Um Ambiente Colaborativo para o Ensino à Distância

Um Ambiente Colaborativo

para o Ensino à Distância

Marta Costa Rosatelli1, Marcello Thiry2 e Ricardo Miranda Barcia3

Resumo: A aprendizagem colaborativa é uma característica implícita na aprendizagem através de estudos de

caso, na medida em que o método requer que os estudantes colaborem para resolver um caso. Neste artigo, descreve-se um ambiente de aprendizado colaborativo inteligente que apoia a atividade de grupo na aprendizagem através de estudos de caso à distância. A arquitetura do sistema é baseada em agentes e o sistema dá assistência aos estudantes durante o processo colaborativo de desenvolver uma solução para um estudo de caso.

Abstract: Collaborative learning is an implicit feature in learning from case studies, as the method requires that

the learners collaborate in order to solve a case study. In this paper we describe a collaborative intelligent learning environment that supports group activity in distance learning from case studies. The system architecture is agent-based and the system assists the learners during the collaborative process of developing a solution to a case study.

Palavras-chave: Aprendizagem colaborativa apoiada por computadores, inteligência artificial na educação,

ensino à distância, aprendizagem através de estudos de caso, ensino de engenharia.

1 Introdução

A aprendizagem colaborativa apoiada por computadores é uma questão relevante para os sistemas de ensino à distância atuais, devido à possibilidade oferecida pela Internet de colocar pessoas que estão geograficamente dispersas trabalhando juntas, em grupo. Como conseqüência, existe uma proliferação de sistemas educacionais baseados em computador que reivindicam ser colaborativos. Por outro lado, não existe um consenso sobre o que é rotulado como aprendizagem colaborativa. De acordo com Dillenbourg (1999), existe uma variedade de abordagens para a definição do termo. A despeito da mais ampla delas ser “uma situação na qual duas ou mais pessoas aprendem ou tentam aprender alguma coisa juntas”, ela é insatisfatória, já que os seus elementos (dois ou mais, aprender alguma coisa e juntas) podem ser interpretados de maneiras diferentes.

A aprendizagem colaborativa é uma característica implícita na aprendizagem através de estudos de caso (Christensen & Hansen, 1987), na medida em que o método requer que os estudantes colaborem para resolver um estudo de caso. Em outras palavras, a colaboração é necessária no aprendizado baseado em casos, dado que o método é geralmente aplicado a grupos e demanda dos seus membros uma solução conjunta. O grupo como um todo deve concordar sobre essa solução e o consenso é atingido através da discussão. Sendo assim, a aprendizagem colaborativa, definida como “uma atividade síncrona coordenada que é o

1 _{Departamento de Informática e Estatística, Universidade Federal de Santa Catarina} 2 _{Universidade do Vale do Itajaí – São José}

resultado de uma tentativa contínua de construir e manter uma concepção compartilhada de um problema” (Roschelle & Teasley, 1995), se enquadra perfeitamente no tipo de interação requerida pelo método.

O método de ensinar com estudos de caso pode ser apoiado através da World Wide Web (web) quando aplicado num sistema de ensino à distância (Burt, 1997), desde que as condições necessárias para a colaboração, assim como o apoio ao indivíduo e ao grupo, sejam previstos (Rosatelli & Self, 1999). No presente artigo, apresenta-se um ambiente para a aprendizagem colaborativa que permite que dois ou mais estudantes à distância colaborem numa atividade de estudo de caso. Mais precisamente, este pode ser definido como um ambiente inteligente que aplica o método de ensinar através de estudos de caso e inclui as ferramentas necessárias para que os estudantes realizem as atividades requeridas pelo método. O apoio dado pelo sistema se refere a dar assistência ao processo de aprendizagem e fazer o gerenciamento do desenvolvimento da solução do caso. A arquitetura do sistema é baseada em agentes, como proposto em Thiry et al. (1998a; 1998b), e permite que o sistema desempenhe determinadas funções (Rosatelli & Self, 1998).

O contexto para o uso deste sistema é um curso à distância de Engenharia de Produção. O domínio para a aplicação do sistema são as disciplinas que apresentam o tipo de problema que as técnicas ou abordagens analíticas não são adequadas para resolver: abertos e que não possuem uma solução “correta”. Na engenharia, tais problemas são abordados usando-se estudos de caso sobre design, seleção, planejamento e/ou situações de decisões administrativas. Estes são caracterizados como derivados da experiência real e refletem os problemas do “mundo real” de engenheiros e gerentes. O objetivo desses problemas é treinar os estudantes para a prática profissional.

O presente artigo está organizado como se segue: a seção 2 apresenta o nosso modelo computacional de ensino baseado em estudos de caso. A seção 3 descreve a arquitetura baseada em agentes e a implementação do ambiente colaborativo. A seção 4 dá um exemplo de aplicação do sistema usando um estudo de caso no domínio da Engenharia de Produção. Finalmente, a seção 5 apresenta nossas conclusões e recomendações para trabalhos futuros.

2 Aprendizagem Através de Estudos de Caso Apoiada por

Computador

Nesta seção, descreve-se como o método de ensinar usando estudos de caso pode ser apoiado num ambiente computacional, com vistas à aplicação do método no contexto do ensino à distância, usando um ambiente colaborativo.

2.1 O Método de Ensinar Através de Estudos de Caso

Um estudo de caso pode ter diversas formas, tais como: uma estória, um evento ou um texto. Ele é uma “instância de uma classe teórica mais ampla” e, como tal, representa certas características desta classe. Além da narrativa, os casos são situados ou contextualizados em termos de aplicação, lugar, tempo, etc. A sua especificidade significa que o seu uso como material de ensino leva em consideração a natureza situada da cognição no processo de aprendizado. Além disso, os casos são adequados para apresentar situações complexas, que demandam flexibilidade cognitiva. Como resultado, o método de ensinar através de estudos

de caso é freqüentemente aplicado ao aprendizado em domínios mal estruturados (Schulman, 1992).

No ensino através de estudos de caso, o caso vai basicamente fornecer a matéria-prima para a discussão, que é uma questão central no método. Ela é tão importante que, freqüentemente, o método de casos é caracterizado como o processo de ensinar através de discussões, em contraste com as aulas tradicionais ou as aulas de laboratório. Geralmente, o processo de discussão do caso é descrito como fluido e colaborativo. Por outro lado, apesar de parecer a princípio livre e desestruturado, este processo tem um tipo de estrutura que geralmente emerge à medida em que a discussão progride (Hansen, 1987)

A discussão do caso está intrinsecamente relacionada com o papel do professor no método de casos. A liderança do processo de discussão é uma responsabilidade crítica deste, que ao invés de ter um conhecimento substancial do campo ou do problema colocado pelo caso, deve liderar o processo pelo qual os indivíduos e o grupo exploram a complexidade da situação colocada pelo caso. Sendo assim, o professor que trabalha com estudos de caso deve maximizar as oportunidades para o aprendizado, fazendo perguntas apropriadas durante a discussão. Nesse sentido, considera-se que a prática e as técnicas de um líder de discussão podem ser observadas, abstraídas e ensinadas. A tentativa de identificação de padrões de pergunta-e-resposta leva a cerca de praticamente oito tipos básicos de perguntas (por exemplo, perguntas de fato, de interpretação, perguntas hipotéticas, etc.) e a dúzias de subconjuntos dessas perguntas que estão disponíveis para o uso do professor (Christensen & Hansen, 1987).

2.2 A Abordagem dos Sete Passos

Easton (1982) propõe uma estrutura adequada para a discussão do caso, na qual a solução é desenvolvida passo a passo: a abordagem dos Sete Passos. O valor dessa abordagem para um sistema baseado em computador é que a solução do estudo de caso é desenvolvida através de um processo seqüencialmente estruturado, dividindo-a em partes que possuem uma granularidade de informação possível de ser gerenciada por um sistema computacional. Os resultados de cada passo podem ser representados pelo sistema de forma que este possa interagir com os estudantes, dando apoio e feedback a estes durante o processo de solução do caso. Cada passo da abordagem tem o seu próprio objetivo e sugere uma gama de atividades a serem realizadas pelos estudantes de forma a atingir tais objetivos. A Tabela 1 apresenta uma visão geral da seqüência de passos, colocando o objetivo de cada passo e exemplificando o tipo de atividade associada a cada um deles.

Os Sete Passos Atividades

Passo 1. Entender da situação Relatar, resumir Passo 2. Diagnosticar áreas- problema Listar problemas Passo 3. Gerar soluções alternativas Listar soluções Passo 4. Prever resultados Listar resultados Passo 5. Avaliar alternativas Listar prós e contras Passo 6. Detalhar a análise Detalhar, escolher

Passo 7. Comunicar os resultados Apresentar uma solução para o caso

2.3 O Modelo Proposto de Aprendizagem Colaborativa Através de Estudos de

Caso Apoiada por Computador

Uma sessão típica para resolver um estudo de caso de acordo com a abordagem dos Sete Passos (Easton, 1982), e utilizando o sistema descrito neste artigo, se dá da seguinte forma: • Aprendizagem individual. Os estudantes devem responder as perguntas colocadas num

dado passo da abordagem trabalhando individualmente, o que pode ser feito de forma assíncrona, off-line.

• Aprendizagem colaborativa. Tendo como ponto de partida as diferenças ou semelhanças entre as respostas individuais, os estudantes devem trabalhar colaborativamente com o objetivo de chegar a um consenso sobre uma resposta conjunta do grupo. Essa fase é realizada num modo síncrono, on-line.

• Discussão do caso. Os estudantes chegam ao consenso sobre a resposta conjunta através de uma discussão que, no nosso caso, acontece em cada passo da abordagem.

• Solução do caso. Os estudantes, depois de chegar a um consenso, apresentam a resposta do grupo e seguem para o próximo passo, onde o mesmo procedimento (aprendizagem individual e aprendizagem colaborativa/discussão) se repete. Procedendo seqüencialmente aos Sete Passos da abordagem, os estudantes são guiados para a solução do caso.

3 Descrição do Sistema Implementado

Nesta seção, apresentamos o sistema implementado, o qual permite a colaboração entre dois ou mais estudantes à distância, numa atividade de estudo de caso. O sistema suporta várias sessões simultaneamente. Uma sessão está associada com um grupo de estudantes trabalhando colaborativamente na solução de um estudo de caso. O sistema foi programado na linguagem Delphi.

Primeiro, descrevemos a arquitetura que suporta a cooperação entre agentes através da rede, como proposto em (Thiry, 1998b). Em Thiry (1999), esta arquitetura é utilizada numa aplicação de apoio ao ensino à distância: uma ferramenta colaborativa encapsulada num browser inteligente. No presente trabalho, ela é usada como base para implementar o ambiente colaborativo. O foco principal, então, não é mais o browser, mas sim um ambiente que inclui um conjunto de ferramentas para apoiar a atividade de grupo no aprendizado baseado em estudos de caso. Esta arquitetura inclui agentes que podem ser classificados, com respeito aos tipos de agentes derivados da taxonomia de Müller (1998), como agentes de

software autônomos, agentes assistentes e/ou multiagentes. Além disso, ela possibilita o desempenho, pelo sistema, das funções indicadas em (Rosatelli & Self, 1999).

Em seguida, apresentamos o ambiente colaborativo, descrevendo a interface com o usuário e as ferramentas disponibilizadas.

3.1 A Arquitetura Baseada em Agentes

A arquitetura baseada em agentes está estruturada num sistema de federação. A comunicação entre os agentes se dá sobre uma estrutura formal baseada na ACL (Agent Communication Language, Genesereth & Ketchpel, 1994). Existem três classes de agentes na arquitetura (Thiry et al., 1998a, 1998b): agentes de interface, agentes de informação e agentes de aconselhamento (ver Figura 1). É importante notar que existem apenas um agente de informação e um agente de aconselhamento rodando, mas tantos agentes de interface quantos forem os participantes (estudantes) numa sessão com o sistema. As mensagens trocadas entre os agentes usam o formato KQML (Knowledge Query and Manipulation Language, Labrou & Finin, 1993). O facilitador é um programa especial (implementado como um agente) que guarda a informação sobre cada agente no sistema. Ele é responsável pelo roteamento das mensagens, funcionando como um broker.

O agente de interface interage tanto com os participantes quanto com os outros agentes. Esse agente reside na máquina dos participantes e é parte do ambiente colaborativo. Ele também é responsável por avaliar algumas questões quanto aos participantes, como por exemplo, o tempo durante o qual o participante passa sem contribuir para a discussão do caso. O agente de informação armazena a representação do conhecimento sobre o domínio e sobre o conhecimento pedagógico utilizado pelos outros agentes. O participante não tem acesso direto a esse agente. Os agentes se encarregam de todo o processo de comunicação e, como resultado, apenas o agente de interface e o de aconselhamento podem acessar o agente de informação. Além disso, o agente de informação adiciona inteligência ao servidor HTTP, na medida em que este é responsável pelo gerenciamento das páginas apresentadas ao participante. É importante notar que o agente de informação pode mandar uma página aos estudantes sem a requisição de um agente de interface. Sendo assim, a coordenação do uso das ferramentas do ambiente, de forma que o grupo trabalhe junto, é feita pelo agente de informação, que sincroniza o acesso dos membros do grupo às páginas web.

O agente de aconselhamento adota o paradigma de um assistente pessoal inteligente. De fato, essa assistência é compartilhada com cada um dos agente de interface. O agente de aconselhamento está apto a auxiliar os participantes através da monitoração constante dos processos de aprendizagem (através do agente de interface) e da geração das intervenções do sistema.

Information Agent(Intelligent HTTP Server) Advising Agent Facilitator (keeps routing information) Interface Agent (Participant 1) Collaborative Environment

...

Figura 1. A arquitetura baseada em agentes.

3.2 O Ambiente Colaborativo

O sistema emprega a arquitetura descrita acima para implementar um ambiente de aprendizado colaborativo que apoia a aprendizagem através de estudos de caso no ensino à distância. A interface deste ambiente com o usuário compreende (ver Figura 2) um menu que inclui, entre outros, uma biblioteca de casos, formulários (que os estudantes preenchem com as respostas do grupo para cada pergunta dos passos), e as seguintes áreas: uma lista de participantes, um browser Internet, uma representação gráfica da solução, um editor de texto, um chat e uma área de intervenções do sistema. A janela que está ativa na Figura 2 mostra as características da ferramenta de chat, as quais serão explicadas em maiores detalhes mais adiante, nesta mesma seção.

A lista de participantes mostra todos os participantes do grupo que estão trabalhando num estudo de caso, isto é, registrados numa certa sessão. Os participantes que estão on-line num determinado momento têm o seu nome marcado em verde, enquanto os que não estão participando da sessão naquele instante, mas fazem parte do grupo de trabalho, têm o seu nome na cor vermelha. Além disso, os participantes podem realizar tarefas diretamente com um outro participante apenas clicando no botão correspondente ao nome do mesmo.

O browser é usado para acessar as páginas web que incluem os materiais de ensino/aprendizado e que guiam os estudantes através do uso do sistema. A janela do browser é a única que pode ser destacada do seu lugar e customizada pelo usuário.

Figura 2. O ambiente colaborativo.

A representação gráfica da solução mostra aos estudantes a solução do caso desenvolvida até então pelo grupo. Todos os participantes visualizam a mesma representação. A informação representada neste espaço é também usada pelo agente de aconselhamento para monitorar e identificar qualquer incoerência a respeito dos resultados esperados dos passos. O agente de aconselhamento gera a representação da solução como uma árvore (Russell & Norvig, 1995), raciocinando com um conjunto de regras de produção (Rosatelli & Self, 1998). O input para essa função são as respostas dos estudantes para cada pergunta colocada nos passos da abordagem dos Sete Passos (Easton, 1982).

O editor de texto é um espaço individual (não compartilhado, não colaborativo), onde os estudantes editam suas respostas individuais. Na próxima versão do sistema, a intenção é permitir que todo o grupo tenha acesso às respostas individuais uns dos outros, sem, entretanto, serem capazes de alterar o texto de tais respostas.

O programa de chat é bastante parecido com os programas tradicionais, e é onde é feita a discussão sobre o caso. O participante pode, além de digitar um texto livre, (1) expressar o seu estado emocional; (2) direcionar a mensagem para o grupo todo ou para um determinado participante (apesar de que essa mensagem é visível por todo o grupo) e (3) fazer uso de iniciadores de sentenças (sentence openers, Robertson et al., 1998) durante o processo de chegar a um consenso na discussão do caso.

A área de intervenções do sistema inclui o agente de interface, que pode ser caracterizado com um agente pedagógico animado (Lester et al., 1997). Todas as intervenções

do sistema são apresentadas através desse agente. Estas intervenções dizem respeito ao tempo, participação, mal-entendidos específicos do caso e à coordenação de ferramentas (Rosatelli & Self, 1999).

4 Um Exemplo de Aplicação do Sistema

De forma a ilustrar como o sistema opera no domínio da Engenharia de Produção, nesta seção apresentamos um exemplo de uma das funções do sistema, a saber, as intervenções que este faz a respeito dos possíveis mal-entendidos dos estudantes sobre o domínio, utilizando um estudo de caso que está modelado para ser usado num experimento com o sistema. Este é intitulado Breakaway (Tersine, 1988, p. 424) e, dentro do domínio da Engenharia de Produção, se insere na área que trata de controle de estoques e gerenciamento de material. O estudo de caso é, mais precisamente, sobre os mecanismos de controle de inventário de materiais em processo, num contexto de filosofia Just-in-Time de gerenciamento. Em resumo, o caso coloca o problema de implementação do Just-In-Time numa fábrica e quais fatores (tais como a redução de inventário, o aumento da produtividade, etc.) devem ter ênfase para que esta implementação seja bem-sucedida. Os estudantes em potencial para trabalhar com este estudo de caso seriam alunos de uma disciplina de Planejamento e Controle de Produção ou de Gerenciamento de Materiais num curso à distância de Engenharia de Produção.

Os possíveis mal-entendidos dos alunos sobre o domínio, isto é, sobre o estudo de caso, são representados no sistema como um conjunto de restrições, de acordo com a modelagem baseada em restrições (constraint-based modelling, CBM, Mitrovic & Ohlsson, 1999). CBM propõe que uma restrição de estado pode ser representada como um par de padrões. Se o padrão de satisfação de uma restrição relevante não é satisfeito, então esse estado viola a restrição. De acordo com uma notação formal, a unidade de conhecimento (restrição de estado) é definida como um par ordenado <Cr , Cs>, onde (1) Cr é a condição de relevância que identifica a classe de estados do problema para a qual a restrição é relevante e (2) Cs é a condição de satisfação que identifica a classe de estados relevantes na qual a restrição é satisfeita. A semântica de uma restrição é: se as propriedades Cr se aplicam, então as propriedades Cs têm que se aplicar também (ou alguma coisa está errada). Em nosso sistema, os estados do problema são as sentenças de entrada, isto é, as respostas dos estudantes para cada pergunta dos passos. A violação de uma restrição significa que o sistema fará uma intervenção, colocando para o aluno a sentença correta.

Na Tabela 2 apresentamos alguns exemplos de sentenças que denotam possíveis mal- entendidos dos alunos sobre o estudo de caso Breakaway, seguidos das sentenças corretas.

Tabela 2. Exemplos de possíveis mal-entendidos dos alunos (M)

seguidos pelas afirmações corretas (C).

(M) The Tulsa company offers two basic products.

(C) The Tulsa company offers numerous product configurations.

(M) Breakaway is recognised by its simplistic appeal.

(C) Breakaway is recognised by its wide selection despite its simplistic appeal.

(M) Set-ups are production interferences.

(C) Set-ups are viewed as production interferences.

Na Tabela 3 apresentamos o conjunto de restrições de estado correspondentes, isto é, o conjunto particular de restrições que seria violado pelos possíveis mal-entendidos dos alunos, colocados na Tabela 2. Estas restrições são determinadas pelo professor, quando modela um estudo de caso para uso com o sistema.

Tabela 3. Exemplos de uma restrição de estado <Cr, Cs>.

If “company offers” (Cr) then it has to be “numerous product configurations” (Cs) (or else system intervention)

If “Breakaway is recognised by” (Cr) then it has to be “its wide selection” (Cs) (or else system intervention)

If “Set-ups are” (Cr) then it has to be “viewed as production interferences” (Cs) (or else system intervention)

5 Conclusões e Trabalhos Futuros

O sistema descrito neste artigo permite a aprendizagem colaborativa, através de estudos de caso, por um grupo de estudantes que está geograficamente disperso. O sistema disponibiliza as ferramentas necessárias ao desenvolvimento da solução do caso e desempenha funções que, como um todo, auxiliam o processo de aprendizagem. Isto é possível devido ao fato de que as questões relevantes na aplicação do método na sala de aula tradicional foram levadas em consideração e adequadamente implementadas num sistema computacional. Em última análise, a pedagogia da atividade de estudo de caso foi traduzida para uma mídia diferente. A abordagem dos Sete Passos (Easton, 1982) estrutura a atividade de grupo, fazendo com que o sistema trabalhe com uma granularidade de informação possível de ser gerenciada. Sendo assim, o sistema pode lidar com um grupo de alunos distantes, levando em conta os processos que acontecem com cada indivíduo.

Entretanto, da perspectiva do ensino baseado em casos ou, em outras palavras, da perspectiva de aplicar o raciocínio baseado em casos a um sistema educacional baseado em computador (Schank et al., 1994), a questão de recuperar um caso de acordo com as necessidades do estudante é relevante para o presente sistema. Do ponto de vista computacional e da inteligência artificial, o aprendizado baseado em casos (Khan & Yip,

1996) é definido como a situação em que os estudantes adquirem novos conhecimentos a partir da exploração de situações armazenadas numa biblioteca de experiências passadas. Do ponto de vista educacional, os casos podem ser explorados como situações a serem apresentadas aos estudantes, que deverão encontrar soluções a partir de casos semelhantes, sintetizá-las, aplicá-las nessa nova situação e depois dar uma explicação para a escolha. Esses aspectos fazem do aprendizado baseado em casos uma ferramenta interessante para os processos de ensino/aprendizado.

O sistema descrito neste artigo faz uso de casos, a saber estudos de caso, mas não constitui uma aplicação de raciocínio baseado em casos (Kolodner, 1993). Ele aplica o método de ensinar através de estudos de caso, como este é mais comumente utilizado nas escolas de administração, a um sistema baseado em computador, que incorpora uma metodologia para resolver o estudo de caso, permitindo que alunos à distância trabalhem no mesmo. O principal foco do sistema é a aprendizagem colaborativa à distância, o gerenciamento da discussão e a ferramenta de representação (Suthers, 1999) - a representação gráfica da solução como uma árvore. Isso significa que a premissa para o presente sistema é que o estudo de caso que será resolvido pelos estudantes já está “recuperado”.

Em trabalhos futuros, o presente sistema pode ser expandido para ser usado como em (Thiry et al., 1999), adicionando-se ao mesmo toda a funcionalidade do ensino baseado em casos. Sendo assim, o sistema resultante iria, num primeiro nível, recuperar um estudo de caso de acordo com os objetivos de ensino/aprendizagem, e tornar possíveis todas as interações entre os estudantes e o sistema relativas a este processo. Num segundo nível, o estudo de caso recuperado seria resolvido como proposto aqui, isto é, colaborativamente, num cenário de aprendizagem constituído por um grupo de estudantes à distância apoiados pelo sistema.

Agradecimentos

O primeiro autor agradece auxílio financeiro do PAPED-01-99/CAPES e apoio do CNPq. O segundo autor agradece apoio da CAPES.

Referências Bibliográficas

Burt, G. (1997). Face to Face with Distance Education. Milton Keynes, UK: Open and Distance Education Statistics.

Christensen, C. R. & Hansen, A. J. (1987). Teaching with cases at the Harvard Business School. In C. R. Christensen with A. J. Hansen (Eds.), Teaching and the Case Method: Text, Cases, and Readings, pp. 16-49. Boston, Massachusetts: Harvard Business School.

Dillenbourg, P. (1999). Introduction: what do you mean by “collaborative learning”? In P. Dillenbourg (Ed.),

Collaborative Learning: Cognitive and Computational Approaches, pp. 1-19. Amsterdam: Pergamon.

Easton, G. (1982). Learning from Case Studies. London: Prentice Hall.

Genesereth, M. R. & Ketchpel, S. P. (1994). Software agents. Communications of the ACM, 147, 48-53. Hansen, A. J. (1987). Suggestions for seminar participants. In C. R. Christensen with A. J. Hansen (Eds.),

Teaching and the Case Method: Text, Cases, and Readings, pp. 54-59. Boston, Massachusetts: Harvard Business School.

Khan, T. e Yip, Y. (1996). Pedagogic principles of case-based CAL. Journal of Computer Assisted Learning, 12, 172-192.

Labrou, Y. & Finin, T. (1997). A proposal for a new KQML specification. Technical Report CS-97-03,

Computer Science and Electrical Engineering Department, University of Maryland Baltimore County, USA. Lester, J. C., Converse, S. A., Stone, B. A., Kahler, S. E. & Barlow, S. T. (1997). Animated pedagogical agents

and problem solving effectiveness: a large scale empirical evaluation. In B. du Boulay & R. Mizogushi (Eds.), Proceedings of 8th World Conference on Artificial Intelligence in Education, pp. 23-30. Amsterdam: IOS Press.

Mitrovic, A. & Ohlsson, S. (1999). Evaluation of a constraint-based tutor for a database language. International

Journal of Artificial Intelligence in Education, 10, to appear.

Müller, J. (1998). Architectures and applications of intelligent agents: a survey. The Knowledge Engineering

Review, 14 (4), 353-380.

Robertson, J., Good, J. & Pain, H. (1998). BetterBlether: the design and evaluation of a discussion tool for education. International Journal of Artificial Intelligence in Education, 9, 219-236.

Rosatelli, M. C. & Self, J. A. (1998). An empirical qualitative study on collaborating at a distance to solve a case study. Technical Report 98/27, Computer Based Learning Unit, University of Leeds.

Rosatelli, M. C. & Self, J. A. (1999). Supporting distance learning from case studies. In S. P. Lajoie & M. Vivet (Eds.), Proceedings of 9th International Conference on Artificial Intelligence in Education, pp. 457-564. Amsterdam: IOS Press.

Roschelle, J. & Teasley, S. (1995). The construction of shared knowledge in collaborative problem solving. In C. E. O’Malley (Ed.), Computer Supported Collaborative Learning, pp. 69-100. Heidelberg: Springer-Verlag. Russell, S. J. & Norvig, P. (1995). Artificial Intelligence: A Modern Approach. Englewood Cliffs, NJ: Prentice

Hall.

Schank, R., Kass, A. & Riesbeck, C. (1994). Inside Case-Based Explanation. Hillsdale, NJ: Lawrence Erlbaum. Shulman, L. S. (1992). Toward a pedagogy of cases. In J. H. Shulman (Ed.), Case Methods in Teacher

Education, pp. 1-30. New York, NY: Teachers College Press, Columbia University.

Suthers, D. D. (1999). Representational bias as guidance for learning interactions: a research agenda. In S. P. Lajoie & M. Vivet (Eds.), Proceedings of 9th International Conference on Artificial Intelligence in

Education, pp. 121-128. Amsterdam: IOS Press.

Tersine, R. J. (1988). Principles of Inventory and Materials Management. 3rd Ed. New York, NY: North- Holland.

Thiry, M. & Barcia, R. M. (1999). Agent-based architecture to support distance learning. In Proceedings of

Argentine Symposium on Artificial Intelligence, Buenos Aires, Argentina.

Thiry, M., Barcia, R. M. & Khator, S. (1998a). Personal assistance: an intelligent hybrid system approach. In

Proceedings of Industrial Engineering Research Conference, Alberta, Canada.

Thiry, M., Barcia, R. M., Khator, S. & Martins, A. (1998b). Intelligent agent-based approach for distance learning. In Proceedings of International Conference on Engineering Education, Rio de Janeiro, Brasil.