois agentes inteligentes, trabalhando cooperativamente (Costa et al., 1997). – Modelo Overlay: o modelo do estudante é um subconjunto do modelo do tutor. O modelo é construido por compara¸cão do desempenho do aluno com a a¸cão adotada pelo computador baseada no conhecimento do tutor para o mesmo problema. Os erros cometidos são creditados à ausência de alguma informa¸cão presente na base de dom´ınio. A aprendizagem é considerada como um processo pelo qual o aluno adquire, progressivamente, um subconjunto.

(26) 2.2 ambientes de aprendizado. 15. mais completo de unidades de conhecimento presente na base. Em geral, neste enfoque, o sistema seleciona ou gera um problema, trabalha sua solu¸caõ através do módulo do dom´ınio ou encontra uma solu¸cão armazenada. O tutor compara, em tempo real, sua solu¸cão com a do aluno e fornece um diagnóstico baseado nas diferen¸cas entre as duas. Em seguida atualiza o módulo do aluno e recome¸ca o ciclo selecionando ou gerando um novo problema (Costa et al., 1997). – Modelo Buggy: conhecido por este nome por relacionar o conhecimento do aluno com uma perturba¸cão do conhecimento especialista. Os erros dos alunos são concep¸cões errôneas de algum conceito. Este modelo apoia-se em uma série de respostas ou de solu¸cões de problemas e a ingerência é baseada em uma “biblioteca de conceitos errôneos t´ıpicos”. O comportamento do aluno é analisado estabelecendo a correspondência entre os resultados observados e aqueles gerados pela aplica¸cão de um conceito errôneo (Costa et al., 1997).. • Modelo do tutor: um professor tem diversas maneiras de expor um assunto, tornando-o compreens´ıvel e interessante. A comunica¸cão de um corpo de conhecimento para uma pessoa é guiada por estratégias e técnicas que são selecionadas e combinadas dinamicamente em rea¸cão às atitudes e necessidades dos estudantes. ´ exatamente este conhecimento que está no modelo do tutor. E Assim, a tarefa do modelo do tutor é complexa. Este modelo contém o conhecimento necessário para tomar decisões sobre quais táticas de ensino deve empregar dentre aquelas dispon´ıveis no sistema. As decisões e a¸cões deste modelo são dependentes dos resultados do processo de diagnóstico. O modelo do tutor diagnostica as necessidades de aprendizagem do estudante com base nas informa¸cões do modelo do estudante e no modelo do dom´ınio. Em geral, as decisões são sobre qual informa¸cão apresentar ao estudante, quando e como apresentá-la. As representa¸cões do conhecimento do tutor possibilitam ao sistema adaptar e melhorar suas estratégias. A adapta¸cão da instru¸cão implica em uma escolha didática, que pode ser global ou local. Escolhas no n´ıvel global determinam a seq¨ uência dos episódios educacionais, por exemplo, decisões sobre o n´ umero de repeti¸cões a serem utilizadas. Escolhas no n´ıvel local, envolvem decisões sobre quando uma interven¸cão é necessária, se o estudante deve ou não ser interrompido em sua atividade, e o que pode e deve ser feito ou apresentado em algum determinado momento. Isto inclui orienta¸cão no desempenho das atividades, explica¸cões dos fenômenos e processos, e decisões sobre quais informa¸cões serão oferecidas para reparar as deficiências dos estudantes (Eberspächer, 1998).. • Interface: na Engenharia de Software, a interface do usuário é a primeira preocupa¸cão dos projetistas quando se discute a cria¸cão de uma nova aplica¸cão. Mui-.

(27) 2.2 ambientes de aprendizado. 16. tos princ´ıpios baseados nas teorias cognitivas têm sido propostos para projetos de interface, como resultado de pesquisas na área da intera¸cão homem-máquina. Entretanto, a meta da maioria destas pesquisas é, de um modo ou de outro, proporcionar ao usuário um alto grau de eficiência e eficácia com rela¸cão a utiliza¸cão do sistema. O usuário não deve ter que se adaptar à interface do sistema. Ao contrário, a interface deve ser projetada de maneira intuitiva e natural. Nos sistemas tutoriais, enquanto o modelo do tutor decide o momento e o conte´ udo ´ das a¸cões didáticas, o modelo de interface cuida de sua forma final. E responsável pelo fluxo de comunica¸cão de entrada e sa´ıda, proporcionando a comunica¸cão em ambas as dire¸cões e realizando a tradu¸cão entre a representa¸cão interna do sistema e a linguagem de interface de maneira compreens´ıvel ao estudante. Mas, a interface não tem somente uma importância para a entrada e sa´ıda da informa¸cão, ela também complementa dados importantes sobre o processo da aprendizagem. Dependendo do dom´ınio, estes dados podem ser utilizados para monitorar este processo. Apesar da interface operar em estreita coopera¸cão com os modelos, suas decisões são de natureza distinta, requerendo um tipo diferente de conhecimento. Assim, ´ importante salientar deve-se verificar a interface como um componente distinto. E que em uma intera¸cão com o STI, o estudante não irá somente aprender o conte´ udo das li¸cões, mas também terá que aprender como utilizar o sistema. Assim, a facilidade de uso deve ser uma das considera¸cões principais no projeto destas interfaces. Uma interface consistente ajudará a reduzir a carga cognitiva sobre o estudante (Shneiderman, 1997).. Exemplos de STI Projetos envolvendo STI foram importantes marcos na evolu¸cão das pesquisas em IA, por trazerem novas aplica¸cões e perspectivas. Entre eles, alguns exemplos relevantes de STI serão descritos a seguir. SCHOLAR O SCHOLAR foi um projeto desenvolvido por Carbonell e seus colegas em 1970. ´ O programa SCHOLAR foi o primeiro a tentar incluir a modelagem do conte´ udo. E um tutor baseado no paradigma de ensino pelo diálogo de iniciativa mista e objetiva conduzir uma conversa¸cão bidirecional com o aluno segundo os princ´ıpios do método socrático6 . Tem por objetivo o ensino de geografia da América do Sul. Seu conhecimento está representado por uma rede semântica em cujos nodos estão os objetos e conceitos 6. A palavra socr´ atico remonta a pr´ atica didática empregada pelo filósofo grego Sócrates, que acreditava que a educa¸c˜ ao n˜ ao pode ser passiva e adotava a exposi¸cão e o questionamento de problemas, conduzindo o aluno a usar seu conhecimento, efetuar descobertas e identificar suas limita¸cões.

(28) 2.2 ambientes de aprendizado. 17. geográficos. Foi o primeiro STI desenvolvido (Eberspächer, 1998). O sistema SCHOLAR representou uma grande descoberta nesta área. Com seu conhecimento de dom´ınio representado como uma rede semântica, o sistema faz uso de procedimentos de inferência para uma intera¸cão tutorial simples. WHY O sistema WHY foi o resultado prático de um estudo sobre o método socrático e análises de resultados do SCHOLAR tendo sido desenvolvido por Collins e Stevens em 1977. No ´ınicio, Collins apresentou um conjunto de vinte e quatro regras que podiam ser utilizadas para a intera¸cão entre o sistema e o estudante. Aos poucos, foram adaptadas e geraram em torno de sessenta regras que especificavam uma estratégia de ensino genérica para STI socráticos (Eberspächer, 1998). SOPHIE O SOPHIE (SOPHinsticated Instructional Environment) foi desenvolvido por Burton e Brown. Tem o objetivo de fornecer um ambiente no qual o aluno pode testar suas idéias, receber cr´ıticas e orienta¸cões, num processo em que ele aplica seus conhecimentos e recebe uma realimenta¸cão do ambiente de apredizagem. Na continuidade do projeto SOPHIE, foram desenvolvidos o SOPHIE-I, o SOPHIE-II e o SOPHIE-III (Brown et al., 1982) (Eberspächer, 1998). Ao contrário do SCHOLAR, seu principal esquema representacional para o conhecimento do dom´ınio é um modelo de simula¸cão, ao invés de uma rede semântica. O programa apresenta ao estudante a simula¸cão de uma parte de um equipamento eletrônico com defeito. O estudante deve diagnosticar o problema fornecendo as medidas adequadas ou formulando algumas questões espec´ıficas. O sistema é projetado para responder questões hipotéticas sobre o sistema sendo simulado, e também avaliar hipóteses. O SOPHIE proporciona ao estudante um ambiente de aprendizagem no qual ele adquire técnicas para a resolu¸cão de problemas experimentando suas idéias, ao invés de somente expor o material a ser ensinado. O sistema tem um modelo do conhecimento para resolu¸cão de problemas em seu dom´ınio, assim como numerosas estratégias heur´ısticas para responder às questões dos estudantes, criticar suas hipóteses, e sugerir teorias alternativas. GUIDON O GUIDON, que foi desenvolvido por Clancey e seus colegas, é um STI constru´ıdo para ensinar o aluno a desenvolver diagnósticos sobre um paciente possivelmente infectado. Utiliza regras do sistema MYCIN (sistema especialista de consulta para diagnósticos de infeçcões bacterianas que utiliza regras de produ¸cão como forma de representa¸cão de conhecimento) como material instrucional, que se tornam as habilidades a.

(29) 2.2 ambientes de aprendizado. 18. serem ensinadas. O sistema desenvolve um diálogo de iniciativa mista diferente do que os outros STI estavam empregando, pois utiliza intera¸cões instrucionais longas e estruturadas que vão além da simples resposta a u ´ltima a¸cão do estudante. O GUIDON ensina sobre dados cl´ınicos e laboratorias relevantes e como usar estas informa¸cões para diagnosticar os organismos causadores das infeçcões bacterianas (Eberspächer, 1998). WEST O WEST foi desenvolvido por Burton e Brown e o dom´ınio utilizado foi o jogo educacional How the West was won (jogo de tabuleiro onde o movimento do jogador é determinado pelo resultado obtido de uma avalia¸cão aritmética por ele criado, baseado por três operandos fornecidos randomicamente). O objetivo deste STI é exercitar habilidades aritméticas. A inten¸cão da pesquisa no projeto WEST era de desenvolver estratégias para controlar a intera¸cão do aluno, de tal maneira que sempre que houvesse oportunidade lhe fosse oferecida ajuda, sem interrompê-lo tão freq¨ uentemente que o levasse a perder o divertimento com o jogo (Burton e Brown, 1982). Este dom´ınio estava de acordo portanto com o conceito de ambiente de aprendizagem reativo. O propósito do jogo é exercitar técnicas de aritmética. A influência do WEST na área de IA foi muito significativa, e o sistema é ainda hoje uma referência aos pesquisadores. Entretanto, o tutor em si foi utilizado somente durante alguns meses de experimentos preliminares, talvez devido ao alto custo do equipamento em que ele foi originalmente desenvolvido. 2.2.2. Agentes Inteligentes “Agente é uma entidade que funciona de forma cont´ınua e autˆ onoma dentro de um ambiente, possuindo sensores e atuadores para interagir com ele”. (Russell e Norvig, 2003). Cada autor enfatiza um conjunto de propriedades para caracterizar os agentes. Uma conceitua¸cão é proposta por (Russell e Norvig, 2003): “Um agente é um software que possui um conjunto de propriedades especiais, sendo a autonomia sua propriedade fundamental. Cada agente apresenta o conjunto de propriedades que necessitar, em fun¸c˜ ao do seu papel na sociedade onde está inserido”. Os agentes pedagógicos são agentes autônomos utilizados na concep¸cão de ambientes de aprendizagem, projetados para suportar a intera¸cão com estudantes de modo a facilitar seu aprendizado (Giraffa, 1999). Têm a caracter´ıstica de se mostrarem ao aprendiz.

(30) 2.2 ambientes de aprendizado. 19. como personagens quase vivos, induzindo respostas afetivas e motivacionais. Estes trazem uma nova perspectiva para aprendizagem online, podendo adaptar suas intera¸cões às necessidades do aprendiz e ao atual estado do ambiente de aprendizagem, ajudando os estudantes a superar suas dificuldades e aproveitando oportunidades de aprendizagem. Giraffa (Giraffa, 1999), descreveu uma classifica¸cão para os agentes pedagógicos como: • Tutores: destinados ao ensino dirigido ao aluno; • Assistentes: colaboram com a aprendizagem do aluno; • Agentes na web: destinados a uma aplica¸cão de ensino na Internet; • Agentes mistos: ensinam e aprendem.. 2.2.3. Modelagem de Usu´ ario. O termo Modelagem do Usuário (MU) come¸cou a ser utilizado em 1980 (Self, 1999). Na década de oitenta, uma classe de sistemas de diálogo de iniciativa mista come¸ca a surgir. Nestes casos, para poder manter um diálogo coerente com o usuário, o sistema tem que identificar que inten¸cão o usuário tem por trás de suas respostas aos diálogos, tentando detectar seus planos, raciocinando sobre eles e sugerindo maneiras de ajudá-lo a superar seus obstáculos, ou resolver mais rapidamente seus problemas. O modelo de usuário é uma representa¸cão expl´ıcita de propriedades de um usuário em particular, que permite que um sistema adapte diversos aspectos de seu desempenho e de suas funcionalidades às necessidades individuais deste usuário. Uma vez que a pesquisa na área come¸cou com os STI, a preocupa¸cão inicial era de construir modelos que representassem as caracter´ısticas do estudante da maneira mais completa poss´ıvel. Estes modelos, tipicamente baseados em regras, eram bastante expl´ıcitos e sofisticados, o que levou a um problema de eficiência (o esfor¸co computacional utilizado para realizar as inferências não compensava os resultados em termos de adapta¸cão). Um outro problema sério dos modelos do usuário desta época era a valida¸cão. Como garantir que o modelo do usuário está inicialmente correto? E que se mantém correto durante a intera¸cão? Além disto, a maior parte dos modelos, embora razoavelmente bem sucedidos, dependiam da análise de vários protocolos de utiliza¸cão do sistema, tarefa tediosa e de custo alto, muitas vezes dependente da presen¸ca de um n´ umero significativo de participantes em experimentos de usabilidade (Rosatelli e Tedesco, 2003). A partir dos anos setenta, pesquisadores come¸caram a analizar possibilidades de construir sistemas personalizáveis, isto é, sistemas capazes de adaptar seu comportamento e funcionalidade às necessidades de seus usuários. Assim, a pesquisa em MU resulta de trabalhos teóricos e experiências práticas desenvolvidas nas áreas tradicionais de Inteligência Artificial (IA), especialmente Sistemas Tutores Inteligentes (STI),.

(31) 2.2 ambientes de aprendizado. 20. Sistemas de Diálogo em Linguagem Natural (LN) e de Intera¸cão Humano-Computador (IHC) (Rosatelli e Tedesco, 2003). Ao longo do tempo outras técnicas de MU foram sendo investigadas (como por exemplo, as de aprendizagem de máquina (AM) (Mitchell, 1997)). Nos dias atuais a MU tem tido grande impacto em desenvolvimentos recentes de áreas como sistemas de recomenda¸cão de produtos e servi¸cos, sistemas de help, aux´ılio ao aprendizado online, aux´ılio à colabora¸cão entre usuários e agentes de interface (Rosatelli e Tedesco, 2003). De acordo com (Jameson et al., 1999), os fatores principais que possibilitaram a constru¸cão de sistemas adaptativos a custo viável são: (i) aumento do poder computacional dispon´ıvel; (ii) novos dom´ınios de aplica¸cão onde a adaptatividade é especialmente interessante; (iii) novas formas de intera¸cão que facilitam a adaptatividade; e (iv) novas técnicas de IA que permitem realizar um diagnóstico mais preciso das necessidades do usuário. No entanto, adaptar um sistema ao usuário acarreta um custo computacional muitas vezes significativo. Segundo Rosatelli (Rosatelli e Tedesco, 2003), é preciso projetar o componente de diagnóstico e modelagem do usuário cuidadosamente. Quando decidimos tornar um sistema adaptável, é preciso considerar as seguintes perguntas: • Qual a tarefa sendo realizada? Em outras palavras, qual o dom´ınio de aplica¸cão do sistema em questão? • Como é a divisão de trabalho entre sistema e usuário? • Tornar o sistema adaptável vai modificar a divisão de tarefas? Como? • Que decisões o sistema deve tomar quando se adaptar às necessidades de seu usuário? Como vai comunicá-las a este u ´ltimo? • Quais são as propriedades relevantes do usuário que devem constar de seu modelo? • Quais os benef´ıcios da adapta¸cão? • Quais as principais dificuldades ou desvantagens encontradas neste processo? Uma vez que estas perguntas são respondidas, pode-se passar para a etapa de construir um modelo de usuário. Um sistema de modelo do usuário deve ter as seguintes caracter´ısticas (ou mecanismos) (Pohl, 1999): i) capacidade de formar suposi¸cões sobre os usuários a partir de seu comportamento; ii) capacidade de representar e armazenar suas suposi¸cões; iii) habilidade de inferir novas senten¸cas (ou suposi¸cões) a partir das já existentes; iv) conhecimento suficiente para lidar com inconsistências entre as suposi¸cões;.