Sei sulla pagina 1di 76

PONTIFCIA UNIVERSIDADE CATLICA DO RIO GRANDE DO SUL FACULDADE DE INFORMTICA PS-GRADUAO EM CINCIA DA COMPUTAO Tpicos Avanados II Inteligncia Artificial

Aplicada Educao

Fundamentos de Sistemas Tutores Inteligentes


Prof.a. Lucia Maria Martins Giraffa

Obs.: Este material foi produzido tendo por base trabalhos anteriores da autora [GIR95] [GIR97], os quais foram compilados, revisados e ampliados de maneira a proporcionar viso detalhada da rea de abrangncia e permitir o estudo das estratgias de ensino utilizadas nos ambientes de ensino-aprendizagem computadorizados, especialmente de ILEs e ITS.

Sumrio

LISTA DE ABREVIATURAS ................................................................................................................... 3 1 CAI X ICAI ............................................................................................................................................. 4 2 ABORDAGEM TRADICIONAL DE ITS ........................................................................................... 9 2.1 O clssico SCHOLAR .................................................................................................................. 10 2.2 Os sucessores do SCHOLAR ....................................................................................................... 12 2.3 Um retrospectiva dos ITS nas duas ltimas dcadas ................................................................. 13 2.4 Exemplo de ITS com uso de multimdia ..................................................................................... 22 2.5 Exemplos de ITS em ambientes de rede ..................................................................................... 24 2.6 Onde encontrar descrio de ITS - impressos ........................................................................... 25 3 ARQUITETURAS DE ITS .................................................................................................................. 26 3.1 Base de conhecimento do domnio ............................................................................................. 27 3.2 Modelo do aluno ......................................................................................................................... 28 3.3 Estratgias de ensino................................................................................................................... 32 3.4 Mtodos e Tcnicas de ensino ..................................................................................................... 36 3.5 Currculo e instruo ................................................................................................................. 38 3.6 Mdulo de controle ................................................................................................................... 44 3.7 Interface...................................................................................................................................... 44 4 EXTENSES NA ARQUITETURA DO SISTEMA TUTOR.......................................................... 46 5 ABORDAGEM DE AGENTES PARA ITS ....................................................................................... 51 5.1 AGENTE............................................................................................................................................. 53 5.2 AMBIENTE ......................................................................................................................................... 55 5.3 A COMPOSIO DOS AGENTES ....................................................................................................... 55 5.3.1 Estados Mentais ....................................................................................................................... 55 6 ITS COM ARQUITETURA DE AGENTES ..................................................................................... 67 7 BIBLIOGRAFIA.................................................................................................................................. 69

LISTA DE ABREVIATURAS AI-ED CAI CC CPGCC DLE IA IAD IA-ED IBM ICAI II ITS ILE MAS OOP PC PUCRS STI SMA UFRGS WWW Artificial Intelligence in Education Computed Aided Instruction Cincia da Computao Curso de Ps-Graduao em CC Distribuited Learning Environment (Ambientes de Ensino Distribudos) Inteligncia Artificial Inteligncia Artificial Distribuda Inteligncia Artificial e Educao International Bussiness Machine Intelligent Computed Assisted Instruction Instituto de Informtica Intelligent Tutoring Systems Intelligent Learning Environment Multi Agents Systems Oriented Object Programming (Programao Orientada a Objetos) Personal Computer Pontifcia Universidade Catlica do Rio Grande do Sul Sistemas Tutores Inteligentes Sistemas Multi-Agentes Universidade Federal do Rio Grande do Sul WORLD WIDE WEB

1 CAI X ICAI A tendncia dos bons programas de CAI utilizar as tcnicas de IA e fazer com que o software deixe de ser um mero virador de pginas eletrnico1 e se torne um elemento mais ativo no processo de interao com o aluno. A idia geral consiste em aplicar tcnicas e mtodos de Inteligncia Artificial em sistemas CAI, surgindo assim os sistemas ICAI, cujo nome mais utilizado na literatura ITS ou STI. Alm disto os ICAI utilizam tcnicas de IA para analisar os padres de erro, analisar o estilo e a capacidade de aprendizagem do aluno e, oferecer instruo especial sobre o conceito em que o aluno est apresentando dificuldade [SAV91]. Alm do mais a comunicao pode realizar-se com um conjunto mais ou menos amplo de linguagem natural. Uma derivao dos ITS so os ambientes denominados de ILE ou ainda Sistema Tutores Cooperativos ou Sistemas de Aprendizagem Social [COS96b]. Um ILE pode ser entendido como uma combinao de aspectos das categorias ITS e Micromundo. Os sistemas computacionais que utilizam tcnicas de IA no seu projeto, sejam eles de que modalidade for, constituem-se objeto de pesquisa da rea de IA-ED. A nvel de aprendizagem com enfoque em Cincia da Computao, um dos principais pontos de contato - se no o principal - entre as reas de Aprendizagem de Mquina (Machine Learning - ML) e Sistemas Tutores Inteligentes, segundo VIC & OLI [VIC92], localize-se em um nvel terico, ou seja, um nvel de princpios gerais que descrevem os processos de ensino-aprendizagem em sistemas computacionais, de um lado e que direcionem a construo de sistemas que ensinam/aprendem, de outro. Self [SEL90], prope a criao de uma disciplina chamada "Mattica Computacional" (do grego "manthanein" = aprender), cujo papel seria, entre outros, o de estudar estes princpios tericos. Uma definio provisria do termo "Mattica Computacional" (MC) seria: "o estudo da aprendizagem, e de como ela pode ser promovida, utilizando as tcnicas, conceitos e metodologias da Cincia da Computao e Inteligncia Artificial". Segundo [VIC92], um ponto a ser estudado em Mattica Computacional, e que refletiria um nvel concreto a vinculao conceitual entre aprendizagem e ensino por computador, a incluso, na arquitetura bsica de um tutor inteligente, de um mdulo de aprendizagem. Este mdulo tem a funo de permitir a alterao/ampliao/adaptao das duas principais bases de conhecimento componentes do tutor: a base do domnio e o modelo do aluno. Isto ficar mais claro nas sees seguintes onde a arquitetura de um ITS ser explicada de forma detalhada, tanto na abordagem tradicional, quanto na abordagem de agentes.
Este termo virador de pginas eletrnico aparece com freqncia na literatura da rea e utilizado como uma crtica aos programas CAI que apenas usam o meio eletrnico para fazer o mesmo que era realizado no papel, sem nenhum ganho significativo a nvel de ensino-aprendizagem.
1

As diferenas mais profundas entre os ICAI2 e os CAI tradicionais esto na forma com que se concebe o seu projeto. Os CAI induzem o aluno a uma resposta correta mediante uma srie de estmulos cuidadosamente planejados e os ICAI pretendem simular alguma das capacidades cognitivas do aluno e utilizar estes resultados como base das decises pedaggicas a tomar. Muitos bons programas de CAI permitem ao aluno vivenciar uma srie de simulaes numricas, fsica ou biolgicas que podem ser examinadas e testadas. Mas a vantagem de se usar uma tcnica de modelagem qualitativa (caracterstica de uma tcnica de IA) que podemos simular o processo de soluo do problema. Desta forma podemos permitir que o aluno utilize um modelo de resoluo de problemas e que este possa servir de base para se entender como o aluno resolve os problemas propostos, utilizando parcialmente a assistncia do ambiente. Aos CAI se critica principalmente sua incapacidade por manter um dilogo aberto com o aluno. No caso dos ITS se pretende que o prprio computador adote uma forma de conduta inteligente que permita controlar o processo de aquisio do conhecimento por parte do aluno. Assim, segundo [SLE82], os ITS so programas de computador que utilizam tcnicas procedentes da IA para representar o conhecimento e levar a termo uma interao com o aluno. A programao com tcnicas de IA permite uma excepcional graduao da generalidade [CLA90]. O objetivo fundamental dos ITS proporcionar uma instruo adaptada ao aluno, tanto em contedo como na forma, superando desta maneira alguns dos problemas mais cruciais do software educativo na atualidade. Os ITS se comportariam de forma mais prxima a um professor humano ou um comportamento mais prximo possvel disto. Porm, a realidade est muito distante de alcanar tais propsitos. Existem muitas razes para que isto ocorra: temos limitaes a nvel de hardware e software que no nos permitem colocar dispositivos que possam trabalhar com aspectos relativos aos sentidos do olfato, tato e viso. Um professor humano pode e leva em considerao estes estmulos para poder organizar seu trabalho junto ao aluno e, alm disto, utiliza as sadas deste sentidos para fins de feeback do aluno. O fato que desconhecemos a maneira com que ns humanos efetivamente processamos informao dentro de nosso crebro. Temos um conjunto de teorias (umas mais trabalhadas e do que outras) mas no temos ainda uma resposta de como armazenamos, processamos e recuperamos informaes no nosso crebro e como isto trabalhado pela nossa mente. Isto vital para a construo de um modelo de aluno e por conseqncia importantssimo para construo de um ITS. Segundo Asanome [ASA91], a dificuldade na construo deste modelo se encontra na falta de conhecimentos necessrios para modelar o processo de aprendizagem do aluno. As dificuldades em implementar o que j conhecemos, a respeito do processamento de informao humano, com os ambientes que dispomos (Prolog, Lisp, CLIPS e outras) tm apresentado restries que implicam numa quebra do modelo mental humano para
2

ICAI e ITS esto sendo utilizados como sinnimos.

um modelo computacional, com perdas significativas de qualidade. Esta uma questo que continuar em aberto at que surjam alternativas a nvel de modelagem e implementao. Os CAI e os ITS aparentemente se situam em um tipo similar de aplicao em educao. Afim de salientarmos diferenas e pontos em comum apresentamos a Tabela 1. TABELA 1 - CAI x ICAI Aspecto Origem Bases Tericas Estruturao e Funes CAI
Educao Skinner(behaviorista) Uma nica estrutura algoritmicamente pr-definida, onde o aluno no influi na sequenciao. Algortmica

ITS
Cincia da Computao Psicologia Cognitivista Estrutura subdividida em mdulos cuja sequenciao se d em funo das resposta do aluno. Heurstica Tentam avaliar todas as respostas do aluno durante a interao. Socrtico4, ambiente interativo5 dilogo bidirecional 6 e guia7.

Estruturao do Conhecimento Avaliam a ltima resposta.3 Modelagem do Aluno Modalidades

Tutorial, exerccio e prtica, simulao e jogos educativos

Observemos que os projetos de software educacionais, de ambas as categorias, se caracterizam por serem atividades interdisciplinares e multidisciplinares. Para se projetar e desenvolver um bom software educacional devemos compor uma equipe de especialistas no assunto a ser trabalhado. Necessitamos de informatas para viabilizar o trabalho no computador, pedagogos e psiclogos para auxiliarem na definio do ambiente e na linguagem a ser utilizada em funo do pblico-alvo e finalmente contar com a assessoria de especialistas em programao visual (comunicao) para garantir a qualidade plstica do ambiente. Se um projeto de software educacional no prever uma equipe inter e multidisciplinar (inclusive a nvel de Cincia da Computao usando especialistas de IA, Computao Grfica, Engenharia de Software, e outros, conforme a necessidade) ele perde no aspecto tcnico (implementao) ou no aspecto pedaggico (valor do programa como
As aes do programa esto baseadas na ltima resposta do aluno, considerando-se apenas V (verdadeira) ou F (falsa). No so tratadas as dvidas e incertezas. 4 Pretendem proporcionar instruo atravs de dilogo com os alunos e detectam erros. 5 Trabalham um determinado assunto atravs de da interao com o aluno, utilizando a abordagem de diagnstico desse aluno. 6 Utilizam um ambiente interativo com dilogo entre o aluno e o tutor, podendo haver alteraes no comportamento do tutor face as respostas do usurio (aluno). 7 Alguns ITS funcionam como guias do aluno e no se utilizam de um dilogo e sim apresentam o contedo de outra forma.
3

ferramenta de apoio ao processo de ensino-aprendizagem). A IA uma rea tipicamente interdisciplinar e com atividades multidisciplinares e, sendo assim, os ITS trazem consigo esta forte caracterstica reforada duplamente. Tanto em IA como na construo de ITS em particular, o modelo bsico baseado em regras e que Anderson [AND83] chama de "arquiteturas baseadas em esquemas" e que aparece na literatura com nomes tais como "frame systems", "slot and filler data bases" e Based Reasoning [SHA89] o mais usado. Entretanto existem vrios sistemas que usam redes semntica [GOL82] ou mesmos hbridos [VIC90]. Nos ITS o ensino apoiado sobre uma grande base de conhecimento a respeito do tema a ser ensinado, construda por um especialista, a partir da qual o sistema interage com o aluno como um tutor computadorizado com o poder indutivo similar a um professor humano, onde segundo Silveira [SIL92] a modelagem cognitiva constante e progressiva. Segundo Viccari [VIC90], os ITS so programas que, interagindo com o aluno modificam suas bases de conhecimento, percebem as intervenes do aluno, possuem a capacidade de aprender e adaptar as estratgias de ensino de acordo com o desenrolar do dilogo com o aluno. Caracterizam-se principalmente por construir um Modelo Cognitivo do Aluno, atravs da interao, e, atravs da formulao e comprovao de hiptese sobre o estilo cognitivo do aluno, sobre o seu procedimento, o seu nvel de conhecimento do assunto e suas estratgias de aprendizagem e na capacidade de formular uma estratgias de ensino-aprendizagem adequada ao aluno e situao do momento . Para ser inteligente, um tutor deve ser flexvel, isto , ter capacidade para aprender com o meio ambiente e atualizar seu conhecimento[VIC90]. No processo de ensino atravs de um tutor inteligente o aluno aprende fazendo. Esta abordagem vem ao encontro das modernas correntes da Educao[CHA91] que esto privilegiando e incentivando a troca de paradigma: o tradicional, o modelo do ensino, centrado no professor, pelo novo, centrado no aluno e baseado no "aprender a aprender", onde o aspeto da meta-cognio passa a ser relevante. A meta-cognio sobre o processo de aquisio do conhecimento muda a forma de como se encarar a aprendizagem e, transforma viso de mera transferncia de contedos do professor para o aluno, para fornecer-lhe condies e habilidades que lhe permitam explorar o seu meio, comparar e sintetizar conhecimentos. As formas s fazem sentido na medida em que viabilizam o domnio de determinados contedos e o que se precisa so novas formas de tratar o processo de aquisio de conhecimento [SAV91]. O que se propem uma mudana nas estratgias de ensino utilizando os contedos como uma forma e do aluno dominar o mtodo e entender o processo a fim de que possa fazer transferncia deste aprendizado para novas situaes.

Segundo HENDLEY [HEN92], o uso de tcnicas de IA na construo de software educacionais se torna cada vez mais importante e seu estudo far com que os mesmos tenham mais qualidade, destacando em particular: - Os componentes de IA precisam ser integrados nos sistemas e estes esto longe do trivial no que concerne a implementao; - A modelagem do domnio do conhecimento, particularmente no que se relaciona s habilidades trabalhadas proceduralmente e de forma acessvel ao estudante so bem difceis. Se um sistema usado para provar um nvel do problema, ento isto pode ser visto como uma fonte de resoluo do problema e os resultados podem ser usados pelo mdulo de ensino; - O uso de tcnicas de IA no que diz respeito aos aspetos pedaggicos esto longe de serem bem eficazes. Se os sistemas tiverem uma estrutura que os permitam construir uma estrutura com uma estratgia explcita de navegao selecionada a partir do aluno, os resultados sero mais eficazes; - Tornar o conhecimento explcito e facilmente modificvel para que o comportamento dos sistemas seja mais consistente e racional. Ao estudante pode ser permitido que ele interaja com a base de conhecimento lendo, depurando, estendendo ou acrescentando mais informaes. Dentro das Cincias do Artificial contrapondo com as Cincias Naturais, a Informtica o que de mais natural se tem, uma vez que trata do estudo da maneira com que o homem resolve problemas e como se pode substituir por mquinas o seu esforo mental. A IA seria uma etapa para esta substituio[VAC91]. Acrescentar um I sigla CAI no significa apenas agregar tcnicas de IA para a construo de sistemas tutores e sim trabalhar de forma interdisciplinar com as conquistas que as outras reas de pesquisa obtiveram em relao ao conhecimento da comunicao inteligente, da psicologia e da pedagogia.

2 ABORDAGEM TRADICIONAL DE ITS Os programas do tipo CAI surgiram na dcada de 50 e foram utilizadas tcnicas e equipamentos que na poca representavam as crena sobre como se deveria utilizar o computador como recurso pedaggico. Na dcada de 60 surgiram tcnicas para decidir qual o contedo a ser apresentado ao estudante com base em sua resposta anterior. Assim, no apenas o aluno obtinha realimentao, como nos programas lineares, mas tambm o prprio sistema podia adaptar sua atuao s respostas do aluno. No entanto, isso tornou a criao do material instrucional um processo mais complexo, levando ao surgimento de linguagens prprias para especificao desses materiais ("author languages") que deram origem as atuais ferramentas de autoria para desenvolvimento de aplicaes educacionais tais como o Toolbook, Linkway Live e outros. O objetivo dos CAI construir material instrucional que permitisse um curso otimizado para cada estudante. Os primeiros programas foram viradores de pgina eletrnicos que imprimiam textos e exemplos preparados previamente, exerccios, e problemas cujas respostas e comentrios estavam previamente armazenados para responder ao aluno, independente do tipo de aluno que usava o ambiente. O programa sempre se comporta igual e no leva em considerao o perfil do aluno, a quantidade de vezes que ele usou o programa ou seus pr-requisitos. Na dcada de 70 surgiram sistemas chamados generativos, capazes de gerar automaticamente o material instrucional, no todo ou em parte. Essa abordagem foi bastante utilizada em domnios como Aritmtica, onde possvel gerar problemas numricos aleatrios e resolv-los automaticamente, comparando a soluo do sistema com a do estudante. No entanto, mesmo bons sistemas generativos no eram capazes de responder a perguntas mais profundas do estudante a respeito de como foi obtida a soluo, pois no possuam uma representao do processo de resoluo dos problemas propostos; ou seja, o sistema solucionava os problemas atravs de algoritmos que nada tinham a ver com a forma como ensinado s pessoas, no podendo fornecer uma explicao didaticamente til da soluo. Os ITS surgiram, nesta poca, como uma tentativa de superar algumas das limitaes dos sistemas generativos. Este primeiro estgio dos ITS compreende o perodo dos anos 70 at o incio dos anos 80 e, como salienta [COS96], o objetivo principal era explorar mtodos e tcnicas de IA emergentes aplicadas ao aprendizado e instruo. A equipe era composta, basicamente, por tcnicos em computao ou cientistas cognitivos e a tecnologia utilizada era a dos computadores disponveis na poca (lembrar que os PC no existiam) e as poucas linguagens de IA. A grande contribuio desta poca foi a mudana no paradigma de projeto e construo de ambientes educacionais fora da proposta CAI e a explorao do funcionamento tcnico dos ITS. Por volta dos anos 70, alguns autores como Carbonell e Sleeman comearam a observar que os programas de CAI possuam estrutura de transmisso de conhecimento de carter seqencial, previamente determinadas e, por conseqncia, eles tinham a incapacidade de adaptao real s necessidades e estilo individual dos alunos. Propuseram um sistema que incorporava tcnicas de IA a fim de tentar criar um ambiente que levasse em

10

considerao os diversos estilos cognitivos de cada aluno que utilizasse o programa. A este tipo de software denominaram de Tutores Inteligentes, ou Sistemas Tutores Inteligentes. No segundo estgio dos ITS, a segunda metade da dcada de 80, as pesquisas se concentraram em verificar as questes envolvendo o aspecto pedaggico, ou seja, o seu valor instrucional. Nesta etapa a equipe de trabalho comeou a contar com a colaborao de especialistas em Educao, especificamente em instruo viacomputador e nesta poca os PC j estavam comeando a se disseminar e as linguagens sofreram evoluo para se adaptarem aos novos ambientes de hardware. Lembrar que com a exploso dos microcomputadores PC comea uma nova concepo a nvel de pesquisa de ferramentas (software) e comea a utilizao de linguagens para fins gerais para a implementao dos ITS. Neste perodo os ITS apresentaram um grande avano no que diz respeito eficcia instrucional. O terceiro estgio, compreende a dcada dos anos 90, onde os pesquisadores esto explorando ambientes e variveis instrucionais especficas utilizando equipes interdisciplinares para realizar atividades multidisciplinares. Isto se faz necessrio devido ao avano das cincias afins com a IA, tais como: Psicologia Cognitiva, Neurofisiologia, Neuropsicopedagogia e a prpria CC que disponibilizou as tecnologias de hipermdia e poderosa s linguagens nos paradigmas de OOP e agentes. Segundo [BUR91] e [COS96] a contribuio deste estgio deve ser o desenvolvimento de novas teorias e estratgias instrucionais, posio que reforamos pois o que temos implementados hoje a nvel de ITS , onde as estratgias de ensino (mdulo tutor do ITS) so fixas e em nmero reduzido, na maioria se restringindo a somente uma. Burns [BUR91], salienta que a pesquisa em ITS, especialmente a envolvendo as teorias de ensino-aprendizagem devem contemplar as estratgias de ensino (levando em conta as diferenas individuais). Apresentaremos a seguir a descrio de alguns projetos envolvendo ITS que so muito relevantes para entendermos o histrico e a evoluo das pesquisas na rea. A apresentao tenta seguir um padro cronolgico ascendente, embora seja necessrio, algumas vezes, irmos adiante e retroceder cronologicamente nas datas afim de melhor explicar as conseqncias e implicaes de determinados projetos. Como o objetivo de nosso trabalho estudar estratgias de ensino utilizadas nos projetos dos ITS, o texto apresenta consideraes sobre a maneira com que as questes instrucionais foram tratadas nos ITS abaixo relacionados. Cabe salientar que alguns exemplos se encontram mais detalhados em funo do detalhamento encontrado em livros e artigos relacionados. 2.1 O clssico SCHOLAR Os ITS possuem um marco histrico chamado SCHOLAR, considerado o clssico dos ITS. Foi projetado e construdo pela equipe do Prof. Jaime Carbonell, no BBN Bolt

11

Beranek and Newman Inc.- laboratrio de pesquisa em Cambridge, Massachussets, no incio da dcada de 70. Devido a sua importncia histrica e o mesmo servir de base para todos os trabalhos que se seguiram, iremos nos deter na sua apresentao, ao passo que os demais ITS a serem citados sero abordados apenas nas suas caractersticas gerais, a fim de criarmos uma cronologia e podermos observar o avano nas pesquisas em ITS. O SCHOLAR um sistema tutorial que pode conduzir um dilogo de inciativa mista com o aluno. Seu objetivo o ensino de geografia da Amrica do Sul e o conhecimento est representado por uma rede semntica em cujos nodos esto os objetos e conceitos geogrficos. Foi o responsvel pelo lanamento de um novo paradigma. e utilizava o mtodo socrtico como estratgia tutorial. No mtodo socrtico, o tutor ensina o aluno atravs de uma abordagem de exposio indireta, que consiste na oferta, ao aluno, de questes sucessivas que visa formular princpios gerais baseados em casos particulares para ele poder analisar e avaliar hipteses, descobrir contradies e finalmente fazer inferncias corretas. Exemplo de uso da estratgia do mtodo socrtico no SCHOLAR de Carbonell: ...... SCHOLAR: O planalto central e leste da Argentina .... Aluno: Chaco SCHOLAR: No. O planalto nordeste da Argentina Chaco. O planalto central e leste da Argentina os Pampas. Aluno: Chaco no Chile? SCHOLAR: No. O Chaco na Argentina, Paraguai e Bolvia, no no Chile. Aluno: Os Andes uma regio do Chile? SCHOLAR: Bem, voc est quase certo. mais especificamente a regio do Chile o Andes Sul ...... A base do domnio foi montada utilizando regras de produo, o que bastante usual neste tipo de tutor. A seguir, apresentamos um exemplo de uma regra para um tutor Socrtico: Regra X: Forma geral da regra para um fator insuficiente SE o aluno der uma explanao com um fator ou mais fatores que no so suficientes ENTO formule uma assertiva para uma regra geral com os fatores dados e pergunte para o aluno se a regra est correta. Razo para uso: Forar o aluno a prestar ateno nos fatores causais. Exemplo: Se o estudante der gua como razo para crescer arroz na China, pergunte a ele : Voc acha que em qualquer lugar com muita gua pode crescer arroz? [COL77, Apud in WEN87,p.40]

12

O SCHOLAR utiliza mdulos separados para analisar gramaticalmente os pares dados como resposta e discutir os erros detectados, reportando fatos que distinguem a resposta do estudante da resposta correta armazenada. A fim de evitar redundncias as respostas corretas do aluno so armazenadas e verificadas. O SCHOLAR foi objeto de muito estudo e novas verses foram construdas mas ele no foi amplamente utilizado, exceto num sistema on-line de consulta inteligente chamado NLS-SCHOLAR, desenvolvido por Grignetti e colaboradores e usado como um tutor assistente para alunos em diferentes tipos de conhecimento. A razo disto deve-se, em parte, s limitaes das redes semnticas em representar conhecimento procedural, salientando que para representar o dilogo com o aluno em PLN (Processamento Linguagem Natural ) foram utilizadas regras de produo . Para melhorar a habilidade do SCHOLAR conduzir dilogos tutoriais, Collins et al.[ COL75,Apud in WEN87], decidiram analisar os protocolos dos dilogos humanos versus os protocolos dos dilogos do tutor. Esta anlise trouxe algumas melhorias para verso subsequente do SCHOLAR, como por exemplo a estratgia de selecionar randmicamente os novos tpicos foi substituda por organizar os tpicos por importncia para cada aluno e agendar um tempo proporcional a cada um deles. Quando o tempo expira ou o tpico exaustivamente explorado pelo aluno, o tutor passa para prximo tpico. Uma observao importante foi a questo envolvendo a reviso de um tpico, a qual bastante usual nos tutores humanos. Outra extenso importante foi possibilidade de discutir e comparar os erros do aluno. Para que isto fosse possvel, um novo mdulo para tratamento e deteco dos erros foi agregado ao sistema. Desde a poca do SCHOLAR a modelagem do aluno no feita de forma ideal ou completa constituindo-se numa grande desvantagem em relao ao tutor humano que possui capacidade de observao sensitiva, faz inferncias sobre o comportamento do aluno e suas caractersticas, utilizando estes resultados para fazer o ajuste nas suas estratgias de ensino. 2.2 Os sucessores do SCHOLAR Depois de fazer um estudo sobre o mtodo socrtico e analisar os resultados do SCHOLAR, Collins apresentou um conjunto de 24 regras que podem ser utilizadas para conduzir o dilogo nos ITS socrticos. Estas regras podem ser categorizadas formando uma taxinomia para ITS socrticos. As regras inicias foram adaptadas e foram geradas aproximadamente 60 regras que procuravam montar uma sofisticada estratgia tutorial levando em considerao o tipo de aluno que usa o tutor Para testar este conjunto de regras tutorias, Collins criou o projeto WHY - para fazer um tutor socrtico, que utilizava scripts hierrquicos para representar seqncias de eventos. Seu objetivo era que este tipo de representao poderia capturar as relaes temporais e causais entre os eventos e as respostas do aluno.

13

Este trabalho no foi muito bem reconhecido na literatura por se tratar de uma abordagem muito terica e apresentar dois grandes problemas: os objetivos menores (ou locais) do aluno no so contemplados nas regras e os scripts no so suficientes para explicar os mecanismos envolvidos no processo geral e no estabelecimento (ou no) de concepes erradas do aluno. O projeto SOPHIE- SOPHisticated Instrucional Environment, coordenado por Brown & Burton, de uma certa maneira uma reminiscncia do SCHOLAR. O projeto se baseia no tutor METEOROLOGY usado para ensinar predies meteorolgicas. A idia do SOPHIE a de oferecer um ambiente no qual o aluno possa testar suas idias, t-las criticadas e receber orientao atravs do ambiente de aprendizagem reativo. Funciona como um laboratrio onde o aluno tem a chance de aplicar seus conhecimentos e receber feedback. A estratgia tutorial se baseia em avaliao de hipteses. O domnio da primeira verso constituiu-se numa coleo de problemas com circuitos eltricos. O ambiente utilizado at hoje numa verso de jogo onde os participantes discutem os provveis erros que ocorrem no projeto de circuitos. A partir do SOPHIE, foram criados os projetos: SOPHIE I, SOPHIE II, SOPHIE III (1982), desenvolvidos posteriormente nos laboratrios do MIT, em Palo Alto, e nos Laboratrios da Xerox. 2.3 Um retrospectiva dos ITS nas duas ltimas dcadas Os primeiros tutores usando a teoria socrtica apresentavam muitas limitaes e sendo assim, foram adicionadas regras associadas a determinadas condies na busca de obter melhorias significativas no seu desempenho junto ao aluno. Estas regras acarretaram vantagens tais como: resolver conflitos quando muitas aes so associadas a uma condio e introduzir referncias para os objetivos gerais do aluno, embora no pudessem descobri-los. Stevens e Collins [WEN87], analisaram os protocolos das sesses tutoriais com auxlio de professores e pediram que eles descrevessem quais seriam suas estratgias se tivessem de orientar os alunos no terminal. Isto permitiu que fosse constatado dois objetivos gerais dos professores: refinar o modelo causal do aluno e identificar procedimentos que gerenciasse este modelo a fim de fazer predies sobre ele. No entanto, ocorreu um problema: os mltiplos pontos de vista dos especialistas para conceber a base de domnio (conhecimento a ser trabalhado pelo tutor). As diferenas constatadas eram: estruturas espaciais, descrio fsica dos princpios e explicao de metforas. A interpretao dos diferentes pontos de vista em um modelo fsico guia a noo de modelos mentais e como elas eram diversas ficava difcil construir um modelo para ser usado no ambiente.

14

Um modelo mental pode ser definido como uma representao interna de um sistema fsico, por uma pessoa ou um programa, para raciocinar a respeito dos processos envolvidos no sistema. A diferena entre um modelo e um ponto de vista que o modelo executvel como uma forma de simulao o que revela o seu poder predictivo. Comparado com os scripts, os modelos tem a vantagem de ser executados com diferentes alternativas, enquanto nos scripts todas as alternativas devem ser explicitamente representadas. Como as simulaes envolvem objetos e seus papis, os modelos mentais incluem o ponto de vista tradicional de um modo natural. Devido a complexidade do domnio escolhido para o projeto SOPHIE surgiram projetos separados para investigar vrios tpicos relacionados, em um domnio especfico. As atividades contidas na resoluo de problemas foram exploradas no projeto WEST (um jogo para testar habilidades aritmticas), o modelo do aluno no projetos BUGGY(Burton 82), DEBUGGY, IDEBBUGGY( anlise de protocolos de aluno utiliza para resolver problemas que requerem manipulao algbrica)8e o projeto BLOCKS, tutor de Brown & Burton, baseado num jogo de manipulao matemtica que usa o conceito de blocos de atributos para exercitar as habilidades dedutivas dos alunos para resolver problemas, que tinha por objetivo analisar o problemas entre a teoria e a informao. O projeto BUGGY, baseado no modelo BUGGY pode diagnosticar um problema usando por base termos de um conjunto de sub-habilidades e suas variantes, mas elas tem de derivar automaticamente de habilidades primitivas corretas, ou seja, a partir da observao do que correto se retira uma srie de indicadores de provveis erros e habilidades cognitivas associadas a eles. A teoria REPAIR proposta por John Seely Brown e Hurt VanLehn em 1980 uma extenso da teoria BUGGY, a fim de tentar explicar melhor o raciocnio do aluno. Ambas as teorias se mostraram deficientes neste aspecto e uma nova abordagem aparece com a teoria STEP proposta com Brown e VanLehn, em 1983, onde propem uma rede de planejamento para explicar o raciocnio intrnseco em um procedimento. Em 1987, VanLehn props o SIERRA que visava juntar as abordagens das teorias BUGGY e STEP. O SIERRA consiste em dois mdulos onde um o mdulo de aprendizagem baseado em tcnicas de IA e um mdulo resolvedor de problemas baseado na teoria REPAIR. Em 1981, tem incio do projeto STEAMER, da equipe de Stevens et al. O STEAMER uma ferramenta instrucional para treinar engenheiros que iro operar grandes navios, onde as plantas de propulso so muito complexas e fazem com que os engenheiros invistam anos para obter o domnio e as habilidades necessrias para o seu manuseio. Funciona atravs da descrio de dispositivos abstratos, utilizando procedimentos cuja grande novidade, na poca, era a utilizao de interfaces grficas.
BUGGY- o nome do projeto foi baseado no jargo de Cincia da Computao, o bug que significa um erro. O BUGGY usa uma rede procedural para decompor habilidades em subprocedimentos que so unidos em uma estrutura de subobjetvos.
8

15

O veculo virtual criado para auxiliar o desenvolvimento do aluno foi desenvolvido utilizando um acurado modelo mental onde a interatividade, a simulao e inspeo so baseadas em computao grfica. O projeto QUEST-Qualitative Understanding of Electrical System Troubleshooting, foi um projeto conduzido por Barbara White e John Frederiksen, nos laboratrios da BBN. O projeto baseou-se na tese de doutorado de White, a qual estava inserida no contexto do projeto LOGO (explicada adiante) onde foi construdo um jogo para ensinar s crianas os conceitos de fora e acelerao da mecnica newtoniana. O ambiente possui interfaces grficas e seu objetivo fazer com que o aluno entendesse os princpios que gerenciam o comportamento dos circuitos e se tornar capaz de prever os problemas decorrentes do comportamento dos componentes de um circuito eltrico. O projeto QUEST pode ser considerado um descendente direto do SOPHIE devido a representao interna foi influenciada pelo modelo qualitativo usado por Kleer e Brown, a similaridade entre os domnios e a abordagem pedaggica. O projeto LOGO, criado por Papert no final da dcada de 70 nos laboratrios do MIT, no usualmente citado quando se fala no histrico dos ITS. Embora o projeto LOGO no utilize programao de IA para construir sistemas tutoriais, o projeto todo est profundamente influenciado por metodologias e conceitos de IA. O projeto nasceu da influncia como resultado da pesquisa de Papert, interessado na questo do ensino de Matemtica e influenciado pelas idia de Piaget, o que torna o LOGO essencialmente epistemolgico, ou seja, mais importante ajudar a criana aprender a construir e depurar suas prprias teorias do que ensinar teorias que julgamos corretas. Os resultados obtidos no projeto LOGO mostram dados importantes auxiliaram a desenvolver conceitos a partir das experincias pessoais das crianas e na importncia da depurao de erros para a construo de conceitos. Estes resultados originaram uma srie de outros projetos que se basearam no modelo cognitivo. Entre eles salientamos: o jogo WUSOR (Ira Goldstein e Brian Carr) e suas verses, WUSOR I, WUSOR II e WUSOR III cujo projeto utiliza lgica e raciocnio probabilstico, para auxiliar o jogador a sobreviver e enfrentar as criaturas terrveis chamadas de Wumps que vivem num mundo cheio de cavernas e esconderijos, o objetivo do usurio sobreviver e eliminar as criaturas. Outro projeto derivado o SPADE-O, um editor de programao orientada a planos para incentivar o uso de boas estratgias de design tornando explcito o processo de deciso para pessoas que necessitem desenvolver programas. Olhsson e Langley apresentam em 1984 o ACM, Automated Cognitive Modelling que propem uma abordagem nica para o problema da lista de diagnstico, eliminado a necessidade de uma biblioteca de bugs. O seu interesse em tcnicas de Machine Learning permitiu que eles propusessem um procedimento para o modelo do estudante/aluno, como sendo uma instncia do problema de aprendizagem.

16

O projeto ADVISOR construdo em 1977/78 por Michael Genesereth, em sua tese de doutorado, tem por objetivo foi construir um construtor on-line num ambiente reativo (com feedback inteligente a moda do SOPHIE), utilizando planos e crenas. A base do domnio era o pacote de matemtica complexa MACSYMA9. O projeto MENO(Soloway et al.), iniciado no final dos anos setenta e foi at o final dos anos oitenta (MENO-I e MENO-II), foi um projeto ambicioso de construir um ITS para ensinar alunos inciantes na linguagem Pascal. O seu objetivo era diagnosticar erros nosintticos em pequenos programas e associar estes erros aos nveis de concepes erradas do aluno, ou seja, se buscava identificar qual o conceito que o aluno no aprendeu bem atravs do tipo de erro que ele cometeu. O projeto envolveu muitas teses de doutorado e um dos produtos obtidos foi o MENO-TUTOR de Woolf (1984), que gerenciava dilogos em tutores genricos. Ainda nesta linha, o projeto BRIDGE desenvolveu um ITS que utilizava planos e buscava identificar os estgios contidos no desenvolvimento de planos, quando um aluno programa. Gentner e Norman [Apud in HAL88], desenvolveram um tutor chamado de COACH, que monitorava a aprendizagem dos alunos numa linguagem bastante simples chamada de FLOW. COACH foi projetado para monitor os alunos cada vez que eles pressionassem uma tecla em tempo real. O ITS acabou no sendo totalmente implementado em tempo real devido a uma srie de restries de hardware e software encontrados na poca. Mas o seu valor est nos resultados do estudo da obteno do protocolo de trabalho do aluno. O tutor possui um modelo do curso estruturado na linguagem FLOW e este modelo era naturalmente hierrquico, com esquemas de representao em alto nvel, para os captulos e manuais e, num nvel mais baixo, esquemas individuais para as teclas pressionadas. Foi implementado o modelo do aluno a nvel top-down (model tracing) e a bottom-up (Issue-based) (vide item 3.2.2.3). COACH um exemplo de que um modelo sofisticado de aluno e um mdulo especialista podem contribuir para um ITS. O sistema ATTENDING [WAT86, Apud in COS96] um ITS desenvolvido na Universidade de Medicina de Yale10 no incio dos anos 80 e tem como objetivo instruir alunos em especializao na rea de Anestesiologia. O sistema apresenta ao aluno um paciente hipottico submetido a uma cirurgia e analisa o plano de gerenciamento da anestesia, definido pelo aluno. O ATTENDING baseia sua anlise na assessoria aos riscos envolvidos no contexto dos problemas mdicos do paciente. O sistema produz uma crtica, na forma de comentrio, em linguagem corrente. O projeto PROUST de Soloway & Johnson, em 1984, utiliza planos baseado em diagnstico e em intenes. A partir do background dos erros do aluno e sua concepes erradas, o PROUST pretendia reconstruir o programa tendo por base a idia inicial do
MACSYMA- Foi um dos primeiros SE (sistemas especialistas) a ser implementado. utilizado at hoje como um resolvedor de equaes integrais e diferenciais. O conhecimento ainda era embutido no cdigo do programa [ABE94]. 10 http://www.yale.edu/index/html
9

17

aluno e explorando seus erros. O PROUST funciona como um depurador para os programas em Pascal. O projeto GUIDON (Clancey et al.) visa construir um ITS para avaliar as facilidades pedaggicas do MYCIN11 e descobrir o conhecimento adicional que o sistema exigir e tentar expressar estratgias tutoriais de maneira que as mesmas independam do domnio. GUIDON se difere dos demais programas de IA pela natureza de seu domnio (diagnstico mdico) e na maneira de capturar o conhecimento do especialista atravs do uso de uma arquitetura baseada em sistemas especialistas. O estudante modelado por superposio (overlay12), i., o seu modelo um subconjunto de regras que constituem o domnio. O grupo de pesquisa da Carnegie-Mellon University, chefiado por Anderson comeou a trabalhar na pesquisa de ITS de forma indireta. O grupo trabalhou durante anos na pesquisa de um teoria geral da cognio (ACT-Adaptive Control of Thought), com nfase em aquisio de habilidades. A teoria ACT assume que as funes cognitivas podem ser representadas por regras de produo e que o conhecimento primeiramente adquirido, de forma declarada, atravs de instrues e tem de ser convertidos em procedimentos atravs da experincia. O mecanismo bsico de aprendizagem chamado de compilao de conhecimento e se apresenta de duas formas: proceduralizao (um determinado conhecimento convertido em uma produo especfica para resolver um determinada classe de casos) e a composio de regra (dentro das quais poucas regras so usadas em seqncia para atingir determinado objetivo e so combina em uma regra nica que combina seus efeitos). Foi criado um modelo computacional chamado de GRAPES, para testar esta teoria. Mais adiante foram construdos dois ITS: GEOMETRY (geometria do segundo grau) e o LISP (provador para ensino da linguagem de programao LISP-LISt Processing). Brown apresentou em 1983 o ALGEBRALAND, um ambiente experimental para resoluo de problemas de lgebra do segundo grau. Hutchins e seus colegas [HUN82;HUN84, Apud in HAL88], desenvolveram um sistema denominado MANBOARD para auxiliar o treinamento de problemas em operaes navais. Os procedimentos foram mostrados em grficos onde os navios estavam colocados em coordenadas geogrficas e ficava claro a necessidade de conhecimentos bsicos de geometria para entend-los.

MYCIN- Um sistemas especialista para diagnose e tratamento de bactrias no sangue e meningite. Usa regras de produo como forma de representao de conhecimento e usa o raciocnio para trs a partir do objetivo considerado como hiptese inicial. explica as razes de sua decises atravs da recuperao das regras utilizadas e fornece a bibliografia do assunto. [ABE94]
12

11

Vide item 3.2.2

18

Em 1990, Viccari, apresentou o TUTOR-PROLOG, um tutor baseado no modelo cognitivo que visa ensinar um subconjunto da linguagem PROLOG, atravs da gerao automtica de exemplos organizados em nveis de complexidade. A categorizao destes nveis foi estruturada para poder permitir que os diferentes graus de conhecimento, por parte do aluno, possam ser identificados e selecionados.. Este tutor foi implementado em ARITYPROLOG e funciona em ambiente de microcomputadores do tipo IBM-PC. Utiliza um modelo hbrido para tratar da questo instrucional (mtodo socrtico e a explorao direta, com uso de tentativa e erro). As estratgias de ensino so representadas por planos que permitem apresentar o material instrucional em trs nveis: modelo ideal, modelo detalhado e modelo avanado. Possui um ambiente separado em : tutorial: apresenta os contedos baseado em programao e lgica. Utiliza um subconjunto da linguagem PROLOG; depurao de programas: neste mdulo o aluno pode fazer pequenos programas a atravs da correo automtica de erros sintticos e semnticos e do auxlio de um interpretador explica ao aluno o porque dos seu erros; consulta a base de dados: utilizado para pegar exemplos a serem apresentados para o aluno. Uma verso mais atual, onde o enfoque principal a depurao inteligente, foi implementada para Estao de Trabalho Sparks SUN. O laboratrios de Recurso Humanos da Fora Area dos estados Unidos, filiado NASA, desenvolveu o sistema INFLITE [BUR91],que um ITS que treina alunos num simulador de F-16 usando apenas instrumentos. Escrito na linguagem C e usando o shell especialista CLIPS13 . O sistema foi projetado inicialmente para ser operado com um joystick, mas suporta um teclado. Requer um sintetizador de voz capaz de converter caracteres ASCII em discursos articulados. Possui um mdulo especialista onde est colocado o conhecimento retirado de peritos. A interface possui os equipamentos encontrados num painel de F-16 e permite que o aluno tome suas decises em funo da misso (objetivo) que recebeu. O aluno no penalizado por seus erros e sim o tutor mostra alternativas melhores de soluo. Silveira [SIL92] desenvolveu um ITS denominado de ELETROTUTOR, cujo objetivo auxiliar o ensino de tpicos de eletricidade, Lei de Ohm e temas relacionados, para alunos do terceiro ano do segundo grau e cursos de eletricidade bsica. O contedo est dividido em oito unidades onde existe um texto base, uma estrutura de gerao de exemplos e uma estrutura de gerao de exerccios. Os contedos so apresentados em telas e os exemplos so estticos, no-interativos e os exerccios so do tipo V (verdadeiro) ou F (falso). Se o aluno erra a resposta correta apresentada antes do novo exerccio. Os problemas propostos ao aluno so escolhidos randmicamente a partir de um arquivo de exerccios. O tutor faz um diagnstico inicial, com perguntas, a fim de levantar o perfil do aluno, aps faz um plano de trabalho que o aluno pode ou no aceitar. Os textos e os exerccios mudam em funo da atuao do aluno. As estratgias so de sempre selecionar exemplo e respectivos exerccios e monitora o trabalho do
13

CLIPS- C Language Integrated Production Systems, desenvolvido na NASA.

19

aluno. O prottipo implementado em Arity-Prolog serviu para avaliar o desempenho de um sistema tutorial no contexto do ensino de fsica e est sendo utilizado como base para o projeto ELETROTUTOR-II (vide item 3.1.5). Possui uma interface de comunicao, encarregada das interaes com o aluno. A comunicao se d por meio de menus, de caixas de dilogos e de respostas escritas. As lies foram estruturadas em forma de telas que so apresentadas seqencialmente, e estas so formadas por pequenos textos implementados atravs de janelas ou frames criadas pelo Prolog. As telas usam o recurso de justaposio e superposio O CICSIM-TUTOR [SUK93, KHU93, Apud in COS96] um ITS que ensina alunos de medicina do primeiro ano a dominar o comportamento do reflexo barorecptor (parte do sistema cardiovascular responsvel por manter a presso arterial). O sistema ensina ao aluno as mudanas que se localizam em sete importantes variveis do sistema cardiovascular durante as repostas-diretas, respostas-reflexas e respostas constantes oferecidas pelo paciente. Est sendo desenvolvido no Instituto de tecnologia de Illionois e no Rush Medicall College. O ambiente para implementao de ITS criado por [DIR93], denominado de RUI Representations for Understanding Images, um sistema com trs nveis integrados e possui uma metodologia e um modelo para implementao de ITS que necessitam utilizar ambientes altamente visuais. O processo envolvendo o design do ITS (aplicao, uma vez que o RUI uma ferramenta ) envolve dois nveis: conceitual e produo. O terceiro nvel, o de instruo, objetiva a comunicao do especialista com o aluno. Baseado no RUI, esto sendo desenvolvidos vrios projetos de ITS e alguns dos resultados obtidos so: XRAY-TUTOR : seu objetivo ensinar anormalidades nas radiografias do peito. Foi a primeira base de conhecimento projetada com o RUI. MR1-TUTOR1: o objetivo deste ITS ensinar os diferentes tipos de leses no crebro atravs de imagens de ressonncia magntica digitalizadas. MR1-TUTOR2: uma especializao do anterior e se dedica a um determinado tipo de anomalia do crebro relativa a um tipo de tumor que afeta apenas o cerebelo. CT-TUTOR: o seu objetivo auxiliar no estudo de anormalidades no abdome humano, envolvendo os aneurismas. Nos meados de 92 teve inicio o projeto de Sistemas Tutores para o Ensino de Matemtica, no ICMSC-USP (Universidade de So Paulo), envolvendo pesquisadores das reas de computao, educao e educao matemtica [HAS95]. Consiste em investigar, projetar e implementar ferramentas e prottipos de Sistemas Tutores Inteligentes em subdomnios matemticos. Muitas dissertaes de mestrado e trabalhos de iniciao cientfica esto vinculados a este projeto que possui dois subprojetos: TEGRAM: um sistema tutor para o ensino de geometria plana, em que o estudante (primeiro e segundo graus) estimulado a aprender via a realizao de atividades baseadas totalmente na manipulao das peas do Tangram (jogo chins).

20

TOOTEMA: se prev a criao de uma arquitetura genrica para permitir a troca de subdomnios. A ferramenta TOOTEMA permite a construo automtica de sistemas tutores a partir de uma arquitetura bsica subjacente (ARQTEMA). A comunicao do usurio com o sistema, pois o ambiente interativo, foi investigada num projeto parte denominado INTEMA. O projeto est em andamento. O SAMMERR - Sistema para Aprendizado do mapeamento do Modelo E/R para Relacional, desenvolvido no II/PUCRS [GAS96], um ITS voltado para alunos de graduao do Curso de bacharelado do II/PUCRS na disciplina de Banco de Dados e tem por objetivo ensinar ao aluno a realizao do mapeamento de uma maneira simples e objetiva, colocando a sua disposio conceitos bsicos de Banco de Dados, com nfase no Modelo Entidade-Relacionamento e Modelo Relacional. Alm disto oferece os passos necessrios para a realizao do mapeamento, utilizando para tanto, tcnicas de ITS. O prottipo est concluindo e sendo utilizado em sala de aula. O SISAUTOR [PAV95] um sistema de autoria, cujo objetivo possibilitar a construo de tutores hipermdia para o ensino de Cardiologia. Possui dois estados: Autoria (onde feita a edio das telas) e Leitura (onde feita a consulta e avaliao, no estando disponveis as ferramentas de edio). O mdulo de Autoria se divide em : mdulo de Apresentao, mdulo Casos, mdulo Tutor e mdulo de Mapa. Devido pouca flexibilidade do mdulo Casos, foi criado o projeto SISAUTOR-Expert para que seja possvel a construo de ITS Hipermdia. No estado atual do projeto, segundo [WER96], foi implementado o SEC-TUTOR, baseado num sistema especialista j existente para o ensino de cardiologia (SEC - Sistema Especialista em Cardiologia) e seu objetivo ensinar alunos de medicina a diagnosticar infarto agudo do miocrdio em situaes de emergncia, correspondendo a um ITS. Rogers [ROG95] apresenta o projeto de implementao e desenvolvimento de um ITS multimdia para suporte ao treinamento dos tcnicos do Boeing Defense and Space Group, da Clark Atlanta University. O projeto est integrado num escopo maior denominado de NDI - NonDestructive Inspecrution, que envolve a deteco de rudos (estalos) e imperfeies em partes de avies, usando tcnicas que no destruam a parte examinada. Os mtodos convencionais de NDI incluem radiografias, ultra-sons e correntes eltricas que penetram nas partes investigadas. O ELETROTUTOR-II um ITS desenvolvido em linguagem HTML verso 3, que permite o uso de frames, tornado a interface mais agradvel e proporcionando ao aluno, segundo [SIL96], o controle do processo atravs de menu. Mantm a estrutura original do ELETROTUTOR (vide item 3.1.3) e cada unidade foi desenvolvida como um conjunto de pginas HTML, contendo textos e as figuras que constituem seu domnio. O projeto se encontra em fase final de desenvolvimento no CPGCC/UFRGS. O CIRCSIM-Tutor [FRE96] um ITS baseado em linguagem natural para auxiliar os alunos de medicina a entender os conceitos fisiologia cardaca relacionados com a presso cardaca no corpo humano. O sistema visa gerar sugestes verbais para os estudantes. Para tanto foi desenvolvida uma metodologia onde um planejador de textos

21

dentro de um ITS funciona como um planejador de textos-problema. Estes textos so obtidos por um operador que atua numa biblioteca de planos. O texto controlado pelo operador de planos abrange toda a conversao com o aluno, desde os dilogos iniciais. Constrangimentos no operador de planos podem ser usados para que outras fontes de conhecimento sejam ativadas, tais como base do domnio, histrico do dilogo com o aluno e o modelo do aluno. Esta tcnica de constrangimento muito utilizada nos ITS quando um dos seus mdulos est sofrendo constrangimentos e no consegue realizar a tarefa de auxiliar o aluno, outro mdulo ativado para sanar esta deficincia. O sistema foi baseado nas verses anteriores onde o dilogo entre o aluno e o ambiente se dava atravs do teclado. Modelos de conversaes humanas e resultados dos dilogos dos alunos com o ambiente foram analisados e os resultados serviram de base para a elaborao da metodologia TIPS onde os planos so usados em diferentes agentes14 para explicar a mesma situao. Desta maneira, o problema de se explicar sempre da mesma maneira ao aluno uma dada situao contornado. O ambiente SHERLOCK II uma simulao computadorizada onde so apresentados uma srie de exerccios com grau de dificuldade crescente. O domnio do sistema o avio de combate F15, mais especificamente os problemas que podem apresentar os seus componentes ao decolar, voar e pousar. Foi projetado para o treinamento de tcnicos que trabalham nos testes de diagnostico para deteco de falhas e possveis mal-funcionamentos na aeronave. A caracterstica mais importante do SHERLOCH II que o estudante pode pedir auxlio a qualquer momento e o princpio do ambiente a aprendizagem com responsabilidade, i.e., os estudantes tm o controle do tipo de ajuda recebido e seu detalhamento. Esto disponveis trs tipos de orientaes: como testar, como isto funciona e dados tcnicos. Sendo que a parte principal do sistema so os dois primeiros tipos de orientao (como testar e como isto funciona). Os alunos podem aumentar o grau de detalhamento do treinamento atravs de menus ou re-selecionar uma sugesto fornecida a ele. Utiliza a metodologia aprender-fazendo (vide captulo 4) e resolve dois problemas importantes a nvel de projeto de ITS: o controle por parte do aluno da informao recebida e o tipo de informao recebida, facilitando a integrao entre conhecimento procedural e conceitual. Os tpicos do contedos foram colocados na forma de um hipertexto. O projeto OLI [RET96] um ITS que usa a metodologia de ensino atravs de debate entre o usurio e o sistema. Ensinar em domnios onde existe muita controvrsia pode ser problemtico, como por exemplo no ensino de Direito, onde o professor deve encorajar o aluno a explorar pontos de vista diferentes e at mesmo contraditrios. No caso dos ITS quando o aluno discorda do tutor muitas vezes assumido que isto se trata de uma incompreenso ou desconhecimento por parte deste. Mas quando se deseja que as posies do aluno sejam debatidas pelo tutor a questo se torna muito complexa. O projeto baseado numa estrutura de argumentao que fica num meta-nvel. Esta tcnica foi sugerida por Haggith em 1995 (Apud in RET96) e foi adaptado para explorar e manejar com inconsistncias. O ambiente suporta mltiplas estratgias de ensino e desempenha o papel de um instrutor ou de Advogado do Diabo. Na abordagem de
14

O ambiente foi projetado numa arquitetura MAS.

22

Advogado do Diabo o usurio debate com o sistema num tpico controverso e ambas as partes tentam defender suas opinies usando argumentos de suporte. O sistema faz o papel de Advogado do Diabo e tenta se opor ao ponto de vista do aluno ao mesmo tempo que vai apresentando o conhecimento que deseja que o aluno adquira. Existe um uma srie de limitaes na verso atual do sistema, como por exemplo o Diabo uso sempre o mesmo tipo de argumento usado pelo usurio. O mtodo de ensino uma inovao, a nvel de ITS, permitindo ao estudante um conhecimento global do domnio de forma a evitar que ele pule para uma concluso sem ter analisado vrias opinies do domnio. 2.4 Exemplo de ITS com uso de multimdia O projeto SAFARI do Departamento de Informtica e pesquisa operacional da Universidade de Montreal, envolve um grande nmero de prottipos de ILEs para aplicaes profissionais. O ambiente SICULE ( Surgical Intensive Care Unit Learning Environment) [ALE96] a extenso do projeto SICU (Surgical Intensive Care Unit) onde uma equipe diversificada de estudantes de enfermagem, tcnicos, residentes e mdicos especialistas podem aprender atravs da simulao de uma interveno cirrgica. No momento o projeto visa o treinamento e aperfeioamento de enfermeiros. O ambiente rico em eventos relacionados ao paciente que sofre a interveno cirrgica e o usurio faz parte de uma equipe de atendimento e tem de estar atento s tomadas de deciso dos colegas e dos dados que aparecem sobre o paciente. A arquitetura do ambiente envolve trs tipos de conhecimento: ambiental: equipamento biomdicos e ferramentas utilizadas nos protocolos de terapia; O conhecimento est colocado de forma estrutural, funcional e operacional. As duas primeiras categorias aparecem implcitas nos modelos de simulao enquanto a parte operacional aparece em grafos de tarefas. mdico: essencial para a atendimento adequado dos pacientes que chegam ao SICU, para que se possa interpretar as informaes e decidir se ou no necessrio uma interveno. Existem duas categorias distintas: a) os casos gerais, que incluem os protocolos de atendimento de pacientes e as intervenes teraputicas. Isto necessrio para que as enfermeiras executem avaliaes peridicas no paciente e realizem os protocolos teraputicos. Os protocolos so representados por grafos de tarefas. O diagnstico feito atravs de um mdulo especialista; b) os casos especficos: inclui a descrio das condies do paciente ao chegar no SICU, o diagnostico mdico e o plano de terapia. A descrio do caso apresentada na forma de um texto e a base do mdulo especialista feita com regras. O ambiente possui um mdulo de informaes onde so apresentados os cursos com ilustraes multimdia para demonstrar os procedimentos e como realiz-los. O papel do tutor que atua junto da simulao de um orientador que faz crticas, d avisos e emite sugestes e avisos para o usurio, ao longo da simulao. O usurio pode usar o SICULE de trs maneiras: explorao livre (usando uma simulao ou um modelo), demonstrao (interativa ou no-interativa) e resoluo de problemas com diferentes

23

tipos de orientao. No estgio atual do prottipo no existe integrao dos outros mdulos com o modelo do aluno. Sua avaliao feita com testes de escolha simples, auto-avaliao e questes de mltipla escolha, onde so contados apenas os acertos obtidos. Os procedimentos so pr-fixados e o aluno seleciona aquele que deseja e no existe uma seleo feita pelo sistema em funo da situao de aprendizagem e do tipo de aluno que est utilizando o ambiente. Slator [SLA96] apresenta uma aplicao pedaggica na forma de um ambiente de simulao multimdia onde o aluno aprende atravs da competio com outros jogadores. O ambiente um jogo onde o aluno aprende princpios de microeconomia onde a estratgia aprender atravs da aprendizagem de papis e possui as seguintes caractersticas: Trabalha em ambiente de rede; Suporta vrios usurios jogando ao mesmo tempo; Baseia-se em simulaes; Possui interaes multimdia (incluindo vdeos e sons interativos); A premissa do jogo que o jogador (aluno) herda uma quantia de dinheiro de um velho tio, com a condio de ir para a cidade de Springfield e entrar na economia de varejo tomando conta da loja da famlia. Desta maneira, logo aps iniciar o jogo, o jogador assume o papel de dono da loja. A arquitetura para simulao dos papis virtuais foi projetada para atender os seguintes critrios: 1. O papel do jogador deve ser explicitado para o contexto do jogo; 2. O sucesso do jogador em aprender o seu papel no ambiente diretamente associado ao seu sucesso no jogo; 3. As atitudes dos jogadores produzem um efeito real no ambiente de simulao e este reage imediatamente; 4. O ambiente pode ser ativo ou passivo, mas o jogador sempre est no controle da experincia; 5. O ambiente rico em detalhes, complexo e pleno de detalhes interessantes; 6. A complexidade do ambiente foi determinada em funo dos objetivos de ensino e alguns elementos foram colocados apenas para deixar o ambiente mais divertido e agradvel; 7. As interfaces so fceis e o ambiente possui cones e metforas quase como se fosse uma foto real e os jogadores so levados a uma imerso do seu papel no ambiente; 8. Os jogadores possuem um Help sensvel ao contexto, que pode ser ativado de qualquer parte do ambiente. O sistema foi projetado para ensinar os princpios de marketing que devem ou podem ser usados em vendas. Tudo que o estudante necessita est disponvel na forma de dispositivo de vdeo e num help on-line. O resultado do jogo medido na quantidade de vezes que ele aumentou sua herana. A cidade de Springfield simulada atravs da construo de uma interface voltada ao usurio utilizando uma MOO( MUD, Multi-User Domain ,Object-Oriented). As MUDs

24

so lugares de encontro eletrnico baseados em textos onde os jogadores constrem sociedades e ambientes fantasia e podem interagir uns com os outros. Tecnicamente, uma MUD um banco de dados multiusurio e com mensagens do sistema. Os componentes bsicos so salas com sadas, contedos e jogadores. As MUDs suportam a interao das mensagens dos jogadores (simultaneamente) requeridas num ambiente de se encontram vrios jogadores A cidade percorrida a partir da visualizao do mapa geral, o qual est dividido em oito bairros. Cada loja da cidade visvel no mapa e implementada como uma sala onde aparece toda a regio ao seu redor. Os jogadores tm de cuidar a concorrncia das outras lojas e as necessidades da sua vizinhana. Os jogadores podem visitar os diversos lugares da cidade e, se tiverem problemas econmicos, podem solicitar emprstimos atravs do banco local , situado no centro da cidade. O ambiente possui muitos cones, uma vez que estes so parte importante da informao (so as metforas) e as informaes associadas estes so fotos realsticas , de maneira a proporcionar uma situao consistente e com mais credibilidade. 2.5 Exemplos de ITS em ambientes de rede O desenvolvimento da tecnologia de redes, segundo [SIL96], o aperfeioamento dos meios de comunicao, protocolos e das tcnicas de processamento distribudo faz com que cada vez mais se utilize estes ambientes para fins educacionais. A INTERNET e seus servios adicionam novos componentes para o processo de ensino-aprendizagem : possibilidade de troca de informaes e aprendizagem cooperativa, busca e recuperao em locais independente de barreiras fsicas, velocidade de propagao e disseminao do conhecimento existente e em produo. As novas tecnologias esto ampliando as dimenses do ensino tradicional suportado por computador e fazendo com que a pesquisa em DLE evolua de forma acelerada. Os DLE se caracterizam pela arquitetura distribuda numa arquitetura cliente-servidor tpica destes ambientes (vide SIL96, p.13-15). Atualmente j existem alguns exemplos de ITS para serem utilizados na rede WWW (ou simplesmente WEB) e iremos apresentar os ITS e ferramentas que obtivemos utilizando os endereos apresentados no item 3.1.8. O sistema CALAT15 (Computer Aided Learning and Authoring environment for Teleeducation) [NAK96] um sistema instrucional tipo ITS usando a INTERNET, numa arquitetura cliente/servidor. Baseia-se no tutor CAIRNEY [FUK95] que uma ferramenta multimdia para construo de ITS. CAIRNEY marca registrada da Nippon Telegraph and Telephone Corporation e foi desenvolvido nos laboratrios na NTT Network Information Systems. Possui um mdulo autor que suporta multimdia e pequenas simulaes atravs de um biblioteca de ferramentas pr-disponveis. Suporta aplicaes em ambiente Windows e trabalha com mltiplas janelas. No mdulo tutor
15

calat@isl.ntt.co.jp

25

apresentado o courseware criado no mdulo autor onde o estudante escolhe entre diferentes estilos a forma como gostaria de estudar. J existem disponveis na rede, atravs da homepage do projeto (vide item 3.1.8), uma srie de exemplos utilizando estas ferramentas. O projeto LEAP16 - Learn Explore And Practice resultante do esforo cooperativo entre a US WEST Advanced Technologies, Learning systems, and Mass Markets para desenvolver uma plataforma de ITS multimdia capaz de permitir uma bordagem inteligente e prtica de como deve se dar o contato entre o funcionrio e o cliente. Com este ambiente, rico em possibilidades multimdia, o LEAP proporciona atividades de aprendizagem muito realistas atravs dos seus cenrios e dos processos de simulao. O projeto ELM-ART (ELM Adaptive Remote Tutor) um ITS na WWW para suportar o ensino da linguagem de programao LISP. O ELM-ART baseado no ELM-PE [BRU96] e pode ser considerado um livro texto inteligente e on-line integrado com um ambiente resolvedor de problemas. Apresenta os materiais atravs de recursos hipermdia e se difere dos demais hiperlivros da rede por dois aspectos: o ELM-ART conhece o material que est apresentado ao aluno e o assiste e o segundo aspecto que os exemplos e problemas se constituem em experincias vivas onde o aluno pode investigar todos os problemas de forma on-line. Atravs do seu browser (navegador) ele permite oportunidades diferenciadas ao aluno. Possui o tradicional problema inerente em todo ambiente hipermdia que a possibilidade do aluno ficar perdido no hiperespao e no conseguir coordenar seus objetivos iniciais com as informaes coletadas, devido ao grande volume de ligaes (links) que ele pode acessar. 2.6 Onde encontrar descrio de ITS - impressos Decidimos colocar este item para facilitar o acesso s fontes utilizadas neste trabalho, de maneira que aqueles que se iniciam na rea ou nela trabalham possam agilizar o seus procedimentos de pesquisa. Em 82, Sleeman e Brown publicaram uma edio especial do International Journal of Man-Machine Studies na forma de um livro que batizou a rea com seu nome mais conhecido: Intelligent Tutoring Systems [SLE 82]. Em 87, Etienne Wenger[WEN87] publicou um survey apresentando a descrio dos ITS, desde de seu o SCHOLAR at os experimentos feitos em 1986. Em 88, outro livro foi publicado, sob a superviso de Self: Artificial Intelligence and Human Learning [SEL88]. A partir deste ltimo, possvel perceber o estado da arte em sistemas tutores inteligentes e algumas de suas perspectivas e direes futuras.

16

randall@advtech.uswest.com

26

O International Journal Computers & Education da Elsevier17 e a revista AI-Artificial Intelligence18 apresentam uma srie de artigos sobre ITS. Na revista AI encontramos artigos desde o ano de 1977, onde encontramos o artigo pioneiro de John Self com muitas consideraes sobre ITS e atualmente encontramos muitos tpicos relacionados com agentes. Outra publicao interessante de ser consultada a MINDS and MACHINES, Journal for Artificial Intelligence, Philosophy, and Cognitive Science19 . 3 ARQUITETURAS DE ITS As arquiteturas de sistemas tutores inteligentes variam de uma implementao para outra e segundo os autores (BARR&FEIGENBAUM[BAR82]; Yazdani[YAZ87];Self [SEL88];Viccari[VIC90]; Oliveira[OLI94]) possuem uma organizao bsica com alguns componentes funcionais que podem ser observados na maioria dos casos. A FIGURA 1 apresenta esta concepo modular dos ITS.

Elsevier Science ltd. Bampfylde Street, Exeter EX1 2AH, U.K. Editors: Dr.Michael R. Kibby mike@turing.ac.uk Professor Rachel Heller sheller@seas.gwu.edu 18 Elsevier Science B.V. P.O. box 521, 1000 AM Amsterdam, Netherlands Editors: Dabiel G. Bobrow e Michael Brady 19 Kluwer Academic Publisher, P.O., Box 17 AA Dordrecht, Netherlands

17

27

Usurio Interface Estratgias de Ensino Controle Modelo do Aluno

Base do Domnio
FIGURA 1- Arquitetura tradicional de um ITS 3.1 Base de conhecimento do domnio O modelo de domnio o componente especialista do tutor, constitudo pelo material instrucional, por uma sistemtica gerao de exemplos, pela formulao de diagnsticos e pelos processos de simulao. Contm o conhecimento sobre o domnio que se deseja ensinar ao estudante. Vrios modelos de representao de conhecimento podem ser usados aqui: redes semnticas, frames, scripts, regras de produo, OOP, entre outras. A escolha deve recair sobre aquele mtodo que melhor e mais facilmente atenda os requisitos de representao e manipulao do raciocnio. Segundo [HAS95], uma escolha inadequada pode comprometer todo o desempenho do sistema, uma vez que este mdulo deve ser capaz de determinar, entre outras coisas, a complexidade e consequentemente a forma de apresentao dos conceitos da rea de conhecimento em questo. O material instrucional organizado, geralmente, numa taxinomia que prev nveis crescentes de complexidade. As tarefas so organizadas utilizando uma estrutura de rvore e formadas dinamicamente, de acordo com a interao e o trabalho do aluno. A estratgia de ensino a ser utilizada vai depender do modelo do aluno definido, como veremos mais adiante. A base de conhecimentos do domnio um componente chave do sistema tutor inteligente; ali est representado o material instrucional - ou seja, o contedo que o tutor dever ministrar. O fato desse contedo ser armazenado em uma base de conhecimento - e no em uma base de dados convencional - um dos fatores que determinam a diferena entre um ITS e um CAI convencional. A base de conhecimentos deve facultar

28

ao sistema a possibilidade de raciocinar sobre a estrutura do contedo a ser ministrado, permitindo-lhe ento ser mais do que um simples "virador de pgina eletrnico". Uma conseqncia evidente desta importncia funcional que a representao de conhecimento utilizada determina fortemente o comportamento do sistema tutor. Como em todos os sistemas baseados em conhecimento, a forma de representao depender, via de regra, do domnio de aplicao considerado. Por outro lado, o tipo de manipulao a ser efetuada pelo sistema tutor tambm influencia a forma de representao do conhecimento. Com base nisso, Woolf [WOO88] estabelece uma distino entre sistemas tutores fortes e fracos. Um sistema tutor fraco deve ser capaz de ministrar o contedo, propor questes a serem resolvidas pelo aluno e reconhecer/corrigir erros. Um sistema tutor forte deve, alm disto, ser capaz de resolver as mesmas questes que prope ao aluno - ou seja, deve ser capaz de, alm de ministrar o contedo, utiliz-lo na resoluo de problemas. A deciso de construir um sistema tutor forte ou fraco influencia a representao do conhecimento do domnio. Tipicamente, nos casos em que o domnio de natureza descritiva e terica (por exemplo, geografia ou fsica), a representao utilizada declarativa (em geral redes semnticas ou linguagens de "frames"). J nos casos em que o domnio orientado a uma tarefa (por exemplo, programao Pascal), a representao tende a ser procedural tipicamente regras de produo. Woolf [WOO88] denomina essas duas categorias de conhecimento conceitual e conhecimento procedural, e acrescenta uma terceira categoria chamada conhecimento heurstico. O conhecimento heurstico descreve maneiras de utilizar o conhecimento (procedural ou declarativo) na resoluo de problemas. Pode-se dizer que a sua presena distingue o sistema tutor forte do fraco. O embasamento cognitivo da representao utilizada na base de conhecimento do domnio e no modelo do aluno reflete o carter multidisciplinar dos sistemas tutores inteligentes enquanto rea de pesquisa. Ohlsson [OHL87], Clancey [CLA89] e Self [SEL90], entre outros, tambm apontam a necessidade de buscar premissas psicolgicas, epistemolgicas e pedaggicas para a construo de sistemas tutores inteligentes. O fato de tais premissas (muitas vezes assumidas inconscientemente) estarem geralmente implcitas na estrutura do tutor mais um reflexo da mesma falta de fundamentao terica geral que foi comentada anteriormente. A teoria cognitiva utilizada por Anderson pode parecer simplista ao advogar modelos mentais totalmente embasados em regras de produo, no entanto, um dos poucos trabalhos a explicitar seu embasamento psicolgico. Para uma discusso sobre teorias cognitivas aplicveis representao computacional do conhecimento, ver [WOO88]. 3.2 Modelo do aluno Este mdulo representa o conhecimento e as habilidades cognitivas do aluno em um dado momento. constitudo por dados estticos e dados dinmicos[VIC90] que sero de fundamental importncia para o tutor poder comprovar hipteses a respeito do aluno. Contm uma representao do estado do conhecimento do aluno no momento que interage com o ITS. A partir desse modelo e do contedo a ser ensinado, o sistema deve ser capaz de inferir a melhor estratgia de ensino a ser utilizada em seguida. Um modelo

29

realista do aluno implica numa atualizao dinmica medida que o sistema avalia o desempenho do estudante. Os dados dinmicos referem-se ao desempenho do aluno face a questes formuladas pelo tutor e confrontadas com as hipteses elaboradas pelo aluno, face ao uso que o aluno faz do sistema e face aos novos conhecimentos que o aluno pode vir a ensinar ao tutor. Muitas tcnicas so utilizadas para construir o modelo do aluno como por exemplo: - incluir um reconhecimento de padres aplicados histria das respostas fornecidas por ele; - comparar a conduta do aluno com a de um especialista e verificar os pontos em comum; - colocar as preferncias do aluno; - seus objetivos particulares; - coisas que ele sempre costuma esquecer quando interage com o tutor; - indicao dos seus objetivos particulares. O modelo do aluno, segundo [COS96], pode ser representado apoiando-se em alguns modelos de descrio, sendo eles: Modelo diferencial: onde a resposta do aluno comparada com a base de conhecimento. Esta modelagem, segundo [DAM95b], se compara a performance do especialista com a do estudante e no o conhecimento deles. A modelagem por diferenciao divide o conhecimento em duas classes: a do conhecimento que se espera que o estudante tenha e a outra que no se espera que ele possua. Nesta modelagem o conhecimento o aluno somente um subconjunto do conhecimento do especialista Modelo de Overlay ou superposio: o conhecimento do aluno representado como um subconjunto da base de conhecimento do sistema tutor (figura 2). Obviamente, isso implica em que a representao de conhecimento utilizada no modelo do aluno e na base do domnio seja a mesma. Modelo de Perturbao: tambm relaciona o modelo do aluno com a base de conhecimento do domnio. Este modelo foi proposto inicialmente por Brown e Burton e recebeu o nome de modelo BUGGY. O modelo de perturbao assume que os erros do aluno so decorrentes da concepo errnea de algum conceito ou ausncia dele. O modelo overlay assume (implcita ou explicitamente) que os erros ou comportamentos anmalos do aluno so sempre devidos ausncia de alguma informao presente na base do domnio. Este pressuposto psicolgico excessivamente simplista: muitos comportamentos incorretos originam-se da presena de concepes incorretas na mente do aluno. Com base nisso, muitos sistemas adotam modelos de perturbao [SEL88].

30

Base do Domnio Base do Domnio Modelo do Aluno (b)

(a)

Modelo do Aluno

FIGURA 2 -. Tipos de modelo do aluno No modelo de perturbao, existe a base do domnio e uma biblioteca de erros tpicos; o modelo do aluno inclui elementos da base do domnio e da biblioteca de erros (figura 2b). Estes modelos permitem um tratamento mais inteligente dos comportamentos incorretos do estudante; no entanto, ainda so limitados, principalmente pela estrutura da biblioteca de erros. Modelo de Simulao: O ambiente possui um modelo de como o estudante pode ou deve se comportar em determinada situao e atravs deste modelo ele permite prever o comportamento futuro do estudante, ou seja, a resposta do aluno baseado no seu comportamento durante a sesso de trabalho [ASA91]. Modelo de Crenas: consiste em um conjunto de crenas refletindo o grau que pensamos que o estudante entende sobre um conceito em particular. Em Inteligncia Artificial, comum chamar de "conhecimento" s informaes que o sistema possui a respeito do domnio da aplicao. No entanto, uma noo epistemologicamente mais rigorosa do termo define "conhecimento" como sendo "crena verdadeira e justificada" [NIL88] - o que em geral no o caso da informao armazenada em um sistema conputacional. O "conhecimento" de um sistema especialista, por exemplo, quase sempre sujeito a reviso e frequentemente nojustificado - em geral, a palavra do especialista justificativa suficiente. Assim, a rigor, seria mais correto falar em "bases de crenas" no lugar de "bases de conhecimento". Na maioria dos sistemas, essa diferena no tem conseqncias prticas, pois o comportamento do sistema no afetado. No entanto, a distino fundamental para a modelagem do aluno. Supor que o modelo do aluno uma base de conhecimento implica em supor que: - o aluno no possui concepes incorretas (o que no razovel);

31

- o sistema capaz de inferir corretamente o estado cognitivo do aluno (o que no parece uma suposio realista; na melhor das hipteses, o modelo do aluno uma aproximao til). O comportamento lgico das concepes do aluno assemelha-se muito mais a uma lgica de crenas do que a uma lgica de conhecimento. As concepes esto sujeitas a reviso; o aluno no logicamente onisciente; sua teoria pode ser inconsistente, etc. Alm disso, o modelo do aluno na verdade um conjunto de crenas aninhadas: crenas do tutor a respeito das crencas do aluno. Este conjunto est sujeito a reviso, pois no somente as hiptese do tutor podem estar incorretas, como tambm o prprio estado cognitivo do aluno muda com o tempo, em conseqncia da interao mesma entre aluno e tutor. Douglas [DOU88] aponta que tutores humanos consomem at 20% de seu tempo reparando suas prprias falhas, e no as do aluno; a maior parte dessa falhas deriva de suposies incorretas a respeito do estado cognitivo do aluno. Moldeo de Agentes: Ao tratar o modelo do aluno como um sistema de crenas, [VIC92] utilizou implicitamente uma noo importante: a interao entre aluno e sistema tutor uma interao entre dois agentes inteligentes (ou, pelo menos, dotados de algum comportamento cognitivo). Considerar o aluno como um agente implica em considerar o modelo do aluno como um modelo de agente, o que ter conseqncias para a estrutura do modelo. Em particular, consideramos que, sendo um modelo de agente, o modelo do aluno deve incluir, de um modo ou de outro, trs componentes principais [OLI91] : - a base de crenas; - a base de motivaes; - o modelo de inferncia. A base de crenas compreende os conhecimentos/crenas do agente sobre o domnio (ou domnios) da aplicao. Sua caracterizao como crenas deriva naturalmente do fato de que todo aluno definido como sendo capaz de aprendizagem, atravs de processos que, no caso mais geral, sero essencialmente nomonotnicos. Logo, toda informao representada na base de crenas , em princpio, passvel de reviso. Na base de motivaes esto representadas tanto as intenes primarias do agente - ou seja, seus objetivos bsicos - como as intenes derivadas - obtidas a partir das intenes primrias, seja por conseqncia direta, seja pela interao das intenes com as informaes presentes na base de crenas. O modelo de inferncia pode ser pensado como um conjunto de regras de inferncia. Cada uma das regras modela um tipo de inferncia ou mecanismo de aprendizagem disponvel para o agente, podendo atuar tanto sobre a base de crenas como sobre a base de motivaes. No primeiro caso (que o mais comum), temos a transformao do conhecimento que o agente possui do domhnio. O segundo caso representa a criao/alterao de planos e modificao das intenes. interessante notar, no entanto, que esta arquitetura permite a possibilidade de um

32

terceiro caso: regras de transformao que se apliquem sobre o prprio modelo de inferncia. Dessa forma, seria possvel modelar agentes com sofisticadas capacidades de auto-modificao (meta-raciocnio). 3.3 Estratgias de ensino Uma estratgia um plano, ou seja, uma estrutura de ao visando atingir determinados objetivos. As estratgias de ensino podem ser vistas como "esquemas de planos" que definem formas de apresentar o material instrucional ao aluno. Autores como Ohlsson [OHL87] e Breuker [BRE88] conceitualizam dois nveis de planejamento da ao para um tutor: o nvel das tticas de ensino e o nvel das estratgias propriamente dito. A noo de ttica de ensino explicada por Ohlsson: "A diagnose cognitiva e a anlise da matria geram as 'entradas' para um sistema tutor, cujas informaes formam a base para as decises tutoriais. As tticas de ensino (...), por outro lado, representam sua 'sada', ou seja, seu comportamento frente ao estudante." ([OHL87], p. 223). As estratgias constituem conhecimento sobre como ensinar, ou seja, sobre como gerar, a partir das informaes de diagnstico, monitorao e anlise, uma seqncia de tticas de ensino capazes de apresentar com sucesso um determinado tpico a um determinado estudante. Segundo Breuker [BRE88], a maioria dos autores concorda em que uma estratgia de ensino deve definir: 1. Quando interromper? Que razes justificam interromper o curso de raciocnio ou aprendizagem do aluno? 2. O que dizer? Esta questo desdobra-se em: a. seleo do(s) tpico(s) a ser apresentado(s); b. ordenao dos tpicos, se houver mais de um. 3. Como dizer? Esta provavelmente a questo mais difcil. No h solues gerais concretas, e muitos autores apontam aqui a falta de teorias pedaggicas suficientemente detalhadas.[MIL82, OHL87]. Um mtodo muito utilizado pelos tutores, de um modo geral, o chamado mtodo socrtico, em que partindo de conhecimentos que o aluno j domina, o tutor ensina atravs de perguntas e dilogos, levando o aluno a tirar suas prprias concluses. Sendo este seu grande ganho em relao aos CAI tradicionais onde as concluses so apresentadas ao aluno e ele as recebe de forma passiva, mesmo que as mesmas sejam apresentadas em sofisticados recursos Multimidia. Outro modelo terico empregado em ITS o modelo coaching (treinamento), que emprega atividades de entretenimento, como jogos, pata transmitir conceitos relacionados. A aprendizagem uma consequ6encia indireta da atuao nessa simulao.[WER95]

33

Utiliza-se ainda as estratgias pedaggicas de orientao ( o sistema explicitamente chamado pelo aluno quando este requisita palpites, expanses ou crticas) e cooperao (utilizada na abordagem de agentes, vide item 4.6 ). Um terceiro modelo surgiu com a utilizao de hipertextos [CON87], em que o estudante navega numa estrutura de hipertexto e explora o contedo a partir do seus interesses e pr-requisitos. Este documento est organizado de tal maneira que cada subdiviso lgica do assunto est ligada com o documento atravs de diversos tipos de ligaes, possibilitando que o aluno navegue por diferentes alternativas para explorar o domnio. O modelo de hipertexto abre excelentes perspectivas para a construo de ITS, uma vez que pode abrigar , no mesmo documento, diferentes formas de representao de conhecimento. Alm disto, o aluno pode trabalhar de forma mais participativa e dinmica, podendo ser orientado no aspecto pedaggico de forma diversificado do que ocorre num ITS tradicional. O aluno pode controlar dinamicamente as informaes, refletindo sua lgica pessoal que pode (e na maioria das vezes ) diferenciada da lgica do autor do sistema. Com as atuais tecnologias de acesso em rede , podemos pensar na possibilidade de acessos simultneos s informaes, por vrios usurios. Segundo Duchastel [Apud in HAS95], os sistemas hipermdia podem ser vistos com ferramentas de aprendizagem, e no de ensino, dada sua natureza informal. Independente da forma como o contedo est colocado no mdulo do domnio, os ITS adotam uma estratgia baseada na modelagem cognitiva do aluno e, segundo Viccari[VIC90] podem dividir o problema em subproblemas, propondo-se a conduzir uma estratgia de ensino de modo a levar o aluno a um modelo cognitivo idealizado pelo tutor. Teramos ento o seguinte esquema: modelo real -----> modelo ideal O modelo real representa aquilo que o aluno sabe o ideal aquilo que ele deveria saber. Ao estabelecermos as diferenas entre os modelos encontramos aquilo que o aluno precisa aprender. A estratgia adotada leva em considerao os seguintes passos: 1. Apresentar o mesmo material instrucional em diferentes nveis de complexidade; 2. Apresentar o contedo de acordo com uma taxinomia; 3. Propor problemas a serem resolvidos; 4. Fornecer diagnsticos, mensagens, alertas, ajudas ao aluno durante sua interao com o tutor. Para que o tutor consiga atingir estes pontos utilizada a metodologia proposta por [VIC90] onde o trabalho dividido em sesses:

34

Na primeira sesso so realizados: 1. Dilogo inicial com o aluno; 2. Planejamento inicial da sesso; 3. Formulao de exemplos; 4. Avaliao do aluno; 5. Atualizao do modelo do aluno. Nas demais sesses: 1. Carregamento, na memria, do modelo do aluno(atravs de sua descrio); 2. Atualizao do planejamento; 3. Apresentao do material instrucional; 4. Atualizao do modelo do aluno. O desempenho do aluno obtido atravs da observao da sua atuao na resoluo de problemas e o nvel de complexidade envolvido nas tarefas. [OHL87] apresenta seis tticas de ensino que podem ser empregadas por ITS, em especial para ensino de contedos das reas de cincia exatas. fato este bastante plausvel, uma vez que este tipo de conhecimento possui um forte, e mais conhecido, modelo matemtico para sua sistematizao. As tticas sugeridas so : - Ttica de apresentao de objetivo: Consiste na definio de termos necessrios ao procedimento, para a sua descrio e em induzir o aluno recordao. Consiste, ainda, na demonstrao, na aplicao ou na prtica do procedimento a ser ensinado. -Ttica de apresentao de precursores; Um precursor uma habilidade que o aprendiz deve ter antes de tentar aprender um procedimento. No precisa ser um pr-requisito. O tutor apenas relembra ao aluno o precursor pela sua localizao, ou seja, a reviso e a marcao dos passos que devem ser familiares aos alunos. Observamos aqui a aplicao do conceito de aprendizagem com significao apresentada por Ausubel e seus seguidores, onde propem uma classificao da aprendizagem humana segundo dois tipos de distino : aprendizagem por recepo versus aprendizagem por descoberta e aprendizagem automtica versus aprendizagem significativa. Na aprendizagem por recepo, o aluno recebe o contedo a ser aprendido e deve interioriz-lo ou incorpor-lo ao seu repertrio pessoal. A aprendizagem receptiva corresponde a grande parte do ensino proporcionado aos estudantes nas escolas. Em segundo lugar, essa aprendizagem receptiva verbal no necessariamente mera decorao, sem compreenso do significado. Na verdade, a aprendizagem verbal significativa o meio principal e aquisio de grande parte de nossos conhecimentos.

35

O processo que envolve a interao de uma nova estrutura de conhecimento especfica, a qual Ausubel define como conceitos subsunores ou apenas subsunores . Esta ttica utilizada de forma "ad hoc" pode ser trabalhada no sentido de se buscar uma melhor amplificao deste processo. - Ttica de representao de propsitos: Consiste em clarificar para o aluno para que serve um determinado procedimento, ou seja, o que se pode alcanar atravs de um procedimento. O tutor pode descrever o propsito de um novo procedimento, levando em conta o seu objetivo e o resultado esperado com sua aplicao. Os procedimentos anteriores podem ser exibidos com a finalidade de serem contraexemplos no que concerne s limitaes dos anteriores em face ao novo procedimento oferecido. - Ttica de apresentao de justificativas: Um tutor pode justificar um procedimento travs de anotaes, relacionando cada passo executado ao executar algum princpio. Pode fazer uso de procedimentos equivalentes, desde que j tenham sido descritos e justificados. - Ttica de relacionamento de erros(bugs): Se aplica de forma intencional um erro a um determinado procedimento e trabalhar com as respostas de modo a marcar o passo errado gerado durante a execuo de um processo, ou seja, o conhecimento todo estruturado e associado uma coleo de erros que permitam identificar quais os pontos onde o aluno apresenta dificuldades ou no assimilou. - Ttica de relacionamento de soluo do aluno: O tutor pode induzir o aluno a fazer um auto-verificao, ou seja, fazer uma verificao dos passos que seguiu e verificar as possveis causas do erro e buscar uma explicao e uma identificao do erro ocorrido. Observa-se aqui de forma clara a aplicao da Teoria Construtivista conceitual, onde o aluno lavado a pensar sobre o seu erro na forma de um "pensamento-reflexivo", ou seja, ele busca a causa do erro fazendo uma retroalimentao do seu trabalho mapeando os passo que ele mesmo selecionou e utilizou. Esta breve anlise do modelo proposto por [OHL87] refora o que j havamos explicitado anteriormente de que no existe uma teoria nica para explicar o processo de aprendizagem e que o estudo aprofundado de todas e a identificao dos seus processos principais a fim de uma futura sistematizao nos levaria a construir ITS's cada vez mais eficientes e eficazes no que concerne a auxiliar o aluno aprender, uma vez que na mquina ficaria o rascunho de seu prprio pensamento. esta idia de rascunho no nova e j aparece nos trabalhos de Dewey [DEW59] e reforada nos trabalhos de Papert [PAP94] ao avaliar os efeitos do uso de software educacionais na modalidade tutelado (ambiente LOGO) e ICAI's.

36

Tutores humanos ou mquinas, segundo [HAL88] podem usar muitas formas tcnicas instrucionais diferentes para a interao tutorial com o aluno, entretanto elas so conduzidas de trs maneiras: um tutor exerce um controle sobre o curriculum e seleciona o material e a seqncia com que ele ser apresentado; um tutor est apto a responder aos estudantes sobre questes do contedo que est sendo trabalhado; um tutor est apto a determinar quando um estudante necessita de ajuda no curso, qual a habilidade ou tipo de ajuda que ele necessita. Tanto tutores humanos quanto computacionais(mquinas) tm modelos muito fracos para uma ou duas destas funes e, no entanto, qualquer metodologia e suas conseqentes estratgias de ensino devem incluir uma abordagem de cada uma destas trs maneiras, sob pena de no termos resultados satisfatrios no trabalho junto ao aluno. Existe uma certa mistura de conceitos quando se trata de currculo e instruo. Por currculo vamos entender a seleo e sequenciao do material a ser apresentado ao aluno. Por instruo ser a efetiva apresentao deste material para o aluno, ou seja, a forma como este contedo que foi organizado no currculo ser trabalhado com o aluno, implicando assim no que chamamos de metodologias de ensino que utilizaro tcnicas de ensino para sua efetivao. 3.4 Mtodos e Tcnicas de ensino Os mtodos e as tcnicas de ensino, segundo [EUS95], so muito variados. Um mtodo de ensino, representa um caminho no sentido de um dado objetivo de ensino. Uma tcnica de ensino diz respeito a uma habilidade que recorre a determinadas regras para conseguir certos fins. Para cada aspecto levado em considerao alguns aspectos importantes no processo de ensino-aprendizagem, vamos ter um respectivo mtodo que mais se adequa situao. Os mtodos sero descritos a seguir: mtodo dedutivo : consiste na apresentao, por parte do professores, do assunto da aula do geral para o particular, apresentando conceitos e definies, para a partir dai extrair concluses e conseqncias. mtodo indutivo : utiliza o caminho recproco do anterior. O assunto apresentado atravs de casos particulares, de forma a levar descoberta do princpio geral em causa. A tcnica de redescoberta inspira-se na induo. mtodo analgico ou comparativo : os dados particulares permitem comparaes que levam a tirar concluses por semelhana. O estudo de analogias entre duas situaes um bom exemplo disto.

37

mtodo lgico : os dados so apresentados por ordem, do antecedente para o conseqente, do simples para o complexo, da origem para a atualidade, obedecendo forma como os fatos esto estruturados. mtodo psicolgico : a apresentao dos elementos feita de acordo com os interesses, necessidades e experincias do aluno. A motivao de momento tem uma importncia muito grande na orientao dos assuntos a ensinar. Segue, preferencialmente do concreto para o abstrato. mtodo de sistematizao rgida : utiliza o esquema da aula seguido risca, como planeado, no permitindo qualquer flexibilidade. mtodo de sistematizao semi-rgida : o esquema da aula permite uma certa flexibilidade para uma melhor adaptao s condies da aula, da classe e do meio social que a escola serve. mtodo ocasional: aproveita a motivao do momento, bem como os acontecimentos relevantes do meio, no sentido de orientar o assunto da aula. mtodo passivo : faz nfase na atividade do professor ficando os alunos numa atitude passiva, limitando-se a ouvir sem a possibilidade de discutirem. mtodo ativo : ao contrrio do passivo procura o desenvolvimento da aula atravs de uma participao constante do aluno, no assunto da aula, no s discutindo, mas tambm realizando tarefas. mtodo de trabalho individual : procura-se atender, principalmente s diferenas individuais, o trabalho escolar ajustado ao aluno por meio de tarefas diferenciadas, estudo dirigido ou contratos de estudo, sendo a tarefa do professor mais a de orientar os alunos nas suas dificuldades. mtodo de trabalho coletivo : a nfase vai para o trabalho de grupo. Um plano de estudo distribudo e repartido pelos elementos do grupo, ficando cada elemento com uma parcela de responsabilidade do todo. Da reunio dos esforos dos alunos e da colaborao entre eles resulta o trabalho total. mtodo misto : utiliza atividades de grupo e tambm atividades individuais. mtodo dogmtico : o aluno tem de guardar o que o professor ensina, como se fosse a verdade absoluta, para mais tarde recitar. mtodo heurstico : o professor procura interessar o aluno na compreenso do assunto, em vez de se limitar a fixar. 0 assunto apresentado com explicaes e justificaes lgicas e tericas. 0 aluno pode discordar ou exigir explicaes para que o assunto seja aceite como verdadeiro.

38

mtodo analtico : baseia-se na concepo de que, para compreender um fenmeno, preciso conhecer as partes que o constituem. Assim os assuntos da aula so apresentados decompondo cada conceito nas suas partes. Por exemplo, na alfabetizao a utilizao deste mtodo consiste em considerar uma frase para chegar ao conhecimento das letras. 0 mtodo analtico "separa as partes do todo, sem o destruir, para melhor o conhecer . mtodo sinttico : os fenmenos no so estudados a partir de como se apresentam, mas a partir dos seus elementos constituintes de uma forma progressiva at chegar ao fenmeno. Neste mtodo procede-se a uma unio dos elementos para chegar ao todo. No exemplo da alfabetizao, parte-se das letras, passando s slabas, s palavras que reunidas formam as frases. Existem muitas tcnicas de ensino entre as quais, destacamos as seguintes: expositiva : que consiste na exposio oral, por parte do professor, do assunto da aula; perguntas : que atravs de questes cuidadosamente colocadas levam a um melhor conhecimento do aluno, das suas dificuldades e interesses; a do dilogo, que consiste em levar o aluno a refletir sobre os temas em foco, sobre os seus conceitos, a fim de ele mesmo avaliar a veracidade dos mesmos ou elaborar novas proposies; discusso : que consiste na discusso de um tema, por parte dos alunos, sob a direo do professor; a da redescoberta, que tem por objetivo levar o aluno a tirar determinadas concluses, pondo-lhe dvidas ou perguntas, levando-o a fazer determinadas experincias ou observaes sem que lhe seja revelada a finalidade, apresentando casos semelhantes de um mesmo fenmeno, mas em situao diferente; demonstrao : para comprovar determinadas afirmaes apresentando razes ou fatos logicamente encadeados; e a tcnica do seminrio que consta da reunio do professor com os seus alunos com vista investigao de pontos concretos da cincia a que se dedicam, no sentido de orientar o aluno para o trabalho cientfico e o hbito de raciocnio objetivo. 3.5 Currculo e instruo O problema em se desenvolver um currculo e instrues para um tutor um problema de desenvolver mtodos de seleo e sequenciao do material e, mtodos de apresentao deste material de maneira a levar em considerao os diferentes tipos de alunos que podem usar o mesmo ambiente, tendo os mesmos objetivos ou objetivos distintos. Os ITS devem levar em considerao, no seu design, a natureza da aprendizagem e o paradigma educacional onde est baseado, a natureza do ensino (decorrente deste paradigma) e a natureza do assunto que est sendo abordado. Apresentamos a Tabela 2

39

onde fizemos um quadro resumo para facilitar a identificao destas diferenas e possibilitar um melhor compreenso das consideraes que vamos fazer mais adiante quando apresentarmos o resultado de nossa anlise , usando artigos e relatrios diversos de como estas questes foram tratadas nos diversos ITS pesquisados. As instrues ou estratgias de ensino se referem a aos mtodos instrucionais que um tutor autmato pode usar para distribuio do currculo. Estes mtodos devem cobrir uma apresentao inicial do material, meios para responder s questes dos alunos e condies e contedos para uma eventual interveno. O problema do currculo pode ser dividido em duas partes: formular uma representao do material e a seleo e sequenciao dos conceitos a partir de sua representao. Em ITS a representao do conhecimento e pelo menos envolve o uso adequado de um mdulo especialista onde se armazena o conhecimento. Os mtodos usados para apresentar este material dependo do contedo e dos objetivos instrucionais. Tutores expositivos usam dilogos estruturados para fazer sua apresentao. Tutores orientados para trabalhar com habilidades procedurais usam exemplos e exerccios de treinamento para desenvolver estas habilidades. E, ao analisarmos a maioria dos exemplos encontrados na literatura, vamos observar que chamar os CAI de ICAI bem apropriado uma vez que o modelo pedaggico que est por trs de todas estas propostas um modelo comportamentalista onde o contedo foi organizado em funo da escolha de uma tcnica de representao de conhecimento e traz consigo a organizao e estrutura que o especialista colocou. As estratgias na verdade no so diversificadas, pois na maioria dos ITS temos em mdia duas estratgias que permitem uma configurao do ambiente em funo dos insights que recebe do mdulo do aluno (modelagem do aluno).

40

TABELA 2 - Quadro comparativo das teorias X metodologias X ensino-aprendizagem


Paradigma Comportamentalista (Teoria de Skinner e seguidores) Metodologia Aula expositiva. Demonstraes do professor classe. Aplicao da tecnologia educacional, especialmente os mdulos instrucionais. . Humanista As estratgias e tcnicas de (Teoria de Rogers e seguidores) ensino assumem importncia secundria. Relao pedaggica com clima favorvel ao desenvolvimento da pessoa e com liberdade para aprender. Cognitivista No existe modelo pedaggico (Teoria de Piaget e seguidores) piagetiano. As atividades principais seriam : jogos de pensamento para o corpo e sentidos, jogos de pensamento lgico, atividades sociais para o pensamento (teatro, excurses), ler e escrever, aritmtica, cincia, arte e ofcios, msica e educao fsica. Uso da aprendizagem por descoberta. Scio-cultural Mtodo de alfabetizao que (Teoria de Paulo Freire e permite que alunos e professores seguidores) utilizem elementos que realizam uma distanciamento do objeto cognoscvel. Ensino-aprendizagem Uma mudana relativamente permanente em uma tendncia comportamental e/ou na vida mental do indivduo, resultantes de uma prtica reforada. Ensino centrado na pessoa (primado no sujeito, no aluno)

Assimilar o objeto e associ-lo esquemas mentais. Baseado no ensaio-erro, na pesquisa, na investigao e na soluo de problemas.

Educao problematizadora ou conscientizadora. Superao da relao opressoroprimido.

A pesquisa envolvendo as questes instrucionais possui um ramo chamado de ISD Instructional Systems Design (Gagn e Briggs), onde apresentada uma metodologia para a implementao de ITS. A ISD propem a decomposio do processo de design distinguindo entre as necessidades instrucionais e o desenvolvimento do currculo. A maioria dos problemas que afetam o ISD e as outras abordagens a falta de uma teoria precisa de ensinoaprendizagem. Por isto o que temos apenas modelos para situaes particulares e para um grupo particular de alunos que possuem caractersticas comuns. As leis e teorias de so incompletas no que diz respeito s situaes instrucionais. O que realmente acontece na sala de aula um tomada de deciso baseada na experincia e no feeling do professor, que ao perceber que sua estratgia no est funcionando capaz de troc-la em funo dos mltiplos insight que recebe dos seu alunos. por isto que o projeto de um ITS, no que concerne ao design do mdulo instrucional, deve envolver designers intrucionais, professores e alunos.

41

Os mtodos usados para apresentar o material dependem do objetivo, tipo do contedo e objetivos pedaggicos que se pretende atingir. Os mtodos mais utilizados em ITS so: Dilogos: os tpicos envolvendo dilogos para tutores expositivos necessitam que os dilogos sejam planejados de acordo com o objetivo educacional que se pretende e os dilogos devem estar sensveis ao contexto onde esto ocorrendo. Collins e Stevens e Collins e seus colegas (conforme visto no item ... ao apresentarmos o histrico dos ITS), apresentaram algumas linhas gerais para conduzir dilogos em tutores onde o objetivo instrucional (pedaggico) do dilogo foram divididos em trs tipos: o ensino de fatos e conceitos, o ensino de regras e o funcionamento de relaes e o ensino de habilidades derivadas destas regras. Notem que esta classificao similar que encontramos em educao nos trabalhos de Gagn ( vide [GIR95]). A Tabela 3 uma adaptao da tabela de [HAS88,p.90] onde sumarizamos as questes envolvendo dilogos. TABELA 3 - Estratgias tutorias para diferentes objetivos instrucionais
Objetivo Instrucional Ensinar fatos e conceitos Explicar fato ou conceito Estratgias Listas o fato ou conceito acompanhado de perguntas e/ou explicaes baseadas na importncia destes para o estudo do aluno Ensinar regras e relaes atravs da induo fazendo com que o estudante considere o que relevante nos dados e os aplique regra Seleo de casos com armadilhas20 para o estudante onde ele possa separa casos incorretos de casos corretos Apresentar exemplos para o estudante Exerccios e exemplos que orientem para aquisio das sub-habilidades. Meta-regras includas no ambiente do tutor vo permitir uma reformulao mais dinmica a nvel instrucional21

Ensinar habilidades por induo

modelagem instrucional : o uso de exemplos de trabalho ou prtica dirigida, funcionando como uma primeira maneira para introduzir estudantes aos procedimentos que eles t6em de aprender. O essencial nos ITS a formulao e a apresentao dos procedimentos que iro funcionar como exemplos. Esses procedimentos tem de ser baseados em representaes (incluindo representaes propeduticas22) que o estudante necessita adquirir para atingir os objetivos e elas t6em de serem apresentados aos estudantes de maneira a permitir mostrar como cada passo aplicado na construo do modelo do aluno. O SOPHIE II um exemplo de treinamento baseado nesta modelagem.
Este termo armadilha foi traduzido do original em ingls entrapment. Onde o autor d uma conotao ao termo no sentido de fazer com que o aluno no perceba logo a regra que est implcita no exemplo proposto e no no sentido pejorativo ou destrutivo. 21 Os ITS de Collins et al. apresentam uma regra que permite dar menos nfase correo de erros se o tutor decide que, se alertar o aluno sobre determinado erro pode gerar mais confuso neste ponto do dilogo. Esta deciso est num meta-nvel composto por regras de orientao do comportamento do tutor. 22 Introdutrias.
20

42

Mas a linguagem no o nico meio que se pode utilizar para explicar procedimentos durante a modelagem instrucional e o sistema tutor inteligente MANBORAD um exemplo de utilizao de um meio grfico para explicar procedimentos e seus prrequisitos e relaes. respondendo perguntas: responder perguntas uma funo essencial num tutor humano e pode ser esperada de tutor autmato. A maioria dos ITS possui um conjunto muito restrito de possibilidades de responder perguntas do aluno, uma vez que a compreenso e o processamento de linguagem natural, ainda um problema em aberto na IA. Os ITS SCHOILAR, SOPHIE, SOPHIE I, SOPHIE II, por exemplo, podem responder questes atravs de palavras-chave onde se podem identificar problemas na compreenso do assunto envolvido. interveno do tutor: um dos primeiros benefcios que o uso de tcnicas de IA trouxe para os ICAI foi a possibilidade de poder interromper o trabalho do aluno para poder auxilia-lo a atingir seus objetivos. Embora este seja um trao caracterstico da abordagem behaviorista, a preocupao em acelerar o alcance do objetivo induzindo e conduzindo o aluno, no podemos negar o mrito destes estudos que permitem que o tutor mantenha o controle da situao tutorial e no permita que o aluno aprenda de forma incorreta e mantenha o aluno em caminhos instrucionalmente teis, em funo dos objetivos instrucionais que se deseja alcanar. A automao deste processo de interveno envolve regras imaginrias para decidir quando intervir (ou no) e a formulao do contedo desta interveno. Existem duas abordagens para tratar a questo da interveno tutorial : a Model Tracing (rastreamento do modelo), interveno utilizada sempre que o estudante estiver perdido da soluo conhecida do problema e Issue-based tutoring ( tutoramento baseado em resultado), interveno ativada apenas quando o tutor pode fazer uma identificao positiva de uma ocasio em particular para a interveno. Os tutores de Anderson, Brown, Boyle e Gentner utilizam estes princpios de deciso para fazerem as intervenes nos seus ITS. Quando um tutor decide fazer uma interveno ele deve formular o contedo desta interveno. No existe uma abordagem uniforme para o contedo da interveno entre os treinamentos feitos por computador, na literatura. Segundo [HAS88], a tcnica mais bvia relacionar diretamente o problema que causou a interveno. Mas isto no usado porque avisar o aluno num nvel baixo que ele cometeu um erro perder uma oportunidade do tutor ensinar o aluno a cerca da situao de erro. O que se quer nos ITS ampliar as funes do ambiente e no simplesmente fazer um CAI mais esperto. O sistema WEST um exemplo clssico desta considerao, onde o aluno levado a aplicar um conceito numa situao concreta

43

e o tutor COACH, procura localizar o problema numa situao particular para que o aluno possa inferir o porque do problema ocorrido. Os programas para auxiliar no ensino de programao para iniciantes tm se ocupado ao longo dos anos em proporcionar instruo aos alunos de como desenvolver programas e assisti-los para aprenderem habilidades de programao de um modo geral. A caracterstica destes sistemas perguntar ao estudante um programa de computador de forma independente. Em outras palavras, esses sistemas sempre mostram o problema na tela, atravs de um editor, e permitem que o aluno faa o design do seu programa de forma livre ou utilize uma lista de funes pr-definidas e a partir dela o aluno monte o seu programa. Esses sistemas, segundo [CHA96], se caracterizam por pegar os erros de estrutura, sintaxe e semntica e mostra-los ao aluno e dizer onde e porque os erros aconteceram e depois iniciar as correes. Esta estratgia conhecida como estratgia de generalizao. Entretanto, esta estratgia mostra seus inconvenientes pois o aluno iniciante pode ter uma atitude depressiva e frustada ao comear a fazer seu programa e se depara com uma grande coleo de erros. Alm do inconveniente de que a soluo apresentada pelo sistema geralmente se reduz a apenas uma, desconsiderando outras possibilidades de resoluo do problema. Para evitar estes problemas est sendo usada a estratgia de acabamento proposta por Van Merrienboer (Apud in CHA96), onde apresenta um programa incompleto mas muito bem projetado para o aluno pode fazer acabamentos, modificaes e extenses. Esta estratgia baseada no trabalho de Deimel e Moffat (Apud in CHA96) onde sugerem que devem ser obedecidos quatro passos introdutrios num curso de programao: 1. Fazer com que o aluno execute um programa e avalie seus os aspectos positivos e as limitaes; 2. Fazer com que o aluno estude estruturas de programas precisas; 3. Fazer com que o aluno seja capaz de modificar e estender o programa recebido; 4. fazer o aluno escrever um novo programa independente de estrutura prvia. Um ambiente dotado da estratgia do acabamento propicia os itens 1,2 e 3 de Deimel e Moffat e permitem que o nvel 4 se estabelea, uma vez que o aluno deve estudar o modelo de forma meticulosa. Os alunos tambm podem fazer analogias e utiliz-las na construo dos seus novos programas. Outra estratgia utilizada em ITS a aplicao da crena de aprender-fazendo, onde a aprendizagem produzida por comprometimentos estendidos dos alunos em complexas atividades cognitivas, sempre envolvendo colegas, experts, professores e ITS como parceiros. Os sistemas que se utilizam da estratgia de aprender-fazendo levam em considerao os seguintes aspectos:

44

1. 2. 3. 4. 5. 6.

Idias geradoras; Reflexo sobre a atividade cognitiva recente do aluno; Acesso a informaes teis; Motivao para que o aluno participe das atividades; Tablado para apresentao de alunos; Uma agenda de longa durao para o aprendizado.

Isto significa que aprender-fazendo pode auxiliar muito no aprendizado de ambientes exploratrios, onde alunos e seus colegas, utilizando parecerias com professores fazendo com que estes sistemas sejam uma base para aprendizagens futuras, pois permitem descobrir como os alunos usam os recursos de treinamento que o sistema tem disponvel para eles. Observemos que as tendncias para uma abordagem mais construtivista esto aparecendo nos novos projetos, fato que analisaremos mais detalhadamente no captulo 5. 3.6 Mdulo de controle Este o mdulo responsvel pela coordenao geral do tutor, no que diz respeito s suas funes, interfaces de linguagem natural, troca de informaes entre os mdulos, comunicao com outros programas utilitrios atravs do sistema operacional. A comunicao entre os mdulos do tutor consiste em guardar ou ler arquivos, manter um arquivo histrico da sesso de aprendizagem e a ativao e desativao dos bancos de dados, que podem ser pensados como "mundos" criados a partir da interao entre o tutor e o aluno. Os ICAI's possuem uma capacidade de aprendizagem no que se refere s alteraes feitas na regra do tutor, resultantes do processo de interao com o aluno. Em alguns tutores o ncleo inicial no fica alterado no final da sesso, reiniciando de forma igual para qualquer novo usurio, enquanto que em outros modelos, mais aperfeioados, a cada interao o banco de dados inicial foca alterado, de modo que o sistema evolui, aprendendo com cada usurio, aplicando estes novos conhecimentos a cada aluno. 3.7 Interface Sabe-se que uma boa interface vital para o sucesso de qualquer sistema interativo, e sistemas tutores inteligentes no constituem exceo. Pelo contrrio, pode-se dizer que a questo da interao cresce de importncia nesta classe de sistemas, pois na interao que o sistema tutor exerce duas de suas principais funes: a) a apresentao do material instrucional; b) a monitorao do progresso do estudante atravs da recepo da resposta do aluno.

45

Dessas duas funes, podemos derivar alguns objetivos a serem cumpridos pelo mdulo de interface: 1) necessrio evitar que o estudante se entedie - ou seja, preciso riqueza de recursos na apresentao do material instrucional; 2) desejvel que haja facilidade para troca da iniciativa do dilogo: o estudante deve poder intervir facilmente no discurso do tutor, e vice-versa; 3) o tempo de resposta deve, evidentemente, permanecer dentro de limites aceitveis; 4) a monitorao deve ser realizada o mximo possvel em "background", para no onerar o estudante com questionrios excessivos, mas respeitando tambm a barreira do tempo de resposta. As possibilidades na apresentao do material instrucional tm recebido um significativo avano a partir da utilizao de sistemas de hipertexto e hipermdia. Em seu nvel mais bsico, um sistema de hipertexto um sistema de gerenciamento de bases de dados que permite conectar telas de informao atravs de ligaes associativas definidas pelo usurio. O termo hipermdia utilizado quando as informaes conectadas compreendem, alm de texto, material grfico, recursos de vdeo, animao, som, etc.[CAM96].Essa variedade de recursos, aliada possibilidade de percorrer o material de maneira vinculada semntica do contedo, fazem dos sistemas de hipermdia uma ferramenta de alto potencial para apresentao do material instrucional em sistemas tutores inteligentes. A monitorao do progresso do estudante ocorre em dois nveis: a) no nvel da anlise do histrico do estudante, ou seja, de uma sesso para outra; b) no nvel do diagnstico circunscrito a uma sesso. Evidentemente, o funcionamento da interface est mais relacionado ao segundo nvel. Mas estes nveis no so totalmente estanques; ao contrrio, devero em geral trocar informaes entre si. Haver momentos em que mesmo o diagnstico local, para ser fidedigno, dever levar em conta o histrico armazenado no modelo do estudante (notese que estamos assumindo que o modelo contm o histrico, o que nem sempre verdadeiro). No entanto, uma busca no histrico pode ser demorada, comprometendo o tempo de resposta na interao; convm, portanto, utiliz-la com parcimnia. O conceito de nvel de sesso est explicitado na noo de modelo do discurso, utilizada em Lingistica Computacional, onde objeto de amplo estudo. O modelo do discurso uma estrutura onde est representado o contexto da interao a cada instante ou seja, os tpicos que esto sendo discutidos. O modelo do discurso tambm dever incluir uma representao dos objetivos imediatos de cada um dos participantes da interao (em contraposio s intenes gerais do aluno, armazenadas no modelo do aluno). Assim, geralmente haver uma interseo entre o modelo do estudante e o modelo do discurso. Kass e Finin [KAS88], Cohen [COH89], Kobsa [KOB88] e Schuster [SCH88] apresentam uma profunda e interessante discusso a respeito das relaes entre o modelo do usurio (um estudante, no caso dos sistemas tutores inteligentes) e o modelo do discurso. Tais noes, nascidas no estudo de interfaces de linguagem natural, so aplicveis s interfaces de sistemas tutores inteligentes. Alis,

46

interfaces de linguagem natural constituem mais um importante recurso para sistemas tutores inteligentes. Como exemplo de interfaces para sistemas tutores inteligentes podemos citar: - GUIDON-WATCH, uma interface grfica para o sistema GUIDON [RIC87], a qual permite, entre outras coisas, visualizao grfica do processo de raciocnio na resoluo do problema, mostrando as relaes entre evidncias e concluses/hipteses; - Hyperlexicon, uma ferramenta baseada em hipermdia para aquisio de vocabulrio da lngua inglesa [BUI89]; - PIXIE, um "shell" para desenvolvimento de sistemas tutores inteligentes [SLE87]; - TUTOR PROLOG, uma interface mista composta por menus e linguagem natural para um tutor inteligente para o ensino bsico da linguagem PROLOG [VIC90]; - SAMMERR, um ITS para suporte ao ensino de Sistemas para aprendizado do mapeamento do modelo ER Para Relacional [SIE95], uma interface mista composta por menus e botes. Geralmente a comunicao estabelecida atravs de menus, smbolos e frases em lngua natural, utilizando janelas e cores. Durante a sesso tanto o tutor como o aluno podem mudar a forma de dilogo (apresentao). Sempre que possvel se procura comunicao atravs de menus, grficos ou cones. A interface em linguagem natural utiliza um subsistema composto por um dicionrio de palavras e um conjunto de regras gramaticais, podendo possuir a capacidade de aprender novas regras, novas construes sintticas e categorias gramaticais, corrigir erros ortogrficos atravs da gerao e comprovao de hipteses. A forma do aluno se comunicar com o tutor feita atravs de restries na linguagem a fim de viabilizar a comunicao. A correo ortogrfica feita da forma usual utilizando um dicionrio de palavras, atravs do qual o tutor formula hipteses sobre sua categoria sinttica quando no encontra a palavra exatamente igual a digitada pelo aluno. 4 Extenses na Arquitetura do Sistema Tutor Em geral, supe-se que a base do domnio do sistema tutor composta de conhecimento correto e completo - ou seja, a base no alterada. Como foi visto no anteriormente, esta suposio discutvel. Independentemente disto, o modelo do aluno , por natureza, uma estrutura dinmica e, importante que possa ser alterada automaticamente. Tambm interessante que a base de estratgias de ensino seja altervel. Assim, mesmo que seja suposta uma base do domnio esttica, preciso que o sistema tutor possa alterar automaticamente o modelo do aluno e as estratgias de ensino. Em princpio, esta funo poderia ser executada pelo mdulo de controle; no entanto, medida em que essa tarefa cresce em complexidade e importncia, interessante incluir na arquitetura bsica, j apresentada, um mdulo de aprendizagem.

47

Self [SEL88] considera a aplicao de tcnicas de aprendizagem de conceitos na gerao e atualizao do modelo do aluno, especificamente a tcnica de focalizao [YOU87]. A abordagem apresentada consiste em utilizar o resultado da focalizao como uma aproximao do efeito produzido pela apresentao de uma instncia no estado cognitivo do aluno (especificamente, em sua representao do conceito a ser aprendido). Elsom-Cook [SEL 88] utiliza a mesmo processo na aprendizagem de regras de programao LISP. No entanto, o prprio Self aponta as limitaes desta abordagem, caracterizadas principalmente pela implausibilidade psicolgica dessas tcnicas de aprendizagem automtica, se tomadas como modelos da aprendizagem humana. No caso da aprendizagem de conceitos, algumas razes desta implausibilidade compreendem: tratamento de disjunes: a tcnica de focalizao, assim como a maioria das tcnicas de aprendizagem de conceitos, no trata conceitos disjuntivos, do tipo "X A ou B"; aprendizagem de frmulas: as tcnicas comuns de aprendizagem de conceitos no conseguem aprender conceitos definidos por frmulas, tais como "em uma reta os pontos obedecem equao y = ax + b"; conceitos difusos: os conceitos aprendidos so geralmente "binrios", servindo para reconhecer instncias positivas ou negativas - difcil aprender (ou mesmo representar) o fato de que algumas instncias so "mais positivas" do que outras (por exemplo, um gato uma instncia mais representativa da classe dos mamferos do que um peixe-boi); conhecimento prvio: as tcnicas de aprendizagem de conceitos em geral no utilizam conhecimento prvio sobre o domnio, o que no uma premissa realista no caso da aprendizagem humana. Na verdade, esta forma de utilizar tcnicas de aprendizagem de mquina como aproximao dos processos de aprendizagem do aluno corresponde a utiliz-las como uma teoria da aprendizagem, e suas limitaes correspondem a limitaes das teorias de aprendizagem afirmadas (implcita ou explicitamente) pelos algoritmos. Isso leva, novamente, a uma outra viso da arquitetura do sistema tutor; nesta viso, o mdulo de aprendizagem na verdade uma base de crenas (ou seja, uma teoria) sobre aprendizagem. Essa teoria pode ser utilizada de duas formas: para alterar as crenas do tutor (estratgias de ensino, modelo do aluno e base do domnio) e para simular os processos pelos quais o aluno altera suas crenas. Esta segunda forma, no entanto, depende da plausibilidade psicolgica da teoria - aspecto no qual as teorias implcitas nas diversas tcnicas correntes de aprendizagem de mquina ainda so bastante limitadas. A figura 3 ilustra essa proposta de uma nova arquitetura de um sistema tutor inteligente, composto de mltiplas teorias; pode-se dizer que a Metateoria inclui as teorias do nvel objeto, pois no nvel meta que est definida a relao de demonstrabilidade (tipicamente atravs do predicado demo (Clusula, Teoria) de Bowen e Kowalski [BOW82]). Como mostra a figura 3, as teorias podem, em princpio, compartilhar crenas, otimizando ocupao de espao. No entanto, como aponta Brazdil [BRA88], isso implica em complexidades na atualizao das crenas compartilhadas.

48

Um possvel caminho para gerenciar este problema pode ser a estruturao das teorias em conjuntos de sub-teorias, como sugerido por Costa [COS 90]. A teoria de aprendizagem pode alterar a teoria do domnio, a teoria de ensino e a teoria do aluno. Representamos apenas uma teoria do aluno por uma questo de simplicidade - na verdade, h vrias teorias, uma para cada aluno conhecido pelo sistema tutor. Essas teorias podem compartilhar crenas entre si e com a teoria do domnio. A teoria de aprendizagem um ponto chave nesta arquitetura. De sua eficincia depende a atualizao (e portanto a adaptao realidade) das outras teorias componentes do sistema, sobre as quais o tutor baseia seu comportamento. De sua plausibilidade psicolgica depende a confiabilidade do(s) modelo(s) do(s) aluno(s). No entanto, esses dois requisitos (eficincia computacional e plausibilidade) podem ser conflitantes. Isso visvel nos algoritmos de aprendizagem de conceitos, por exemplo: para torn-los mais eficientes, freqentemente so feitas simplificaes artificiais no domnio (por exemplo, tratando conceitos difusos como absolutos). Assim, provavelmente a teoria de aprendizagem utilizada dever resultar de um compromisso entre esses dois aspectos. Finalmente, cabe lembrar que a arquitetura da figura 3, proposta por VICCARI & OLIVEIRA [OLI94], apenas uma possibilidade; at onde sabemos, no h nenhum sistema tutor inteligente implementado nesses termos - ou mesmo em outros termos, mas cumprindo todas as funes implicadas nesta estrutura. A teoria de ensino e a teoria de aprendizagem possuem elementos comuns (como na proposta da Mattica). Segundo [RIC94], em vez de perguntar se os computadores podem ou no aprender, muito mais esclarecedor tentar descrever exatamente a que atividade nos referimos quando falamos em aprender e que mecanismos podem ser usados para que nos seja possvel executar essas atividades. Para Simon (Apud in [RIC94]. P.514), aprendizagem so mudanas adaptveis no sistema, no sentido de que o permitam, da prxima vez, fazer a mesma tarefa ou tarefas tiradas do mesmo grupo com mais eficincia e eficcia.

49

Teoria do Ambiente Teoria de Ensino Teoria de Aprendizagem Metateoria do Sistema

Teoria sobre o domnio Teoria do Aluno

FIGURA 3 - Arquitetura aberta de um sistema Tutor Inteligente Com base no que foi exposto acima, podemos dizer que a tarefa bsica do sistema de aprendizado consiste em, a partir das informaes fornecidas por um professor ou a partir do ambiente externo, obter informaes que possam ser teis para o mecanismo de inferncia, colocando-as numa representao adequada. Cohen e Feigenbaum [COH89] agrupam as tcnicas de aprendizagem em quatro tipos de situaes, conforme a distncia entre as informaes fornecidas pelo ambiente e o conhecimento utilizado pelo mecanismo de inferncia (distncia que dever ser coberta pelo sistema de aprendizado): aprendizagem direta; aprendizagem por instruo; aprendizagem por induo; aprendizagem por analogia.

Costa [COS88] acrescenta a essa taxinomia bsica o paradigma de aprendizagem por deduo. Por sua vez, Michalski, Carbonell e Mitchell [MIT86] subdividem a aprendizagem por induo em aprendizagem por exemplos e aprendizagem por observao e descoberta. Quando falamos em aprendizagem, sob o ponto de vista da CC e IA, temos de considerar a aprendizagem por meio de redes neurais que se baseia na metfora computacional do crebro, ao passo que a aprendizagem gentica faz uso de uma metfora baseada na evoluo. Os algoritmos de aprendizagem inspirados pela evoluo so chamados de algoritmos genticos. A aprendizagem ocorre atravs de um processo de seleo que comea com uma grande populao de programas aleatrios.

50

As Redes Neurais Artificiais se caracterizam por: um grande nmero de elementos de processamento muito simples (parecidos com os neurnios); um grande nmero de conexes ponderadas entre os elementos (os pesos das conexes codificam o conhecimento de uma rede); controle altamente distribudo e paralelo; nfase na aprendizagem automtica de representaes internas. As redes neurais artificiais podem ser concebidas usando o modelo de aprendizagem supervisionada (a rede recebe qual a sada esperada) e com aprendizagem nosupervisionada (a rede neural no recebe nenhuma realimentao sobre suas sadas, nem mesmo um reforo avaliado). A aprendizagem no-supervisionada anloga descoberta, pois no se sabe exatamente qual o estado que se deseja chegar, mas se deseja conseguir pontos de referncia para descobrir o estado ou estados ideais. A aprendizagem no-supervisionada pode ser usada como um mdulo de descoberta de caractersticas que precede a aprendizagem supervisionada. A Tabela 4 apresenta uma comparao entre a IA conexionista e a IA simblica ressaltando suas diferenas na forma de tratar o conhecimento e os mtodos para trabalhar a questo da aprendizagem. TABELA 4 - IA conexionista x IA simblica
IA conexionista Busca: relaxamento paralelo IA simblica Busca: travessia de espaos23

Representao do conhecimento : nmero Representao do conhecimento : lgica de grande de conexes valoradas com foras usando predicados, redes semnticas, frames, scripts etc. valores reais. ou seja, modelos simblicos. Aprendizagem:retroprogramao, mquinas de Aprendizagem: Boltzmann, aprendizagem por reforo, macrooperadores, espao de verses, aprendizagem no-supervisionada. aprendizagem baseada em explicaes, descoberta.

Busca produzir uma descrio consistente com todos os exemplos positivos, mas com nenhum exemplo positivo do conjunto de treino.

23

51

Os algoritmos de aprendizagem, por redes neurais, envolvem um nmero muito grande de exemplos de treinamento e longos perodos de treinamento comparados com os simblicos. O conhecimento da RN fica bastante obscuro (massa de pesos de conexes) e fica difcil fazer com que ela explique seu raciocnio. No modelo conexionista os conceitos so representados como vetores de caractersticas (conjunto de valores de ativao de um grupo de unidades). No modelo simblico os conceitos recebem identificadores atmicos que no tm relao superficial entre si. A tendncia usar a arquitetura conexionista para tarefas como: viso, reconhecimento de fala e memria e alimentar com os resultados desses mdulos os programas de IA simblica. Pegar a noo simblica e implement-la num modelo conexionista. Programar um sistema simblico com os princpios bsicos que so necessrios para executar uma tarefa e depois usar o sistema simblico para guiar o desempenho de um RN, refinando seu comportamento conforme vai adquirindo experincia. 5 ABORDAGEM DE AGENTES PARA ITS Segundo [COS96b], a diferena bsica entre um ITS e um ILE est no estilo da interao entre o sistema e o estudante. Um ITS tradicional baseado num estilo rgido de interao, significando que o sistema detm sempre o controle da interao. Num ILE, considera-se um estilo mais flexvel, onde a iniciativa da interao normalmente compartilhada entre o sistema e o aprendiz. Os ambientes de aprendizagem inteligentes ILEs [COS92] podem ser vistos como sistemas cooperativos multi-agentes, prprios da IAD. A Inteligncia Artificial Distribuda surgiu atravs da mudana do nvel de abstrao no estudo da computao distribuda. Durante vrios anos as pesquisas realizadas estavam relacionadas com a conexo fsica de diferentes processadores, com a transmisso de dados, e com os problemas de controle de seqenciamento entre eles, gerenciados pelos sistemas operacionais. A partir do incio dos anos 80, as pesquisas tambm passaram a tratar de questes em um nvel abstrato mais alto, voltando-se para o estudo das estratgias pelas quais a decomposio e coordenao do processamento em um sistema distribudo seriam conjugadas com as demandas estruturais do domnio das tarefas, dando origem a rea designada Resoluo Distribuda de Problemas, conforme Chandrasekaran [Apud TOM 94]. Concomitantemente, surgiram pesquisas em Inteligncia Artificial inspiradas em conceitos clssicos de organizaes e sociedades para lidar com o fato de que sistemas inteligentes tradicionais falham em questes fora do seu domnio original, mesmo se o novo domnio muito prximo do anterior. A soluo convencional de dotar o sistema de mais conhecimento, apenas consegue resolver alguns problemas particulares, tendo sido trocada pela alternativa de se colocar o sistema em uma sociedade de sistemas, de forma que ele passasse a dispor de uma coleo de diversos outros sistemas, com

52

capacidades diversas, que o auxiliasse a superar as suas limitaes, de forma similar ao modo como as pessoas superam as suas limitaes individuais trabalhando em grupo. A conjugao desses novos esforos levou ao surgimento da Inteligncia Artificial Distribuda (IAD), sendo a parte da Inteligncia Artificial (IA) que trata da resoluo de problemas atravs da aplicao de tcnicas de IA e de mltiplos elementos solucionadores de problemas. Difere da rea de processamento distribudo por apresentar, alm da distribuio dos dados, controle distribudo e envolver uma forte cooperao entre as entidades processadoras. Yves Demazeau [DEM90] apresenta a seguinte classificao para a rea: IAD est voltada para a soluo colaborativa de problemas globais por um grupo distribudos de entidades (que variam de elementos de processamento simples a entidades racionais). A atividade colaborativa no sentido de que necessrio o compartilhamento de informaes e o grupo distribudo no senso de que o controle e os dados so lgica e algumas vezes geograficamente distribudos. IADz - Inteligncia Artificial Descentralizada est voltada para as atividades de agentes autnomos em um mundo multi-agente. Agente utilizado no sentido amplo para designar uma entidade inteligente, agindo racionalmente com respeito a atingir seus prprios objetivos e o estado corrente de seu conhecimento. Os agentes podem trabalhar em direo a um nico objetivo global ou rumo a objetivos individuais separados que podem interagir, sendo ento a autonomia dos agentes relacionada com a existncia de cada agente independentemente da existncia dos demais. Neste trabalho associaremos o conceito de IAD de Demazeau a RDP e o conceito de IADz a SMA. As linhas de trabalho em IAD so: Resoluo Distribuda de Problemas (RDP) e Sistemas Multiagentes (SMA). Esta ltima linha apresenta-se dividida em: Desenvolvimento de Agentes e Estudo de Suas Interfaces e em Redes Cooperativas de Sistemas Especialistas (j existentes). Na viso de A. Bond e L Gasser [BON88], RDP aborda como a atividade de se resolver um problema particular pode ser dividida entre um nmero de mdulos ou nodos que cooperam no nvel de se dividir e compartilhar conhecimento sobre o problema e sobre o desenvolvimento da soluo. Nesse enfoque os agentes so construdos para resolver um problema em particular. Apesar de existirem estados globais identificveis e um objetivo para a resoluo do problema, cada agente possui apenas uma viso parcial e inexata sendo que cada um tenta reconhecer, predizer e influenciar o estado global de forma tal que sua viso local dos objetivos seja satisfeita. Segundo esses autores, em SMA no se parte de um problema especfico que se deseja resolver, sendo o enfoque voltado para coordenar um comportamento inteligente entre um conjunto de agentes autnomos (possivelmente pr-existentes) com vistas a

53

determinar como eles podem coordenar seus conhecimentos, metas, habilidades e planos conjuntamente para realizar um ao ou resolver problemas. 5.1 Agente Embora o termo agente tenha sido usado com freqncia na Inteligncia Artificial, e no exista uma noo uniforme e precisa para o seu significado, pode ser entendido como uma entidade que exiba alguns aspectos da inteligncia humana. De um modo geral, para a Inteligncia Artificial, agente mais freqentemente associado a uma entidade que funciona continua e autonomamente em um ambiente no qual existem outros processos e agentes [COR94]. A autonomia significa que as atividades de agentes no exigem interveno humana contnua ou que eles possuem poder de autodeterminao, em um meio ambiente. A autonomia de um agente requer inteligncia devido necessidade de sobreviver em um ambiente real, dinmico e nem sempre benigno; est intimamente relacionada com o tipo de arquitetura do sistema, assim, podemos ter agentes com diferentes graus de autonomia. Do ponto de vista prtico agentes podem ser vistos como: robs atuando em um ambiente, interagindo entre si ou com os humanos em lngua natural e fazendo uso de sensores para captar informaes do meio ambiente, como por exemplo, controle de motor e restries de tempo; um sistema interagindo com outros sistemas ou com o ser humano. O grau de autonomia e a inteligncia que possui permite distinguir um agente de um simples componente de hardware ou software usual. O agente tambm pode ser uma entidade qual se atribuem estados, denominados de estados mentais. Os estados mentais usuais so: crenas, decises, capacidades, objetivos, intenes, compromissos e expectativas, conceitos anlogos ou similares aos humanos [SHO93]. Logo, a questo o que um agente substituda pela questo: que entidades podem ser vistas como tendo estado mental. Isto leva distines entre a legitimidade de atribuir qualidades mentais para as mquinas e a sua utilidade. Atribuir certas crenas, intenes, conhecimentos, habilidades ou desejos para uma mquina ou programa de computador legtimo quando a mesma informao expressa sobre a mquina tambm expressa sobre uma pessoa usuria do sistema; o uso do mesmo mecanismo de inferncia pela mquina e pelo agente humano. Atribuir estados mentais para a mquina til quando ajuda a compreender a estrutura da mquina, seu comportamento, passado ou futuro, ou como melhor-la. Estes itens foram pesquisados e desenvolvidos por Daniel Dennett, John McCarthy, conforme Shoham em [SHO93]. Dentro desta abordagem so destacadas as seguintes definies: agente uma entidade, cujo estado visto como consistindo de componentes mentais como crenas, capacidades, escolhas e compromissos; por essa razo o estado de um agente chamado de estado mental. Esses componentes mentais devem ser

54

definidos de uma forma precisa e ter uma correspondncia direta com o seu uso no senso comum. Nessa viso, o que faz qualquer componente de hardware ou software ser um agente, precisamente o fato dele poder ser analisado e controlado em termos destes componentes mentais. A questo do que um agente fica substituda pela questo de quais entidades podem ser vistas como tendo estados mentais. O ponto de vista de Shoham, que considera a inteligncia como um comportamento ou capacidade divorciada dos contatos fsicos com o mundo (mente sem o corpo) no compartilhado por autores como R. Brooks [Apud COR 94], o qual argumenta que os agentes podem operar em ambientes reais de forma competente, nos quais modelos internos do mundo no so necessrios ou so impossveis de se obter. Neste contexto, o agente se reporta aos seus sensores continuamente, sem possuir representao simblica alguma, pois o mundo o seu prprio modelo. O agente possui um corpo fsico e experimenta o mundo diretamente. A inteligncia somente pode ser determinada pelo comportamento total do sistema. J Kirsh [Apud COR94], afirma que o problema central colocado por Brooks at que ponto, na teoria da ao, devemos nos referir aos conceitos? Quais atividades pressupem a manipulao inteligente dos conceitos e quais no tm esse pressuposto? Conclui por afirmar que inaceitvel o ponto de vista de que os conceitos podem no desempenhar um papel essencial numa teoria da ao. O que caracteriza o agente so as interaes que realiza com o mundo e quais e como so os processos internos que possibilitam a realizao destas interaes. A especificao de quais e como so estes processos internos chamada de arquitetura do agente. A caracterizao de agente atravs da questo de quais entidades podem ser vistas como tendo estados mentais conduz a anlise de se h ou no vantagem em caracterizar uma entidade como tendo estados mentais. John McCarthy [Apud SHO93, p.53] distingui entre a legitimidade de atribuir qualidades mentais para as mquinas e a sua utilidade: atribuir certas crenas, livre arbtrio, intenes, conscincia, habilidades ou desejos para uma mquina ou programa de computador legitimo quando tal atribuio expressa a mesma informao sobre a mquina que expressa sobre uma pessoa. til quando essa atribuio ajuda a entender a estrutura da mquina, seu comportamento passado ou futuro, ou como repar-la ou melhor-la. Talvez esta atribuio no seja nunca logicamente requerida mesmo para humanos, mas expressar brevemente o raciocnio que atualmente conhecido sobre o estado de uma mquina, em uma situao particular, pode requerer qualidades mentais ou qualidades isomrficas a elas. Teorias de crena, conhecimento e desejo podem ser construdas para mquinas de forma mais simples do que para humanos, e posteriormente aplicadas para estudos humanos. Atribuio de qualidades mentais mais direta para mquinas de estrutura conhecida tais como termostatos e sistemas operacionais de computadores, mas mais til quando aplicado a entidades cuja estrutura conhecida de forma muito incompleta. Conforme Andreas Lux em [LUX95], um agente a entidade central da computao, que serve de modelo explcito para todas as entidades que participam em um sistema de cooperao. Aqui esto includos explcita e implicitamente conceitos e funes de interao, comportamento, cooperao, aes e comunicao definio de agente. Nesta viso o autor compe o agente com as seguintes partes:

55

corpo do agente o componente funcional ou resolvedor de tarefas; cabea do agente o controlador de cooperao; comunicador do agente - as funes de comunicao do agente. O comportamento de um agente pode ser definido como sendo a conseqncia de suas observaes, de seus conhecimentos e de suas interaes com outros agentes. O comportamento de um agente pode ser descrito atravs de suas aes. A autonomia de um agente est intimamente relacionada com o tipo de arquitetura do sistema, assim, podemos ter agentes com diferentes graus de autonomia. Os agentes so agrupados em comunidades que trabalham em conjunto para alcanar os objetivos dos indivduos e do sistema como um todo. Um agente considerado autnomo, quando capaz de atuar inteligentemente e racionalmente, quando o seu comportamento no pode ser antecipado. Podem ser classificados em quatro tipos, tropsticos24, histetricos25, situados no nvel do conhecimento, e colocados no topo do nvel do conhecimento, como por exemplo, os agentes deliberativos, por ordem crescente da sua sofisticao e complexidade. Segundo Zeigler [Apud in COR94], para um agente possuir um comportamento inteligente, dentre outras coisas, deve ser capaz de: usar smbolos e abstraes, aprender com o meio ambiente, generalizar, modelar o mundo externo, planejar e predizer as conseqncias de aes e ter atitudes mentais (crenas, desejos, intenes, etc.). 5.2 Ambiente Ambiente caracterizado por tudo que envolve o agente, muitas vezes modelado tambm como um agente. Verifica-se ainda, que o ambiente definido como sendo a disperso do controle, dos dados e do conhecimento pela comunidade de agentes. O ambiente pode ou no incluir outros agentes, e classificado como determinstico, esttico ou dinmico. Mundo pode ser definido como a descrio completa e instantnea do ambiente no qual o agente se encontra. 5.3 A composio dos agentes 5.3.1 Estados Mentais

Agentes Tropistas - traduo do termo ingls tropistic agents usado em Genesereth e Nilsson(1987). O termo tropista derivado de tropismo que a tendncia que um animal ou planta tem de agir em resposta um estmulo externo.[COR94] 25 Agentes Histetricos: traduo do termo em ingls histeretic agents usado em Genesereth e Nilsson(1987). O termo histetrico derivado de histerese que um fenmeno ocorrente quando a resposta de um sistema a uma solicitao externa se modifica conforme a histria das solicitaes as quais foi submetido o sistema.[COR94]

24

56

O agente possui estados internos que se relacionam com o estado do ambiente com o qual interage. Esses estados mentais devem corresponder aos estados mentais humanos, mas essa correspondncia no precisa ser exata. Estados mentais humanos tm um vnculo com o mundo em termos do qual estabelecem a sua existncia e a sua significncia. Essa caracterstica pela qual os estados mentais humanos so acerca de, referem-se a objetos ou situaes do mundo, ou se dirigem a chamada de intencionalidade. Crena, desejo, expectativa e inteno so exemplos de estados intencionais. A viso informal de Shoham [SHO93] sobre o mundo, para aplicao da programao orientada a agentes, envolve: 1. a qualquer instante, o futuro determinado por dois fatores: o passado histrico e as aes corrente do agentes; 2. as aes de um agente so determinadas pelas suas decises ou escolhas, portanto os fatos so verdadeiros por razes naturais ou porque os agentes decidem realiz-los; 3. as decises so logicamente restritas pelas crenas do agente, as quais se referem ao estado do mundo (no passado, presente ou futuro), ao estado mental de outros agentes e suas capacidades e as dos outros agentes. Por exemplo, se um rob acredita que no capaz de passar por uma porta estreita, ele decide no tentar passar por ela; 4. as decises tambm so restritas por decises prvias: um rob no pode decidir estar na Sala 5 em cinco minutos, se ele j decidiu estar na Sala 3 no mesmo momento. Essas perspectivas motivaram Shoham a introduzir dois estados mentais bsicos: crena e deciso (ou escolha) e um terceiro estado, capacidade, o qual no um construtor mental per si (i. no define atributos do estado mental de um agente). Na descrio do paradigma de programao orientada a agentes, esse autor utiliza tempo, ao, adota crena e capacidade como bsicos e, atravs da introduo da noo de comprometimento (ou obrigao), trata deciso como uma obrigao imposta pelo agente a si prprio. Shoham reconhece que, utilizando apenas esses estados mentais, exclui a representao de motivao e no assume que os agentes sejam racionais, mas que suas crenas, obrigaes e capacidades so internamente e mutuamente consistentes, embora esteja convencido de que no futuro dever considerar noes mais fortes de racionalidade. Por outro lado, Corra [COR94] prope uma arquitetura de dilogos entre agentes cognitivos distribudos, denominada SEM - Sociedade dos Estados Mentais, formada apenas pelos estados mentais crena, desejo, inteno e expectativa. Analisaremos os estados mentais utilizados pelos dois autores citados. Crena: Na viso de Bratman [BRA89], crenas so as vises que o agente possui sobre o ambiente em que ele se encontra.

57

Para Corra [COR94], crena um estado mental intencional fundamental para as interaes dos agentes, com noo idntica a de conhecimento, cujo contedo externo uma proposio. Pode ser representado, utilizando-se a Teoria das Situaes, como: C Bel A P l t v t {<Bel, A, P, l, t, v>}, onde: a relao para a representao de crena; representa o agente; uma proposio (i. uma situao); uma localizao espacial (local) um instante de tempo 1, se o agente A acredita que a proposio P ocorre no local l e no tempo

0, se o agente A no acredita que a proposio P ocorre no local l e no tempo t Para Shoham, crena representado por um operador modal B, como: t B a , significando que o agente a, no tempo t, acredita na sentena . - Obrigao t Shoham utiliza o operador modal OBL, na forma OBL a,b para expressar que, no tempo t, o agente a est obrigado (comprometido) com o agente b sobre . Como no paradigma de programao orientada a agente aes so representadas como fatos que ocorrem instantaneamente, o agente est obrigado a manter o fato em vez de executar a ao. Deciso: Segundo Shoham, a liberdade de escolha entre diversas aes fundamental para a noo de agentes e normalmente se considera deciso ou escolha como um noo primitiva. A definio de obrigao fornece uma alternativa: definir deciso como obrigar ou comprometer a si prprio, como: t DEC a t OBL a,a ,

onde o termo escolha utilizado no sentido de deciso; um agente escolheu algo se ele decidiu que aquela coisa verdade. Capacidade: Um agente no decidir fazer algo se ele acredita no ser capaz. Existe um debate a respeito de se capacidade melhor definida em termos mentais ou no. Pode-se defini-

58

la dizendo que o agente a capaz de se verdadeira a seguinte sentena: se a decidir , ento ser verdade. Shoham no entra no mrito da questo levantada e simplesmente introduz a noo de t capacidade como CAN a para representar o fato que, no tempo t, o agente a capaz de e tambm define apto a partir de capacidade, como: time() ABLEa CANa , onde time() o maior tempo que aparece na sentena . Desejo: um dos estados mentais humanos que no tem uma definio precisa, sendo usado e explicado de diversas maneiras. Um estado mental motivador se um mecanismo ou representao que tende a produzir, modificar ou selecionar aes luz das crenas. Desejo intencional e motivador, e possui as seguintes caractersticas: a) representa um situao ou um conjunto de situaes em que o agente gostaria que o mundo estivesse; b) pode estar em conflito com as crenas do agente; c) podem existir simultaneamente desejos conflitantes; d) no causam diretamente as aes, mas so potenciais para as suas ocorrncias. So os estados disposicionais, conforme terminologia empregada por Sloman [Apud COR 94]. As aes so realizadas atravs das intenes causadas pelos desejos. As intenes sero discutidas adiante. A idia de desejo como motivador, no sentido de ter uma representao e um mecanismo que gere e selecione objetivos, com as caractersticas mostradas, tem sido pouco desenvolvida e aplicada na construo de agentes inteligentes. Mesmo nos trabalhos em arquiteturas BDI (Belief-Desire-Intention), os desejos so tratados no sentido de objetivos. A sua representao como operador modal do tipo DES (a,p) - o agente a tem como desejo a proposio p - apresenta inconvenientes, visto que se q uma conseqncia lgica de p (ou seja p q), ento, da semntica dos mundos possveis decorre DES (a,q). Isto no necessariamente verdade, conforme a noo psicolgica de desejo: o desejo de fazer uma viagem e o fato de que fazer a viagem implica em gastar muito dinheiro, no necessariamente implicam no desejo de gastar muito dinheiro. Corra, em sua arquitetura SEM, com base na Teoria das Situaes apresenta o desejo D de uma agente A como um estado mental intencional e motivador, representado pela situao:

59

D {<Des, A, P, e, l0, t0, v>}, onde: Des A P e l0 t0 v a relao para a representao de desejo, representa o agente que possui o desejo, uma proposio, uma situao que informa sobre a satisfao, no satisfao, urgncia, intensidade e insistncia do desejo D a localizao espacial (local) associada ocorrncia do desejo D o tempo associado ocorrncia do desejo D 1, se ocorre o desejo D ao agente A 0, se no ocorre o desejo D ao agente A

Expectativa: Schegloff e Sacks [Apud COR94] analisaram registros de conversas naturais e observaram que a estrutura das conversas consiste, em grande parte, de pares adjacentes ou seja de pares de frases que ocorrem seqencialmente no dilogo e so proferidas por diferentes interlocutores, o segundo respondendo ao primeiro. Tais situaes ocorrem em troca de cumprimentos, pergunta-resposta, ofertaaceite, oferta-recusa, etc. Normalmente as frases da segunda parte esto restritas s condies impostas pela primeira parte. No necessrio que os pares de frases da primeira e da segunda parte sejam contguos, mesmo que haja frases entre eles o fundamental que uma parte seja resposta da outra. Schegloff observa ser possvel resolver os problemas: a) como podemos dizer que dois itens num dilogo fazem parte de um par adjacente ou de duas unidades separadas, cada uma podendo ocorrer depois da outra? b) como podemos detectar a ausncia de um item relevante? controlando as conversas atravs da aplicao do princpio da relevncia condicional [Apud COR94, p.105]: Por relevncia condicional de um item acerca de outro queremos dizer: dado o primeiro, o segundo esperado; e no caso deste ocorrer, este pode ser visto como o segundo item do primeiro; no caso de no ocorrer ele considerado como oficialmente ausente. Tudo isto providenciado pela ocorrncia do primeiro item que cria uma expectativa respeito do que deveria vir a seguir. Segundo Corra [COR94], o fenmeno dos pares adjacentes mais geral e ocorre em qualquer outro tipo de interao dos agentes. O princpio de relevncia condicional pode ser estendido a qualquer seqncia de aes realizadas pelo agente: a realizao de uma

60

ao pode causar um conjunto de expectativas a respeito das possveis situaes que vo ocorrer no futuro. Esse autor considera expectativa como um estado mental intencional e motivador, que pode ser representado pela Teoria de Situaes como: E Exp A P e l0 t0 v {<Exp, A, P, e, l0, t0, v>}, onde: a relao para a representao de expectativa, representa o agente que possui o desejo, uma proposio, uma situao que informa sobre a satisfao, no satisfao, urgncia, intensidade e insistncia da expectativa E a localizao espacial (local) associada ocorrncia da expectativa E o tempo associado ocorrncia da expectativa E 1, se ocorre a expectativa E ao agente A 0, se no ocorre a expectativa E ao agente A

So as seguintes as propriedades que apresenta para expectativa: a) Uma crena e a realizao de uma ao podem causar um expectativa. Por exemplo considere o teste proposto por Samaro [Apud COR94], a ser realizado com crianas entre os 9 e 12 meses de idade, as quais dada uma bola de borracha, oca, que possui um orifcio atravs do qual salta um boneco quando a bola apertada. Deixa-se a criana apertar a bola e observar o boneco saltar. Aps alguns instante, entrega-se um outro brinquedo e por fim uma outra bola, semelhante primeira, mas que no contenha o boneco em seu interior. Considera-se o teste positivo quando o beb demonstrar grande espanto e desapontamento por no ver o boneco saltar de dentro da bola, ao esprem-la. b) Uma expectativa pode causar uma ao. No exemplo acima, em decorrncia da expectativa frustada, ao no ver o boneco saltar, o beb aperta novamente a bola. c) Uma expectativa pode causar uma crena. Por exemplo, se um agente solicita a ajuda de outro agente e este no responde, aps alguma insistncia, o primeiro agente pode passar a acreditar que o segundo no quer mais colaborar com ele. d) Uma expectativa pode causar um desejo. Por exemplo suponha que colocamos a chave na ignio do carro e demos partida ao motor. Nesse caso temos a expectativa de que o carro funcione. Caso o carro no funcione, a expectativa frustada e pode surgir o desejo de consert-lo ou mesmo tomarmos um txi ou nibus. As expectativas, conforme essas propriedades, tm a funo de contribuir para aumentar a eficincia da satisfao das intenes, visto que a reao do agente para satisfazer uma expectativa, quando ela frustada, evita a necessidade imediata de rever a estratgia traada inicialmente, mesmo quando ela parcial.

61

Inteno: O conceito de inteno fundamental para o entendimento do contedo que ser apresentado neste texto. A base para a definio do conceito de inteno est fortemente associada aos trabalhos filosficos de Michael Bratman [BRA84; BRA89]. Este autor claramente distingue o conceito de fazer coisas intencionalmente (ao) e possuir inteno de faz-las (estado mental). Por exemplo: (1) -escrevo esta sentena. Intencionalmente escrevo esta sentena, caracteriza ao no conceito de inteno; (2) - escrevi esta sentena para ilustrar determinada distino. A inteno de exemplificar caracteriza o estado da mente no conceito de inteno. Ter inteno de no garante que a ao ser realizada, mas apenas que se intenciona realiz-la. Estes exemplos identificam as duas formas distintas embutidas no uso cotidiano da palavra inteno: aes (fsicas, verbais, ..) e aes mentais (estados da mente). A tradio de estudos filosficos sobre a mente e ao diz que o agente mostra o que intenciona fazer ao especificar os papis funcionais caractersticos da inteno. Para tanto necessrio articular as relaes sistemticas entre inteno, outros estados psicolgicos (como crena e desejos), processos e atividades psicolgicos relevantes (tais como raciocnio prtico), e entradas (percepes) e sadas (aes) cruciais. Como ao intencional e inteno de agir so relacionados? Existem duas abordagens comuns para esse problema: modelo desejo-crena e viso simplista. No modelo desejo-crena26a ao intencional est relacionada aos desejos e crenas do agente, enquanto inteno para agir vista como redutvel a certos desejos e crenas. A relao entre elas reduz-se ao problema da relao do complexo de desejos e crenas constituinte de inteno para agir e dos desejos e crenas necessrios para ao intencional. Na viso de Bratman essa abordagem do modelo desejo-crena est errada, porque somos criaturas que constrem planos. Esses planos ajudam a guiar nossa conduta e coordenar nossa atividade no tempo, de uma forma que nossos desejos e crenas comuns no fazem. Nesse contexto intenes so vistas como estados da mente distintos que no podem ser reduzidos a conjuntos de desejos e crenas. Na viso simplista27, para executar uma ao intencional A necessrio ter a inteno de executar A; os estados mentais do agente, no instante da ao, necessariamente devem conter A entre as coisas que ele intenciona. Bratman rejeita essa abordagem e a
26

Postulado por diversos autores, dentre eles R. Audi, M Beardsley e P. Churchland [Apud BRA84, p. 375]. 27 B. Aune e J. Searle [Apud BRA84, p.377] so filsofos que advogam a viso simplista.

62

considera como um caso especial da concepo mais geral, denominada viso de fenmeno simplista. Na viso de fenmeno simplista, ao intencional e o estado mental de inteno envolvem um certo estado comum, e a relao da ao com esse estado que torna uma ao intencional. A viso simplista requer que esse estado seja uma inteno para executar a ao. As intenes so distintas e a intencionalidade de uma ao depende das suas relaes com as intenes. Embora para executar A intencionalmente o agente necessita ter a inteno de fazer alguma coisa, no necessita ter a inteno de fazer A. Existe uma distino entre o que o agente tem a inteno de executar e o potencial motivacional de sua inteno. Uma inteno direcionada para o presente aquela na qual se tem a inteno de realizar a ao imediatamente, enquanto em uma inteno direcionada para o futuro se tem a inteno de realizar a ao mais tarde. Bratman apresenta a idia de inteno como um estado mental associado a planos de coordenao e a ao intencional. Intenes direcionadas para o futuro so elementos tpicos de grandes planos e auxilia a coordenao das atividades ao longo do tempo. Para coordenar as atividades do agente, o plano deve ser consistente internamente, i. deve ser possvel realizar o plano inteiro. As intenes so fracamente consistentes se todas elas podem ser colocadas juntas em um plano internamente consistente. As intenes so ditas fortemente consistentes, com relao as crenas do agente, se todas elas podem ser colocadas juntas em um plano que consistente em relao as suas crenas. Para auxiliar na coordenao, as intenes do agente necessitam ser fortemente consistente com relao s suas crenas. Logo existe um demanda racional para que as intenes direcionadas para o futuro sejam fortemente consistente com relao s crenas do agente. Essa demanda dever ser respeitada no raciocnio prtico e em planejamento. Ela distingue intenes (racionais) de simples desejos. A viso simplista no aceitvel porque no garante que as intenes sejam fortemente consistentes. Ela impe uma forte ligao entre inteno e ao intencional, mas essa ligao insensvel a diferenas na demanda do raciocnio prtico. Assim, para Bratman ter a inteno (racional) de executar A somente demanda que as crenas do agente no sejam inconsistentes com a crena que executar A. O requisito de fortemente consistente parece estar solidamente ligado a caracterstica bsica das intenes, qual seja seu papel na coordenao de planos. A inteno, uma vez formada, de alguma forma influencia a ao futura do agente. A inteno atual persiste e guia o que ser a ao executada, mas no irrevogvel. Tal irrevogabilidade irracional, pois antes de tudo, as coisas mudam e o agente nem sempre antecipa o futuro com exatido.

63

Na literatura dominante, na linha representada por Donald Davidson (Essays on Actions and Events, 1980), o raciocnio prtico inicia com um conjunto definido de desejos e crenas do agente e gera uma deciso, escolha ou ao. O raciocnio prtico um meio para ponderar consideraes conflitantes a favor e contra opes conflitantes, onde as consideraes relevantes so providas pelo o que o agente deseja/valoriza/importa-se e pelo o que acredita. Portanto, raciocnio prtico consiste em ponderar desejo-crena a favor e contra cursos alternativos de ao. Esse modelo no prev papel especial para as intenes direcionadas para o futuro do agente, como entradas para o raciocnio prtico. Este paradigma adotado pelas teorias de deciso. Bratman, busca na literatura contrastante, em Hector-Neri Castaeda (Thinking and Doing, 1975), enfatizar o papel de intenes prvias como entradas para o raciocnio: o raciocnio realizado a partir de inteno prvia e crenas relevantes para derivar intenes sobre meios, passos preliminares, ou mais especificamente, cursos de ao. Este paradigma utilizado no problema de planejamento. Estas linhas de raciocnio so relacionadas atravs das seguintes idias e conceitos: 1. deliberar um processo que demanda tempo e outros recursos; o que impe limites para a extenso de uma deliberao, no tempo da ao. Atravs de intenes direcionadas para o futuro o agente usa as deliberaes presentes para conformar a ao futura. Para alcanar objetivos complexos, o agente deve coordenar suas atividades individuais presentes com as futuras e com as dos outros agentes. As intenes direcionadas para o futuro facilitam tanto a coordenao interna como entre agentes; 2. as intenes direcionadas para o futuro so tipicamente elementos de grandes planos de coordenao. Planos so estados mentais que envolvem um conjunto apropriado de compromissos para agir; o agente tem um plano para executar A somente se verdade que ele planeja executar A; 3. sendo os agentes limitados, seus planos so tipicamente parciais: algumas decises especificas so deixadas para posterior deliberao, levando em conta a consistncia com os demais planos do agente, evitando a necessidade de antecipar o futuro e de complexa coordenao de atividades intra e entre agentes; 4. planos tipicamente possuem estrutura hierrquica: planos concernentes aos fins englobam planos concernentes aos meios e passos preliminares, e intenes mais genricas englobam as mais especficas. O agente pode deliberar sobre partes (p. ex. meios ou passos preliminares) enquanto mantm fixas outras partes (intenes finais). Nesse tipo de raciocnio o agente satisfaz planos parciais que guiam, com sucesso, a sua conduta para a satisfao da inteno final; 5. planos devem ser consistentes internamente (i. cada plano inteiro deve ser possvel de ser realizado), consistentes com as crenas do agente (podem ser executados juntos, com sucesso, em um mundo no qual as crenas do agente so verdadeiras) e apresentar coerncia de meios-fins: cada um deles deve ser preenchido com subplanos

64

concernentes a meios, passos iniciais e cursos de aes relativamente especficos, sendo o subplano to extenso quanto o agente acredita ser necessrio no momento para executar o que ele planeja. Resumindo, intenes e planos desempenham dois papis diretos como entradas para o raciocnio prtico. Primeiro, ao se considerar a necessidade de coerncia de meios-fins, as intenes prvias freqentemente colocam decises para deliberao futura. O agente necessita preencher o seu plano, o mais cedo possvel, com especificaes para poder execut-lo. Segundo, dado a necessidade da consistncia (interna e com as crenas), as intenes prvias restringem futuras intenes. Intenes prvias colocam problemas para deliberao, estabelecendo padres de relevncia para as opes sendo consideradas, e restringem as solues para estes problemas providenciando um filtro de admissibilidade para as opes. Desta forma, intenes prvias e planos ajudam a tornar o processo de deliberao tratvel por agentes com substancial limitao de recursos. O modelo que surge, ento, pode ser visto como uma relao entre dois tipos de raciocnio prtico: a ponderao de razes oriundas de desejo-crena, pr e contra opes conflitantes, e o raciocnio, a partir de uma inteno prvia, para derivar intenes concernentes aos meios e formas para a execuo do plano. As intenes prvias so vistas como elementos de planos parciais, os quais provem uma estrutura de fundo, para a ponderao das razes oriundas de desejo-crena. essa estrutura que coloca problemas para deliberao posterior e restringe suas possveis solues. O raciocnio prtico possui dois nveis: - os planos parciais colocam problemas e providenciam um filtro de admissibilidade nas opes que so suas solues potenciais; - razes oriundas de desejo-crena entram como consideraes, a serem ponderadas, na deliberao entre opes relevantes e admissveis. As crenas possuem grau de confiana (probabilidade subjetiva) variando entre 0 e 1. Aquelas com grau de confiana muito elevados (prximos a 1) so chamadas de crenas flat-out. Essas crenas, combinadas com os planos do agente, tornam certas opes inadmissveis. A estrutura de fundo, para o raciocnio prtico, inclui crenas flat-out, intenes prvias e planos. As intenes prvias e planos devem ter uma relativa estabilidade, resistindo a reconsideraes. Se constantemente o agente reconsidera mritos, intenes prvias e planos sero de pouca utilidade na coordenao e no auxlio na sua luta contra os recursos limitados. Entretanto irracional tratar os planos prvios como irrevogveis se no h expectativas de que eles sero realizados. Essas consideraes sugerem a idia que os agentes racionais necessitam polticas gerais e hbitos que governem a reconsiderao de intenes prvias e planos. A no reconsiderao de intenes prvias

65

e planos deve ser tomada como default, mas um default a ser alterado quando face a certos tipos especiais de problemas no previstos. Bratman afirma que o modelo sobre o papel das intenes direcionadas para o futuro, como entrada para raciocnio posterior, dependente da idia de que as intenes do agente sejam consistentes com suas crenas. esta demanda de consistncia que dirige a operao do filtro de admissibilidade de opes. Por outro lado existe uma segunda idia implcita no modelo, baseada na assuno de que intenes prvias possuem estabilidade relativa e, junto com planos, desempenham papel crucial de coordenao: toda vez que o agente tiver a inteno de executar A no futuro, ele necessariamente deve ter a crena que ir executar A. Intenes, desejos e valorao so exemplos de pr-atitudes; crenas no so pratitudes. Pr-atitudes determinam um papel motivacional; na conjuno com crenas elas podem levar o agente a agir. A maioria delas so apenas influenciadores potenciais de conduta, mas a inteno uma pr-atitude controladora de conduta. Devido s intenes serem controladoras de conduta que o agente pode esperar para tentar execut-las quando chegar a hora certa, se elas ainda persistirem e se o agente ento souber o que fazer. Como as intenes so relativamente estveis, o agente pode contar com que elas persistiro at o momento exato de agir. Estas so as caractersticas que permitem explicar como as intenes dirigidas para o futuro normalmente auxiliam a coordenao dando suporte s expectativas de sucesso associadas s suas execues. As intenes dirigidas para o futuro devero ser consistentes internamente e com as crenas do agente e dar suporte a crenas de que sero executadas com sucesso. Em casos normais, quando o agente tem a inteno de A, ele tambm acredita que ele A. Outro fator importante a ser considerado no raciocnio prtico de agentes racionais (com recursos) limitados a diferena entre inteno e escolha. Intenes so tipicamente fundamentadas em deliberao prvia, sendo atitudes relativamente estveis que funcionam como entradas para o raciocnio prtico. Como pr-atitude controladora de condutas, a inteno est intimamente relacionada com o esforo ou comprometimento e ao. J as escolhas de um agente racional so restritas por presses holsticas (expressas atravs de clareza de padres de raciocnio e honestidade intelectual ou seja ausncia de m f) de uma maneira que as intenes no o so. Escolha e inteno so diferentemente afetadas por padres de bom raciocnio, embora sejam ambas relacionadas com raciocnio posterior e ao, escolha e inteno podem divergir. Assim no podemos assumir que um agente intenciona todas as suas escolhas realizadas com base no raciocnio prtico. Num Sistema de IAD pode-se considerar a arquitetura do agente como indivduo e a arquitetura do sistema como um todo, isto , considerando todos os agentes que compem o sistema, suas interaes e/ou cooperaes

66

Em funo do mecanismo utilizado para a seleo das aes a serem realizadas pelo agente pode-se classificar as arquiteturas de agentes em deliberativas, no-deliberativas e hbridas. Uma arquitetura dita deliberativa se a escolha da ao feita atravs de uma deliberao explcita sobre diferentes opes, por exemplo, usando um modelo interno simblico do mundo, um plano ou considerando alguma funo que avalia uma ao conforme sua utilidade. Se a escolha da ao est diretamente situada na ocorrncia de um conjunto de eventos no ambiente, a ao depende de um conjunto de pr-condies tem-se uma arquitetura do tipo no-deliberativa. Por outro lado, as arquiteturas do tipo hbrido so aquelas em que a escolha da ao realizada usando uma combinao entre as tcnicas utilizadas em arquiteturas deliberativas e no-deliberativas. Para Kirsh [Apud COR94], o que caracteriza o agente so as interaes que realiza com o mundo e a arquitetura que possibilita a realizao destas interaes. O relacionamento entre as possveis arquiteturas com o comportamento do agente, constitui um enfoque no qual a pesquisa para o que vem a ser a inteligncia est localizada nas propriedades das arquiteturas dos agentes, segundo Chandrasekaran [Apud COR94]. Diferentes arquiteturas tm sido propostas com o objetivo de caracterizar os agentes com um particular nvel de inteligncia e de autonomia, as quais podem ser classificadas de acordo com o mecanismo utilizado pelo agente para a seleo das aes, em: a) no-deliberativas: a escolha da ao est diretamente situada na ocorrncia de um conjunto de eventos que ocorrem no ambiente, por exemplo, atravs de algum procedimento pr-compilado ou embutido em algum circuito. Tipicamente todas as decises de controle so tomadas em tempo real. O agente age em um curto espao de tempo, com base em uma pequena quantidade de informao restrita (usualmente a que correntemente disponvel em seus sensores), no instante em que recebe ou percebe algum sinal ou estmulo do meio ambiente; b) deliberativas: a escolha da ao feita atravs de uma deliberao explcita sobre diferentes opes, por exemplo, usando um modelo interno simblico do mundo, um plano ou mesmo alguma funo que avalia uma ao conforme a sua utilidade; c) hbridas: a escolha da ao feita usando alguma combinao entre as tcnicas utilizadas nos tipos de arquiteturas no-deliberativas ou deliberativas. As arquiteturas no-deliberativas possuem controle de aes feito atravs de regras do tipo situao-ao fixadas, seja em forma de circuitos eletrnicos, numa forma codificada diretamente ou num cdigo produzido atravs de uma compilao prvia. Os resultados observados demonstram excelente desempenho em um ambiente real, mas s custas de um grande esforo prvio para a determinao de solues especficas para as

67

possveis situaes encontradas. Em geral, sistemas com arquitetura no-deliberativa no possuem objetivos explcitos que possam ser arbitrados e alterados durante a execuo do sistema, o que restringe a autonomia dos agentes e suas capacidades de aprender e melhorar os seus desempenhos. Essas arquiteturas so construdas a partir de mecanismos de controle simples tais como mquinas de estados finitos ou conjuntos de regras do tipo estmulo-resposta. Tambm so conhecidas como: reativas, situadas, baseadas em comportamento ou tropistas. As arquiteturas deliberativas tm como base a idia de que o processamento simblico (manipulao e combinao da representao simblica) fundamental para a teoria de ao. Adotam a hiptese do sistema de smbolos fsicos de Newell e Simon [Apud in RIC94] segundo a qual as condies necessrias e suficientes para que um sistema fsico apresente ao inteligente que ele seja um sistema fsico simblico, i., fisicamente realizvel em um computador universal [COR94]. Um agente executa uma ao inteligente quando, possuindo um certo objetivo e o conhecimento de que uma certa ao o conduzir a este objetivo, ento o agente seleciona esta ao. Essas arquiteturas originaram dos sistemas de planejamento clssicos, os quais produzem uma seqncia de aes corretas (planos) para alcanar determinado objetivo, baseados nas hipteses de que: a) possuam um completo conhecimento do estado do mundo; b) os efeitos de suas aes so bem determinados; e c) o estado do mundo permanece inaltervel a menos que uma ao do sistema seja realizada. O principal argumento contra arquiteturas deliberativas clssicas que adotam a hiptese de que as condies do mundo permanecem estticas enquanto o agente estiver executando as suas aes ou processando alguma informao para deliberar sobre as aes. O tempo necessrio para analisar as situaes, construir e reutilizar planos, tipicamente pode tornar o agente muito lento para agir no mundo real. Por outro lado essas arquiteturas apresentam objetivos explcitos, os quais podem ser mudados, possibilidade de comunicao em linguagem natural, capacidade para aprendizagem, raciocnio e todo o potencial possibilitado pelo processamento simblico. As arquiteturas hbridas foram propostas como alternativas para solucionar as deficincias principais das duas arquiteturas anteriores. A arquitetura deliberativa tipicamente incapaz de agir rpida e adequadamente perante situaes no previstas. O agente, cuja arquitetura no-deliberativa, incapaz de descobrir alternativas para o seu comportamento quando a situao do mundo diverge bastante de seus objetivos iniciais. Para resumir o estudo das arquiteturas, foram elaboradas as Tabelas 5,6 e 7, apresentadas a seguir, que mostram algumas caractersticas de arquiteturas nodeliberativas, deliberativas e hbridas, citadas na literatura. Estas Tabelas foram apresentadas originalmente no relatrio de pesquisa [DAM95a]. 6 ITS com arquitetura de agentes 0 estudo das sociedades de agentes em IAD tem assumido grande importncia. Segundo [EUS95], as vantagens apontadas para este tipo de sistema so: a modularidade (facilidade na construo de um sistema formado por mdulos quase

68

independentes), mudana da arquitetura nos computadores (o computador tende a ser formado, no por um nico processador com uma grande memria, mas por um grupo de processadores, cada um com a sua prpria memria, o que implica uma melhor adaptabilidade destes sistemas), raciocnios heterogneos (o problema pode ser formado por vrios subproblemas, a que correspondem diferentes formalismos na representao do conhecimento), perspectivas mltiplas (muitos problemas so mais facilmente resolvidos se podem ser vistos segundo vrias perspectivas), problemas distribudos (os problemas podem ter os seus dados disponveis em vrias localizaes fsicas distintas), confiana (a resoluo de um problema pode continuar, ainda que haja uma falha da parte de um dos agentes). Segundo [DAM96], as limitaes do estilo paternalista da ao tutorial, encontradas nas implementaes de ITS que utilizam o modelo tradicional, se devem ao fato de que as interaes so prerrogativas do sistema. Tais limitaes tem feito com que a pesquisa na busca de ambiente mais cooperativos, onde a iniciativa da ao pode mudar de forma dinmica, tem sido objeto de estudo na rea de IA-ED. Nos ltimos anos, pesquisadores tm projetado ITS para se ajustar s necessidades de cada agente humano que deseja aprender. Os tutores so projetados para considerar no apenas o comportamento do agente cognitivo, mas tambm o comportamento como parte de um sistema cooperativo. O sistema muda de maneira a se ajustar s capacidades do agente-aprendiz e, como conseqncia disto, a aprendizagem melhora. A modelagem de ITS numa arquitetura funcional de agentes mais do que uma abordagem generalista e sim, considerar que teoricamente no temos um limite para o nmero de agentes que podem participar do processo de aquisio do conhecimento o qual ocorre atravs de negociao dos papis dos agentes tanto tutores, como aprendizes.

69

7 BIBLIOGRAFIA
[ABE94] ABEL,M.Introduo Alegre:CPGCC/UFRGS,1994. aos Sistemas Especialistas.Porto

[ALE96] ALEX,A; GECSEI, J. A Learning Environment for the Surgical Intensive Care Unit. International Conference on Intelligent Tutoring Systems ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [AND83] ANDERSON, J.R. The architeture of cognition. Cambridge,MA,Harvard University Press, 1983. [ASA91] ASANOME, C. Sistemas Tutoriais Inteligentes: um estudo. Rio de janeiro: COPPE/UFRJ. Monografia. Final do Curso de especializao em Engenharia de Software. Dez., 1991. [BAR 82] BARR, A. ; FEIGENBAUM, E.A. The handbook of Artificial Inteligence. Los Altos: Califrnia:Kaufmann, 1982. [BER96] BERNAT,P.;MORINET-LAMBERT,J. A New Way for Visual Reasoning in Geometry Education. International Conference on Intelligent Tutoring Systems - ITS96, 3.,Proceedings...Berlim: Springer Verlag, 1996. [BON88] BOND, Alan H ; GASSER, Les. An Analysis of Problems and Research in DAI. In:Distributed Artificial Intelligence. San Mateo: Morgan Kaufmann, 1988, p.3-35. [BOW82] BOWEN, K. ; Kowalski, R. Amalgamating Language and Metalanguage in Logic Programming. In: CLARK, K.L. ; TARLUND, S (Eds.) Logic Programming, [S.l.]:Academic Press, 1982, p.153-172. [BOY 92] BOYD,G. MITCHELL,P.D. How can Intelligent CAL better adapt to learners?. Computers Education, v.18, n.1-3, p.23-28,1992. [BRA84] BRATMAN, Michael. Two Faces of Intention. The Fhilosophical Review, v.93, n.3, p.275-405, July 1984. [BRA88] BRATMAN, M.; ISRAEL, D. ; POLLACK, M.. Plans and Resource-Bounded Practical Reasoning, Computational Intelligence, [S.l.],v.4, n.4, Nov.1988. [BRA89] BRATMAN, M. What is Intention. In: COHEN, P., MORGAN, J., POLLACK, M.(editores). Intentions in Communication. [S.l.],MIT Press, 1989. [BRE88] BREUKER,J. Coaching in Help Systems. In: SELF,J.(Ed.) Artificial Intelligence and Human Learning: Intelligent Computer Aided Instruction. London: Chapman Hall, 1988.

70

[BRU96] BRUSILOVSKY,P.;SCHWARZ,E,;WEBER,G. ELM-ART : Na Intelligent Tutoring System on World Wide Web. International Conference on Intelligent Tutoring Systems ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [BUI89] BUI,K.P. HYPERLEXICON: A hypermedia-based Lexicon for Vocabulary Acquisition. In: MAUER,H (Ed.). International Conference on Computer-Assisted Learning,2.,1989. Proceedings. Dallas: Springer-Verlag, 1989. [BUR91] BURNS, H.;PARLETT, J.W.; REDFIELD, C.L. Intelligent Tutoring Systems: Evolutions.In Design. New Jersey: Lawrence Erlbaum Associates, 1991. [BUR96] BUROW,R.;WEBER,G. Example Explanation in International Conference on Intelligent Tutoring 3.1996,Proceedings...Berlim: Springer Verlag, 1996. Learning Systems Environments. ITS96,

[CAM96] CAMPOS, G.H.B. Avaliao da Qualidade de Software Educacional. Rio de Janeiro: COPPE/UFRJ,1996. (RT-COS811). [CHA91] CHAVES, E. Multimdia: conceituao, aplicaes e tecnologia. Campinas: People Computao, 1991. [CHA96] CHANG,K.E.; CHIAO,B.C.;HSIAO,R.S. A programming Learning System for Beginners-A Completion Strategy Approach. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [CLA89] CLANCEY, W.J. Situated Cognition and Intelligent Tutoring Systems. In: MAUER,H (ed.). International Conference on Computer-Assisted Learning,2.,1989. Proceedings. Dallas: Springer-Verlag, 1989. [CLA90] CLANCEY, W.J ; SOLOWAY, E. Artificial Intelligence and Learning Environments. Artificial Intelligence, v.42, n.1,p.1-6, 1990. [COH87] COHEN, P. R., LEVESQUE, H. J. Intention = Choice + Commitment. Sixteen National Conference on AI, 6.,1987, Proceedings.[S.l.],Springer Verlag, 1987. [COH89] COHEN, P. R.; GREENBERG, M. L.; HART, D. M.; HOWE, A. E. Trial by Fire: Understanding the Design Requirements for Agents in Complex Environment. AI Magazine. [S.l.], Fall, 1989. [CON87] CONCKLIN, J. Hypertext: na Introduction and Survey. IEEE Computer.[S.l.],v. 20,n.9,p.17-41, 1987. [COP96] COPSTEIN,B.PERIERA,C.;WAGNER,F.R. The Object-Oriented Approach and the Event Discrete Simulation Pardigms.European Simulation MultiConference,1996.Proceedings...Budapeste: SCS,1996. [COR94] CORREA Filho, M. A Arquitetura de Dilogos entre Agentes Cognitivos Distribudos. Rio de Janeiro: COPPE/UFRJ, 1994.( Tese de Doutorado)

71

[COS88] COSTA, E.; DUCHENOY, S.; KODRATOFF, Y. A resolution-based Method for Discovering Students Misconceptions. In: SELF, J. (Ed.) Artificial Intelligence and Human Learning: Intelligent Computer-Aided Instruction. London: Chapman Hall, 1988. [COS 92] COSTA, E. GASPAR, G. COELHO, H. A formal approach to ILES: a first tentative. NATO Advanced Workshop on Student Modeling,1992. Proceedings...Montreal:SpringerVerlag, 1992. [COS96] COSTA, R.M.E.M.;WERNECK, V.M.B. Tutores Inteligentes. Rio de Janeiro: COPPE /UFRJ, 1996.( ES - 392/96). [COS96b] COSTA, E. B. Um modelo de Ambiente Interativo de Ensino-Aprendizagem baseado numa Arquitetura Multi-Agentes. Campina Grande: CPGEE/UFPA, 1996.( Exame de Qualificao). [DAM 95a] DAMICO,C; GIRAFFA,L.;BERCHT,M.;LADEIRA,M. Inteligncia Artificial: uma abordagem de agentes. Porto Alegre: CPGCC/UFRGS, 1995.( RP-.257). [DAM 95b] DAMICO,C. Modelo de usurio para Sistemas Tutores Inteligentes. Porto Alegre: CPGCC/UFRGS, 1995.( Exame de Qualificao em Profundidade). [DAM96] DAMICO,C.;VICCARI,R.;TOSCANI,L. Agentes in Distributed Intelligent Learning Environments. First Ibero American Workshop on Distributed Artificial Intelligence and Multiagent Systems,1.,1996. Proceedings... Xalapa: Lania, 1996. [DEM90] DEMAZEAU, Y. ; MLLER, J. Descentralized Artificial Intelligence.First European Workshop on Modeling Autonomous Agentes in a Multi-Agent Word,1.,1990. Proceedings... Cambrigde: North-Holland ,1990. [DEW 59] DEWEY,J. Como pensamos. So Paulo: Editora Nacional,1959. [DIR93] DIRENE, A.I.. Methodology and tools for designing concept tutoring systems. PhD.Sussex: The University of Sussex, 1993.( Thesis). [DOU88] DOUGLAS, S. Detecting and Repairing Tutoring Failures.Third CeRCLe Workshop on Teaching Knowledge and Intelligent Tutoring.3.,1988. Proceedings... Ullswater,[S..e.], 1988. [EUS95] EUSBIO, A.M.J. Ambiente de Aprendizagem em Matemtica apoiado em Agentes Autnomos Inteligentes.Lisboa: Universidade Tcnica de Lisboa, 1995.( Dissertao de Mestrado). [FRE96] FREEDMAN,R.;EVENS,M.W. Generating and Revising Hierarchical Multi-Turn text Plans in na ITS. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [FUK95] FUKUHARA, Y. et al.. A Knowledge-based Educational environment integrating conceptual knowledge and procedural knowledge in telecommunication service field NTT. Tquio, 1996 (http://calat.isl.ntt.co.jp)

72

[GAN96] GAGN, D.;TRUDEL, A . A Highly Flexible Student Driven Architecture for Computer Based Instruction. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [GAS96] GASPAROVIC, G.; SIELER, A.; OLIVEIRA, F.M. Ensino de Modelagem Conceitual de Bancos de Dados Utilizando Inteligncia Artificial. Simpsio Brasileiro de Informtica na Educao,7.,1996. Anais.... Belo Horizonte: DCC/UFMG, 1996, p. 251- 264. [GIR95] GIRAFFA,L.M.M. Teorias de Ensino-aprendizagem e sua aplicao em Sistemas Tutores Inteligentes.Porto Alegre: CPGCC/UFRGS, 1995.( TI -487). [GOL 82] GOLDSTEIN,I. The genectic graph: a representation for the evolution of procedural knowledge, In: Intelligent Tutoring Systems. SLEEMAN,D. ; BROWN,J.S. (Eds.). Great Britain: Academic Press, 1982. [HAL88] HALFF,H.M. Curriculum and Instruction in Automated Tutors.In: OLSON,M.C,;RICHARDSON,J.J. Intelligent Tutoring Systems. London: Lawrence Erlbaum Associates, 1988 [HAS95] HASSEGAWA, R.; NUNES, M.G.V. Uma ferramenta para a construo de Sistemas Tutores Inteligentes em Matemtica. Simpsio Brasileiro de Informtica na Educao,6.,1995.Anais.... Florianpolis:UFSC, 1995. [HEN 92] HENDLEY,R. JURASCHECK,N. Cascade: introducing AI into CBT. Computers Education.Great Britain: v.18,n.1-3, p.71-76,1992. [HIR96] HIRASHIMA,T.;KASHIHARA,J. Toyoda. Toward a Learning Environment Allowing Learner-Directed Problem Practice-Helping Problem-Solving by Using Problem Simplification. International Conference on Intelligent Tutoring Systems ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [KAS88] KASS,R.; FININ,T. Modeling the user. Computational Linguistics.[S.l.],v.14,n.3,p.:5-22, 1988. In Natural Language Systems.

[KAT96] KATZ,S.;LESGOLG,A;EGGAN,G.;GREENBERG,L. Towards the Design of more Effective Advisors for learning-by-Doing Systems. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [KOB88] KOBSA, A. User Models and Discourse Models: United They Stand. In Natural Language Systems. Computational Linguistics.[S.l.],v.14,n.3,p.91-94, 1988. [KHU96] KHUWAJA,R.;DESMARAIS,M.;CHENG,R. Intelligent Guide: Combining User Knowledge Assessment with pedagogical Guidance. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [LEM96] LEMAN, S.;MARCENAC,P.;GIROUX,S.A Generic Architecture for ITS Based on a Multi-Agent Approach. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996.

73

[LES96] LESTER,J.C.;STONE,B.A;OLEARY,M.A, STEVENSON,R.B. Focusing Problem Solving in Design-Centered Learning Environments. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [LUC94] LUCENA, M W. F. P. . O uso das tecnologias da informtica para o desenvolvimento da educao. Rio de Janeiro: COPPE/UFRJ, 1994. [LUX95] LUX, A. ; STEINER, D. Understanding Cooperation: an Agents Perspective. In: ICMAS. Proceedings... Canad: [S.e.],1995. [MIC86] MICHALSKY, R.; CARBONELL, J.; MITCHELL, T. Machine Learning : an Artificial Approach. Los Altos: Morgan Kaufman,v.2, 1986. [MIL82] MILLER,M.L. A Structured Planning and Debugging Environment for Elementary Programming. In: SLEEMAN, D.H. ; BROWN, J.S. (Eds.) Intelligent Tutoring Systems. New York, Academic press, 1982. [MIN87] MINSKY,M. A Sociedade da Mente. Lisboa: Francisco Editores, 1987. [MIT86]MICHALSKI, R.; CARBONELL, J. ; MITCHELL, T. An overview of Machine Learning: In: Machine Learning: An Artificial Inteligence Approach. R. Michalsky, J. Carbonel ; T. Mitchell (Eds.). [S.l.],Tioga Publishing,v.1, 1986. [MOU90]MOUSSALLE, N.; VICCARI, R. Tutores Inteligentes para o Ensino da Linguagem Prolog. Simpsio Brasileiro de Informtica Educao,1.1990. Anais... Rio de Janeiro, Novembro, 1990. [MOU95] MOUSSALLE,N. Interaes Tutor-Aluno analisadas atravs de seus estados mentais.Porto Alegre: CPGCC/UFRGS, 1996. (Dissertao de Mestrado). [MOU96] MOUSSALE,N.;VICCARI,R.M.;CORREA,M. Intelligent Tutoring Systems modelled through the mental states. Brazilian Symposium on Artificial Intelligence,13.,1996.Proceedings... Curitiba: Springer Verlag,1996. [NAK96] NAKABAYASHI, K. et al.. An Intelligent Tutoring System on World Wide Web: towards na integrated learning environment on a distributed hypermedia. NTT. Tquio, 1996 (http://calat.isl.ntt.co.jp) [NIL88] NILSSON, N.; GENESERETH, M. Logical Foundations of Artificial Intelligence. [S.l.]Morgan Kaufmann, 1987 [OLH87] OHLSSON,S.Some principels of Intelligent Tutoring. In Intelligent Tutoring Systems.LAWLER,R.;YAZDANI,M. USA: Ablex Publishing Corporation, 1987. [OLI92] OLIVEIRA, F;VICCARI, CPGCC/UFRGS ,1992. (RP-205). R. Sistemas Tutores Inteligentes.Porto Alegre:

[OLI 94] OLIVEIRA,F.M. Critrios de equilibrao para sistemas tutores inteligentes.. Porto Alegre: CPGCC/UFRGS, 1994.(Tese de Doutorado).

74

[PAP94] PAPERT,S.A mquina das crianas: repensando a Escola na Era da Informtica. Porto Alegre: Artes Mdicas,1994. [PAV95] PAVEL, P.C.P. SISAUTOR: um sistema de autoria para construo de Tutores Hipermdia para Cardiologia. Rio de Janeiro: COPPE/UFRJ, 1995. (Dissertao de Mestrado). [RAA96a] RAABE, A.L.A; JAVIMCZIK, A .M.; GIRAFFA,L.M.M. Eco-Lgico : Ambiente interativo para suporte ao ensino de educao ambiental .Simpsio Brasileiro de Informtica na Educao, 7.,1996, Anais... Belo Horizonte: DCC/UFMG, 1996. [RAA96b] RAABE, A.L.A; JAVIMCZIK, A .M.; GIRAFFA,L.M.M. Eco-Lgico : Ambiente interativo para suporte ao ensino de educao ambiental. IV Congresso Internacional de Informtica e Aprendizagem,4.,1996. Anais... Rio de Janeiro: CNOTINFOR 1996. [RAA96c] RAABE, A.L.A; JAVIMCZIK, A .M. Eco-Lgico : Ambiente interativo para suporte ao ensino de educao ambiental. Porto Alegre: II/PUCRS, 1996.( Trabalho de Concluso). [RET96] RETALIS,S.;PAIN,H.;HAGGITH,M.. Arguing with the Devil: Teaching in Controversial Domains. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [RIC87] RICHER, M. H. ; CLANCEY, W.J. GUIDON-WATCH: A Graphic Interface for Viewing a Knowledge-Based System. In: LAWLER, R.W. ; YAZDANI, M. (Eds.) Artificial Intelligence and Education. Norwood, Ablex Publishing, 1987, p. 183-202. [RIC94] RICH,E;KNIGHT,K. Inteligncia Artificial. So Paulo: Makron Books, 1994. [ROG95] ROGERS,E. et al. Intelligent Multimedia Tutoring for Manufacturing Education. Clark Atlanta University. (http://129.16.14.21/FIE95/4d12.htm) [SAL 92] SALGADO,A.C.; FONSECA,D.; ALBUQUERQUE,E.S. Sistemas Hipermdia: Hipertextos e Banco de Dados. Porto Alegre: Instituto de Informtica da UFRGS, 1992. [SAV91] SAVIANI,D. Pedagogia Histrico Crtica: primeiras aproximaes. So Paulo: Editora Cortez, 1990. [SCH88] SCHUSTER, E. Establishing the Relationship Between Discourse Models and user Models. Computational Linguistics,[S.l.],v.14,n.3,p.:82-85, 1988. [SEL88] SELF,J. Artificial Intelligence and Human Learning. London: Chapman Hall, 1988. [SEL90] SELF, J. Computational Mathetics: the Missing Link in Intelligent Tutoring Systems Research? NATO Advanced Research Workshop,1990. Proceedings...Sintra, Portugal, 1990. [SHA 89] SHANK, R.C. ; RIESBECK, C.K. Inside Case-Based Reasoning. [S.l.]:Lawrence Earbaum Associates, 1989.

75

[SHA 94] SHANK, R.C. [S.l.]:IEEE,1994, p.69-78.

Active

Learning

through

Mulimedia.IEEE

Multimedia,

[SHO93] SHOHAM, Y. Agent-oriented Programming. Artificial Intelligence. Berlin:Springer Veralg,v.60, p.51- 92, 1993. [SIE95]SIELER,A.C.;MONZA,C.S.;GASPAROVIC,G.SAMMERRSistema para aprendizado do mapeamento do modelo ER Para relacional. Porto Alegre: II/PUCRS, 1995.(Trabalho de Concluso). [SIL92] SILVEIRA, R .A. Inteligncia Artificial em Educao: um modelo de sistema tutorial inteligente para microcomputadores. Porto Alegre, FACED/PUCRS,1992.(Dissertao de Mestrado). [SIL93] SILVEIRA, M. S. Os Jogos e a Adolescncia. Seminrio sobre Tecnologia Educacional e Adolescncia. ABT (Associao Brasileira de Tecnologia Educacional)/RS, PUCRS, Porto Alegre/RS, 1993. [SIL96] SILVEIRA,R.A.ELETROTUTOR II : um tutor na WEB.Porto Alegre: CPGCC/UFRGS, 1996.(TI-580). [SLA96] SLATOR, B.M.;CHAPUT,H. Learning by Learning Roles: A Virtual Role Playing Environment for Tutoring. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [SLE82] SLEEMAN, D. Assessing aspects of competence in basic algebra. In: SLEEMAN,D. ; BROWN, J.S. (Eds.), Intelligent Tutoring Systems. Academic Press, New York, 1982. [SLE87] SLEEMAN, D.H. PIXIE: A Shell for Developing Intelligent Tutoring Systems. In: LAWLER, R.W. ; YAZDANI, M. (Eds.) Artificial Intelligence and Education. Norwood, Ablex Publishing, 1987. [SRI96] SRISETHANIL,C.;BAKER,N.C. ITS-Engeneering: A Domain Independent ITS for Building Engeneering Tutors. International Conference on Intelligent Tutoring Systems ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [STR88] STREIBEL,M. Analisis critico de tres enfoques del uso de la informatica en La Educacion. In School uses of microcomputers reports from a National Survey. Baltimore,1985. [TAY80] TAYLOR,R.P.The computer in school: tutor, tools, tutee. New York: Teachers College Press,1980. [TOM 94] TOMINAGA, P. Inteligncia Artificial Distribuda. Braslia: UnB, 1994. (Monografia). [VAQ91] VAQUERO,A. Fundamentos pedagogicos de la Ensennza asistida por computadora. Las nuevas tecnologias en la Educaciona. Madrid: Ponencias-Santades, v.11-14, Sep. 1991. [VIC90] VICCARI, R. Um Tutor Inteligente para a programao em Lgica -Idealizao, Projeto e Desenvolvimento, Universidade de Coimbra, 1990. (Tese de Doutorado).

76

[VIC 92] VICCARI, R.M; OLIVEIRA,F.M. Sistemas Tutores Inteligentes.Congresso da Sociedade Brasileira de Computao,1992.Anais....JAI/SBC, 1992. [VIC 94] VICCARI,R; OLIVEIRA,F. An Equilibration-oriented Conceptual belifs representation. Brazilian Symposium on Artificial Intelligence,11.,1994.Proceedings... Fortaleza: UFCE,1994. [VIC96] VICCARI, R.M.;GIRAFFA,L.M.M. Sistemas Tutores Inteligentes: abordagem tradicional x abordagem de agentes Brazilian Symposium on Artificial Intelligence,13.,1996.Proceedings... Curitiba: Springer Verlag,1996. [WAN96] WANG, H. LearnMedia: A Co-operative Intelligent Tutoring System for Learning Multimedia. International Conference on Intelligent Tutoring Systems - ITS96, 3.,1996,Proceedings...Berlim: Springer Verlag, 1996. [WAX 93] WAXMAN,H. BRIGHT,G. Approaches to Research on Teacher Education and Technology .Virginia,USA: AACE,1993. [WAZ 93] WAZLAWICK,R.S. Um modelo operatrio para construo de conhecimento.Florianpolis:.PGEP/UFSC,1993.(Tese de Doutorado). [WEN87]WENGER,E. Artificial Intelligence and Tutoring Systems.Los Altos:Morgan Kaufmann, 1987. [WER95] WERNECK, V.M.B. Ambiente de Desenvolvimento de Sistemas baseados em Conhecimento. Rio de Janeiro: COPPE/UFRJ, 1995.(Tese de Doutorado). [WER96] WERNECK, V.M.B; ROCHA, A.R.; RABELO Jr., A. SEC-Tutor: o Mdulo Inteligente de um Tutor para Ensino do Diagnstico de Infarto Agudo do Miocrdio.VII Simpsio Brasileiro de Informtica na Educao,7.,1996.Anais....Belo Horizonte: DCC/UFMG, 1996, p. 277-286. [WOO88] WOOLF,B. Intelligent Tutoring Systems: a survey. National Conferences on Artificial Intelligence,1988.Proceedings...USA: Morgan Kaufmann,p.1-43, 1988. [YAZ87] YAZDANI,M. Intelligent Tutoring Systems: an overview. Artificial Intelligence and Education.[S.l.]:Ablex ,v.1, p. 183-201, 1987. [YOU87] YOUNG, R.M. et al. Analysis of na Extended Concept Learning Task. IJCAI ,1987.Proceedings..., [S.l.]:[S.e.],1987.