Universidade de Brasília
Instituto de Ciências ExatasDepartamento de Ciência da Computação
Avaliação de Modelo de Estilo de Aprendizagem para
Utilização em Ferramenta de Ensino Baseado em
Agentes
Wesley Vágner Silva Rocha
Monografia apresentada como requisito parcial para conclusão do Bacharelado em Ciência da Computação
Orientadora
Prof. Dra. Célia Ghedini Ralha
Brasília
2016
Universidade de Brasília — UnB Instituto de Ciências Exatas
Departamento de Ciência da Computação Bacharelado em Ciência da Computação
Coordenador: Prof. Rodrigo Bonifácio de Almeida Banca examinadora composta por:
Prof. Dra. Célia Ghedini Ralha (Orientadora) — CIC/UnB Prof. Dra. Carla Denise Castanho — CIC/UnB
Prof. Dra. Germana Menezes da Nobrega — CIC/UnB CIP — Catalogação Internacional na Publicação
Silva Rocha, Wesley Vágner.
Avaliação de Modelo de Estilo de Aprendizagem para Utilização em Fer-ramenta de Ensino Baseado em Agentes / Wesley Vágner Silva Rocha. Brasília : UnB, 2016.
61 p. : il. ; 29,5 cm.
Monografia (Graduação) — Universidade de Brasília, Brasília, 2016. 1. Sistema Multiagente, 2. Informática na Educação, 3. Estilos de Aprendizagem
CDU 004.4
Endereço: Universidade de Brasília
Campus Universitário Darcy Ribeiro — Asa Norte CEP 70910-900
Universidade de Brasília
Instituto de Ciências ExatasDepartamento de Ciência da Computação
Avaliação de Modelo de Estilo de Aprendizagem para
Utilização em Ferramenta de Ensino Baseado em
Agentes
Wesley Vágner Silva Rocha
Monografia apresentada como requisito parcial para conclusão do Bacharelado em Ciência da Computação
Prof. Dra. Célia Ghedini Ralha (Orientadora) CIC/UnB
Prof. Dra. Carla Denise Castanho Prof. Dra. Germana Menezes da Nobrega CIC/UnB CIC/UnB
Prof. Rodrigo Bonifácio de Almeida
Coordenador do Bacharelado em Ciência da Computação
Dedicatória
Dedico este trabalho à minha família, em especial à minha mãe que sempre me incen-tivou a estudar e buscar meus sonhos.
Agradecimentos
Agradeço à minha orientadora Profa. Dra. Célia Ghedini Ralha que me aceitou como seu orientando e me deu um voto de confiança para a execução deste trabalho. Agradeço à pedagoga Alessandra Souza que me ajudou muito no início deste trabalho, na concretização das ideias e no apoio oferecido. Agradeço à equipe Supergeeks pela oportunidade de fazer as experimentações na escola buscando a melhoria da aprendizagem dos alunos. Agradeço aos meus familiares, em especial à minha mãe Denise Cristina Silva Rocha e minha irmã Wendy Vanessa Silva Rocha que sempre estiveram presentes me apoiando, também ao meu primo Felipe Silva de Faria pela atenção. Por fim e não menos importante agradeço aos meus amigos, em especial à Kamila Borges Nogueira, Matheus Parreiras Santos e Vinícius Tafuri Froes de Carvalho, meus eternos Friends.
Resumo
Devido à grande quantidade de meios de comunicação e tecnologias a que a sociedade atual tem acesso, existe um grande desafio que os docentes enfrentam ao lecionarem aos seus alunos, especialmente se são crianças e adolescentes: manter a atenção dos alunos na aula e motivá-los para continuarem interessados em aprender. O processo de ensino e aprendizagem pode ser melhorado utilizando-se diversos conhecimentos da área de Educa-ção. Uma abordagem que pode trazer benefícios é a descoberta de estilos de aprendizagem, que é a maneira pessoal e específica na qual uma pessoa aprende melhor. Buscando a melhoria nessa área, o presente trabalho propõe a validação de um modelo de estilo de aprendizagem em turmas reais compostas por crianças e adolescentes para ser utilizado em um sistema multiagente. Após esta validação, o presente trabalho apresenta o desen-volvimento de um módulo de sugestão de material e didáticas para serem utilizados por professores em aulas presenciais. Na sequência, o sistema sugere os materiais e didáticas que mais se adequam a uma turma, baseando-se nos estilos de aprendizagem individuais. Este módulo contribui, portanto, com a disposição de instrumentos específicos para a elaboração das aulas.
Palavras-chave: Sistema Multiagente, Informática na Educação, Estilos de Aprendiza-gem
Abstract
The large amount of communication media and technologies that modern society has access to, has brought about a major challenge that teachers face everyday in the class-room, especially if the students are children and adolescents: capture and hold students’ attention in class and engage them in the learning activities. The process of teaching and learning can be improved by using different methods known to be effective in Edu-cation. One approach that can benefit both teachers and students is the identification of learning styles, which is the personal and specific way in which a person learns best. Aiming to improve this idea, this work proposes the validation of a learning style model in real classes of children and adolescents to be used in a multi-agent system. After this validation, this paper presents the development of a suggestion module for material and teaching tools to be used by teachers in regular classes. After the detection of learning styles, the developed module enables the integration of teaching and specific materials. Subsequently, the system recommends the material and teaching tools that are best suited to a class, based on the students’ learning styles. As a result, this module contributes to the provision of specific tools for the preparation of lectures.
Sumário
1 Introdução 1 1.1 Problema . . . 2 1.2 Objetivos . . . 2 1.3 Metodologia . . . 3 1.4 Estrutura do documento . . . 3 2 Fundamentação Teórica 4 2.1 Informática na Educação . . . 4 2.2 Sistema Multiagente . . . 9 2.2.1 Inteligência Artificial . . . 9 2.2.2 Agente Inteligente. . . 10 2.2.3 Protocolo de Interação . . . 12 2.2.4 Protocolo de Comunicação . . . 13 2.3 Ferramentas e Tecnologias . . . 14 2.3.1 Banco de Dados . . . 14 2.3.2 JADE . . . 17 2.4 Trabalhos Correlatos . . . 17 3 Proposta de Solução 19 3.1 Arquitetura . . . 193.1.1 Implementação das telas no Frank Web . . . 20
3.1.2 Frank SMA . . . 21
3.2 Banco de Dados . . . 21
3.2.1 Modelo de Entidade e Relacionamento . . . 21
3.2.2 pgAdmin III . . . 24 3.3 Aplicação do questionário . . . 25 3.3.1 Validação . . . 25 3.4 Aulas e Materiais . . . 25 3.5 Aspectos Implementacionais . . . 29 4 Estudo de caso 33 4.1 Análise dos Resultados Quantitativos . . . 34
4.1.1 Validação . . . 34
4.1.2 Avaliação das Aulas . . . 36
4.2 Análise dos Resultados Qualitativos . . . 41
Referências 45
A Questionário da Validação 49
Lista de Figuras
2.1 Representação de um agente inteligente em um ambiente. . . 11
2.2 Exemplo de um DER. . . 17
3.1 Representação da Arquitetura. . . 20
3.2 Modelo de Entidade Relacionamento do Frank SMA. . . 23
3.3 Modelo de Entidade Relacionamento do Frank SMA Versão Atual. . . 23
3.4 Tela com as tabelas usadas no Frank SMA no pgAdmin. . . 24
3.5 Tela de Visualização de Aula. . . 30
3.6 Tela de Visualização de Material. . . 30
3.7 Tela de Lista de Aulas. . . 31
3.8 Tela de Lista de Materiais. . . 31
3.9 Menu de Navegação Antes e Depois das Alterações. . . 32
a Antes . . . 32
b Depois . . . 32
4.1 Folha de Imagem do Jogo sem a GUI - Material das Aulas. . . 34
4.2 Porcentagem de alunos por Estilos de Aprendizagem - Primeira Turma . . 35
4.3 Porcentagem de alunos por Estilos de Aprendizagem - Segunda Turma . . 35
4.4 Porcentagem de alunos por Estilos de Aprendizagem - Terceira Turma . . . 36
4.5 Respostas - Todas as Turmas - Objetivo da Aula . . . 37
4.6 Respostas - Primeira Turma - Grau de Diversão . . . 37
4.7 Respostas - Segunda Turma - Grau de Diversão . . . 38
4.8 Respostas - Terceira Turma - Grau de Diversão . . . 38
4.9 Respostas - Primeira Turma - Grau de Dificuldade. . . 39
4.10 Respostas - Segunda Turma - Grau de Dificuldade . . . 40
Lista de Tabelas
2.1 Dimensões de estilos de aprendizagem segundo Modelo Butler. . . 6
2.2 Dimensões de estilos de aprendizagem segundo Modelo Felder e Silvermann. 7
2.3 Dimensões de estilos de aprendizagem segundo Modelo Kolb . . . 8
2.4 Dimensões de estilos de aprendizagem segundo Modelo Honey-Mumford . . 9
2.5 Performativas da FIPA ACL - Parte I . . . 15
Capítulo 1
Introdução
O trabalho de um docente no processo de aprendizagem é árduo e de grande res-ponsabilidade, já que influencia diretamente na formação do discente, seja este crianças, adolescentes ou adultos. Contudo cada pessoa possui uma maneira individualizada de aprender. Dependendo da maneira como as informações são apresentadas para determi-nada pessoa ela pode entender com maior ou menor facilidade. A maneira como cada um aprende melhor é chamada na área de Educação de Estilo de Aprendizagem (1).
Atualmente as pessoas possuem um maior contato com tecnologias de informação com uma facilidade bem maior do que antigamente, especialmente as crianças e adolescentes. Surge então outro desafio: Como manter a atenção dos alunos na aula? Para responder essa pergunta é necessário considerar que a saturação desse envolvimento com meios de comunicação afeta diretamente no processo de aprendizagem. Neste contexto, em um ambiente de ensino, a didática e materiais utilizados em uma sala de aula por um professor podem afastar ou atrair o interesse dos alunos no processo de aprendizagem. Outro aspecto importante trata da maneira como os conteúdos são ministrados, que pode facilitar ou dificultar o entendimento do conteúdo proposto. Este trabalho pretende responder esta questão através da utilização de estilos de aprendizagem associado a uma ferramenta de ensino baseado em agentes.
O processo de inferência dos estilos de aprendizagem e do planejamento das aulas utilizando-se de materiais e didáticas específicas é um processo lento, trabalhoso e custoso se feito de maneira manual. Levando-se em consideração que os estilos de aprendizagem não são constantes e fixos, existe também a necessidade de se reavaliar os estilos de aprendizagem dos alunos com certa frequência. Desta forma a utilização de sistemas computacionais para que a determinação destes estilos seja feita se mostra uma maneira eficiente de resolver este problema.
Com o intuito de diminuir o custo deste processo a utilização de técnicas de com-putação distribuída se mostra válida. Com a distribuição pode-se executar em diferentes ambientes, os diferentes serviços com comunicação entre estes serviços, através de troca de mensagens aumentando assim sua eficiência. Além disso, um ambiente distribuído pode representar de uma maneira mais fiel o ambiente de salas de ensino e aprendizagem, onde existem vários alunos e diferentes professores utilizando os mesmos recursos didáticos.
Uma abordagem que pode interconectar os aspectos citados e trazer benefícios à efi-ciência do sistema é a utilização de sistema multiagente (SMA) (2). Um SMA pode ser considerado uma metáfora dos indivíduos humanos, uma vez que os agentes podem refletir
os alunos, os professores e caracterizar melhor o ambiente real de ensino e aprendizagem. Várias ferramentas atualmente utilizam SMA como solução computacional adequada a ambientes virtuais de ensino e aprendizagem, como (3), (4), (5).
Neste contexto, um SMA que detecte os estilos de aprendizagem de alunos e que faça sugestão de materiais e didáticas específicos para que os docentes possam melhorar suas aulas parece ser uma alternativa viável para a melhoria no processo de ensino e aprendizagem. No entanto, para justificar a implementação deste sistema uma pergunta deve ser respondida: a descoberta de estilos de aprendizagem funciona para se utilizar didáticas e materiais de ensino específicos por aluno, sendo estes crianças e adolescentes? O presente trabalho implementa um sistema de sugestão de didáticas e materiais es-pecíficos para professores utilizarem em aulas presenciais, baseado nos estilos de aprendi-zagem dos alunos. O sistema implementado foi utilizado para ministrar aulas em turmas reais. Na sequência, foi feita uma análise para verificar se o processo de aprendizagem foi beneficiado com a utilização de didáticas e materiais específicos apontados pelo sistema. Após as aulas ministradas, foi desenvolvido um módulo que relaciona materiais e didática aos estilos de aprendizagem. Este módulo foi implementado no sistema Frank Web (6,7), um sistema multiagente que já fazia a detecção de estilos de aprendizagem de alunos. Neste módulo os professores fazem a inserção de materiais e didáticas específicos para cada estilo de aprendizagem. Com esses dados o sistema é então capaz de sugerir qual conjunto de material e didática se adequa mais a cada turma, observando os estilos de aprendizagem dos alunos. O sistema Frank foi inicialmente projetado para ser utilizado para oferecer um apoio a aulas presenciais, com a extensão do sistema Frank foi desen-volvido um módulo adicional que possibilita a utilização do mesmo para aulas presenciais com materiais específicos.
1.1
Problema
Existe uma escassez de instrumentos que auxiliem no processo de ensino e aprendi-zagem com materiais e didáticas individualizado por aluno. Em especial existe a falta de recursos computacionais que possibilitem a detecção de estilos de aprendizagem e os relacionem a didáticas e materiais específicos.
1.2
Objetivos
Considerando o problema apresentado, este trabalho tem como objetivo disponibilizar para docentes um sistema que permite inserir didáticas e materiais específicos de acordo com os estilos de aprendizagem. O referido sistema deve viabilizar a relação de materiais e didáticas individualizados segundo os estilos de aprendizagem dos alunos utilizando um sistema baseado em agentes para descentralizar o processo.
Podemos citar como objetivos específicos:
• pesquisar e customizar um sistema que faça a definição dos estilos de aprendizagem, bem como relacionar materiais e didáticas adequadas aos estilos detectados;
• pesquisar na literatura propostas que apresentem benefícios na aprendizagem atra-vés do uso de materiais e didáticas voltadas para estilos de aprendizagem específicos;
• verificar se a utilização do sistema proposto em ambiente real pode trazer algum benefício na aprendizagem.
1.3
Metodologia
A metodologia deste trabalho pode ser descrita incluindo os seguintes pontos: revisão bibliográfica, busca por um sistema que atenda às necessidades dos docentes, adaptação do sistema para que todos os pontos que faltem para atingir o objetivo sejam adiciona-dos, estudo de caso composto por validação e avaliação das aulas em ambientes reais. A primeira etapa compreende o estudo de conceitos relacionados a diversas áreas da com-putação, tais como SMA, Informática na Educação (IE) e descoberta de ferramentas que possam auxiliar o desenvolvimento ou adaptação do sistema.
A segunda etapa constitui da busca por sistemas que possam ser adaptados para resolver o problema, preferencialmente que utilizem abordagem de agentes. Neste sentido, foram comparados alguns sistemas: (2), (8) e (7). Dentre eles o sistema Frank (7) foi escolhido para o desenvolvimento deste trabalho.
Em seguida é feita a detecção das características que precisam ser adicionadas ao sistema Frank para solucionar o problema, é feita então a definição da nova arquitetura do Frank e a criação do projeto e alterações do banco de dados para compreender as sugestões de materiais e didáticas para os docentes.
Para validar a solução proposta é feito um estudo de caso em um ambiente real com alunos em uma escola de programação para crianças e adolescentes. Por fim são feitas as análises dos resultados obtidos com as validações.
1.4
Estrutura do documento
Os capítulos foram divididos da seguinte maneira:
• Capítulo 2: apresenta os conceitos necessários para a compreensão das áreas com as quais este trabalho tem relação, como conceitos nas áreas de IE e SMA. Também apresenta algumas das ferramentas e tecnologias que foram utilizadas e trabalhos correlatos;
• Capítulo 3: descreve a proposta de solução constituída pela arquitetura desenvol-vida, alterações no banco de dados, além da descrição do estudo de caso realizado, materiais utilizados nas aulas teste e aspectos implementacionais;
• Capítulo 4: contém a metodologia dos testes realizados e a análise dos resultados envolvendo aspectos quantitativos e qualitativos.
• Capítulo 5: apresenta algumas conclusões e propostas a serem desenvolvidas como prosseguimento ao presente trabalho.
Capítulo 2
Fundamentação Teórica
Neste capítulo apresentamos conceitos envolvidos neste trabalho. A primeira seção aborda a teoria de Informática na Educação. A segunda inclui os conceitos relacionados a SMA. A terceira seção explana as ferramentas e tecnologias que foram utilizadas para o desenvolvimento do projeto, e na última seção são discutidos alguns trabalhos correlatos.
2.1
Informática na Educação
A facilidade de se trocar informação e conhecimento pela Internet, a quantidade de conteúdo disponível para alunos interessados, a possibilidade de se realizar um curso à distância pelo computador, todas essas coisas são possíveis graças aos estudos e esforços despendidos na área de IE. A IE já era um ramo de grande importância desde o início da comercialização de computadores (9), já que desde o surgimento de computadores com capacidade de programação e armazenamento de informações surgiram as primeiras experiências relacionadas ao seu uso voltados para educação.
Com o passar dos anos e o surgimento de novas tecnologias a IE avançou para que o processo educacional se adaptasse a essas novas tecnologias. As didáticas e os métodos educacionais também estiveram em constante evolução e com o passar do tempo a IE se adaptou para dar apoio a essas novas abordagens educacionais. Para o presente trabalho é necessário entender em que ponto as crianças e adolescentes da geração atual se encontram no âmbito de IE. Acredita-se que elas já nascem com uma facilidade de acesso a uma quantidade enorme de informação, sendo denominada por Geração M (10).
Os nossos modos de existência foram mudados radicalmente após o surgimento de novos meios de comunicação (11). Com o passar dos anos a sociedade passou a lidar com novas tecnologias midiáticas, tais como a imprensa diária, telefone, rádio, digitalização, computadores, dispositivos móveis e a Internet. Sabe-se que estes últimos tornaram o dia-a-dia intensamente midiatizados com os recursos de blogs, mídias sociais, correio eletrônico e celulares. Atualmente os meios de comunicação estão presentes em todos os lugares e em todos os momentos da vida, desde o nascimento até a morte, em todas as horas do dia (12). Essa geração cercada por meios de comunicação, dispositivos tecnológicos, que já nasceram com acesso a todo tipo de informação é chamada Geração M (10). As crianças e adolescentes da Geração M se envolvem muito com meios de comunicação e vários estudos já comprovaram que a maioria das crianças atualmente levam uma vida saturada desse envolvimento com meios de comunicação (10) (13).
Essa imersão em uma vida rodeada de meios de comunicação e de mídias digitais pode trazer efeitos negativos no desenvolvimento das crianças e adolescentes: os comportamen-tos agressivos e anti-sociais se tornam mais frequentes, a cooperação com outros se torna menos frequente, ocorre uma dessensibilização das crianças e adolescentes, e até mesmo o consumismo é estimulado, aumento nos índices de obesidade e a indução ao consumo de drogas. Outros como efeitos negativos que influenciam diretamente no processo de aprendizagem como déficits de atenção e diminuição do desempenho escolar (14) (10).
Devido aos efeitos negativos já expostos, os docentes possuem um grande desafio para tentar melhorar o processo de aprendizagem e ter mais chances que os alunos consigam aprender o que lhes é proposto. Para entender melhor o processo de aprendizagem é apresentado o conceito de estilos de aprendizagem.
Estilos de Aprendizagem
Estilos de aprendizagem refere-se as preferências de uma pessoa no que se refere ao seu processo de aprendizagem. Cada pessoa possui uma maneira de entender o mundo e absorver as informações que lhe são apresentadas. Segundo (1) estilos de aprendizagem são a maneira com que o aprendiz utiliza estratégias para aprender e construir o conhecimento. Tais estratégias são ferramentas que as pessoas desenvolvem para lidar com diferentes situações de aprendizagem e resolver problemas.
Descobrindo o estilo de aprendizagem dos alunos de uma turma é possível entender as preferências individuais de cada aluno e compreender o por que de alguns métodos funcionarem melhor com alguns alunos e com outros nem tanto (15). A identificação do estilo de aprendizagem é uma das maneiras para se obter as preferências individuais, entendendo assim o motivo de alguns métodos e técnicas de ensino em alguns alunos e em outros não, assim é possível propiciar materiais de aprendizagem mais adequados para a aprendizagem (16). Outra vantagem de se descobrir os estilos de aprendizagem dos alunos de uma turma é a melhora no ensino e na aprendizagem, pois ao se identificar os estilos de aprendizagem é possível fazer uma conexão entre o processo de ensino e a maneira como os alunos preferem aprender, acarretando em uma melhora nos resultados e fazendo surgir uma vontade maior de aprender (17).
Com base no exposto, descobrir os estilos de aprendizagem de uma turma é de grande importância no processo de aprendizagem dos alunos, pois o professor pode utilizar de materiais e conteúdos próprios para cada estilo presente na sala de aula.
Dimensões dos estilos de aprendizagem
Existem diferentes maneiras de estudar os estilos de aprendizagem e também de categorizá-los, tais categorias são chamadas de dimensões. As dimensões mais relevantes presentes na literatura e os modelos que as descrevem são:
• Modelo Butler - inclui cinco dimensões: realista, analítico, pragmático, pessoal e divergente. Segundo (18), o estilo de aprendizagem é a forma consistente e pessoal através da qual as pessoas usam suas qualidades e habilidades para definir a si mesmas, para encontrar, avaliar e processar informações. A Tabela2.1 apresenta as diferentes dimensões e suas respectivas características.
Tabela 2.1: Dimensões de estilos de aprendizagem segundo Modelo Butler. Dimensão Características
Realista Pessoas com estilo de aprendizagem realista enxergam o mundo como um lugar organizado onde os fatos ocorrem de maneira previsível, assim como as ações e os resultados. A experiência é quem guia essas pessoas, elas tendem a seguir instruções e se importam que os outros tenham consciência de suas ações, também não gostam de mudanças sem sentido ou modificar algo que não possui problemas.
Analítico As pessoas com estilo de aprendizagem analítico entendem que o mundo é um sistema lógico e que o mesmo pode ser percebido através de estudo contínuo e observação. Gostam de criar teorias para quase tudo. Tem interesse no método científico, provas e conceitos técnicos.
Pragmático Pessoas com estilo de aprendizagem pragmático enxergam o mundo do geral para o específico e do específico para o geral, ao mesmo tempo. Para elas fatos e valores possuem o mesmo peso, para que os objetivos sejam alcançados eles criam estratégias e táticas. São pessoas que sofrem menos com os conflitos de estilos.
Pessoal Pessoas com estilo de aprendizagem pessoal entendem que a harmonia é es-sencial para o mundo. Gostam que as outras pessoas os vejam como pessoas dignas de confiança, solícitos, apoiadores e abertos. Antes de assimilar to-mam para si vários pontos de vista, são pessoas que se sentem assoberbadas e esquecidos quando são submetidos a exigências normativas e sequenciais. Divergente As pessoas com estilo de aprendizagem divergente entendem que o mundo
possui infinitas possibilidades, misturam as experiências e a imaginação para validar o que é real e descobrir coisas que ainda não existem, admiram a mudança e estão em busca de novidades e diferenças.
• Modelo Felder e Silvermann - dividem os estilos de aprendizagem em oito di-mensões: sensorial, intuitivo, visual, verbal, ativo, reflexivo, sequencial e global. Para (19) os estilos de aprendizagem são predileções e atributos dominantes na ma-neira como as pessoas percebem e processam as informações, assim sendo, os estilos de aprendizagem são habilidades que o sujeito pode desenvolver. A Tabela2.2 apre-senta os estilos de aprendizagem de acordo com o Modelo Felder e Silvermann e suas principais características.
Tabela 2.2: Dimensões de estilos de aprendizagem segundo Modelo Felder e Silvermann. Dimensão Características
Sensorial Pessoas de estilo de aprendizagem sensorial gostam de aprender fatos, preferem resolver problemas com métodos já estabelecidos, sem adversidades ou surpre-sas, conseguem bom resultados em trabalhos práticos e são mais rigorosos. Intuitivo Pessoas de estilo de aprendizagem intuitivo gostam mais de descobrir relações
e possibilidades, preferem novidades e não gostam de coisas repetitivas, são mais inovadores no trabalho e chegam nos resultados mais rapidamente. Eles se sentem mais a vontade para lidar com coisas novas, sejam conceitos, fórmulas matemáticas ou abstrações.
Visual Pessoas de estilo de aprendizagem visual gravam melhor na memória coisas que veem, como figuras, diagramas, filmes ou imagens.
Verbal Pessoas de estilo de aprendizagem verbal se atentam mais a palavras e apren-dem melhor com elas, como explicações orais e escritas ou fórmulas matemá-ticas.
Ativo Pessoas de estilo de aprendizagem ativo acabam entendendo melhor as infor-mações ao se discutir, aplicar conceitos ou quando explicam esses conceitos para outras pessoas. Para eles trabalhar em grupo é algo bom.
Reflexivo Pessoas de estilo de aprendizagem reflexivo aprendem melhor quando possuem um tempo para que possam pensar e refletir sobre as informações que lhes foram dadas. Para eles trabalhar individualmente é algo bom.
Sequencial Pessoas de estilo de aprendizagem sequencial aprendem de maneira contínua, em etapas que possuam uma lógica linear, geralmente procuram caminhos lógicos para se chegar a solução de algum problema.
Global Pessoas de estilo de aprendizagem global tem uma tendência a aprender de maneira aleatória, possuindo uma visão geral do assunto, possuem grande ha-bilidade de resolver problemas complexos rapidamente, no entanto, não sentem facilidade ao terem que explicar a maneira como a resolução foi feita.
• Modelo Kolb - possui quatro dimensões em sua divisão dos estilos de aprendiza-gem: divergente, assimilador, convergente e acomodador. Segundo (20) cada sujeito tem um estilo de aprendizagem próprio, e que certa habilidade possui uma prioridade maior que as outras. Também considera que cada pessoa está inserida em uma das dimensões ao se analisar essas habilidades. A Tabela 2.3 mostra as características de cada dimensão de acordo com o modelo Kolb.
Tabela 2.3: Dimensões de estilos de aprendizagem segundo Modelo Kolb Dimensão Características
Divergente Pessoas da dimensão divergente tendem a gostar mais das experiências con-cretas, possuem capacidade de observar as situações sob diferentes pontos de vistas e relacionar essas situações em uma visão mais geral organizada, pos-suem habilidade em situações que precisam de ideias criativas e inovadoras para serem resolvidas. Pergunta característica: Por quê?
Assimilador Pessoas que possuem o estilo de aprendizagem assimilador entendem melhor através de conceituações abstratas, possuem facilidade para se criar modelos teóricos e abstratos e geralmente não se importam muito com a parte prática. Eles utilizam um raciocínio baseado na indução e lidam com ela de maneira lógica. Pergunta característica: O quê?
Convergente Pessoas da dimensão convergente usam a dedução no seu raciocínio, aplicando suas ideias, geralmente aprendem por tentativa e erro e possuem habilidade para se resolver problemas e tomar decisões. Pergunta característica: Como? Acomodador Pessoas que possuem o estilo de aprendizagem acomodador gostam de aprender
através de experiências ativas e concretas, possuem facilidade de se adaptar à circunstâncias imediatas, geralmente atuam mais com base naquilo que sentem e não por uma análise lógica e gostam de desafios. Pergunta característica: De que maneira?
• Modelo Honey-Mumford - divide os estilos de aprendizagem em quatro dimen-sões: ativo, reflexivo, teórico e pragmático. Para (21) é possível observar em uma pessoa as características dos vários estilos de aprendizagem, mas que geralmente cada uma possui um estilo de aprendizagem dominante. A Tabela 2.4 apresenta as dimensões dos estilos de aprendizagem e suas respectivas características de acordo com o modelo Honey-Mumford.
Por apresentar um modelo mais simplificado do que o modelo utilizado em (7), modelo Honey e Mumford foi o escolhido para ser utilizado como referência para este trabalho.
Os estilos de aprendizagem de uma pessoa não são imutáveis e podem variar com o passar do tempo, de acordo com a situação de aprendizagem, com o conteúdo abordado ou até mesmo com as experiências de quem aprende (1).
O ideal de ensino é que haja um equilíbrio no ensino, utilizando-se de atividades que estejam de acordo com suas preferências de aprendizagem e outras atividades que causem desconforto e faça com que o aprendiz seja capaz de se adaptar e aprimorar outros métodos de aprendizagem (22).
O processo de inferência de estilo de aprendizagem pode ser custoso se for feito ma-nualmente. Levando-se em consideração que os estilos de aprendizagem podem variar com o passar do tempo, existe também a necessidade de fazer uma reavaliação com certa frequência para se assegurar que o estilo de aprendizagem não sofreu alterações. Essa atualização do estilo de aprendizagem também possui um alto custo. Desta forma a determinação e atualização de estilos de aprendizagem, de uma maneira eficiente, pode
ser feita utilizando sistemas computacionais. Devido ao alto custo e procurando uma representatividade mais fiel de uma sala de ensino e aprendizagem o conceito de SMA é apresentado.
Tabela 2.4: Dimensões de estilos de aprendizagem segundo Modelo Honey-Mumford Dimensão Características
Ativo Pessoas que possuem o estilo de aprendizagem ativo possuem uma mente aberta, geralmente gostam de se envolver com outras pessoas e são sociais, preferem experimentar coisas novas e se sentem estimulados com essas experi-ências, gostam de ser o centro das atividades, preferem agir, desafios e situações complicadas lhes causam interesse.
Reflexivo As pessoas da dimensão reflexiva priorizam a observação à ação, elas mantêm o foco na reflexão e no desenvolvimento de significados, gostam mais de pensar e refletir antes de chegar à alguma conclusão, preferem observar como as outras pessoas estão agindo e entender a discussão como um todo antes de dizer o que pensam, não observam as experiências por uma única perspectiva, se atentam tanto à experiência delas como dos outros.
Teórico Pessoas que possuem o estilo de aprendizagem teórico geralmente estabelecem relações, deduzem e integram os fatos em teorias que fazem sentido, têm por costume serem perfeccionistas e gostam de analisar e sintetizar as coisas. Pos-suem uma abordagem consistente e lógica. Buscam pela objetividade e pela razão, não gostam da subjetividade e coisas superficiais.
Pragmático As pessoas da dimensão pragmática gostam de verificar se ideias, técnicas e teorias são válidas na prática. São confiantes e agem de maneira rápida quando o assunto são as idéias e os projetos que os atrai. Possuem preferência pela praticidade, gostam de resolver problemas e de conclusões práticas. Não gostam de discussões que não terminam e não gostam de refletir sobre os temas.
2.2
Sistema Multiagente
Nesta seção serão explanados conceitos e fundamentos relacionados à SMA. Primei-ramente serão expostos alguns conceitos de Inteligência Artificial (IA) e as definições de agentes. Logo em seguida são apresentadas as arquiteturas relacionadas aos agentes, a interação dos agentes e características da comunicação.
2.2.1
Inteligência Artificial
De acordo com Russell e Norvig (23) é possível dividir os conceitos de IA em qua-tro grupos distintos utilizando características de racionalidade, performance humana, de pensar e agir conforme segue:
• sistemas que pensam como humanos - agem de acordo com o modelo cognitivo humano. Para verificar que existem programas que podem agir como humanos é
feita uma comparação de padrões humanos com a entrada, a saída e o tempo de execução;
• sistemas que pensam racionalmente - a parte da IA que trabalha com a lógica formal, constituindo de sistemas que resolvem problemas definidos por linguagens formais e notações lógicas;
• sistemas que agem como humanos - agem conforme o teste de Turing. O teste nada mais é do que um entrevistador humano que faz perguntas ao sistema e analisa as respostas para decidir se foram dadas por humanos ou pela máquina;
• sistemas que agem racionalmente - possuem agentes que agem de forma racional, neste sentido agir de forma racional significa agir de uma maneira que se atinja objetivos determinados, utilizando de sua capacidade de perceber o ambiente, de seu controle autônomo e da adaptação as mudanças.
Os avanços nos estudos da IA resultam na possibilidade de resolução de problemas complexos, além das tecnologias tradicionais. Uma das maneiras de se resolver proble-mas complexos é a divisão em probleproble-mas menores e distribuí-los no que chamamos de IA distribuída (IAD), onde a execução da aplicação é dividida em várias plataformas com-putacionais. Essa abordagem citada por (23) e é um dos campos de estudo associados a IA moderna. Essa abordagem utiliza o conceito de agente, o qual possui capacidades específicas e individuais, possibilitando assim a paralelização de tarefas. Devido a comple-xidade dos problemas modernos faz-se necessário a utilização de hardwares potentes e por muitas vezes de alto custo, e as vezes mesmo com a utilização deste tipo de equipamento os problemas não podem ser resolvidos em tempo viável por uma máquina apenas. Neste caso a IAD torna-se relevante e necessária, dividindo o trabalho em várias máquinas e viabilizando a resolução de problemas reais e complexos.
2.2.2
Agente Inteligente
Um agente inteligente é uma entidade fundamental no estudo e utilização de SMA. Wooldridge (24) define que um agente é um sistema computacional que se situa em um ambiente, sendo capaz de agir de maneira autônoma para cumprir seus objetivos definidos no projeto. Este sistema deve possuir as seguintes características para ser considerado um agente inteligente:
• autonomia - capacidade de controlar as próprias ações;
• reatividade - capacidade de perceber o ambiente e de responder;
• proatividade - capacidade de decidir a melhor sequência de ações para se chegar ao objetivo desejado;
• sociabilidade - capacidade de se comunicar com outros agentes através de negocia-ções, cooperação e coordenação.
De acordo com Russell e Norvig (23) um agente inteligente é uma entidade capaz de perceber o ambiente que está inserido, por meio de sensores e agir sobre o ambiente por meio de atuadores. Alguns agentes tomam as decisões escolhendo a melhor ação possível,
levando em conta o conhecimento que ele possui, porém nem sempre essas ações resultam na medida de desempenho máxima. Esses agentes são chamados de agentes racionais e a inteligência desses agentes está no fato que eles escolhem quais ações são mais adequadas para se chegar ao objetivo.
Segundo (23) um agente inteligente deve ser projetado especificando qual a sua per-cepção, quais são suas ações, seus objetivos e o seu ambiente, o que é conhecido através do acrônimo PEAS (Performance, Environment, Actuators, Sensors).
Segundo (24) as principais noções dos agentes podem ser separadas em dois grupos: o primeiro grupo é de noção fraca, compreendendo os conceitos de reatividade, proatividade e habilidade social; e o segundo de noção forte, incluindo além das citadas os conceitos de mobilidade, veracidade, benevolência, racionalidade e cooperação, conforme segue:
• reatividade: capacidade do agente reagir ao ambiente após um estímulo;
• proatividade: mesmo que não haja nenhum estímulo proveniente do ambiente o agente pode executar uma ação;
• habilidade Social: capacidade de um agente interagir com outros; • mobilidade: capacidade de se movimentar pelo ambiente;
• veracidade: quando o agente não transmite informações que não são verdadeiras; • benevolência: um agente pode vir a ajudar outro agente que esteja precisando; • racionalidade: as ações dos agentes nunca impedirá que os objetivos sejam
alcança-dos;
• cooperação: quando os agentes cooperam com o usuário.
Conforme descrito em (7), a Figura 2.1 representa o funcionamento básico de um agente inteligente inserido em um ambiente. O agente percebe o ambiente através de seus sensores, analisa os dados que recebeu e age sobre o ambiente através de seus efetuadores (ou atuadores).
Ambiente é onde os agentes estão inseridos, percebem e agem. Recursos, outros dis-positivos ou hardwares, banco de dados, materiais, são considerados partes do ambiente, ou seja, os recursos que permeiam os agentes de um SMA são considerados associação do ambiente (25).
Por mais que um agente possa atuar sobre o ambiente ele não possui controle sobre o mesmo, eles podem apenas influenciar o ambiente com suas ações ou criar outros agentes no ambiente.
Conforme citado o ambiente faz parte do PEAS e é de suma importância para o projeto de um SMA. De acordo com (23) é possível definir os ambientes de acordo com suas características e como funcionam:
• completamente observável ou parcialmente observável: os sensores dos agentes con-seguem captar todas as informações relevantes do ambiente para as suas tomadas de decisão, podendo-se dizer que este ambiente é completamente observável. Caso algumas informações não possam ser obtidas o ambiente é dito parcialmente obser-vável;
• determinístico ou estocástico: é possível determinar o próximo estado do ambiente a partir do estado atual e das possíveis ações do agente, podendo-se dizer que este ambiente é determinístico. Caso não seja possível determinar o próximo estado, seja por imprecisão da coleta de informações através dos sensores, ou qualquer outro fator, o ambiente é chamado de estocástico;
• episódico ou sequencial: a interação do agente com o ambiente é episódica, e cada episódio é composto pelas ações do agente e sua percepção do ambiente. Já em um ambiente sequencial uma ação atual de um agente pode modificar uma possível ação futura;
• estático ou dinâmico: o ambiente pode sofrer alterações enquanto o agente escolhe suas ações. Mas se o ambiente permanecer o mesmo durante a escolha das ações do agente diz-se que é estático;
• discreto ou contínuo: existe um número limitado de ações e percepções que um agente pode ter. Mas se essas percepções e ações variam por um intervalo de valores contínuos este ambiente é dito contínuo.
2.2.3
Protocolo de Interação
Em um SMA os agentes precisam se comunicar e interagir para atingir os objetivos que cada agente possui, essa necessidade de interação é chamada de coordenação (24). No entanto, nem sempre esses objetivos são comuns a todos os agentes e consequentemente a cooperação pode não ser realizada para o cumprimento de determinada tarefa. Pode-se dizer que coordenação é o processo no qual os agentes assumem o compromisso de cooperar para que os agentes possuam coerência em suas ações (26). Um SMA deve ser coordenado por vários motivos:
• os agentes podem ter objetivos diferentes que não se relacionam;
• caso diferente agentes ajam em subproblemas distintos, os objetivos do sistema como um todo podem ser alcançados de uma maneira mais rápida;
• os agentes podem possuir diferentes habilidades e conhecimentos.
Para lidar com esses problemas inerentes ao SMA várias técnicas foram desenvolvidas, dentre elas o cooperative distributed problem solving (CDPS) (27). Essa técnica consiste em uma rede com vários nós, onde cada nó tem conhecimento para resolver um pedaço do problema proposto, a ideia é que os nós cooperem uns com os outros para que o problema seja resolvido, já que um nó sozinho não consegue.
A técnica do CDPS pode ser dividida em três partes:
• decomposição do problema: cada agente recebe uma divisão do problema a ser resol-vido, e essas divisões podem ser quebradas em problemas menores ainda aumentando a quantidade de agentes que podem trabalhar para resolver o problema;
• solução do subproblema: cada agente resolve o subproblema que lhe foi atribuído, podendo se comunicar com outros agentes nesse processo
• integração da solução: o problema inicial é resolvido após a junção das soluções dos subproblemas.
Existem várias outras técnicas e abordagens para se lidar com as diferentes interações entre os agentes em um SMA, porém não serão abordadas neste trabalho, por não ser o foco centrado no desenvolvimento de um SMA, mas no seu uso. Para haver essa interação entre os agentes, os mesmos precisam de uma padronização no processo de comunicação.
2.2.4
Protocolo de Comunicação
De acordo com (26) a comunicação é um requisito importante de um SMA. A capa-cidade de um agente se comunicar com outros agentes, com os usuários e recursos do sistema é muitas vezes fator imprescindível para que o objetivo do agente seja alcançado. Por muitas vezes o cenário mais simples em uma comunicação, onde um agente A envia uma mensagem para um agente B e este está disponível para receber a mensagem, não é o que acontece na realidade. Por este e outros motivos faz-se necessário entender o processo de comunicação em um SMA. A comunicação entre agentes é o que possibilita que os agentes realizem negociação, colaboração e cooperação.
Em (23) temos a definição de que comunicação é a troca voluntária de informações resultante da percepção e produção de sinais extraídos de um sistema compartilhado. A teoria dos atos de fala (Speech Act Theory) é a base da comunicação entre os agentes e um ato de fala é quando um agente se comunica com a intenção de obter uma ação como resultado.
A teoria dos atos de fala (28) diz que algumas expressões de linguagem natural, ou atos de fala, possuem uma característica inerente que provoca uma ação em um interlocutor, da mesma forma que uma ação física, ocasionando assim uma mudança de estado.
Para se comunicar os agentes utilizam uma linguagem comum, essa linguagem é comu-mente denominada de linguagem de comunicação entre agentes. No início da década de 90, o consórcio Knowledge Sharing Effort (KSE) dos Estados Unidos desenvolveu várias
linguagens de comunicação entre agentes, dentre elas a Knowledge Query and Manipula-tion Language (KQML) que é muito utilizada e abrangente (29).
KQML é uma linguagem que define um protocolo para que os agentes possam se co-municar através de mensagens, cada mensagem possui um enunciado performativo (per-formative) e os parâmetros da mensagem.
De acordo com (30), atos de fala também chamados de performativas de comunicação, podem ser classificados em 5 grupos:
• representativas: o orador transmite algo que acredita ser verdade; • diretivas: atos de fala utilizados para solicitar ou pedir algo ao ouvinte;
• comissivas: o orador declara que está comprometido em relação à alguma ação que está sendo executada;
• expressivas: atos de fala utilizados para expressar algum estado psicológico, como agradecimentos, desculpas;
• Declarativas: o orador declara algum fato e modifica o estado do ambiente.
Existem várias outras linguagens de comunicação de agentes, atualmente a linguagem mais difundida e estudada é a FIPA Agent Communication Language (ACL)1, que integra várias características do KQML, como a estrutura das mensagens que é a mesma e a semelhança entre os atributos. A FIPA ACL foi padronizada em 1996 pela Foundation for Intelligent Physical Agents (FIPA) com o início dos trabalhos na criação de padrões para agentes e SMA.
A FIPA ACL possui 20 performativas, no entanto não é feita nenhuma restrição ao conteúdo das mensagens ou da linguagem utilizada. Na verdade o que é feito é a definição formal do sentido de cada uma dessas mensagens, ou seja, a diferença primordial entre KQML e FIPA ACL são as performativas previstas em cada linguagem.
Também houve um trabalho de definição formal da semântica da comunicação dos agentes, se relacionando com a linguagem formal chamada Semantic Language. Essa linguagem possibilita a representação de desejos, incertezas e crenças dos agentes assim como as ações executadas pelos agentes.
As Tabelas2.5 e 2.5 apresentam as 20 performativas que integram a FIPA ACL.
2.3
Ferramentas e Tecnologias
Nesta seção serão explanadas os conceitos relacionados as ferramentas e tecnologias utilizadas no presente trabalho. Inicialmente serão expostos conceitos relacionados à Banco de Dados (BD) e a plataforma de SMA utilizada.
2.3.1
Banco de Dados
Um sistema computadorizado que faça manutenção de registros é chamado de BD (31). Um BD pode ser considerado como um equivalente eletrônico de um armário, servindo para armazenar arquivos de dados computadorizados (31). Uma maneira de
1
Tabela 2.5: Performativas da FIPA ACL - Parte I Tipo Descrição
Accept Proposal
ação de aceitar uma proposta anteriormente submetida para realizar uma ação Agree ação de concordar em executar determinada ação, possivelmente no futuro Cancel ação de um agente informar outro agente que o primeiro agente não possui
mais a intenção de que o segundo agente execute alguma ação Call for
Proposal
ação de apresentar propostas para executar uma determinada ação
Confirm o emissor informa ao destinatário que uma dada proposição é verdadeira, dado que o destinatário é incerto sobre a veracidade da proposição
Disconfirm emissor informa ao destinatário que uma dada proposição é falsa, dado que o destinatário estava certo sobre a veracidade da proposição
Failure ação de dizer a outro agente que houve tentativa de execução de uma ação porém a tentativa falhou
Inform o emissor informa ao destinatário que uma dada proposição é verdadeira Inform if um ato composto usado pelo emissor para informar ao receptor se uma dada
proposição é verdadeira ou não Inform
Ref
um ato composto usado pelo emissor para informaro ao receptor o objeto que corresponde a um descritor
Not Un-derstood
o emissor de uma ação informa ao receptor que o emissor notou que uma ação foi executada pelo destinatário, porém não compreendeu o que exatamente o destinatário fez
Propagate o emissor espera que o destinatário manipule a mensagem enviada como se ela tivesse sido enviada pelo emissor, e solicita que o destinatário identifique agentes indicados pelo descritor dado e reenvie a mensagem propagada a eles Propose ação de enviar uma proposta para a execução de determinada ação, dadas
certas condições prévias
Proxy o emissor solicita ao destinatário que ele selecione agentes alvos indicados pelo descritor dado e envie a mensagem anexada a eles
Query If ação de perguntar a outro agente se uma proposição dada é verdadeira ou falsa Query Ref ação de solicitar a outro agente pelo objeto ao qual uma expressão referencial
se remete
Refuse ação de se recusar a executar determinada ação, e explicar a razão da recusa Reject
Pro-posal
ação de recusar uma proposta de execução de alguma ação durante uma nego-ciação
Request o emissor solicita ao destinatário que realize alguma ação. Uma maneira im-portante de se usar o ato de request é solicitar ao destinatário que execute outro ato comunicativo
Tabela 2.6: Performativas da FIPA ACL - Parte II Tipo Descrição
Request When
o emissor solicita que o destinatário execute alguma ação quando alguma pro-posição se tornar verdadeira
Request Whenever
o emissor solicita que o receptor execute alguma ação assim que alguma pro-posição se tornar verdadeira, e qualquer outra vez que ela se tornar verdadeira depois disso também
Subscribe ação de solicitar a notificação do emissor do valor de uma dada referência e que seja notificado novamente sempre que o objeto identificado pela referência mude
se compreender como um BD foi (ou deve ser) implementado em um sistema é utilizar uma representação gráfica do mesmo. Uma dessas representações gráficas é chamada de Diagrama de Entidade Relacionamento (DER).
Diagramas Entidade Relacionamento
Para se fazer um um DER é necessário entender o que é um Modelo de Entidade Relacionamento (MER). Um MER nada mais é do que um modelo conceitual do BD. Um modelo conceitual é uma descrição do BD que não depende da implementação do BD, ou seja, o modelo conceitual define os dados que podem estar presentes no BD, mas não define como é feito esse armazenamento no BD em si (32).
É sabido que BDs possuem extrema importância nos sistemas informatizados. O armazenamento de informações de uma maneira organizada, facilitando seu acesso e ma-nipulação por um sistema é fundamental, independente da sua área de aplicação (33). O DER é a representação visual do modelo conceitual do BD em um nível alto de abstra-ção. O DER tem como base o fato do mundo real ser constituído de entidades, que são os objetos que estão presentes neste mundo, e pelo relacionamento entre estas entidades (34).
Um DER é constituído por entidades, relacionamentos, os atributos das entidades e as respectivas cardinalidades do relacionamento entre as entidades. As entidades represen-tam os objetos ou conceitos da realidade com seus devidos atributos, já os relacionamentos representam as ligações entre as entidades se utilizando das cardinalidades para definir como funciona essa interação.
A Figura 2.2 é a representação visual das entidades "Produto" e "Tipo de Produto" e suas relações. A entidade produto possui os atributos: código, preço e descrição e a entidade tipo de produto possui os atributos: código e descrição. A relação n:1 representa que um produto pode ter apenas um tipo de produto associado, porém um tipo de produto pode estar relacionado a vários produtos. A relação entre as duas entidades significa que ao ser criado no BD a entidade de produto também possuirá uma informação que armazene a informação de qual o tipo de produto aquele determinado produto está associado (33).
Figura 2.2: Exemplo de um DER.
Com a utilização de um DER é possível compreender de uma maneira simples e di-reta como o BD de determinado sistema funciona ou deve funcionar. Neste trabalho analisaremos o BD utilizando esta abordagem.
2.3.2
JADE
O Java Agent DEvelopment Framework (JADE) oferece um framework para a criação de SMA. O JADE foi desenvolvido na linguagem Java, sendo assim é possível utilizar bibliotecas e outros frameworks que também foram desenvolvidos nessa linguagem. O JADE foi inicialmente criado pela Telecom Italia, sendo proposto como um middleware de uso geral, independente do domínio do SMA. O JADE cumpre todas as regras da FIPA e também possui ferramentas gráficas que podem ser utilizadas nas fases de implantação e depuração (24).
O objetivo do JADE é facilitar o desenvolvimento de um SMA (26). Os agentes e serviços utilizados pelo JADE estão de acordo com as especificações da FIPA, sendo por este motivo um dos middlewares mais utilizados no mundo.
2.4
Trabalhos Correlatos
Podemos relacionar o trabalho atual com vários outros já desenvolvidos e apresentados na literatura, mesclando as áreas de SMA e IE. Foram feitas buscas por trabalhos na lite-ratura, com o intuito de encontrar projetos ou sistemas que ofereçam algum tipo de apoio no processo de ensino e aprendizagem utilizando estilos de aprendizagem. Em (2) é pro-posto e desenvolvido um SMA para o Moodle que tem por objetivo acompanhar o ensino utilizando agentes e técnicas de Engenharia de Software. O trabalho utiliza Ambientes Virtuais de Aprendizagem (AVAs) e nele foi criado um SMA para substituir o acompa-nhamento humano por um acompaacompa-nhamento automatizado para diminuir a incidência de falhas. No entanto, o trabalho não apresenta a abordagem da necessidade da inferência e atualização constante dos estilos de aprendizagem focando principalmente no SMA e nas técnicas de Engenharia de Software. Uma característica relevante no desenvolvimento deste trabalho foi a definição e documentação dos agentes do SMA, dentre os agentes do-cumentados está o Agente Fornecedor de Materiais que envia ao aluno conteúdo adicional sobre algum tema que o mesmo apresenta dificuldade ou baixo rendimento. A maneira
como este agente foi definido e utilizado foi levada em conta no processo de sugestão de material desenvolvido no trabalho atual.
O trabalho (8) projeta e implementa um SMA que utiliza um modelo de alunos em um AVA para auxiliar os alunos que possuam dúvidas ou falhas na execução das tarefas propostas no ambiente. O sistema utiliza uma ontologia de modelo de aluno que auxiliaria os outros alunos a sanar as dúvidas, concluindo as tarefas de maneira colaborativa e assim tornando o conhecimento gerado mais significativo (35). Todavia o sistema age de maneira reativa auxiliando os alunos apenas quando estes cometem erros e não apresenta uma solução pró-ativa viabilizando sugestão de material ou conteúdo prévio para minimizar estes erros.
Em (6) se encontra um dos principais trabalhos correlatos. Este projeto consiste no planejamento e definição de um SMA capaz de gerar e manter um modelo do estudante, que nada mais é do que como um sistema representa um estudante em seu ambiente, con-forme (36). Utilizando-se desse modelo o SMA pode descobrir qual o estilo de aprendiza-gem do estudante e informar ao docente para uma melhoria no processo de aprendizaaprendiza-gem, estilo de aprendizagem que de acordo com (37) pode ser caracterizado como uma maneira de descrever a forma que um indivíduo prefere aprender através de seus comportamentos e atitudes.
O trabalho (7) foi um trabalho de final de curso no curso de Ciência da Computação na Universidade de Brasília. Este trabalho estudou o projeto (6), definiu e implementou um SMA com previsão de modelo multidimensional e de estilos de aprendizagem, mas com efetivo uso do modelo de definição de estilos de aprendizagem. O sistema foi denominado Frank SMA e possui um módulo de interface denominado Frank Web para interface dos alunos e docentes no AVA. O trabalho (7) foi utilizado como base do presente trabalho e será melhor detalhado no Capítulo ??. O presente trabalho dá continuidade ao trabalho (7) estendendo o modelo de BD para ser utilizado no módulo de sugestão de material e didáticas específicos para professores, utilizando como base os estilos de aprendizagem dos alunos da turma.
Os conceitos apresentados constituem os principais para o entendimento do presente trabalho. Considerando o problema apresentado anteriormente de falta de recursos com-putacionais para auxiliar no processo de aprendizagem com materiais e didáticas individu-alizadas será apresentada no Capítulo3a proposta de solução. O conteúdo deste capítulo apresenta as alterações feitas no banco de dados e na arquitetura definidas em (7), as metodologias e didáticas utilizadas no estudo de caso, as metodologias das avaliações e aspectos implementacionais.
Capítulo 3
Proposta de Solução
Neste capítulo serão apresentadas as propostas de solução do problema apresentado. Inicialmente serão expostas as alterações que foram feitas na arquitetura do sistema e no BD. Em seguida é apresentada a metodologia utilizada no estudo de caso, as didáticas das aulas teste, os materiais utilizados e a metodologia de avaliação das aulas. Por fim são apresentados os aspectos das implementações que foram feitas.
3.1
Arquitetura
Conforme apresentado em (7), a arquitetura do sistema Frank é divididos em duas partes: a parte do SMA (Frank SMA) responsável pela computação dos estilos de apren-dizagem através dos agentes e o módulo da Web (Frank Web) responsável pela interface do sistema com o usuário, apresentando dados e possibilitando a edição e inserção de novos dados.
Na Figura 3.1 pode-se observar como a arquitetura do sistema Frank foi projetada, observando os dois módulos: Frank SMA e Frank Web. Os alunos e professores aces-sam ao sistema através da interface Web, que por sua vez se comunica com o SMA pelo GatewayAgent. O GatewayAgent se comunica com o ManagerAgent que é o agente res-ponsável pela gerenciamento da plataforma multiagente. O ManagerAgent interage com os diferentes grupos de trabalho presentes na plataforma, estando ou não na mesma má-quina que se encontra o container dele. Um grupo de trabalho é criado para cada aluno, e cada grupo de trabalho é composto pelos agentes AC (Agente Cognitivo) e pelo pró-prio GT (Grupo de Trabalho). As interações são todas em ambos os sentidos, assim os agentes enviam e recebem mensagens e informações dos outros agentes e interfaces que se comunicam com eles.
Em relação ao trabalho anteriormente desenvolvido (7) a arquitetura apresentada mos-tra interações adicionais entre o Frank SMA e o Frank Web com o BD. A imagem mosmos-tra que ambos os módulos enviam e recebem informação do BD, fazendo consultas e alte-rações na base de dados constantemente. O BD que é acessado por ambos os módulos sofreu alterações para abarcar as novas funcionalidades propostas.
Figura 3.1: Representação da Arquitetura.
3.1.1
Implementação das telas no Frank Web
No módulo Frank Web foi utilizado o framework JBoss Seam no seu processo de desenvolvimento (7). O JBoss é um framework que agiliza o processo de desenvolvimento de aplicações Web. No projeto inicial do Frank foi adotado o padrão de projetos Model View Controller (MVC) (7), dividindo a arquitetura da aplicação em três partes distintas: • Controller (Controlador) - interage com o modelos para atualizar o estado do sistema
através de componentes determinados;
• Model (Modelo) - interage diretamente com o BD para a armazenagem dos dados, possibilitando que as visões apresentem informações atualizadas;
• View (Visão) - responsável pela interação do sistema com o usuário, produzindo uma representação visual dos dados disponibilizados pelo modelo.
Em relação ao trabalho desenvolvido em (7) foram implementadas novas telas para abarcar as funcionalidades do sistema. Também foi necessária a alteração de telas ante-riormente desenvolvidas para a integração com as novas telas implementadas. As telas serão apresentadas no final deste capítulo.
3.1.2
Frank SMA
O Frank SMA foi desenvolvido utilizando o middleware JADE. A aplicação foi criada contendo vários agentes e seus respectivos comportamentos para que o sistema funcione como um todo.
Para o trabalho atual não foi feita nenhuma alteração direta no Frank SMA, pois as funcionalidades anteriormente implementadas já eram suficientes para a execução da proposta de solução, como a inserção de alunos, turmas, docentes e também as funcio-nalidades relacionadas aos estilos de aprendizagem, como a criação de questionários, a inserção de perguntas e respostas e a inferência dos estilos de aprendizagem (7). No entanto houve um trabalho de documentação do BD que será descrito na sequência.
3.2
Banco de Dados
Para atender aos novos requisitos da solução proposta foi necessária a alteração do BD do sistema Frank. O Frank utiliza o PostgreSQL como sistema gerenciador de banco de dados. O PostgreSQL é um dos servidores de base de dados utilizados. Pode-se citar como as principais características do PostgreSQL, segundo (38) :
• Objeto Relacional - cada tabela define uma classe e é implementada a herança entre tabelas;
• Fidelidade à Padrões - mantém vários dos padrões mais utilizados como SQL92 e SQL99;
• Código Livre - o código do PostgreSQL é livre e é mantido por um time de desen-volvedores de todo o mundo;
• Múltiplas Linguagens de Procedimento - várias linguagens podem ser utilizadas para se escrever gatilhos e outros procedimentos, como PL/pgSQL, Tcl, Perl, etc; • Extensibilidade - o PostgreSQL pode ser estendido, ou seja, caso ele não possua
alguma funcionalidade que o usuário sente falta, ele mesmo pode acrescentar ao código.
3.2.1
Modelo de Entidade e Relacionamento
Para entender em que estado se encontrava o banco de dados do Frank antes deste trabalho foi criado um MER para que as tabelas pudessem ser visualizadas.
A Figura 3.2 mostra todas as tabelas que já estavam implementadas no Banco e suas respectivas relações com as demais tabelas:
• Tabela usuario - armazena quais usuários possuem acesso ao sistema e suas informa-ções: identificador (id - chave primária), texto para autenticação do usuário (login), perfil do usuário, podendo ser Administrador, Docente ou Aluno (perfil), senha para autenticação do usuário (senha). A restrição de que um usuário só possa ser um único docente ou um único aluno é feita em nível de aplicação;
• Tabela docente - armazenamento das informações dos docentes como: identificador (id - chave primária), nome do docente (nome), identificador de qual usuário é aquele professor (id_usuario - chave estrangeira);
• Tabela aluno - armazenamento das informações dos alunos como: identificador (id - chave primária), nome do aluno, identificador de qual dimensão o aluno pertence (id_dimensao - chave estrangeira) e identificador de qual usuário é aquele aluno (id_usuario - chave estrangeira);
• Tabela turma - armazena as turmas que determinado professor possui e seus campos: identificador (id - chave primária), data de início das aulas (data_inicio), data de fim das aulas (data_fim) e identificador de qual docente é responsável por aquela turma (id_docente - chave estrangeira);
• Tabela turma_aluno - faz a junção de quais alunos pertencem a determinada turma: identificador do aluno (id_aluno - chave primária) e identificador da turma (id_turma - chave primária). Nesta tabela os dois campos formam a chave primária, assim sendo um aluno pode pertencer a diferentes turmas sem problemas;
• Tabela questionario - contém as informações do questionário que o aluno respondeu: identificador (id - chave primária), nome do questionário (nome) e identificador de qual aluno aquele questionário pertence (id_aluno - chave estrangeira);
• Tabela pergunta - armazena as perguntas presentes em um questionário e suas infor-mações: id (identificador - chave primária), peso que a pergunta tem em relação as outras (peso), título da pergunta, ou seja, o texto da pergunta (titulo) e identificador de qual dimensão aquela pergunta faz referência (id_dimensao - chave estrangeira); • Tabela resposta - armazenamento das respostas que foram dadas para cada questão dos questionários e suas informações: identificador (id - chave primária), qual a opção foi escolhida pelo aluno ao responder aquela pergunta (opcao_escolhida), identificador de qual pergunta aquela resposta faz referência (id_pergunta - chave estrangeira) e identificador de qual questionário aquela resposta está relacionada (id_questionario).
Para um melhor entendimento de como o BD deveria ser alterado para abarcar as novas funcionalidades foi desenvolvido um outro MER, conforme apresentado na Figura
3.3. Note na Figura 3.3 que existem novas tabelas conforme segue:
• Tabela aula - armazena as informações das aulas que uma turma possui, como: identificador (id - chave primária), identificação de qual é o número daquela aula (numero), descrição de como é aquela aula (descricao) e identificador de qual turma aquela aula pertence (id_turma - chave estrangeira);
• Tabela material - contém as informações dos materiais que devem ser utilizados nas aulas, como: identificador (id - chave primária), descrição de como é o material (des-cricao), descrição de como o material deve ser utilizado (abordagem), identificador de qual aula aquele material pertence (id_aula - chave estrangeira) e identifica-ção de para qual dimensão aquele material deve ser utilizado (id_dimensao - chave estrangeira)
Figura 3.2: Modelo de Entidade Relacionamento do Frank SMA.
Após a modelagem do banco foi iniciada a etapa da alteração no BD físico e para isso foi utilizada a ferramenta pgAdmin III (38).
3.2.2
pgAdmin III
O pgAdmin é um administrador e plataforma de desenvolvimento para o PostgreSQL. Pode ser utilizado em diferentes sistemas operacionais como Windows, Linux, entre outros. O propósito do pgAdmin é atender as necessidades de todos os usuários, desde a criação de SQLs simples até o desenvolvimento de grandes BDs. A facilidade proposta pelo pgAdmin é a sua interface gráfica que facilita a administração do BD provendo todas as funcionalidades do PostgreSQL. A Figura 3.4 mostra como é a interface do pgAdmin III utilizando as tabelas do Frank SMA.
Figura 3.4: Tela com as tabelas usadas no Frank SMA no pgAdmin.
Depois que as alterações no BD foram implementadas foi iniciado o processo de va-lidação da proposta. Esta fase tem o objetivo de verificar se a utilização de material e didáticas voltadas para estilos de aprendizagens específicos em uma sala de aula real é viável e se traz algum benefício no processo de aprendizagem.
3.3
Aplicação do questionário
Para descobrir os estilos de aprendizagem dos alunos foi proposta a execução de um estudo de caso e a utilização de um questionário para tal. A esse processo foi dado o nome de validação, o qual será melhor detalhado na sequência.
3.3.1
Validação
Nessa etapa foi definido um modelo de estilo de aprendizagem simples para a verifi-cação dos alunos. O modelo utilizado foi o de Honey-Mumford conforme apresentado na Seção 2.1. Este modelo possui 4 dimensões: Ativo, Reflexivo, Teórico e Pragmático (vide Tabela 2.4).
Em seguida foi escolhido um questionário resumido deste modelo para que os alunos respondessem 1. O questionário contém 24 questões e os alunos devem apenas responder
se aquela afirmação os descreve ou não (Apêndice A). O questionário original na língua Inglesa foi traduzido neste trabalho para viabilizar a sua aplicação nas turmas. Algumas medidas preventivas foram tomadas para a aplicação do questionário, como por exemplo, algumas palavras foram substituídas por outras mais simples. Outras foram escritas de uma maneira mais clara para que todos os alunos pudessem compreender. Este processo também foi feito pelo autor do presente trabalho.
Os alunos preencheram o questionário em um tempo médio de 5 minutos e não houve problemas quanto ao entendimento do significado das questões.
Após a aplicação do questionário as respostas foram inseridas no sistema e os estilos de aprendizagem foram verificados. O sistema Frank ainda não se encontra distribuído nem pode ser acessado pela Web, portanto esta etapa não foi automática, sendo necessária a inserção dos dados obtidos através do questionário diretamente no BD. A etapa seguinte realizada foi a criação de um material e do planejamento de uma aula direcionados para os dois estilos de aprendizagem que representam a maioria dos alunos de uma turma real. Nas turmas da aplicação dos questionários as dimensões da maioria dos alunos foram: Ativo e Pragmático.
3.4
Aulas e Materiais
Após a identificação dos estilos de aprendizagem dos alunos foram propostas duas aulas testes para validar se o material e a abordagem que foram sugeridas pelo sistema podem trazer alguma potencialização na aprendizagem dos alunos. A aula selecionada foi a aula de Gamemaker no qual é introduzido o conceito de Graphical User Interface (GUI), ou seja, a interface gráfica do usuário no jogo, contendo elementos como tempo de jogo, vida do personagem, contagem de pontos, etc. A primeira turma era composta por alunos com faixa etária entre 10 e 14 anos, já a segunda entre 11 e 16 anos. A ferramente Gamemaker já havia sido apresentada em outras aulas para os alunos.
Foram criados dois planejamentos de aula fora o planejamento da Aula padrão, um referente ao estilo de aprendizagem Ativo e outro referente ao estilo de aprendizagem
1
Pragmático (vide Tabela 2.4). Nos conteúdos de aula apresentados na sequência estão descritas as abordagens que devem ser utilizadas em cada uma das aulas.
Conteúdo da aula
Abaixo listamos os assuntos que devem estar presentes em todas as aulas independente de sua abordagem ou de material específico utilizado.
• Explicação do que é GUI (Graphical User Interface); • Adicionando GUI ao jogo (texto simples);
• Adicionando imagem na GUI (timer );
• Explicação da programação da função do timer (delta_time); • Programando o timer ();
• Desafio da moeda (adicionar moeda no jogo e contador de pontuação); • Explicação da Barra de vida;
• Programando a Barra de vida;
• Programando perder vida ao encostar em um inimigo;
• Desafio de recuperar vida (ganhar vida ao encostar em uma moeda). Aula Padrão
Abaixo está a didática das atividades a serem trabalhadas na aula padrão, ou seja, sem especificar algum estilo de aprendizagem:
• Início da aula - Chamada - Apresentação da aula; • Explicação verbal do que é GUI;
• Adicionando GUI ao jogo (texto simples) - explicação de como adicionar e depois os alunos fazem;
• Adicionando imagem na GUI (timer ) - passo a passo com os alunos; • Explicação verbal da programação do timer (delta_time);
• Programando o timer - passo a passo com os alunos;
• Desafio da moeda - livre com ajuda do professor quanto a dúvidas; • Explicação verbal da Barra de vida;
• Programando a Barra de vida - passo a passo com os alunos;
• Programando perder a vida ao encostar em um inimigo - passo a passo com os alunos;
• Desafio de recuperar vida - atividade livre com ajuda do professor para sanar dúvi-das.
