Geração de ambientes virtuais de ensino-aprendizagem para cursos baseados na realização de projetos

Texto

(1)UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXTAS E DA TERRA DEPARTAMENTO DE INFORMÁTICA E MATEMÁTICA APLICADA PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E COMPUTAÇÃO MESTRADO ACADÊMICO EM SISTEMAS E COMPUTAÇÃO. Geração de Ambientes Virtuais de Ensino-Aprendizagem para Cursos Baseados na Realização de Projetos. Alan de Oliveira Santana Dissertação de Mestrado. Natal – RN Novembro, 2017.

(2) Alan de Oliveira Santana. Geração de Ambientes Virtuais de Ensino-Aprendizagem para Cursos Baseados na Realização de Projetos. Dissertação submetida à Coordenação do Programa de Pós-Graduação em Sistemas e Computação, do Centro Ciências Exatas e da Terra, da Universidade Federal do Rio Grande do Norte, como parte dos requisitos para obtenção de título de Mestre em Sistemas e Computação.. Orientador: Prof. Dr. Eduardo Henrique da Silva Aranha. PPgSC – Programa de Pós-Graduação em Sistemas e Computação DIMAp – Departamento de Informática e Matemática Aplicada CCET – Centro de Ciências Exatas e da Terra UFRN – Universidade Federal do Rio Grande do Norte. Natal – RN Novembro, 2017.

(3) Universidade Federal do Rio Grande do Norte - UFRN Sistema de Bibliotecas - SISBI Catalogação de Publicação na Fonte. UFRN - Biblioteca Setorial Prof. Ronaldo Xavier de Arruda - CCET. Santana, Alan de Oliveira. Geração de ambientes virtuais de ensino-aprendizagem para cursos baseados na realização de projetos / Alan de Oliveira Santana. - 2017. 95 f.: il. Dissertação (mestrado) - Universidade Federal do Rio Grande do Norte. Centro de Ciências Exatas e da Terra. Programa de PósGraduação em Sistemas e Computação. Natal, RN, 2017. Orientador: Eduardo Henrique da Silva Aranha. 1. Computação - Dissertação. 2. Tutor - Dissertação. 3. Gerador - Dissertação. 4. Aprendizagem baseada em problemas Dissertação. 5. Jogos - Dissertação. 6. Evasão - Dissertação. I. Aranha, Eduardo Henrique da Silva. II. Título. RN/UF/CCET. CDU 004(043.3).

(4)

(5) Agradecimentos. A Deus, minha esposa, meus pais, meus padrinhos e meu orientador, pois todas estas tornaram este trabalho possível. Por isto agradeço profundamente a estas pessoas..

(6) Geração de Ambientes Virtuais de Ensino-Aprendizagem para Cursos Baseados na Realização de Projetos. Autor: Alan de Oliveira Santana Orientador: Prof. Dr. Eduardo Henrique da Silva Aranha. Resumo Os altos índices de reprovação e evasão em cursos de computação torna-se um fator limitador para o desenvolvimento de diversas áreas profissionais, tornando a oferta de mão de obra especializada escassa. Neste sentido, cursos de desenvolvimento de jogos que apliquem o método de aprendizagem baseada em projetos, para dinamizar o aprendizado, e o uso de tutores virtuais, para direcionar o estudante no aprendizado, buscam deixar o ambiente de aprendizado de conceitos ligados a computação mais atrativos e lúdicos. Assim, este trabalho objetiva desenvolver e avaliar um sistema de geração de tutores virtuais para perfis de alunos distintos de uma mesma turma, podendo ser aplicado a EaD ou ensino presencial. Desta forma, dois protótipos de tutores foram desenvolvidos e avaliados a fim de observar o impacto do uso de mais de um formato de tutor em uma turma. Os resultados mostraram que os alunos se divertiram durante as aulas, motivados pelo fator lúdico ligado as aulas de programação de jogos e dos tutores virtuais. Este fator permitiu que os alunos apresentassem bons resultados durante o desenvolvimento dos jogos, com mais de 75% dos alunos concluindo os problemas propostos, com os demais apresentando em torno de 90% de andamento para conclusão dos jogos. Outro ponto observado foi que as turmas apresentaram distinção de perfil em ordem de 56% para 44% de dispersão entre os tutores que mais se adaptaram a seu perfil, sugerindo que a aplicação do gerador foi bem vinda, porém, são necessários outros estudos para evidenciar de forma mais contundente este dado apresentado. Palavras-chaves:.Tutor, Gerador, aprendizagem baseada em problemas, Jogos, Evasão.

(7) Generation of Virtual Environments of Teaching-Learning for Courses Based on the Realization of Projects Author: Alan de Oliveira Santana Supervisor: Prof. Dr. Eduardo Henrique da Silva Aranha. Abstract The high rates of failure and avoidance in computing courses become a limiting factor for the development of several professional areas, making the supply of skilled labor scarce. In this sense, game development courses that apply the project-based learning method, to stimulate learning, and the use of virtual tutors, to direct the student in learning, seek to leave the learning environment of computational concepts more attractive and playful. Thus, this work aims to develop and evaluate a system of generation of virtual tutors for profiles of different students of the same class, being able to be applied to distance education or face-to-face teaching. In this way, two prototype tutors were developed and evaluated in order to observe the impact of using more than one tutor format in a class. The results showed that the students had fun during the classes, motivated by the ludic factor linked to the programming classes of games and virtual tutors. This factor allowed the students to present good results during the development of the games, with more than 75% of the students concluding the problems proposed, with the others presenting around 90% of progress to complete the games. Another point observed was that the groups presented a profile distinction in order of 56% to 44% of dispersion among the tutors who more adapted to their profile, suggesting that the application of the generator was welcome, however, other studies are necessary to show more forcefully this presented data. Keywords:.Tutor, Generator, Problem-Based Learning, Games, Evasion.

(8) Lista de figuras Figura 1: Arquitetura dos sistemas tutores virtuais.................................................... 23 Figura 2: Exemplo de base de dados AIML............................................................... 27 Figura 3: Exemplo de diálogo usando base de dados AIML ..................................... 27 Figura 4: Diagrama de fluxo da aula do tutor virtual .................................................. 34 Figura 5: Roteiro da aula/missão............................................................................... 36 Figura 6: Tópicos das missões .................................................................................. 37 Figura 7: Tela de decisão das missões ..................................................................... 38 Figura 8: Incentivo a praticar logo após cada explicação .......................................... 39 Figura 9: Engajamento medido através da confiança e satisfação de aprendizado .. 42 Figura 10: Índice recomendação e diversão de aprendizado .................................... 42 Figura 11: Motivação e estímulo de aprendizado ...................................................... 43 Figura 12: Arquitetura do tutor chat ........................................................................... 46 Figura 13: Fluxo do tutor chat.................................................................................... 47 Figura 14: Tela do tutor chat e primeira interação ..................................................... 48 Figura 15: Apresentação do vídeo introdutório.......................................................... 48 Figura 16: Dados de entrada do usuário ................................................................... 49 Figura 17: Interação de pedido para realizar pesquisas ............................................ 50 Figura 18: Sumário principal do tutor chat ................................................................. 50 Figura 19: Simbologia das atividades realizadas ...................................................... 51 Figura 20: Inferência do tutor chat............................................................................. 52 Figura 21: Diagrama de classes dos tutores virtuais gerados ................................... 55 Figura 22: Esquema de geração dos Tutores ........................................................... 56 Figura 23: Gráfico da seleção de preferência de formato de tutor ............................ 61 Figura 24: Gráfico questão 4 ..................................................................................... 63 Figura 25: Boxplot sobre o tempo médio de conclusão das aulas ............................ 65 Figura 26: Gráfico questão 1 ..................................................................................... 67 Figura 27: Gráfico questão 2 ..................................................................................... 68 Figura 28: Gráfico questão 3 ..................................................................................... 69 Figura 29: Chatbot 1 .................................................................................................. 74 Figura 30: Chatbot 2 .................................................................................................. 75 Figura 31: Arquitetura do Chatbot FILOH .................................................................. 76.

(9) Lista de Tabelas Tabela 1: Execução do Estudo.................................................................................. 40 Tabela 2: Quadrado latino ......................................................................................... 58.

(10) Lista de abreviaturas e siglas TI - Tecnologia da Informação STI - Sistemas Tutores Inteligentes EaD - Educação a Distância PBL – Project Based Learning (Aprendizagem Baseado em Projetos).

(11) Sumário 1 Introdução ............................................................................................................. 13 1.1. Contexto...................................................................................................... 13. 1.2. Problemática ............................................................................................... 16. 1.3 Objetivos e questões de pesquisa ............................................................... 17 1.4 Metodologia .................................................................................................... 18 1.5 Contribuições esperadas .............................................................................. 19 2. Fundamentação ................................................................................................... 20 2.1. Sistemas tutores inteligentes ...................................................................... 20 2.2 Ensino-aprendizagem de jogos .................................................................... 23 2.3. Gerenciamento de diálogos em sistemas digitais ..................................... 24 2.4. AIML (Artificial Intelligence Markup Language) ......................................... 25 2.5 Aprendizagem Baseada em Projetos (PBL) ................................................. 28 2.6 Chatbots ......................................................................................................... 29 2.7 VTL, a linguagem de templates..................................................................... 31 3. MODELO DE Tutor Virtual para Aulas Baseadas em Missões ........................ 32 3.1 Fundamentação do Modelo Proposto .......................................................... 32 3.2 Modelo de Tutor Virtual Proposto ................................................................ 33 3.3 Implementação de um Tutor Virtual e sua mecânica de interação ............ 35 3.4 Avaliação do Tutor ......................................................................................... 39 3.5 Análise dos Resultados ................................................................................. 40 3.6 Considerações Finais .................................................................................... 43 4. Tutor Virtual para aulas mais interativas: tutor chat ........................................ 45 4.1 Arquitetura geral ............................................................................................ 45 4.2 Funcionamento do tutor chat........................................................................ 47 4.2 Avaliação do tutor chat ................................................................................. 52.

(12) 5. Gerador de tutores virtuais para perfis de alunos diferentes ......................... 54 5.1 Gerador de tutores virtuais ........................................................................... 54 5.1.1 Visão geral do Gerador ........................................................................... 54 5.1.2 Integrações do gerador a um servidor web ........................................... 56 5.1.3 Implementação de um Protótipo ............................................................ 57 5.2 Experimento controlado ................................................................................ 57 5.2.1 Planejamento............................................................................................ 58 5.2.1.1 Questões de pesquisa....................................................................... 59 5.2.1.2 Participantes e contexto ................................................................... 59 5.2.1.3 Procedimento de coleta de dados.................................................... 59 5.2.1.4 Procedimento de analise .................................................................. 60 5.2.2 Resultados ............................................................................................... 60 5.2.3 Ameaças a validade ................................................................................. 70 6 Trabalhos relacionados ....................................................................................... 71 6.1 Tutores virtuais existentes ............................................................................ 71 6.2 Chatbots existentes ....................................................................................... 72 7. Conclusões .......................................................................................................... 77 7.1. Trabalhos futuros .......................................................................................... 79 REFERÊNCIAS......................................................................................................... 80 APÊNDICE A: Questionário videoaula gravada .................................................... 88 APÊNDICE B: Questionário tutor ........................................................................... 92 APÊNDICE C: Questionário Aula nave e arkanoid do experimento controlado 96.

(13) 13. 1 INTRODUÇÃO. Este capítulo introduz o trabalho de pesquisa desenvolvido e apresentado por esta dissertação, sendo estruturado da maneira a seguir. A seção 1.1 apresenta o contexto geral desta obra, introduzindo o PBL (Project Based Learning – Aprendizagem Baseado em Projetos) e o uso de tutores virtuais para aulas de desenvolvimento de jogos digitais, seja no ensino presencial ou à distância. A Seção 1.2 apresenta a problemática desta obra, expondo a proposta de um sistema gerador de tutores virtuais digitais para turmas grandes, à distância ou presencial, e baseadas em PBL. Em seguida, a Seção 1.3 mostra os objetivos e questões de pesquisa que nortearam este trabalho. A metodologia utilizada na pesquisa é apresentada na Seção 1.4 e, por fim, a Seção 1.5 apresenta as contribuições esperadas.. 1.1 Contexto. As elevadas taxas de evasão e défices vocacionais tem causado uma forte tendência de queda na procura por cursos superiores da área de Tecnologia da Informação (TI) (BARBOSA, FERREIRA e COSTA, 2014), contrastando com o aumento progressivo na demanda por profissionais na área (COMPUTAÇÃO BRASIL, 2007). Segundo a Association for Computing Machinery (ACM), 120.000 vagas de empregos anuais serão abertas até 2020 apenas nos Estados Unidos. Porém, a carência em profissionais formados em Ciência da Computação pode tornar-se a maior interferência no desenvolvimento da indústria tecnológica. Segundo pesquisas realizadas pelo SEMESP1, Sindicato das Entidades Mantenedoras de Estabelecimentos de Ensino Superior no Estado de São Paulo, apresentam números maiores que 70% de desistentes do curso de Ciências da Computação. Ainda segundo esta pesquisa, estes dados estão principalmente ligados ao baixo nível vocacional e dificuldades com disciplinas importantes como a matemática.. 1. http://semesp1.tempsite.ws/semesp_beta/.

(14) 14. São diversos os fatores desmotivacionais nos cursos de TI. As dificuldades enfrentadas nas disciplinas iniciais dos cursos de programação, dificuldades de compreensão dos conceitos abstratos, falta de tempo para se dedicar aos estudos, bem como a complexidade inerente ao uso de linguagens de programação associado à sua semântica e sintaxe (BARBOSA, FERREIRA e COSTA, 2014). Junior, Rapkiewicz e Delgado (2005), apresentam um conjunto de problemas identificados a partir de pesquisas sobre as dificuldades enfrentadas por alunos de cursos de programação. São eles: •. A dificuldade de interpretação do próprio problema, muito antes da dificuldade de interpretação de algum tipo de representação;. •. Dificuldade de identificar os pré-requisitos necessários para o desenvolvimento das competências de construção de algoritmos e programação, de forma a poder trabalhá-los;. •. Os alunos costumam ter muita dificuldade em aplicar suas habilidades prévias, criando fonte de medo e frustração;. •. Necessidade (ou não) de definir o paradigma de programação utilizado, de forma a estruturar a soluções dos problemas já voltados para tal paradigma;. •. Outro ponto é a diversidade do ritmo de aprendizado de cada aluno conjugada, muitas vezes em turmas grandes;. Estes problemas motivacionais aumentam a carência e importância do profissional da computação, com formação iniciando desde o ensino básico, como citado no Model Curriculum for K–12 Computer Science 20112 que a grande maioria das profissões do século 21 demanda uma compreensão da Ciência da Computação. Profissionais de arte e entretenimento, comunicação, saúde, entre outros, precisam ter conhecimentos de Computação, enquanto ciência, na busca por soluções de problemas de áreas diversas, bem como na construção dessas soluções (FRANÇA, SILVA E AMARAL, 2012).. 2. A Model Curriculum for K–12 Computer Science: Report of the ACM K–12 Task Force Computer Science Curriculum Committee, 2011. Disponível em: <http://www.csta.acm.org/Curriculum/sub/CurrFiles/CSTA_K-12_CSS.pdf>.

(15) 15. Uma forma já utilizada para auxiliar os estudantes de cursos de computação, bem como introduzir novos alunos a esta área é o ensino de programação de jogos digitais, pois como apontado por Silva et al. (2016), o ensino de programação de jogos engloba diversas áreas da computação, como lógica, design gráfico, desenvolvimento de projetos, inteligência artificial, entre outras. Assim, aprender a programar jogos é uma forma lúdica e objetiva de ensinar e engajar os alunos a aprender a projetar e programar. Neste sentido, visando tornar o ensino de programação de jogos de forma clara e objetiva, metodologias como o Project Based Learning podem tornar o aprendizado mais produtivo ao deixar claro onde se aplica cada conhecimento adquirido no processo de aprendizagem de forma prática e autoconstruída. O Project Based Learning objetiva fazer os estudantes se engajarem na investigação de problemas autênticos (BLUMENFELD et al., 1991). Desta forma, o aluno observa na prática onde se aplica cada um dos conceitos aprendidos. Para permitir o uso mais eficiente das abordagens apresentadas, o uso de tecnologias auxiliares como tutores virtuais apontam como alternativas eficientes e baratas, principalmente quando comparadas a contratação de mais tutores humanos pelo fato de um sistema digital, uma vez implementado, ser de fácil replicação, além de estar disponível ao aluno sempre que este desejar, diferente dos tutores humanos que estão disponíveis em horários específicos. Estes tutores virtuais são ferramentas digitais pedagógicas que buscam simular um tutor humano durante o aprendizado dos alunos, direcionando este aluno através de estratégias pedagógicas que permitam a facilitação do aprendizado (MIRANDA, MELO e VAZ, 2017). Outra vantagem na utilização dos tutores virtuais é a capacidade que estes sistemas possuem em dinamizar as aulas. Esta característica está vinculada a possibilidade que os tutores virtuais apresentam em permitir que os alunos aprendam individualmente e em seu próprio ritmo. Neste ponto, um tutor digital para aulas de programação baseadas em PBL dá suporte ao tutor humano que pode auxiliar os alunos que estão com mais dificuldades e trabalhar estratégias de nivelamento com estes alunos frente a turma, permitindo que estas turmas diminuam as taxas de diversidade de conhecimentos. São diversos os tipos e aplicações dos tutores virtuais. Entre estes, os tutores virtuais digitais permitem no contexto de PBL, uma maior interação do sistema com o.

(16) 16. aluno, que se sente por sua vez mais seguro e motivado, como por exemplo a utilização de linguagem natural pelos chatbots, como apresentado por Leonhardt e Tarouco, 2006.. 1.2 Problemática. A área de jogos demanda um conjunto de habilidades, técnicas e práticas extenso, podendo se beneficiar de ferramentas que apoiem o processo de ensinoaprendizagem. Assim, aulas no formato PBL permitem que os estudantes desenvolvam capacidades importantes nas carreiras profissionais modernas, que demandam comprometimento, adaptabilidade, cooperatividade e diversidade de capacidades, características Intrínsecas aos profissionais ligados ao desenvolvimento de jogos Porém, no contexto de tornar as aulas mais abrangentes, alcançando desta forma mais alunos, e eficientes, podem surgir problemas relativos a turmas grandes e com alunos com níveis de aprendizado distintos. Este problema fica evidenciado em cenários de ensino de programação de jogos com base em PBL através de uma plataforma de ensino a distância ou em turmas com grande quantidade de alunos. Neste sentido, a utilização de tutores virtuais pode reduzir a demanda de suporte por professores e tutores reais, melhorando a qualidade das aulas ao permitir que estes profissionais foquem nos alunos que precisam de ajuda sem atrapalhar o andamento da aula com interrupções, ou deixando de atender alunos com dúvidas devido o tempo de aula. Outra vantagem na utilização dos tutores virtuais é o fato destes sistemas permitirem o ensino individualizado e disponível a qualquer momento, flexibilizando o processo de ensino-aprendizagem. Todavia, outros problemas surgem ligados à diferença no tempo necessário para que cada aluno absorva os conhecimentos que as aulas ou curso objetivam ensinar. Frente ao problema citado, tutores virtuais podem aplicar diferentes estratégias de nivelamento através da análise das bases de dados dos alunos, permitindo a aplicação de estratégias pré-definidas para os alunos atrasados. Neste sentido, a ferramenta de ensino poderia aplicar a geração de tutores virtuais para tornar as aulas mais dinâmicas para os alunos que já dominam os.

(17) 17. conteúdos, ou mais interativas e participativas para alunos que querem ou precisem aprofundar os conhecimentos.. 1.3 Objetivos e questões de pesquisa. Face ao exposto, o objetivo geral deste trabalho é apresentar a proposta de desenvolvimento de um gerador de tutores virtuais para perfis de alunos distintos de uma mesma turma para cursos de desenvolvimento de jogos baseados em PBL, através do desenvolvimento de dois protótipos de tutores, um voltado para aulas mais objetivas e outro para aulas mais interativas. Para tanto, foram desenvolvidos objetivos específicos: •. Desenvolver dois protótipos com abordagens distintas;. •. Avaliar os protótipos em sala de aula;. •. Propor uma arquitetura de gerador de tutores com base na avaliação dos protótipos;. Através dos objetivos apresentados, foram traçadas questões de pesquisa para permitir nortear este trabalho. As questões de pesquisa são: QP1: Qual formato de tutor proposto é mais atrativo aos usuário? QP2: Os tutores virtuais propostos tornam as aulas objetivas e com menos interrupções? QP3: Os tutores virtuais propostos tornam as aulas mais lúdicas? QP4: Os tutores virtuais propostos são capazes de auxiliar turmas a desenvolver jogos digitais? QP5: Comparando os dois formatos de tutores virtuais, qual permite completar as aulas em menor tempo? QP6: Quais as vantagens e limitações ligadas aos tutores propostos? QP7: É possível afirmar que sistemas de geração de tutor virtual contribuem para aulas mais objetivas e produtivas?.

(18) 18. 1.4 Metodologia. Na visão de Gil (2002), esta pesquisa classifica-se como exploratória, já que proporcionar maior familiaridade com o problema proposto, aprimorando ideias ou descobertas de intuições. Esta pesquisa iniciou-se com a construção de cenários hipotéticos relativos a utilização de tutores virtuais para aulas de programação de jogos aplicando PBL e buscas na literatura por trabalhos relacionados. Estas pesquisas levaram ao desenvolvimento de um protótipo inicial com base nos dados obtidos e baseada no modelo de ensino PBL. A ferramenta desenvolvida continha um personagem virtual animado ao lado de uma tela com a apresentação dos conteúdos. Estes conteúdos eram apresentados não linearmente, buscando desta forma deixar as aulas mais dinâmicas, pois permitiu que alunos que já dominassem previamente certos conteúdos pudessem “pulá-los”. Utilizando este protótipo, foi realizado um estudo vinculado a tese de doutorado de Silva (2017), que investigou o impacto de aulas através de vídeos em dois formatos, com o protótipo do tutor e com vídeos sequenciais. Após a análise deste experimento, foi desenvolvida a proposta de arquitetura de um novo tutor virtual e o desenvolvimento de um novo protótipo, pois observou-se uma demanda por mais interação por alguns alunos. Esta proposta de arquitetura continuou baseada em PBL, porém voltado para turmas grandes do ensino presencial e online. Uma de suas maiores mudanças foi a utilização do formato “chat” para comunicar-se com os aprendizes no lugar do tutor expositor e animado. Após o desenvolvimento do segundo protótipo, este passou por testes e analises em modo de desenvolvimento, levantando a hipótese de que um sistema gerador de tutores virtuais para perfis distintos traria bons resultados, visando os resultados do experimento realizado com o primeiro protótipo, que apontou alunos que desejaram maior interação com o sistema. Neste ponto, um novo experimento foi realizado utilizando ambos protótipos. Este novo experimento buscou observar se um gerador de tutores virtuais para perfis de alunos distintos era interessante para melhorar o aprendizado e permitir um maior nivelamento da turma..

(19) 19. 1.5 Contribuições esperadas. Esta subseção tem por base descrever o que é esperado ser observado como contribuição durante o desenvolvimento dos experimentos da pesquisa, sendo estas: Espera-se que este trabalho contribua no desenvolvimento e avaliação preliminar de um gerador de ambientes virtuais para o ensino-aprendizagem em cursos baseados na realização de projetos..

(20) 20. 2. FUNDAMENTAÇÃO. Este capítulo apresenta os fundamentos teóricos desta obra. A seção 2.1 apresenta os conceitos sobre Sistemas Tutores. Já a seção 2.2 apresenta as vantagens ligadas a utilização de jogos digitais no ensino aprendizagem. A seção 2.3 apresenta uma visão geral sobre gerenciamento de diálogos e como eles estão inseridos no contexto dos tutores virtuais propostos. A seção 2.4 apresenta a fundamentação sobre a linguagem AIML e a seção 2.5 apresenta a fundamentação sobre PBL e como os sistemas propostos aplicam este método. Por fim, a seção 2.6 apresenta a visão geral dos sistemas chatbots e a seção 2.7 apresenta a linguagem de templates VTL (Velocity Template Language).. 2.1. Sistemas tutores inteligentes. Sistemas inteligentes aplicados à educação são usados desde antes da década de 60, na área da computação chamada IAC (Instrução Assistida por Computadores), para fins como testes exaustivos e tarefas práticas e estavam bastante afastados do modelo de ensino convencional instrucionista e com uso de quadro negros (DAMASCENO, 2011). No início da década de 70, pesquisadores definem, dentro da IAC, o uso de tutores humanizados como modelo educacional para tais sistemas, aplicando técnicas de IA (Inteligência Artificial) para dotá-los de características inteligentes, criando o conceito de STI (Sistemas Tutores Inteligentes), com o objetivo de engajar os estudantes em seus estudos através de seu comportamento individual. Na época acreditou-se que se tais sistemas conseguissem metade da eficiência de um tutor real, as vantagens para a sociedade seriam interessantes. (DAMASCENO, 2011). Como demonstração do uso de STI como ferramenta viabilizadora de mudanças nos paradigmas educativos, estudos como o realizado por Bloom (1984), revelam que o ensino utilizando um professor cuidando exclusivamente de um aluno, demonstra resultados mais significativos que a abordagem tradicional, onde um professor cuida de um conjunto de alunos. No entanto, esta abordagem é cara, tornando os STI alternativas viáveis..

(21) 21. Os STI são sistemas que proporcionam ensino individualizado onde o aluno é um agente ativo no processo de aprendizagem e são constituídos de seis grandes áreas (Psicologia, Linguística, Inteligência Computacional, Neurociência, Antropologia e Filosofia) (MARTINS, AFONSECA e NALINI, 2007). Estes sistemas pertencem à categoria de softwares educacionais que se baseiam na aprendizagem interativa. Neste contexto, o aluno passa a ser o centro do processo ensino-aprendizagem, deixando de ser passivo e tornando-se um ser ativo no processo, além de tornar relevante o seu conhecimento atual e as suas características de aprendizado (JESUS, 2003). Oliveira (2002), afirma que Sistemas Tutores Inteligente podem ser aplicados como estratégias de ensino diferenciado, sendo aplicado individualmente para cada aprendiz segundo motivações, personalidade, objetivos e desempenho, gerando experiências diferenciadas de ensino e maior aproveitamento pelos alunos. Segundo Rodrigues e Carvalho (2005), para que um software seja considerado um STI ele precisa possuir três características: A primeira é estar relacionado com um domínio do conhecimento, o qual permite o tutor agir como um especialista. A segunda é ser capaz de avaliar níveis de conhecimento do aprendiz e a terceira é ser capaz de executar estratégias de ensino, objetivando diminuir a diferença entre o conhecimento do tutor e de seu aprendiz. Essas características devem atuar de forma integrada em tarefas concomitantes, dando uma estrutura tridimensional aos STI. Ao observar como são organizados os STI nas literaturas, trabalhos como os de Cossul, Braatz e Witczak (2015) e Bolzan (2002), apresentam que existem variações nas arquiteturas e na organização dos módulos, principalmente pelo fato da maioria dos trabalhos na literatura serem trabalhos de natureza experimental, não existindo uma teoria definida (TURINE, MALTEMPI e HASEGAWA, 2016). Existem várias arquiteturas para implementação de STI’s como a arquitetura de Hartley e Sleeman (HARTLEY e SLEEMAN, 1973) e a arquitetura de O’Shea (O’SHEA, BORNAT e BOULAY, 1984). Porém, será descrita a arquitetura em módulos por ser uma das mais usadas. A arquitetura em módulos é chamada arquitetura básica, devido ser constituída por quatro módulos básicos (domínio, estudante, tutor e comunicação) e um módulo adicional (módulo avaliador) (PIMENTEL, OMAR e FRANÇA, 2005). Abaixo segue a descrição de cada módulo:.

(22) 22. •. Módulo do domínio: Este módulo contém a representação do conhecimento do tutor, de maneira a possibilitar a identificação dos pré-requisitos de cada conteúdo (PIMENTEL e DIRENE, 1998).. •. Módulo do estudante: O módulo do estudante armazena informações sobre o histórico do conhecimento do aprendiz, devendo conhecer os vários tópicos do domínio do conhecimento. Este processo deve ser contínuo e manterá a informação detalhada sobre o processo de avaliação e as habilidades do aprendiz (PIMENTEL e DIRENE, 1998).. •. Módulo do tutor: O módulo do tutor deverá conter o plano pedagógico do conhecimento do sistema. A partir deste plano, o módulo deve ser responsável por decidir as formas que as atividades pedagógicas serão aplicadas, interagindo continuamente com os módulos do estudante e domínio. Este módulo também pode criar planos personalizados para cada estudante, de acordo com as informações contidas no módulo do estudante (PIMENTEL, OMAR e FRANÇA, 2005).. •. Módulo da comunicação: Contém a forma de comunicação entre o tutor e o aluno (BOTELHO, 2008).. •. Módulo avaliador: Este módulo é capaz de guiar o estudante na reflexão dos conhecimentos a partir de informações do Módulo do Domínio e do Estudante. Os dados provenientes dos outros dois módulos, devem ser uma base para a composição e seleção de avaliações diferenciadas de desempenho que estejam de acordo com o estado cognitivo do aprendiz. Também é responsável por diagnosticar as lacunas na aprendizagem e elaborar planos personalizados de aprendiz, objetivando preencher as lacunas (PIMENTEL, OMAR e FRANÇA, 2005). Atualmente estes módulos são implementados através de arquiteturas multi-. agentes como a mais amplamente utilizada no desenvolvimento destes tutores (LIMA et al. 2017). Um exemplo da arquitetura geral destes tutores pode ser visto na Figura 1..

(23) 23. Figura 1: Arquitetura dos sistemas tutores virtuais. Fonte: Andrade et al. 2013. 2.2 Ensino-aprendizagem de jogos. O ensino de programação de jogos apresentasse como forma atrativa e objetiva para o ensino de programação e outras áreas como matemática, através do ensino de lógica e outras disciplinas importantes para o profissional da computação, como apresentado por Oliveira, Rodrigues e Queiroga (2016). Uma das vantagens e atratividades do uso de jogos para o ensinoaprendizagem é a forma lúdica com que os alunos exploram os conteúdos, abordando-os de forma mais amigável e participativa (MATTOS, XAVIER e PINTO, 2017). Segundo a revisão da literatura de Medeiros, Silva e Aranha (2013), sobre o ensino de programação através do ensino de programação de jogos, o principal público desta abordagem são alunos de nível médio, onde busca-se introduzir precocemente os conceitos de computação. Outro grupo que aparece na pesquisa são alunos de nível superior que realizam cursos de programação de jogos como forma alternativa as disciplinas afins. Desta forma, o ensino de programação de jogos digitais para o ensinoaprendizagem é uma alternativa bastante explorada e eficiente disponível..

(24) 24. 2.3. Gerenciamento de diálogos em sistemas digitais. Sistemas que realizam interação com usuários através de personagens, muitas vezes apresentam em sua estrutura sistemas de gerenciamento de diálogos. Sua estrutura, em geral, baseia-se em agentes que recebem as entradas, as interpretam e geram saídas correlatas através de áudios ou texto. Segundo Kopp, Gessellensetter e Krãmer (2005), a tarefa do agente responsável pelo gerenciamento de diálogo é atualizar as bases de conhecimento dinamicamente, controlar os comportamentos reativos, e o mais importante, criar as expressões apropriadas. Esta abordagem é normalmente utilizada para conversas simples, sendo necessário desenvolver abordagens mais planejadas e modelagem profunda dos respectivos domínios. A criação da expressão apropriada para cada entrada, está ligado ao estado afetivo do sistema e também, como visto no trabalho de Poggi, Pelachaud e Rosis (2005), pode ser representado como a “mente”, que além do agente gerenciador de diálogos, também contém agentes que representam o estado mental do personagem virtual, utilizando a interação dos dois agentes, mais consultas ao domínio do sistema, para criar as expressões de saída. Estes sistemas capazes de realizar diálogos com humanos são chamados de Agentes Conversacional (AC), e um dos primeiros desenvolvidos foi o chatbot ELIZA (WEIZENBAUM, 1966), que mesmo sendo um sistema bastante simples, foi capaz de criar diálogos em linguagem natural (O’SHEA, BANDAR e CROKETT, 2010). Entende-se por linguagem natural, a capacidade de o computador tratar aspectos da comunicação humana como: sons, palavras, sentenças e discursos, considerando formatos, referências, estruturas, significado, contextos e usos, dotando a máquina com a capacidade de se comunicar como um humano (GONZALES e LIMA, 2003). Dotar um sistema computacional com linguagem natural envolve, além dos conceitos de computação, conhecimentos das áreas de Filosofia, Neurologia, Psicolinguística e linguística (McDONALD, 2000). Há inúmeras formas de dotar um sistema com capacidade de comunicar-se através de linguagem natural, uma delas é predefinir saídas para cada entrada especifica. Outra forma é utilizar árvores para a criação das frases. As árvores geram estruturas padronizadas para criação finita das frases. Estas árvores podem ser representadas por agentes que interagem com os agentes.

(25) 25. domínio, com os conjuntos de palavras e com o estado emocional, gerando saídas especificas para cada entrada somado a situação emocional do sistema. Atualmente a linguagem AIML utilizada nos chatbots é uma das ferramentas para tornar sistemas capazes de comunicar-se em linguagem natural mais difundida e eficiente. 2.4. AIML (Artificial Intelligence Markup Language) O AIML é uma linguagem de marcação utilizando tag’s baseada em XML. Esta linguagem é capaz de representar expressões em linguagem natural, permitindo o desenvolvimento de gerenciadores de interpretadores de linguagem natural simples. O surgimento do AIML está ligado ao desenvolvimento do chatbot ALICE (WALLACE, 1995), sendo a base do surgimento da atual geração deste tipo de sistema. Segundo Macedo e Fusco (2014), o AIML é composto por um conjunto de tag’s que pode conter outras várias tag’s chamadas categorias, sendo estas, responsáveis por interpretar as mensagens escritas pelos usuários, desta forma, gerando respostas ligadas às funções contidas dentro das categorias das tag’s. A documentação do AIML, bem como seu contínuo desenvolvimento, está sob domínio da ALICE A. I. Foundation4 e está sob a licença GNU GPL5. O número de tag’s é bastante diverso, porém existem quatro principais que estão ligadas ao funcionamento básico da linguagem, são elas: •. aiml: Responsável por iniciar e finalizar o documento AIML;. •. category: Responsável por marcar uma “unidade de conhecimento”;. •. pattern: Contém um padrão simples, correspondente ao que o usuário pode dizer;. •. 4 5. template: Contém a resposta a uma entrada do usuário;. http://www.alicebot.org/ https://www.gnu.org/licenses/gpl-3.0.en.html.

(26) 26. O ALICE A. I. Foundation, mantém em seu domínio na internet a referência a todas as tag’s do AIML, função de cada uma, além de exemplos e outros materiais de apoio ao desenvolvimento de chatbots. A escrita dos comandos AIML é semelhante a outras linguagens de marcação como HTML e a própria XML, ao qual o AIML é baseado. Existem dois tipos de estrutura das tag’s, as de abertura “<>” e de encerramento “</>” de comandos. Um exemplo da estrutura dos comandos AIML é: “<Aiml> inicia e fecha o conteúdo de um documento AIML</Aiml>”. Além das quatro tag’s principais, existem outras que possuem grande importância no desenvolvimento da base de dados de conversação dos sistemas, as tag’s: •. random: permite a seleção de uma resposta dentro de um conjunto de possibilidades;. •. li: marca as possibilidades de escolha dentro da tag random;. •. that: Registra a última sentença;. •. sarai: Direciona o usuário para uma categoria ligada mensagem de resposta do usuário a um contexto anterior;. •. star: Se uma categoria utilizar “*” ou “_” no início ou fim da mensagem, a tag faz com que o texto que existe antes ou depois do símbolo sejam irrelevantes;. •. think: Responsável por realizar as operações internas;. •. set: Exemplo de operação interna. Armazena em variáveis valores digitados pelo usuário ligados ao símbolo “*”;. •. get: Exemplo de operação interna. Faz a leitura de variáveis já criadas.. •. thatstar: Retorna um fragmento dentro da tag “pattern” ligado ao símbolo “*” contido na tag <that> Todas estas tag’s são caracterizadas como básicas por Macedo e Fosco. (2014), estando as demais relacionadas a desenvolvimentos avançados. A Figura 2 e 3 apresentam respectivamente um exemplo de código AIML e a interação de um usuário com um chatbot utilizando esta base de dados. Um ponto importante do AIML é que esta linguagem pode ser utilizada em diversas outras linguagens como JAVA, PHP, Python, Ruby, entre outras..

(27) 27. Esta interação entre o AIML e outras linguagens se dá através de interpretadores, sendo os mais famosos o program-D e program-O, ligados a linguagem Java e PHP respectivamente e ambos descritos no site da fundação ALICE6, que contém citação de outros interpretadores AIML. Figura 2: Exemplo de base de dados AIML. Fonte: Própria Figura 3: Exemplo de diálogo usando base de dados AIML. Fonte: Própria Apesar da simplicidade e objetividade apresentada na linguagem AIML, existem problemas ligados ao desenvolvimento de base de dados em certas línguas como o Português, pois ALICE apesar de conter uma base de dados muito robusta, está essencialmente em língua Inglesa.. 6. http://www.alicebot.org/downloads/programs.html.

(28) 28. Trabalhos como o de Souza e Moraes (2015), apresentam propostas de solução para esta dificuldade. Em sua obra é proposta a construção automática de uma base de dados AIML utilizando métodos de extração de dados de FAQ (Frequently Asked Questions). Segundo os autores, a escolha de utilizar um FAQ para criar a base de dados deve se ao fato desta base estar em HTML e conter padrões facilmente identificáveis, o que permite utilizar ferramentas como JSOUP7 para fazer a análise dos dados. Em geral AIML é robusta e apresenta resultados bons e confiáveis e com cerca de 95% de confiança como apresentado por Moore apud Neves (2005), permitindo criar sistemas chatbots robustos e eficientes.. 2.5 Aprendizagem Baseada em Projetos (PBL). Aprendizagem baseada em projetos é uma abordagem centrada no aluno que objetiva fazer os alunos adquirirem conhecimentos mais aprofundados através da imersão em problemas reais, complexos e desafiantes, tornado as aulas mais dinâmicas e parecidas com o ambiente que o aluno encontrará na vida profissional (HELM e KATS, 2016). A abordagem de aprendizagem baseada em projetos surgiu por volta de 1900, baseando-se na ideia do conhecimento autoconstruído passo a passo introduzida por Dewey e sua ideia de aprender fazendo. Esta ideia é suportada por Papert e Harel (1991), que citam que o indivíduo aprende melhor através da construção de artefatos que podem ser compartilhados com outros e replicados. Blumenfeld et al. (1991), aponta que alunos submetidos ao PBL apresentam resultados e notas mais elevadas que alunos do ensino tradicional. Esta afirmação também pode ser vista por outros autores como Grant (2002) e Bell (2010). A aplicação do PBL se dá em grupos liderados por 1 professor, chamado de tutor, 1 aluno coordenador, 1 aluno secretário e os demais integrantes do grupo. Os alunos coordenador e secretário rodiziam entre os membros do grupo Em geral o método é dividido em 5 passos, como citado por Berbel (1998), sendo eles:. 7. https://jsoup.org/.

(29) 29. 1. Leitura do problema e identificação dos pontos desconhecidos: os alunos são orientados a observar o problema e identificar e registrar sistematicamente a parcela de realidade do tema. 2. Identificação do problema: esta etapa objetiva que os alunos reflitam sobre o problema identificando suas possíveis causas e motivos para sua existência. 3. Teorização do problema: primeiramente os alunos desenvolvem hipóteses para solução do problema proposto baseados em conhecimento prévio e em seguida buscam informações em diversos locais distintos sobre a possível solução do problema, como em revistas, artigos, entre outros. 4. Resumo das hipóteses de solução: os alunos fornecem elementos elaborados para solucionar o problema descrevendo o que deve ser acontecer e ser providenciado para que o problema seja solucionado. 5. Aplicação da solução: os alunos aplicam na prática as soluções desenvolvidas e por fim refletem sobre os passos realizados e os resultados obtidos, evidenciando os pontos positivos e negativos em cada passo.. No contexto do PBL o tutor deverá prover ao grupo seu pleno funcionamento e participação de todos os envolvidos, não permitindo que os alunos se distanciem da resolução do problema. Deverá traçar planos de aprendizado e atuar na manutenção e direcionamento dos alunos frente a este plano. Por fim, o tutor deve ter pleno conhecimento sobre o problema, porém sem necessitar ser especialista no assunto. Desta forma o método pretende tornar o aluno capacitado a resolver problemas reais do seu dia a dia profissional através da experiência adquirida na resolução dos problemas propostos durante sua formação.. 2.6 Chatbots Em 1950, Alan Turing publicou o artigo “Computing Machinery and Intelligence”, que introduziu o pensamento sobre dotar as máquinas com características de inteligência. Sua proposta foi dialogar com um sistema e verificar se o usuário percebeu que estava comunicando-se com uma máquina ou pensou que foi um humano..

(30) 30. Segundo Russel e Norvig (1996), após a publicação da obra de Turing, os pesquisadores da área de IA não se preocuparam em validar sistemas segundo o teste de Turing, preocupando se prioritariamente com os princípios básicos da Inteligência Artificial. Indo em direção contrária a estes pesquisadores, sistemas capazes de interagir com o usuário, através de linguagem natural, objetivando não permitir diferenciar suas ações como sendo executadas por um humano ou máquina surgiram em meados da década de 80 e 90. Estes sistemas são chamados Chatbots, termo proposto em 1994 por Michael Maulding para identificar sistemas de conversação com usuários humanos através de linguagem natural (SHAWAR e ATWELL, 2007). Chatbots podem possuir diversas nomenclaturas, Chatbots, Bots, Chatter-bots entre outro e a origem do termo é a junção do termo “chat” (Conversational Hypertext Access Technology) e “bot”, abreviação da palavra checa Robota, que significa trabalho (LEONHARDT, 2006). A primeira geração de Chatbots surgiu através do desenvolvimento do sistema ELIZA, desenvolvido em 1966 por Weizenbaum no MIT (Massachusetts Institute Technology). Segundo Heller (2005), este chatbot detectava palavras-chave inseridas pelo usuário e realiza transformações baseadas no contexto linguístico imediato, não sendo capaz de atribuir sentido às palavras processadas. Um exemplo de transformação que ELIZA realiza pode ser observada abaixo. •. Usuário - Eu estou bem estes dias.. •. ELIZA: Você está bem estes dias Este exemplo demonstra que ELIZA apenas é capaz de inverter o referencial e. mantém a elocução. A segunda geração dos chatbots foi marcada pela introdução de JULIA, desenvolvido por Michael Mauldin na Universidade Carnegie Mellon, auxiliando os usuários de um sistema chamado TinyMUD (Multi-User Dungeons) (MAULDIN, 1994). Uma de suas principais características, é sua capacidade de lembrar informações registradas sobre as ações do usuário. A atual geração de chatbots, terceira geração, foi iniciada com o desenvolvimento de ALICE e a linguagem AIML. A superioridade de ALICE frente à os chatbots das gerações anteriores é sua base de conhecimento com mais de 40000 elementos, além do próprio kernel AIML, que é mais simples frente a outros chatbots..

(31) 31. Atualmente,. chatbots. estão. ligados. a. redes. sociais,. sistemas. de. recomendação, sites de vendas e na educação, onde, neste último, apontam como ferramenta de apoio e motivacionais como apresentado na obra de Manfio et. al. (2014).. 2.7 VTL, a linguagem de templates. A linguagem VTL, ou apenas Velocity. É uma linguagem de templates desenvolvida em java que pode ser utilizada em desenvolvimentos standalone ou aplicações web, sendo aplicada nesta última na camada view do MVC. A linguagem VTL foi desenvolvida pela Apache Software Fundation8 e licenciada pela Apache Licence sobre a licença Copyright e atualmente está em sua versão 2.0. O Velocity é conhecido como engine (motor), esse termo significa que esta linguagem tem por objetivo tornar o desenvolvimento mais ágil e eficiente. O Velocity separa o código java das páginas web, permitindo melhor manutenção do sistema e alternativa a Java Server Pages (JSP) e linguagem PHP. A função principal do Velocity é permitir que páginas dinâmicas sejam geradas em tempo de execução de forma simples e eficiente. Sua arquitetura é formada por 4 partes segundo Moura (2002), são elas: •. Contexto: é utilizado para nomear os objetos java através de mapeamento;. •. Template: é um arquivo que os nomes dos objetos expressos como referência;. •. Engine Velocity: é conhecido também como interpretador e é responsável por formatar os dados segundo os dados do Contexto e do Template;. •. Dados formatados: dados já formatados em formato especifico;. O Velocity é uma linguagem versátil e pode ser aplicado a geração de códigos SQL (Structured Query Language), PostScript, XML, relatórios entre outros (MOURA, 2002). Desta forma, a linguagem VTL permite no contexto desta obra gerar as páginas e scripts dos tutores virtuais.. 8. http://velocity.apache.org/engine/2.0/.

(32) 32. 3. MODELO DE TUTOR VIRTUAL PARA AULAS BASEADAS EM MISSÕES. Este capítulo propõe um modelo de tutor virtual para direcionar o aluno no aprendizado de programação de jogos digitais baseado em um formato de aulas do tipo missão e PBL. Um modelo foi desenvolvido para representar o funcionamento pedagógico de tutores virtuais para o formato de missões. Em seguida, um protótipo foi desenvolvido e avaliado por estudantes do ensino básico. Avaliações realizadas pelos alunos indicaram resultados positivos e promissores no uso de tutores virtuais que implementem o modelo de aula apresentado.. 3.1 Fundamentação do Modelo Proposto. Para se propor um tutor virtual que auxilie o aprendizado de programação de jogos digitais, é necessário definir o formato pedagógico das aulas a serem mediadas pelo tutor. Essa seção apresenta uma breve visão sobre o formato de aulas online escolhido para ser utilizado no tutor proposto neste trabalho, chamado de Formato de Missões, proposto no trabalho de Silva et al. (2015). A proposta apresentada por Silva et al. (2015) pareceu ser a mais apropriada para o modelo de tutor proposto, uma vez que ele analisou e comparou diferentes formatos de aula (textos, aulas online, aulas gravadas em diferentes formatos, etc.), chegando na proposta de aula baseada em formato de missão. Segundo Silva et al. (2015), videoaulas longas e com conteúdo complexos apresentam resultados pouco eficientes relativos ao aprendizado que torna se entediante e pouco atrativo. A metodologia apresentada por Silva é uma alternativa às aulas baseadas em vídeos longos (20 a 60 minutos, por exemplo). Para tornar as aulas mais atrativas e produtivas, o Formato de Missões apresenta um conjunto de videoaulas (ou outros formatos de mídia) como missões no estilo quebra-cabeças, no qual um vídeo de abertura apresenta um jogo digital e desafia o aluno a desenvolvê-lo (missão). Neste ponto, o aluno não terá acesso aos conteúdos em estilo passo a passo, como em um tutorial obtendo ao final o jogo proposto. Ao invés disso, terá acesso a recursos (vídeos, checklists e outros) que auxiliam o aluno no desenvolvimento de sua missão..

(33) 33. Estes recursos apresentam em geral conceitos necessários para se desenvolver cada parte do jogo, como mover um personagem, mover um inimigo, ganhar pontos, entre outros. Outra característica dos recursos é que estes são desenvolvidos de forma genérica, apresentando conceitos que são utilizados em diversos jogos, permitindo a reutilização destes recursos em diferentes missões. Os vídeos utilizados como recursos de uma missão possuem tempo de duração em torno de 60 segundos a 6 minutos, e podem ser acessados pelo aluno na ordem que lhe for mais conveniente, tornando os vídeos como peças de um quebra cabeça que ao final resulta no desenvolvimento do jogo proposto pela missão. Resultados do estudo de Silva indicam que, embora promissora, o formato de missões proposto por ele pode deixar o aluno confuso, se não houver o apoio de um tutor para guiar a navegação entre os diversos recursos disponíveis para uma missão.. 3.2 Modelo de Tutor Virtual Proposto. Considerando aulas de ensino de programação de jogos digitais no formato de missões, desenvolvido por Silva et al. (2015), um fluxo pedagógico foi formalizado para o tutor virtual. Este fluxo pode ser visualizado através do diagrama da Figura 4. Cada aula consiste em uma missão (criação de um jogo digital) e um roteiro de atividades e recursos é utilizado para guiar o estudante no desenvolvimento de sua missão..

(34) 34. Figura 4: Diagrama de fluxo da aula do tutor virtual. Fonte: Própria De acordo com esse fluxo, as atividades principais do tutor virtual são as seguintes: •. Conhecer o aluno: nesta primeira atividade, o tutor virtual irá se apresentar e coletar informações sobre o aluno, como seu nome e outras informações que individualizem o aluno;. •. Apresentar missão: em seguida, o tutor irá apresentar ao aluno um jogo digital e desafiar o aluno a desenvolver um jogo similar. Com isso, buscará fazer com que o aluno se comprometa com a aula através da aceitação da missão, sentindo-se assim desafiado a completá-la;. •. Detalhar missão: nessa atividade, o tutor deverá apresentar o jogo a ser desenvolvido em maiores detalhes. Através de recursos como vídeos explicativos, o tutor irá apresentar as características gerais do jogo que deverá ser desenvolvido;. •. Listar tarefas: o tutor irá apresentar as tarefas que o aluno precisa executar para que sua missão esteja completa. Dentre as tarefas, temos por exemplo criar o personagem, definir cenário, implementar o inimigo, criar obstáculos, etc.;. •. Listar recursos: cada tarefa irá requerer conhecimentos e habilidades específicas do aluno. Por isso, para cada tarefa o tutor irá listar os recursos.

(35) 35. (vídeos, textos, etc.) necessários que o aluno deverá acessar de forma a poder concluir a tarefa em questão; •. Apresentar recurso: uma vez que o aluno selecione um determinado recurso, o tutor deverá apresentar esse recurso, preferencialmente apresentando questionários de avaliação para avaliar se o mesmo aprendeu o conteúdo, etc.;. •. Acompanhar tarefa: para motivar o aluno, o tutor deve pedir para o usuário aplicar o que foi aprendido com o recurso de vídeo que acabou de ver. Ele deve acompanhar o andamento da tarefa, perguntando se tem dúvidas, apresentando FAQ, verificando se o aluno precisa ver novamente o recurso, etc. Pode-se observar que o percurso de aprendizado do aluno é não linear,. apresentando ciclos a partir da apresentação do roteiro de aula. Esta não linearidade objetiva permitir ao aprendiz acessar os conteúdos em seu ritmo de aprendizagem, devido a possibilidade de rever o que foi visto anteriormente e pular assuntos que já sejam de seu conhecimento.. 3.3 Implementação de um Tutor Virtual e sua mecânica de interação. Para se avaliar o modelo de tutor virtual apresentado, foi realizada a implementação de um protótipo de tutor virtual utilizando o modelo apresentado, com funcionalidades restritas, visando validar o modelo utilizado. O protótipo segue o fluxo mostrado na Figura 4, permitindo o usuário decidir qual recurso deseja acessar no desenvolvimento de cada missão. O tutor implementado possui uma aparência virtual de robô e simula um apresentador de conteúdos educativos, buscando promover o engajamento do aprendiz durante a aula online. O protótipo foi desenvolvido em HTML5 em uma página dinâmica que carrega os conteúdos a serem apresentados pelo tutor virtual, além dos recursos e a lógica pedagógica do sistema. O sistema foi desenvolvido para aulas de programação de jogos digitais utilizando vídeo aulas e a metodologia Formato de Missões. O protótipo foi desenvolvido para ser acoplado a ferramentas de ensino online ou para o ensino presencial. No ensino online, a ferramenta é capaz de pegar as informações básicas do usuário como nome e id da base de dados do sistema em que está acoplado. No caso do ensino presencial, ao iniciar o sistema é pedido para o.

(36) 36. usuário informar seu nome. Estes dados são importantes para o log do sistema que armazena nome, id da seção e ação do usuário. Em seguida, o aprendiz é direcionado para a tela principal de aceitar missão, buscando o comprometimento do aprendiz com a aula. Com base no fluxograma da Figura 4, esta é a primeira atividade, “Conhecer o aluno”. A segunda etapa do fluxo é “Apresentar missão” (etapa 2). Esta apresenta o objetivo da aula e uma visão geral do jogo a ser desenvolvido, e pede por fim para o usuário apertar um botão de aceitar missão, visando comprometê-lo em sua missão. Ao clicar no botão “Aceitar Missão”, o aluno é direcionado para uma tela com duas opções: a primeira leva para recursos com mais detalhes da missão (etapa 3, “Detalhar missão”), caso o aluno não saiba exatamente as regras do jogo que será desenvolvido; a segunda opção leva para a tela de sumário das tarefas a serem desenvolvidas (etapa 4, “Listar tarefas”), pulando a etapa 3. Um exemplo de tela é mostrado na Figura 5. Figura 5: Roteiro da aula/missão. Fonte: Própria Entrando na etapa 3, a lista de tarefas necessárias para o desenvolvimento do jogo é apresentada. O aluno pode então clicar e acessar mais detalhes de cada tarefa, na ordem de execução que desejar. Ao se clicar em uma tarefa, a lista de recursos digitais (etapa 5, “Listar recursos”) que podem auxiliar o aprendiz a completar esta etapa da missão, além de permitir que o aluno volte para a etapa anterior através do botão “Concluir missão” como demonstrado na Figura 6..

(37) 37. Ao selecionar uma das opções da etapa 5, o usuário é direcionado para o recurso (vídeo, etc.) referente à seleção (etapa 6, “Apresentar recurso”). O Tutor não apenas guia, mas busca também motivar o aprendiz a continuar com a aula. Além da aparência do personagem, perguntas como: “Você deseja ver o vídeo?” ou “Você deseja pular este conteúdo?” objetivam, além de permitir identificar padrões através da análise do log, deixar o caminho de aprendizagem mais flexível e objetivo. Figura 6: Tópicos das missões. Fonte: Própria A Figura 7 apresenta a tela de decisão do aprendiz em visualizar ou não um determinado conteúdo de aprendizagem..

(38) 38. Figura 7: Tela de decisão das missões. Fonte: Própria A Figura 8 apresenta a maneira que a ferramenta motiva a prática dos conteúdos vistos. Com isso, o usuário responde se conseguiu ou não executar aquela etapa, ou preferiu deixar para fazer depois (etapa 7, “Acompanhar tarefa”). Estes dados também são armazenados no log e são valiosos para a análise do perfil do aprendiz. O sistema de log registra todas as ações realizadas pelo aprendiz durante o uso do sistema de aula, inclusive das ações nos vídeos, como pausar e mover a barra de progresso. Com isso, pode-se levantar dados sobre como o aprendiz assiste os vídeos, se pula muitas partes e quais partes, se nunca assisti todo o conteúdo ou qual os vídeos mais assistidos, permitindo consequentemente que o sistema indique conteúdo dentro do perfil apresentado pelo usuário além de permitir que os desenvolvedores de conteúdos identifiquem problemas e possam desenvolver ou melhorar as estratégias de produção..

(39) 39. Figura 8: Incentivo a praticar logo após cada explicação. Fonte: Própria 3.4 Avaliação do Tutor. Esta seção descreve os resultados de um estudo realizado para avaliar a aplicação do protótipo de tutor virtual junto a alunos do ensino médio. Essa avaliação foi realizada juntamente com um estudo maior, de pesquisa de doutorado (Silva, 2017), que buscava avaliar duas metodologias de videoaulas para ensino online de programação de jogos digitais, uma utilizando vídeos curtos (e o protótipo de tutor desenvolvido) e outra com videoaula de um único arquivo, mais longo. A contribuição deste trabalho a pesquisa de doutorado de Silva se dá no desenvolvimento do sistema de tutoria que inclui o ambiente de ensino online e tutor. O material didático foi projetado por Silva aplicando seu formato de aula de missões. O estudo consistiu em utilizar o tutor com 20 estudantes do 1º ano do ensino médio integrado de um Instituto Federal de Educação, Ciência e Tecnologia. Estes participantes foram selecionados através de convite a alunos dos turnos da manhã e tarde e que tiveram interesse em desenvolver jogos, mesmo sem terem tido acesso ainda a matérias que envolvessem conceitos de programação. Os participantes concordaram previamente em participar do estudo e assinaram. um. termo. juntamente. com. os. pesquisadores. garantindo. a. confidencialidade da identidade deles no processo de experimentação. Os alunos tinham entre 14 a 17 anos, sendo a média de 15 anos. Desses 20 alunos, 14 foram homens e 6 mulheres, ou seja, 70% homens e 30% mulheres..

(40) 40. Para este estudo, foram desenvolvidas duas aulas, ou seja, duas missões: desenvolver o jogo Arkanoid; desenvolver o jogo nave espacial. Ambas as aulas são compostas por um conjunto de 14 pequenos vídeos, sendo 13 sobre o desenvolvimento e 1 introdutório. Cada vídeo possui um tempo de duração que varia de 30 segundos a 6 minutos. Por exemplo, uma vídeo aula foi sobre como montar o cenário de um jogo, utiliza o comportamento Sprite da ferramenta Construct2. O Sprite é utilizado para colocar objetos no jogo. O vídeo desse comportamento possui 3 minutos. O estudo foi realizado em três dias (ver Tabela 1). O primeiro dia teve como objetivo explicar como seria o estudo e apresenta uma visão geral do Tutor e de como os alunos deveriam prosseguir durante o desenvolvimento dos jogos. A principal preocupação era instruir os alunos a seguir o desenvolvimento corretamente, caso contrário, eles poderiam tentar explorar o tutor para outro propósito, que não fosse o foco do estudo. Além disso, o condutor do estudo recomendava que os alunos fizessem perguntas sempre que quisessem e que deveriam dirigir suas dúvidas exclusivamente ao condutor do experimento, sem fazer perguntas aos outros alunos próximos. Tabela 1: Execução do Estudo Primeiro Dia. Segundo Dia. Terceiro Dia. Apresentação do estudo. Primeira Execução. Segunda Execução. Fonte: Própria Já o segundo e terceiro dia foram as aulas de desenvolvimento de jogos em si, pois nem todos puderam executar o tutor no mesmo dia. Embora a execução do estudo tenha sido presencial, visando poder observar o comportamento dos alunos, as atividades foram realizadas de forma a simular um ambiente EAD, onde o aluno deveria tentar ao máximo desenvolver sua missão de forma autônoma.. 3.5 Análise dos Resultados. Os dados do experimento foram avaliados através do uso de questionários, vide Apêndice A e B, que foram aplicados nos 2 dias de aulas de desenvolvimento dos jogos. Os dados apontaram que os estudantes se sentiram motivados e confiantes.

(41) 41. a desenvolver jogos através da utilização do tutor proposto. Um dos motivos ligados a esta confiança e motivação foi, segundo os estudantes, a experiência mais divertida, simples e prática, promovida pelo formato de missões, que permite que os alunos fiquem mais atentos às explicações devido aos vídeos serem divididos em partes curtas, e pela motivação e estímulos promovidos pelo tutor. Todavia, algumas limitações também foram apontadas, como o fato do tutor não possuir sistema de dúvidas e respostas, além dos vídeos não apresentarem um passo a passo claro do desenvolvimento do jogo, e sim das funcionalidades do jogo, necessárias para a implementação de tarefas do jogo. Entre as respostas dos alunos podemos destacar segundo os critérios de aprendizagem, praticidade e limitações as seguintes respostas. Com relação a Aprendizagem, um aluno destacou: “no meu ponto de vista o tutor facilita muito a aprendizagem, por que o aluno tem mais motivação em aprender assistindo as vídeo aulas por partes ficando mais atento à explicação”. Outro aluno reportou: “A vantagem do Tutor Virtual é que se não entender alguma parte, o sujeito pode ver apenas esta parte”. Outro aluno abordou que: “A utilização dos vídeos em partes específicas faz com que o aluno se mantenha atento, e mais seguro, na hora de realizar as atividades, também facilitando o entendimento e aprendizagem”. No aspecto de Praticidade, um aluno afirmou: “Muito prático para aprender, bem explicada e bastante dinâmico” e outro aluno destacou: “Fácil aprendizagem e Rápida e prática”. Com relação a Limitações alguns alunos apresentaram os seguintes aspectos: “Impossibilidade de interação como o Tutor” e “Não poder fazer algumas perguntas”. Um resumo dos resultados do estudo é apresentado a seguir, baseado em questões de pesquisa do estudo maior. Esses resultados foram baseados em questionários aplicados aos alunos, os quais indicavam o nível de concordância com afirmações usando a escala de Likert (concordo fortemente – CF, concordo parcialmente – C; neutro – N; discordo parcialmente – D; discordo totalmente). QP1: Qual dos formatos analisados contribui mais para o engajamento dos alunos? Segundo os alunos, eles tiveram mais confiança e satisfação no aprendizado através da proposta com o tutor virtual do que na proposta sem o uso do tutor (ver Figura 9)..

(42) 42. Figura 9: Engajamento medido através da confiança e satisfação de aprendizado. Fonte: Silva (2017) QP2: Qual formato promove ao usuário uma experiência mais divertida e recomendável? Segundo os alunos (ver Figura 10), eles mostraram um maior interesse em recomendar o uso do tutor para seus colegas do que o formato sem o tutor. Também apresentaram maior nível de diversão com o uso do tutor. A métrica apresentada na Figura 10 leva em conta as cinco respostas possíveis que os alunos podiam escolher, sendo a escala partindo de concordo discordo fortemente a nota 1 até concordo fortemente equivalente a 5. Figura 10: Índice recomendação e diversão de aprendizado. Fonte: Silva (2017) QP3: Qual formato promove um aprendizado mais motivante e estimulante? Segundo os alunos (ver Figura 11), eles mostraram-se mais motivados e estimulados com o uso do tutor do que sem o tutor..