Desenvolvimento de uma Ferramenta para a Construção e Integração de Personagens Virtuais Animados com Voz Sintética a Materiais Didáticos para EAD

Desenvolvimento de uma Ferramenta para a

Constru-ção e IntegraConstru-ção de Personagens Virtuais Animados

com Voz Sintética aos Materiais Didáticos para EAD

A Tool for construction and integration of a virtual animated personage with

syn-thetic voice to didactic materials for distance learning

Alexandre M. A. Maciel

Escola Politécnica

Universidade de Pernambuco CEP: 50720-001 – Recife/PE amam@ecomp.poli.br

Rodrigo Lins Rodrigues

Departamento de Educação

Universidade Federal Rural de Pernambuco CEP: 52171-900 – Recife/PE

rlr@ded.ufrpe.br

Edson C. B. Carvalho Filho

Centro de Informática

Universidade Federal de Pernambuco CEP: 50.740-560 – Recife/PE ecdbcf@cin.ufpe.br

Resumo

Palavras-Chave: Material Didático, EAD, Animação, Síntese de Voz, PowerPoint

Abstract

1. Introdução

Nos últimos anos, instituições públicas e privadas de ensino no Brasil têm apresentado um crescente interesse em ofertar cursos na modalidade de Educação à Distância (EAD). Dados do Censo da Educação Superior do Minis-tério da Educação (MEC)1 _{mostram que, em 2012, o}

número de matriculados na EAD cresceu mais do que na educação presencial. Nesse período, houve um aumento de 12,2% nas matrículas na EAD, enquanto na educação presencial o aumento foi de apenas 3,1%. Números como estes são bastante motivadores, contudo, esta modalidade de ensino ainda apresenta grandes desafios a serem supe-rados.

Segundo Belisário [1], entre os diversos desafios que se identificam no desenvolvimento de programas de edu-cação a distância, um dos mais importantes é o que diz respeito à produção de material didático. Via de regra, ainda hoje, a maior parte do material disponibilizado para os alunos concentra-se em tutoriais, apostilas, sugestões de leitura ou exercícios preparatórios para a realização de provas. Ou seja, o formato deste material é puramente textual, o que pode tornar a aprendizagem pouco atraente. Cardoso e Silva [2] afirmam que uma alternativa a es-te tipo de maes-terial é a mídia audiovisual, visto que possi-bilita a realização de simulações e a promoção de contex-tualizações e de exemplos que facilitam a transposição dos conteúdos teóricos para a realidade do aluno. A jun-ção de efeitos como sons, imagens, animações e encena-ções apresenta grande valor didático ao material devido a seu apelo multissensorial.

Nesse sentido, grandes esforços vem sendo realizados pela a academia com o objetivo de oferecer materiais didáticos com algum tipo de mídia associada aos alunos. Trabalhos recentes sobre a aplicação de vídeo conferên-cias [3], vídeo aulas [4] e podcasts [5] são bons exemplos disto. Um outro tipo de mídia que vem despertando bas-tante atenção e obtendo resultados didáticos efetivos na EAD são as animações com personagens virtuais [6,7].

A concepção de personagens virtuais animados é uma tarefa complexa, pois envolve o estudo de várias caracte-rísticas humanas, entre as quais: estabelecimento de ex-pressões faciais utilizadas para demonstrar determinados estados emocionais; reações de afeto e amizade; inclusão de uma personalidade virtual que se assemelhe a persona-lidades humanas; assimilação de convenções sociais; interação com crianças e idosos; e, até mesmo, demons-trações de carinho [8].

Partindo desta ideia de concepção de personagens vir-tuais, o processo de construção da animação, segundo

1 _{http://dados.gov.br/dataset/microdados-do-censo-da-educacao-superior}

Paula Filho [9], é composto por quatro fases: modelagem, coreografia, elaboração e pós-produção. Os processos de modelagem e coreografia são responsáveis pelo desenho dos artefatos e do ambiente que compõe a cena e seus respectivos movimentos. Essas fases requerem o uso de ferramentas que exigem um elevado conhecimento espe-cífico em artes, desenho e animação, para se obter resul-tados realísticos. Já o processo de elaboração, compreen-de a fase compreen-de rencompreen-derização das sequências compreen-de imagens animadas a partir dos modelos e coreografia. Por fim, a fase de pós-produção consiste na sincronização entre a animação e o áudio, além da inclusão de informações textuais quando for o caso.

É inegável que a utilização de personagens virtuais animados aumenta a afetividade das aplicações de educa-ção e treinamento, o que torna a interaeduca-ção do aluno com ambiente mais interessante e prazerosa. Entretanto, o seu desenvolvimento, na maioria das vezes, demanda uma alta carga de trabalho e investimento, pois exige das instituições a formação de grupos multidisciplinares (além da equipe acadêmica, tem-se que incorporar outros profissionais como: programadores e artistas gráficos) e aquisição de recursos computacionais poderosos [1].

Tendo em vista essa problemática, este trabalho tem como objetivo conceber, desenvolver e avaliar uma fer-ramenta, denominada Suplemento Avatar Educação, que automatiza o processo de construção de animações com personagens virtuais integrados ao material didático utilizado na EAD. Para isto, o artigo está organizado da seguinte forma: a seção 2 apresenta o estudo das tecnolo-gias relacionadas ao desenvolvimento do trabalho; a seção 3 descreve os trabalhos relacionados; a seção 4 detalha a fase de concepção e desenvolvimento da ferra-menta; a seção 5 apresenta os resultados de um processo de avaliação qualitativa da ferramenta; e por fim a seção 6 traz as conclusões.

2. Tecnologias Relacionadas

Esta seção apresenta a fundamentação teórica referen-te ao enfoque desreferen-te trabalho, abordando as referen-tecnologias utilizadas e os conceitos relacionados.

2.1 Materiais Didáticos em EAD

O material didático assume na EAD o papel de ins-trumento permanente para o diálogo entre alunos, profes-sores e o conhecimento. Devido a isto, é evidente que o material didático precisa estar bem alinhado ao projeto pedagógica do curso. No momento do planejamento dos cursos é importante levar em conta o tipo de material didático que se deseja produzir (apostilas, apresentações de slides, textos livre, etc.), o seu meio de veiculação e consequentemente o modo como os alunos interagem com o material [10].

Atualmente existem diversos processos para a produ-ção de materiais didáticos na EAD. De acordo com Abreu [11], o processo clássico utilizado normalmente por insti-tuições acadêmicas, ou corporativas, é constituído em quatro fases, conforme mostra a Figura 1.

Figura 1. Processo macro de construção de material em EAD

Este processo por sua vez é subdividido e gerado sub-processos que compõem etapas menores. O caminho percorrido para o desenvolvimento de materiais didáticos, inclui seis fases, como mostra a Figura 2.

Figura 2. Subprocessos de construção de material em EAD

De acordo com Abreu [11] estas fases são detalhadas com mostrado a seguir:

 Análise e diagnóstico: Esta fase inicia a partir de

uma demanda que é analisada segundo o contexto do curso, e em seguida é elaborado um diagnóstico e uma proposta de solução educacional.

 Planejamento instrucional: Com base no

diagnósti-co inicial é diagnósti-construído um planejamento instrucional, onde é detalhada a solução educacional, traçando ob-jetivos, métodos, estratégias, definindo formatos e re-cursos necessários para colocar a solução educacional em prática.

 Desenho didático: É realizado através da

transposi-ção pedagógica da solutransposi-ção educacional, atendendo as especificidades, a linguagem adequada para cada for-mato de material e o detalhamento do planejamento instrucional.

 Produção das mídias: Nesta fase é onde a produção

do material é realizada por meio de equipes de design, tecnologia da informação, vídeo e áudio.

 Revisão e validação: Todo material produzido é

revisado e validado em relação ao conteúdo, estraté-gias e atividades propostas nas fases anteriores.

 Aplicação: Momento de aplicação em uma turma

piloto para que possa avaliar, identificando se a solu-ção e/ou materiais está atendendo os objetivos, públi-co e necessidades.

Diante deste processo observa-se que a etapa de Pro-dução é uma das mais crítica na proPro-dução de materiais didáticos para EAD, visto que é necessário a integração entre três fases do processo. Nessa fase, é necessária o envolvimento de diversos profissionais com perfis e habi-lidades diferenciados, o que nem sempre é possível. Des-se modo, obDes-serva-Des-se que a construção automatizada des-tes artefatos, por meio de técnicas de animação pré-moldadas e a geração de voz sintética em tempo real, minimizam tempo e custo no processo de produção.

2.2 Animação baseada em Visemas

Segundo Gratch [12], os personagens virtuais anima-dos são recursos audiovisuais capazes de capturar facil-mente a atenção do usuário e tornar a atividade de intera-ção mais atrativa e envolvente. Para que isso ocorra de modo efetivo é fundamental que seja realizado um grande esforço multidisciplinar. Conhecimentos em áreas como processamento de voz, processamento da linguagem natural, inteligência artificial, computação gráfica e ani-mação são fundamentais para o desenvolvimento de per-sonagens cada vez mais próximos da realidade.

Dependendo da aplicação dada aos personagens virtu-ais animados, eles podem desempenhar papéis variados, tais como instrutores, assistentes, apresentadores, aten-dentes ou vendedores. Especificamente na área de educa-ção esses personagens podem ser usados como agentes pedagógicos com o objetivo de aumentar a afetividade das aplicações de educação e treinamento, ou podem também ser empregados em aplicações interativas e que auxiliem usuários [13].

A presença deste tipo de personagem em aplicações de computadores normalmente pode ser utilizada de cor-po inteiro ou apenas cor-por meio de “cabeças falantes”, considerando o papel de destaque que a face ocupa na comunicação humana. Os mecanismos de comunicação face a face, estimulados pelas experiências sociais, nos tornam capazes de interpretar e identificar estados emo-cionais transmitidos pela face utilizando sua informação visual para complementar a compreensão da mensagem transportada pelo sinal acústico da fala.

Segundo Martino [14], o termo animação facial deno-ta os métodos e técnicas para especificar e controlar, ao longo do tempo, a transformação da forma e de outras características visíveis de uma face. Várias abordagens têm sido estudadas para modelar e animar faces. Modelos de pseudo-músculos, ou musculares com graus de simu-lação física, modelos baseados no rastreamento de carac-terísticas faciais em vídeos, fazendo uso, ou não de mar-cadores são alguns exemplos de modelagem, enquanto, questões como coarticulação e simulação de gestos natu-rais acompanhados da fala são abordagens comumente associadas a animação destes modelos.

Uma maneira bastante trivial de se conseguir modelar e animar faces em um grau de realismo simples, porém satisfatório, é por meio da utilização de visemas. Segundo Costa [15], visemas são imagens de posturas labiais visu-almente contrastantes entre si, associadas aos diversos sons da fala (fonemas). O processo de animação baseada em visemas consiste em duas fases: a fase de construção de uma base de imagens com a reprodução realista da movimentação articulatória visível da fala e dos efeitos da coarticulação; e a fase de síntese em sistemas de ani-mação facial na qual é gerada uma aniani-mação em sincro-nia e harmosincro-nia com o áudio correspondente à fala. A Figura 3 mostra um esquema geral deste processo.

Figura 3. Síntese de Animação Facial 2D [15].

O processo de síntese de animação facial inicia com a definição do áudio correspondente à fala, que pode ser resultado de um processo de gravação da voz ou de um sistema de síntese da fala. A partir do áudio gerado obtém-se a transcrição fonética temporizada da fala a ser animada. Essa transcrição é composta pela sequência de fonemas que compõem a locução e suas respectivas dura-ções. Ela normalmente é obtida através da aplicação de algoritmos de segmentação automática da voz. As infor-mações fornecidas pela transcrição fonética temporizada são então utilizadas pelo sistema para selecionar os vise-mas correspondentes aos fonevise-mas transcritos da base de imagens e, após processá-las, gerar uma sequência de quadros que reproduzem na face virtual a movimentação articulatória visível. Por fim, a composição e apresenta-ção da animaapresenta-ção, que pode ser construída por meio de diversas técnicas de animação tais como: metamorfose, síntese concatenativa e trajetória de visemas em espaço multidimensional [15].

Mattheyses & Verhelst [16] mostram diversas formas de se obter animação audiovisual a partir de síntese de fala. Entre elas, a modelagem de locutores virtuais por meio de malhas poligonais em 3D, que consiste na liga-ção de vértices e arestas da face, e a modelarem híbrida a partir de modelo 2D da face, contudo, utilizando um modelo sintético para texturização para malha poligonal em 3D. Este modelo pode ser chamado de “2.5D” desde exista uma variação de profundidade da forma 3D. Estes modelos proporcionam maior realismo e naturalidade aos personagens exigindo poucos recursos computacionais.

2.3 Síntese de Fala

Nas últimas décadas, a área de interface de voz tem recebido grande atenção da academia, em virtude de dois fatores: primeiro, devido à melhoria no desempenho dos sistemas de processamento automático de fala, nomea-damente os de reconhecimento de fala e os de síntese de voz; segundo, devido à convergência de dispositivos e à massiva produção de conteúdos multimídia, que passa-ram a requerer modos mais rápidos e eficientes de intera-ção com os usuários [17].

Reconhecimento de Fala (também conhecido no in-glês como Automatic Speech Recognition (ASR)) é o processo de converter um sinal de fala para uma sequên-cia de palavras, por meio de um algoritmo implementado como um programa de computador [18]. Síntese de fala é o processo de criar uma réplica sintética de um sinal de fala assim como transmitir a mensagem a partir de uma máquina para uma pessoa, com a finalidade de transmitir a informação na mensagem [19].

De acordo com Simões [20], duas características são essenciais na classificação dos sistemas de síntese de fala: a qualidade do sinal de fala e o tamanho do vocabulário. Amostras de áudio pré-gravadas possuem qualidade real de sinal, contudo possuem vocabulário limitado, já os sistemas de Text-To-Speech (TTS) são capazes de gerar fala com boa qualidade com um vocabulário ilimitado.

A síntese de fala progrediu notavelmente nos últimos anos e já é comum não encontrar sistemas que produzem sons demasiadamente mecânicos e robóticos. Devido a isto, os sistemas de TTS têm apresentado uma vasta gama de aplicações. Sistemas para leitura de livros ou de telas e de web sites são a principal utilidade principalmente para deficientes visuais. Mais recentemente, o aumento do uso de smartphones tem possibilitado a utilização de síntese em momentos em que o usuário não pode ter os olhos fixos no display [21].

O processo de síntese de um sistema de TTS é com-posto de duas fases principais. A primeira consiste no Processamento de Linguagem Natural (PLN), onde a mensagem de entrada é transcrita em uma representação de nível fonético e a segunda consiste na Geração de Voz em que as formas de onda de voz são geradas e a saída acústica é produzida. Essas duas fases são respectivamen-te chamadas de sínrespectivamen-tese de alto-nível e sínrespectivamen-tese de baixo-nível [22]. Uma versão simplificada do processo é apre-sentada na Figura 4.

De acordo com Maia [22] existem diferentes aborda-gens ou técnicas que podem ser utilizadas para geração de fala a partir das informações de uma locução. As mais utilizadas atualmente são: síntese de fala por seleção e concatenação de unidades; síntese de fala a partir de parâmetros gerados por Modelos Ocultos de Markov (HMMs); e síntese por regras. Sintetizadores baseados em HMM têm sido muito apreciados recentemente por causa da possibilidade de obtenção de fala com boa qua-lidade a partir de uma pequena base de dados, e devido ao fato de que as características da voz podem ser facilmente modificadas.

Dois importantes recursos desenvolvidos para a gera-ção de síntese de fala por meio de HMM são o HTS (HMM-based Speech Synthesis Toolkit) [23] e MARY TTS (Modular Architecture for Research on speech sYnthesis) [24]. O HTS inclui algoritmo de Expectation Maximization para estimação dos parâmetros, adaptação de locutor para vários idiomas. O MARY TTS é uma plataforma multi-idiomas, open-source composto com toolkits para a adição de novos idiomas e para a constru-ção de vozes baseadas em unidades ou em HMM.

Em Maciel e Carvalho [25] foi apresentado o treina-mento de duas vozes (uma masculina e uma feminina) por meio do HTS que geraram o motor VL Synthesizer, enquanto em Souza [26] foi apresentado o treinamento das mesmas vozes por meio do MARY TTS. Ambos os trabalhos foram incorporados ao Framework FIVE [27] o que possibilita a utilização de vozes em múltiplas plata-formas como mostra os resultados obtidos em [28].

3. Trabalhos Relacionados

O objetivo desta seção é apresentar uma breve des-crição de alguns trabalhos que utilizam personagens vir-tuais animados integrados a ambientes educacionais.

Em Reategui [29] é mostrado a modelagem e imple-mentação de um agente de interface sócioafetivo capaz de interagir com alunos de um ambiente de aprendi-zagem de algoritmos. O objetivo do agente é monitorar a interação com o usuário e utilizar as informações coletadas no ambiente para fazer recomendações perso-nalizadas de conteúdo. Além disso, o agente é capaz de identificar outros estudantes conectados ao sistema que podem ser tutores em determinados tópicos, e sugerir a interação entre os alunos. Através destas recomenda-ções, o agente motiva a formação de grupos e promove a aprendizagem colaborativa. Nesta aplicação o agente se comunica com o usuário através de texto e utiliza como personagem único um pássaro (Kurrupako).

Em Lucas [30] é apresentado o desenvolvimento e uso de um agente pedagógico animado integrado ao ambiente TelEduc. O objetivo do trabalho foi de

melhorar ainda mais a interação dos alunos com o ambiente, assim como propiciar que estes aproveitem ao máximo os recursos existentes no ambiente por meio de sugestões ao usuário. Este trabalho utilizou a abordagem de expressão corporal, com personagem único e a comunicação por texto.

O trabalho de Nunes [31] descreve a eficácia emotiva da presença de um agente pedagógico animado integrado ao ambiente PAT2Math. O objetivo do agente é detectar o comportamento do aluno, quando ele faz pedidos de dicas, e exibir mensagens e expressões de emoção de modo a mostrar que ele está ciente do comportamento do aprendiz. Este trabalho utilizou expressões de emoção, com personagem único e comunicação textual.

Uma abordagem internacional pode ser encontrada no trabalho de Chen [32], no qual é apresentado um agente educacional baseado em bichos de estimação projetada para ajudar crianças do ensino básico a aprender o idioma chinês. Os resultados deste trabalho não contribuíram especificamente na eficiência da aprendizagem, no entan-to aumentaram o relacionamenentan-to com os agentes educa-cionais envolvidos no processo de ensino. Este trabalho utilizou mensagens afetivas, com personagem único e comunicação textual.

Em todos estes trabalhos relacionados, pôde-se obser-var que todos utilizam a linguagem textual como forma de comunicação entre o personagem e o aluno, os perso-nagens são únicos, com diálogo pré-definidos, o que acarreta em uma geração de animação não dinâmica. Deste modo, avaliou-se que estes trabalhos não permitem a interferência do professor na comunicação entre o per-sonagem e o aluno.

4. Trabalho Proposto

Esta seção apresenta o processo de concepção, desen-volvimento, arquitetura e interface gráfica da ferramenta proposta para a desenvolvimento de personagens gráficos animados.

4.1 Processo de Concepção

Em Rodrigues et al. [33], foi apresentado o processo de concepção, desenvolvimento e teste de um protótipo de uma ferramenta educacional denominada Produtor de Mídias capaz de gerar vídeo aulas a partir de slides pré-concebidos. A metodologia utilizada no processo de concepção do protótipo deste trabalho se baseou na litera-tura de Interação Humano-Computador (IHC), especifi-camente no método de Design da Interação proposto em por Preece et al. [34] que é composto por quatro ativida-des: (1) identificação das necessidades do usuário; (2) desenvolvimento de alternativas de design; (3) construção de versões iterativas; e (4) avaliação do design.

A fase de identificação das necessidades do usuário envolveu uma pesquisa da situação atual das tecnologias disponíveis para identificar necessidades e oportunidades de concepção, a fim de determinar as características do design do produto. Para tal foi utilizada a técnica de cons-trução de cenários caricaturados (prototipagem) que ser-viu para criar uma situação de uso da ferramenta a ser concebida. Nesta fase, foi desenvolvida uma alternativa de design, partindo dos requisitos iniciais conforme mos-trado na Figura 5.

Figura 5. Alternativa de design de baixa fidelidade

Ao finalizar a prototipagem de baixa fidelidade, fo-ram realizados testes com usuários a fim de identificar possíveis problemas no fluxo de interação da interface, assim como possíveis problemas de usabilidade. Nesta etapa foram geradas algumas modificações que foram implementadas na versão interativa

A versão interativa construiu um fluxo de operação baseada em três passos. No primeiro, o usuário importa uma apresentação de slides já existente para a ferramenta. Neste momento, as anotações escritas em cada slides são capturadas e utilizadas como entrada para o sintetizador de fala. No segundo passo, o usuário escolhe um perso-nagem, entre vários, que deseja que seja animado, e o posicionamento dele no slide. Por fim, o usuário escolhe o formato do vídeo final que deseja gerar a animação. Estão disponíveis FLV, AVI, WMV e MP4. A Figura 6 mostra a tela com a versão interativa.

Figura 6. Versão interativa da ferramenta

O processo de avaliação do design da versão interati-va foi dividido em duas etapas. A primeira etapa foi ainterati-va- ava-liada a usabilidade da ferramenta. Nela, quatro professo-res de ensino a distância realizaram as ações de importar uma apresentação de slides e de gerar uma vídeo aula. Os resultados confirmaram a eficácia das interfaces desen-volvidas neste trabalho. A segunda etapa da avaliação foi relacionada ao nível de satisfação do usuário em relação ao produto final gerado pela versão interativa. Nela, os professores participaram de uma entrevista estruturada na qual responderam perguntas referentes a qualidade da vídeo aula gerada e sobre possíveis melhorias.

Tendo em vista os resultados obtidos em Rodrigues et al. [33], dentro da perspectiva de satisfação do usuário, foi possível identificar que a solução concebida apresen-tou potencial para desenvolvimento em larga escala. Contudo, os resultados indicaram possibilidades de me-lhorias arquiteturais e de interface, sugerindo deste modo, a necessidade de um ciclo de refinamento dos requisitos.

4.2 Refinamento dos Requisitos

A partir dos resultados alcançados no processo de concepção foi realizado um processo de refinamento e dos requisitos. A metodologia utilizada neste processo consistiu em um novo ciclo de desenvolvimento também baseado no método Preece et al. [34].

A nova fase de identificação das necessidades envol-veu uma pesquisa da situação atual do software para identificar oportunidades de melhoria levantas pela avali-ação com usuários desenvolvida na fase de concepção. Com isso foi possível determinar as alternativas de design do produto. Essa fase utilizou a técnica de Análise de Competidores de Borchers [35] aplicada a produtos com características similares, onde foi possível identificar características e funcionalidades oferecidas pelos compe-tidores, que puderam ser reaplicadas em novos requisitos. A Tabela 1 mostra a especificação dos requisitos refina-dos e a Tabela 2 mostra os novos requisitos concebirefina-dos.

Requisito Descrição

[RF-AM-001] Mudança de plataforma

A aplicação deverá rodar no Po-werPoint, facilitando o uso por usuários desta plataforma. [RF-AM-002]

Mídia final

O formato do arquivo gerado de-verá permanecer em PPT ou PPTX. [RF-AM-003]

Dimensão e posição do personagem

O usuário poderá redimensionar a animação e posicioná-la, ao seu critério, em qualquer local dentro do slide.

[RF-AM-004] Texto sin-tetizado no slide

O usuário deverá ter liberdade para modificar o texto a ser sintetizado e ele deve ser guar-dado dentro do arquivo do slide.

Requisito Descrição

[RF-AM-005] Tamanho

Uma apresentação contendo 50 slides com personagens não deve-rá ultrapassar 10Mb.

[RF-AM-006] Instalação

A instalação do suplemento deve-rá seguir os padrões de instala-ção do PowerPoint.

[RF-AM-007] Personagens por slide

O suplemento deverá limitar a inserção de um único personagem por slide.

[RF-AM-008] Texto

Cada animação deverá ter um li-mite de 100 palavras.

[RF-AM-009] Animação do personagem

A animação do personagem deverá conter a movimentos labiais, bem como o piscar dos olhos e ser ativada quando em tela cheia.

Tabela 2: Novos requisitos levantados

Buscando atender todos os requisitos refinados, foi desenvolvida uma nova versão da ferramenta que foi chamada de Suplemento Avatar Educação. Conforme mostra o requisito [RF-AM-001], a aplicação deveria rodar dentro do próprio Power Point, tendo em vista que na primeira versão do software era focado na geração de vídeos. Em decorrência disso, foi implementado um pro-jeto de Suplemento para Microsoft Office. Esta funciona-lidade está disponível no Ambiente de Desenvolvimento Integrado Visual Studio, e para sua implementação foi utilizada a linguagem de programação C#. Desse modo, a nova versão do software tornou-se totalmente integrada ao PowerPoint e não sendo mais uma ferramenta isolada.

Diante desta nova implementação, o requisito [RF-AM-002] também foi atendido, visto que o formato final da apresentação permanece PPT ou PPTX, e os vídeos produzidos pelo suplemento podem ser inseridos como recurso nativo do Power Point ao longo da apresentação. Esta mudança, proporcionou, por associação, o atendi-mento ao requisito [RF-AM-003], no qual o usuário é capaz de redimensionar e localizar o personagem em qualquer parte do slide.

O refinamento do requisito [RF-AM-004] foi sugerido pelos usuários como uma solicitação de alta prioridade. Segundo eles, as apresentações baseadas em slides são dinâmicas, ou seja, cada vez que o usuário lecionar uma aula, ele deseja atualizar a mesma inserindo ou retirando conteúdo. Com a implementação do suplemento isso deixou de ser um problema e a possibilidade de atualizar animações ficou bastante simples. Basta o usuário excluir a animação antiga e criar uma nova para o slide desejado.

Em relação aos novos requisitos, alguns foram suge-ridos devido as facilidades proporcionadas pela opção de se desenvolver um suplemento específico para o Power-Point. Processo de instalação [RF-AM-006] e animação

do personagem [RF-AM-009] são requisitos possíveis de serem desenvolvidos devido a funções disponibilizadas pelo próprio Visual Studio. Outros requisitos foram suge-ridos visando a otimização dos recursos computacionais. Tamanho do arquivo [RF-AM-005], único personagem por slide [RF-AM-007], quantidade limitada de texto [RF-AM-008] foram implementados visando atender a limitações de hardware e software dos usuários.

4.3 Arquitetura

De acordo com Huang et al. [36], a arquitetura típica para o desenvolvimento de aplicações com interface baseada em voz possui três componentes principais: o primeiro representa o conjunto de motores responsáveis pelo reconhecimento de fala ou pela síntese de voz; o segundo consiste na API (Application Programming Interface) que normalmente é usado para facilitar a co-municação entre os motores as aplicações; e o último consiste num conjunto de possíveis aplicações.

A arquitetura desenhada na construção do Suplemento Avatar Educação levou em consideração a arquitetura proposta por Huang, no entanto foi necessária a inclusão de uma camada adicional com um middleware para reali-zar a integração entre o Suplemento desenvolvido em C# e a API desenvolvida em Java. Uma visão geral desta arquitetura é mostrada na Figura 7.

Figura 7. Arquitetura do Suplemento Avatar Educação

O motor de síntese de fala utilizado neste projeto foi o VL Synthesizer construído em Maciel e Carvalho [25], que dispõe de duas vozes (uma masculina e uma femini-na). Associado a ele foi utilizado o módulo FIVE_API do Framework FIVE [27] que disponibiliza bibliotecas específicas para a sintetização da fala e segmentação automática da voz. Antes da camada de aplicação, foi desenvolvido um middleware chamada Avatar Vocálico cujo objetivo é obter o áudio sintético produzido pelo VL Synthesizer e gerar transcrição fonética temporizada dele. Na camada de aplicação, o Suplemento Avatar Educação

é o responsável pela instanciação do middleware Avatar Vocálico por meio de uma chamada ao prompt de co-mando, utilizando a classe Process da linguagem C#, que, adicionalmente, utiliza o CODEC XVid1 _{para a}

geração do vídeo com o personagem virtual animado.

4.4 Versão Final

A versão final implementada para o Suplemento Ava-tar Educação2 _{seguiu o padrão visual da barra de menu do}

PowerPoint. Ele possui apenas três botões. O primeiro botão permite a escolha de um personagem entre 20 dis-poníveis, conforme mostra a Figura 8.

Figura 8. Seleção de personagens no Avatar Educação

O segundo botão abre uma janela para que usuário in-forme o texto que deseja que seja falado pelo personagem virtual, e disponibiliza uma opção para geração automáti-ca do vídeo, conforme mostra a Figura 9.

Figura 9. Janela para texto do Avatar Educação

Por fim, o terceiro botão é usado para fins de controle de versão e ativação do suplemento, conforme mostra a Figura 10.

1 _{Disponível em http://www.xvid.org}

2 _{Disponível em http://www.vocallab.com.br/downloads/plugin.zip}

Figura 10. Controle de versão e ativação do Avatar Educação

Tendo em vista a estabilidade conseguida com esta versão final, observa-se a necessidade de utilizar uma metodologia de avaliação de produto de software a fim de validar qualitativamente os resultados efetivos da solução e seu potencial de uso.

5. Avaliação Qualitativa

Avaliar a qualidade de um produto de software é veri-ficar, através de técnicas e atividades operacionais, o quanto os requisitos levantados são atendidos. Tais requi-sitos, de uma maneira geral, são a expressão das necessi-dades, explicitados pelos stakeholders em termos quanti-tativos ou qualiquanti-tativos no momento da definição do sof-tware, que ao final de sua produção precisarão ser avalia-dos a fim de permitir o exame de seu atendimento [37].

O processo de avaliação de software baseado na opi-nião dos especialistas pode ser definido como uma série de esforços científicos que são empregados para interpre-tar dados, prever comportamento, ou avaliar incertezas de um sistema. Trata-se de levantar “as especulações, supo-sições e estimativas de pessoas que são consideradas especialistas na medida em que suas opiniões servem como entrada cognitiva num processo de avaliação” [38].

Em muitas áreas, o processo de avaliação das pesqui-sas científicas envolve análises probabilísticas ou expe-rimentais. Essas abordagens demandam uma grande quantidade de dados estatísticos e análises algorítmicas (com base em predições), que podem não ser obtidas tão facilmente na área de Engenharia de Software. Por isso, as avaliações baseadas na opinião de especialistas têm se tornado recorrentes na avaliação de sistemas [39].

A avaliação realizada neste trabalho não buscou resul-tados de usabilidade do ponto de vista do usuário. O foco da avaliação foi buscar opiniões de professores conteu-distas e gestores em EAD sobre a importância e o poten-cial de uso do Suplemento para automatização do

proces-so de construção de material áudio visual. A metodologia empregada nesta avaliação seguiu a abordagem proposta por Li e Smiths [39] que propõe um processo de avalia-ção composto em cinco passos detalhados nas subseções a seguir.

5.1 Declaração do Problema

Esta primeira etapa da avaliação baseada na opinião de especialista busca definir de maneira clara e sistemati-zada o background e o problema que se deseja avaliar. Questões de usabilidade, interface e arquitetura já foram analisadas anteriormente neste trabalho para fundamentar o desenvolvimento da ferramenta. Neste momento o que se buscou avaliar foi o potencial do Suplemento Avatar Educação numa perspectiva real de utilização na educa-ção a distância.

5.2 Seleção dos Especialistas

A seleção dos especialistas necessária a uma avalia-ção com credibilidade deve incluir um conjunto de crité-rios que demonstrem a habilidade dos especialistas. Para a avaliação do Suplemento Avatar Educação foram con-siderados os seguintes fatores: experiência através de publicações, realização de consultorias e gerenciamento de projetos tanto na universidade quanto na indústria; ser capaz de abordar várias questões relacionadas a área analisada e capacidade de interpretar e propor soluções para os problemas que a área oferecem. Tendo em vista que o foco da avaliação não era um teste de usabilidade mas sim uma visão mais estratégica do uso da ferramenta no âmbito da EAD, foram convidados cinco especialistas, no qual três se disponibilizaram a realizar a avaliação.

5.3 Elicitação da Opinião

A abordagem escolhida para a elicitação das opiniões foi baseada na aplicação de um questionário que buscou avaliar dois pontos específicos. Primeiro foi solicitada uma avaliação conceitual a respeito do cenário atual para a produção de material didático para EAD. Nessa avalia-ção esperou-se obter dos especialistas uma opinião crítica sobre o posicionamento do material audiovisual no con-texto educacional. Em seguida, foi solicitado aos especia-listas que fosse realizada a instalação e a utilização da ferramenta proposta. Foi solicitado a construção de aulas utilizando o Suplemento de forma livre, sem limitação de tempo, de modo a subsidiar os especialistas a realizarem uma avaliação sobre experiência de uso, aplicabilidade e potencial de uso da ferramenta na área de EAD.

5.4 Agregação das Opiniões

A ideia desta etapa é chegar a uma opinião agregada ou um consenso com base no qual a decisão pode ser tomada. Li e Smidts [39] afirmam que quando métodos de agregação são utilizados, eles podem ser tão simples

quanto uma simples média das várias entradas dos espe-cialistas, ou uma avaliação subjetiva consensual das res-postas obtidas. Em nosso estudo foi utilizada a avaliação subjetiva consensual das respostas obtidas. Todas as respostas obtidas nesta pesquisa foram organizadas em um documento e distribuídas entre os autores do trabalho. Em um processo de duplo-cego, cada autor fez sua avali-ação e por fim o consenso a respeito de cada questão eles foi alcançado.

5.5 Resultados da Avaliação

Esta seção apresenta a análise qualitativa dos dados coletados no questionário, discutindo cada questão e destacando alguns aspectos que devem ser considerados.

Inicialmente foi perguntado como é realizado o pro-cesso de produção do material didático audiovisual na instituição da qual os especialistas fazem parte. A ideia foi mapear o modo como esse material é atualmente de-senvolvido e quais os atores envolvidos. Dois especialis-tas mencionaram que suas instituições produzem seu próprio material, envolvendo professores, alunos e esta-giários na concepção e elaboração do material audiovisu-al. O outro especialista informou que todo o processo é terceirizado a uma empresa especializada.

A segunda questão buscou avaliar a importância do material didático audiovisual no processo ensino aprendi-zagem na EAD. Esse quesito mostra o sentimento dos avaliadores quanto aos efeitos que o material audiovisual proporciona nos ambientes de ensino. Todos os especia-listas consideraram muito importante a utilização de material audiovisual. Entre as justificativas dadas por eles foi possível agregar duas linhas de pensamento: a apre-sentação de conteúdo audiovisual é menos tediosa do que a textual; e a utilização do audiovisual aproxima mais professores e alunos, consequentemente potencializando o processo ensino-aprendizagem.

Na terceira questão foi perguntado sobre a influência do material didático audiovisual no trabalho do professor e na percepção dos alunos. O especialista (A) mencionou que para o professor “melhora abordagem do conteúdo, na tentativa de suprir a falta de interação face-a-face” enquanto o especialista (C) afirmou que “o material au-diovisual proporciona maior inserção do aluno no ambi-ente de ensino do que quando se tem apenas material textual”.

A quarta questão iniciou a etapa de avaliação do Su-plemento Avatar Educação. Nela foi solicitada uma ava-liação geral sobre a experiência de uso dos especialista quanto aos aspectos (instalação, uso, qualidade dos per-sonagens, qualidade da voz e animação). Todos os espe-cialistas avaliaram positivamente a ferramenta. A Tabela 3 mostra uma síntese das respostas agregadas a partir da experiência de uso da ferramenta.

Aspecto Avaliação

Instalação Fácil e rápida, porém faz-se necessária uma melhor explicação quanto aos pré-requisitos da ferramenta (Java, DIVIX, etc.) Uso Intuitivo. A ferramenta

apresen-ta poucos botões com uma sequên-cia direta.

Personagens Boa, com destaque para a varia-bilidade de opções masculino e feminino.

Voz Média, visto que não foi possí-vel compreender bem algumas pa-lavras sintetizadas.

Animação Boa. A sincronia entre os movi-mentos dos lábios e o áudio está bastante realista.

Tabela 3: Experiência de uso da ferramenta

A quinta questão buscou saber dos especialista a apli-cabilidade do Suplemento Avatar Educação, ou seja, em quais situações de ensino-aprendizagem a ferramenta desempenharia papel importante. Os especialistas ofere-ceram três avaliações distintas. O especialista A escreveu: “interessante para a produção de tutoriais ou aulas prá-ticas”. O especialista B sugeriu que: “seria uma boa opção para suprir a carga-horária de 20% à distância no ensino superior presencial”. E, por fim o especialista C considera: “útil na exposição de conteúdo em que se exija maior reflexão do aluno”.

Na sexta questão foi solicitado aos especialistas uma avaliação a respeito do potencial de uso da ferramenta na suas respectivas instituição de ensino. Este questiona-mento buscou medir o interesse deles em utilizar o Su-plemento Avatar Educação em ambiente real de produ-ção. As três respostas foram favoráveis e agregadas em dois usos imediatos: produção de conteúdo para as disci-plinas de EAD, e alternativamente para a produção de conteúdo para o ensino presencial como inovação na apresentação em sala de aula.

6. Considerações Finais

Este artigo apresentou a concepção, o desenvolvimen-to e a avaliação de uma ferramenta, denominada Suple-mento Avatar Educação, cujo objetivo é automatizar o processo de construção de animações com personagens virtuais com voz sintética integrados ao material didático utilizado para EAD.

Vimos neste trabalho que entre os grandes desafios do Ensino à Distância, a produção de material didático é sem dúvida um dos mais críticos. Normalmente a disponibili-zação do material é realizada apenas de modo textual, o

que torna o processo de ensino-aprendizagem tedioso e pouco motivador.

Alternativas interessantes e atraentes vêm sendo in-vestigadas para a produção de material audiovisual, con-tudo, seu processo de desenvolvimento é bastante com-plexo e custoso. Opções com animações com persona-gens corporais e diálogos textuais são úteis em situações pré-definidas, mas não minimizam os problemas do pro-cesso de construção (equipe e investimento).

Nós consideramos que o Suplemento Avatar Educa-ção, por ser uma ferramenta totalmente automatizada, com disponibilização de animações faciais, nas quais intrinsecamente encontramos expressões de emoção, associada a utilização de voz sintética, abre uma grande oportunidade de contribuir para a produção de material didático para EAD.

Além disso, ressaltamos que todo o processo de con-cepção e de desenvolvimento da ferramenta foi bastante fundamentado na literatura de Engenharia de Software, Interface Humano Computador, Artes, Programação e Processamento de Voz, o que tornou possível a realização de ciclos de interação que envolveram diretamente a participação de usuários interessados.

Sendo a ferramenta evoluída por duas plataformas (Java e C#), foi possível construir uma arquitetura sólida e bem definida e uma interface gráfica amigável e bastan-te rápida e simples, que, segundo a avalição dos especia-listas de diversas instituições nos mostrou perspectivas de potencial de utilização em larga escala e a possibilidade inclusão da ferramenta em processos já existentes.

Desse modo, concluímos que a disponibilização do Suplemento Avatar Educação tem muito a contribuir para a minimização de esforços, de equipe e de investimentos na produção de material audiovisual e possui grande possibilidade de sucesso entre as instituições e profissio-nais da educação, contribuindo para um avanço importan-te na Educação a Distância.

Referências

[1] Belisário, A. O material didático na educação a distância e a constituição de propostas interati-vas. Em Silva, M. Educação online. São Paulo: Edições Loyola, 2003. p.137-148.

[2] Cardoso, M. Y. N. P., Silva, A. C. C. Metodolo-gia para Construção de Materiais Didáticos na EAD: do Plano de Ensino ao Roteiro de Tutoria. Anais do 14º Congresso Internacional ABED de Educação a Distância, 2003.

[3] Menezes, M. J. S. S. Videoconferência: promo-tor da interação na educação a distância?

Disser-tação de Mestrado, Universidade de Aveiro, 2013.

[4] Spanhol, G. K., Spanhol, F. J. Processos de Pro-dução de vídeo-aula. Novas Tecnologias na Educação, V. 7, No 1, July, 2009.

[5] Teixeira, O. A. F., Weschenfelder, G. V. Evolu-ção do EAD e as Novas Mídias. Revista Cesuca Virtual: Conhecimento sem Fronteiras, V. 1, No 1, July, 2013.

[6] Lyra, F., Santos, N. Agentes de Software no Monitoramento de Alunos em Educação a Dis-tância. Anais do Congresso Brasileiro de Infor-mática na Educação, 2012.

[7] Frozza, R. at al. Agentes Pedagógicos Emocio-nais atuando em um Ambiente Virtual de Aprendizagem. Novas Tecnologias na Educação V. 9, No 1, Julho, 2011.

[8] Duarte, G. D., Costa, A. C. RUma Proposta para Modelagem de Personagens Virtuais Emotivos Utilizáveis em Ambientes de Educação a Distân-cia. Anais do XXV Congresso da Sociedade Brasileira de Computação, 2005.

[9] Paula Filho, W. P., Multimídia: Conceitos e Aplicações, São Paulo, Editora LTC, 2011.

[10] Ruiz, T. B., Cordero, J. M. Guia para el diseño,

elaboración y evaluación de material escrito. Brasília/Madrid: UnB/Uned: Apostila para o Curso de Especialização em Educação Continu-ada e à Distância da Faculdade de Educação da Universidade de Brasília.

[11] Abreu, D. Produção de Material Didático para

EaD. Paraná, Editora UFPR, 2010.

[12] Gratch, J., et al. Creating interactive virtual

humans: some assembly required. IEEE Intelli-gent Systems, V.17, Issue 4, July, 2002.

[13] Prola, M. T. Modelagem de um Agente

Pedagó-gico Animado para um Ambiente Colaborativo: Considerando Fatores Sociais relevantes. Disser-tação de Mestrado, Universidade Federal do Rio Grande do Sul, 2003.

[14] Martino, J. M. Animação Facial Sincronizada

com a Fala: Visemas Dependentes do Contexto Fonético para o Português do Brasil. Tese de Doutorado, Universidade Estadual de Campinas, 2005.

[15] Costa, P. D. P. Animação facial 2D sincronizada

com a fala baseada em imagens de visemas de-pendentes do contexto fonético. Dissertação de Mestrado, Universidade Estadual de Campinas,

2009.

[16] Mattheyses, W., Verhelst, W. Audiovisual

speech synthesis: An overview of the state-of-the-art. Speech Communication, v.66, pp 182-217, 2014.

[17] Salvador, V. F. M., Kawamoto, A. L. S.,

Oliveira Neto, J. S. An Empirical Approach for the Evaluation of Voice User Interfaces, Users Interfaces, v.1, pp 270, 2010.

[18] Anusuya, M. A., Katti, S. K. Speech Recognition

by Machine: A Review. International Journal of Computer Science and Information Security, V. 6, Nº3, 2009.

[19] Tabet, Y., Boughazi, M. Speech Synthesis

Tech-niques. A Survey. Anais do 7th International Workshop on Systems, Signal Processing and their Applications, 2011.

[20] Simões, F. O. Implementação de um Sistema de

Conversão Texto-Fala para o Português do Bra-sil. Campinas: Dissertação de Mestrado, Univer-sidade Estadual de Campinas, 1999.

[21] Taylor, P. Text-To-Speech Synthesis.

Cambrid-ge, Cambridge University Press, 2009.

[22] Maia, R. S. Speech Synthesis and Phonetic

Vocoding for Brazilian Portuguese based on Parameter Generation from Hidden Markov Models. Tese de Doutorado, Nagoya Institute of Technology, 2006.

[23] HTS - HMM-based Speech Synthesis Toolkit.

Available at http://hts.sp.nitech.ac.jp/. Último acesso em Dezembro, 15, 2014.

[24] MaryTTS. Available at http://mary.dfki.de/.

Último acesso em Dezembro, 15, 2014.

[25] Maciel, A., Carvalho, E. Integration and

Evalua-tion of an HMM-Based Text-To-Speech System To FIVE. Anais do International Conference on Systems, Signals and Image Processing, 2012.

[26] Souza, D., Saturnino, L., Maciel A. M. A.

Porta-bility Evaluation of Brazilian Portuguese voices produced with MARY TTS. Anais do Interna-tional Conference on Systems, Signals and Im-age Processing, 2014.

[27] Maciel, A., Carvalho, E. FIVE – Framework for

an Integrated Voice Environment. Anais do International Conference on Systems, Signals and Image Processing, 2010.

[28] Maciel, A. M. A., Carvalho, E. C. B.

Multiplat-form Instantiation Speech Engines produced with FIVE. International Journal of Advanced

Computer Science. V. 3, Nº 9, 2013.

[29] Reategui, E. B., Boff, E., Ceron, R. F.

Kurrupa-ko: Um Agente Animado Sócio-Afetivo para Ambientes de Aprendizagem. Novas Tecnologi-as na Educação. V. 4, No 1, Julho, 2006.

[30] Lucas, J. P., Wilges, B., Salomão, S. E. S.,

Sil-veira, R. A. Proposta de um Agente Pedagógico Animado Inserido no Ambiente Teleduc como uma Ferramenta Tutora. Novas Tecnologias na Educação. V. 2, No 2, Novembro, 2004.

[31] Nunes, T. M., Jaques, P. A., Analisando a

in-fluência da presença de um Agente Pedagógico Animado em relação ao Gaming The System. Anais do XXI Simpósio Brasileiro de Informática na Educação, 2013.

[32] Chen, Z. H. We care about you: Incorporating

pet characteristics with educational agents through reciprocal caring approach. Computers and Education, V.59, 2012. p. 1081-1088.

[33] Rodrigues, R. L., Maciel, A. M. A., Carvalho, E.

C. B. C. Desenvolvimento de uma ferramenta para a produção de mídias utilizando persona-gem animado síntese de voz. Anais do Simpósio Brasileiro de Informática na Educação, 2012.

[34] Preece, J., Rogers, Y., Sharp, H. Design de

Inte-ração – Além da InteInte-ração Homem-computador,

São Paulo, Bookman, 2013.

[35] Borchers, J. A Pattern Approach to

Interac-tion Design. Anais do InternaInterac-tional Confer-ence on Designing Interactive Systems. [S.l.]: ACM Press. 2000. p. 369–378.

[36] Huang, X., Acero, A., Hon, H.W., 2001. Spoken

Language Processing – A Guide to Theory, Algorithm, and System Development. New Jer-sery: Prentice Hall..

[37] Tsukumo, A. N., et al, 2001. Qualidade de

Sof-tware: Visões de Produto e Processo de Softwa-re. Anais da Escola Regional de Informática, p. 173-189, 1997.

[38] Cooke, R. M.; Shrader-Frechette, K. Experts in

Uncertainty: Opinion and Subjective Probability in Science. Oxford University Press, 1991.

[39] Li, M.; Smidts, C.S. A Ranking of Software

Engineering Measures Based on Expert Opinion. IEEE Transactions on Software Engineering, v.29, p.811-824, 2003.