Agentes Pedagógicos para o ensino de Lógica com interações baseadas no perfil do aluno e em...

Agentes Pedagógicos para o ensino de Lógica com interações baseadas no perfil do aluno e em Objetos de Aprendizagens

Disciplina: Engenharia de Software orientada a Agentes

Prof. Dr. João Carlos GluzAlunos: Fabiane e Daniel

São Leopoldo, setembro de 2010

Tópicos do trabalho abordados:1 – Resumo – Objetivo -

Introdução

2 – Tecnologias Utilizadas

2.1 – Agentes Inteligentes

2.2 – OBAA e OBAAMILOS

2.3 – Ontologias

2.3.1 – Domínio de Ensino

2.3.2 – Estratégias de Aprendizagem

2.3.3 – Perfil do Aluno

3 – Arquitetura dos Agentes

4 – Caso de Uso

5 – Considerações Finais

6 – Referências Bibliográficas

Resumo

• O presente trabalho tem como objetivo descrever a interação entre agentes pedagógicos para apoio no uso de objetos de aprendizagens (OAs) no ensino de Lógica a distancia. Esta interação baseia-se inteiramente em ontologias criadas para definir o perfil do aluno, as estratégias de aprendizagem e o conteúdo de Lógica. Com isso os agentes são capazes de conhecer o OA num determinado contexto e auxiliar o aluno de acordo com sua necessidade. Os OAs seguem o padrão OBAA de metadados.

Tecnologias Utilizadas – Agentes Inteligentes

• Um agente é tudo o que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por intermédio de atuadores, conforme apresentado na figura abaixo:


• Dentro das características básicas cognitivas, um agente deve ter:

• Autonomia;

• Sociabilidade;

• Proatividade;

• Reatividade.


• Podemos empregar agentes inteligentes no âmbito da educação, por exemplo, por meio de sistemas tutores inteligentes, onde estes sistemas são responsáveis por aprender/coletar informações relevantes sobre o aluno a fim de auxiliá-lo de forma individualizada no aprendizado tomando decisões pedagógicas sobre a melhor maneira de como transmitir o conteúdo didático.


• A figura abaixo descreve o modo como o sistema se relaciona com as ontologias, OAs e aluno.

• O projeto de pesquisa OBAA busca identificar pontos de convergência entre as tecnologias de OAs e de Sistemas Multiagente de maneira que ambientes de aprendizagem tenham mais flexibilidade, adaptabilidade e interatividade. Nesse sentido o projeto busca uma abordagem nas quais OAs tenham sua construção baseados em agentes. O resultado a ser alcançado trata-se de um padrão para OAs interoperáveis (WEB e TV-Digital, com possíveis extensões para telefones móveis) para WEB e TV-Digital.

Tecnologias Utilizadas - OBAA


• Critérios utilizados para implementação e projetar o padrão:

• Adaptabilidade e interoperabilidade: a mesma descrição de um OA pode ser usada de forma interoperável, adaptando-se as características das plataformas digitais como Web, TV Digital e dispositivos móveis.

• Compatibilidade: o padrão de metadados de OA deve ser compatível com o panorama de padrões internacionais.

• Acessibilidade: o padrão deve possibilitar o acesso aos OA por todos os cidadãos, inclusive aqueles com necessidades especiais.

• Independência e flexibilidade tecnológica: o padrão deve ser flexível e capaz de suportar as inovações tecnológicas, permitindo extensões sem perder a compatibilidade com o conteúdo já desenvolvido;


• Assim, a proposta de padrão resultante desta análise foi definida de forma aberta e flexível, sendo compatível não só com o panorama de padrões educacionais e multimídia atuais, mas também assegurada através da definição da sintaxe XML e semântica dos metadados através de ontologias OWL, compatível com a Web Semântica.

Tecnologias Utilizadas - OBAAMILOS

• Infraestrutura para Suporte a Objetos de Aprendizagem OBAA;

• O objetivo geral do projeto infraestrutura OBAAMILOS é criar as bases tecnológicas que permitam efetivar a adoção da proposta metadados de objetos de aprendizagem OBAA como o futuro padrão nacional para objetos de aprendizagem.


• Onde inclui:

• O projeto e implementação de ferramentas tecnológicas de apoio ao padrão para, por exemplo, utilização, compatibilização e verificação.

• A elaboração e publicação de melhorias, correções, adições e atualizações do padrão, além da geração de conteúdos e materiais baseados no padrão.


• Esta infraestrutura é extensivamente baseada no uso de agentes pedagógicos, sistemas multiagentes e ontologias. Em termos arquiteturais está dividida em três grandes níveis de abstração:

• Ontologias;

• Agentes;

• Serviços de interface.


• A camada ontologias contêm além da ontologia de metadados OBAA, as ontologias sobre domínios de ensino e aplicações educacionais ou multimídia, todas construídas usando a ontologia OBAA como o vocabulário de termos básico.

• As ontologias contidas no nível de Ontologias deverão ser obrigatoriamente definidas em OWL.


• A camada de agentes implementa as principais funcionalidades da MILOS, onde os seguintes sistemas multiagente implementados sobre JADE são previstos:

• Sistema de catalogação/Busca Federada de OA: cria e gerencia federações de catálogo de OAs, permite a busca dos metadados em toda a federação de forma transparente ao usuário;

• Sistema de Apoio Pedagógico: suporte para busca dependente do contexto e uso de estratégias de ensino;

• Sistema de Autoria: assistência para autoria de OAs multimídia e multiplataforma;

• Sistema de Gerência de OAs: gerenciamento e publicação de OAs nas distintas plataformas.


• A camada de serviços oferece facilidades de interface para Web permitindo que os agentes e sistemas multiagente da MILOS possam ser acessados por ambientes e aplicações educacionais, além de permitir também que estes agentes tenham acesso aos repositórios de OAs, serviços de diretórios, plataformas de EAD, bancos de dados e servidores Web.

Tecnologias Utilizadas - Ontologias

• Neste trabalho o paradigma adotado foi o de ontologia com semântica baseada em DL, sendo empregado para definir a semântica da linguagem OWL (Web Ontology Language) definida como o padrão para especificação de ontologias pelo W3C (World Wide Web Consortium), por possuir a flexibilidade de utilização e ampla adoção pela comunidade científica.

• Além disso, a linguagem OWL é uma recomendação da W3C para a especificação de ontologias de acordo com a iniciativa da Web Semântica.

Ontologia – Domínio de Ensino

• O domínio de ensino discutido neste trabalho está contido na disciplina de Lógica que abrange a área de conhecimento das Ciências Exatas e da Terra.

• Num contexto mais focado o conteúdo descrito neste domínio de ensino tem como base o livro: Lógica para Computação, utilizado pelos cursos de graduação na Área de Computação da Universidade do Vale do Rio dos Sinos – UNISINOS, ofertada na modalidade à distância.


• Esta disciplina objetiva o aprendizado dos conceitos da Lógica Proposicional e da Lógica de Predicados.

• Seguindo as orientações deste plano, a ontologia de conteúdos educacionais está estruturada em cinco níveis distintos:

• Área de Conhecimento;

• Disciplina;

• Tema estruturador;

• Unidade Temática;

• Item de ensino (Conteúdo).


• A figura abaixo representa parcialmente a ontologia de conteúdo, mostrando a expansão da classe Unidade Temática que abrange cinco subclasses.

Ontologia – Estratégia Pedagógica

• O plano de ensino abrange ainda em seu conteúdo, estratégias pedagógicas na articulação de sua estrutura. Desta forma, o domínio de ensino estudado está dividido em duas ontologias: de conteúdo e de estratégias pedagógicas.

• A combinação da ontologia de conteúdo mais a ontologia de estratégias pedagógicas formam o domínio de ensino que compreende a disciplina de Lógica.


• Na ontologia de Estratégias de Aprendizagem temos:

• As metodologias, técnicas e recursos de ensino e aprendizagem.

• As metodologias, técnicas e recursos de avaliação;


• Seguindo a estruturação do domínio de conteúdo, a ontologia das estratégias pedagógicas foi estruturada da seguinte forma:

• Objetivo;

• Habilidade;

• Conteúdo Disciplinar;

• Atividade;

• Perspectiva Metodológica;

• Avaliação.

Ontologias – Perfil do Aluno

• Um perfil descreve uma pessoa, permitindo a identificação de dados pessoais, preferências, características, objetivos, entre outros.

• No ambiente educacional a descrição de perfis de alunos serve para permitir que se tenha um maior conhecimento da realidade e das necessidades do aluno, tornando assim, o sistema mais adaptativo.

• A idéia é que a partir da análise do perfil do aluno seja possível adequar a estratégia de ensino ao aluno, fornecer material didático adequado, acompanhar o desenvolvimento e a evolução do aluno, entre outros.

Ontologias – Perfil do Aluno - Padrões de perfis

• IEEE PAPI:

• O padrão Public and Private Information Learner é dedicado a troca de informações entre diferentes sistemas. Ele especifica tanto a sintaxe quanto a semântica do perfil de aluno. O padrão teve sua primeira publicação em 1997, e atualmente se encontra na versão draft 8 publicada em novembro de 2001.

• O padrão PAPI descreve um conjunto de informações, relevantes, sobre o aluno, e atualmente está dividido em seis categorias, como pode ser visto na figura seguinte:


• IMS Learner Information Package (LIP):

• O LIP (Learner Information Packege) foi desenvolvido pelo IMS Global Consortium e trata da interoperabilidade entre sistemas que se baseiam em informações de alunos. O objetivo do padrão é definir um conjunto de grupos de dados que possam ser compartilhados entre diferentes sistemas, permitindo assim a criação de ambientes de aprendizagem distribuídos .

• Uma das facilidades para a utilização do LIP, é que ele apresenta um exemplo de implementação em XML, além de descrever a estrutura dos dados e as melhores práticas para utilização do modelo.


• O IMS LIP está dividido em onze categorias, como mostra a figura abaixo:

Ontologias – Perfis de aluno

• Ontologia proposta por Dolog.

Ontologias – Perfis de aluno - OntoLearner

• A ontologia OntoLearner foi definida com base nos padrões PAPI e LIP, e utiliza mutuamente os principais elementos de cada um dos dois padrões, gerando o modelo mínimo necessário [16].

• Além de cobrir os dados necessários para estar de acordo com os padrões, a ontologia OntoLearner apresenta informações sobre o estilo cognitivo do aluno. Este estilo cognitivo da pessoa é considerado uma das características mais estáveis que influencia na realização de tarefas de aprendizagem.

Ontologias – Perfis de aluno - OntoLearner

• A figura abaixo apresenta a estrutura básica da Ontolearner;

Estudo de Caso

• Atualmente o sistema está em fase de construção e possui implementado, agentes capazes de ler e entender o conteúdo das ontologias, onde o usuário é capaz de pesquisar se um determinado vocabulário faz parte de seu conteúdo.

Estudo de Caso

• Os agentes da aplicação estão organizada da seguinte forma:

• Classe principal: responsável por efetuar a leitura das ontologias e verificar se nelas está contigo determinado elemento;

• AgentOntoDomain: agente capaz de manipular a ontologia de domínio;

• AgentOntoEduStrategy: agente capaz de manipular a ontologia de estratégia de ensino;

• AgentOntoLearner: agente capaz de manipular a ontologia de perfil de aluno.

Arquitetura da Aplicação

• A manipulação das ontologias se dá através da troca de mensagens. Cada agente é capaz de manipular uma determinada ontologia, ou seja, realizar inferências em uma determinada ontologia para a qual ele conhece.

• A figura a seguir demonstra a troca de mensagens entre a interface do JADE e o agente capaz de manipular a ontologia de perfil de aluno.

Arquitetura da Aplicação

Na consulta acima é possível verificar que a subclasse “Learner” está contida dentro da ontologia.

Considerações Finais

• Ainda existem diversos objetivos a serem alcançados a partir deste trabalho, todos eles focando o desenvolvimento de agentes robustos, capazes de manipular ontologias, comunicar-se com banco de dados e entre si.

• Um dos próximos passos é selecionar a linguagem de comunicação padrão a ser adotada, tanto para comunicação entre agentes, quanto entre agentes e usuário e agentes e banco de dados.

Considerações Finais

• Diante deste cenário e visando permitir uma identificação mais precisa do assunto que trata o objeto de aprendizagem, surge à necessidade de uma interface que permita ao usuário interagir com os agentes, sendo possível, por exemplo, o desenvolvimento do sistema multiagente para tutoria da disciplina de lógica proposto neste trabalho.

Referencias Bibliográficas• [1] PORTAL OBAA. Disponível em: <http://www.portalobaa.org/obaac>.

Acessado em 26/08/2010;

• [2] PROJETO OBAAMILOS. Disponível em: <http://obaa.unisinos.br/?pg=concretizacao_dos_metadados.html>. Acesso em 26/08/2010.

• [3] RUSSEL, STUART; NORVIG, P. Inteligência Artificial. Capítulo 2: AGENTES INTELIGENTES. Elsevier Editora, 2004.

• [4] GLUZ. JOÃO CARLOS. INTRODUÇÃO A INFRAESTRUTURA MILOS. Pós-Graduação em Computação Aplicada (PIPCA), Universidade do Vale do Rio dos Sinos (UNISINOS). Maio, 2010.

• [5] GLUZ. JOÃO CARLOS, PY, MÔNICA XAVIER. LOGICA PARA COMPUTAÇÃO. Coleção EAD – Editora Unisinos, 2010.

• [6] XAVIER, ANA CAROLINA. AutoEduMat: Ferramenta de Apoio a Autoria de Metadados de Objetos de Aprendizagem para o Domínio de Ensino de Matemática. Dissertação de Mestrado. Universidade do Vale do Rio dos Sinos, 2010.

Referencias Bibliográficas• [7] FILETO, RENATO. Construindo Aplicações na Web Semântica: Parte 1:

Introdução à Web Semântica. Programa de Pós-Graduação em Ciência da Computação – PPGCC. Universidade Federal de Santa Catarina – UFSC. 2010.

• [8] The OWL API. Disponível em: <http://owlapi.sourceforge.net/index.html>. Acesso em 30/08/2010.

• [9] Protègè. Disponível em: <http://Protègè.stanford.edu/>. Acesso em 28/08/2010.

• [10] LIP. Learner Information Package Specification 1.0.1. 2005. Disponível em: <http://www.imsproject.org/profiles/lipv1p0p1/imslip_sumcv1p0p1.html>. Acesso em: 15/08/2010.

• [11] PAPI. IEEE 1484.2. Draft standard for learning technology. Public and private information (papi) for learners (papi learner). 2001. Disponível em: <http://ltsc.ieee.org/meeting/200112/doc/papi_learner_parts.ppt>. Acesso em: 15/08/2010.

Referências Bibliográficas• [12] MACE-Dir. 2008. EduPerson Object Class Specification. Disponível em:

<http://middleware.internet2.edu/eduperson/docs/internet2-mace-dir-eduperson-200806.html>. Acesso em: 18/08/2010.

• [13] Saba. 2000. A comprehensive Architecture for Learning. Universal Learning Format. Version 1.0.

• [14] CEN WS-LT. 2010. LTSC PAPI - Overview. Disponível em: <http://www.cen-ltso.net/%28X%281%29S%28w2asaa45we3ktz45g1lx0q45%29%29/main.aspx?put=230>. Acesso em: 28/08/2010.

• [15] MUSA, D.L et al. User Profile Interchange in a Service-oriented Architecture. In: DISWEB.

• 2006, Luxemburgo. CAiSE 2006 Workshops, 2006.

• [16] MUSA, D.L et al. 2007. OntoLearner: Uma Ontologia para Perfis de Alunos Baseada em Padrões.

Referências Bibliográficas

• [17] DOLOG P., Schaefer, M. Learner Modeling on the Semantic Web. In: Proc.of PerSWeb-2005 Workshop, July, 2005, Edinburgh, UK.

• [18] Lógica. Ementa da disciplina. Universidade do Vale do Rio dos Sinos – UNISINOS, 2010.

Agentes Pedagógicos para o ensino de Lógica com interações baseadas no perfil do aluno e em...

Documents

Transcript of Agentes Pedagógicos para o ensino de Lógica com interações baseadas no perfil do aluno e em...