Geração de Ambientes Virtuais de Ensino-Aprendizagem para ......jogos que apliquem o método de...
Transcript of Geração de Ambientes Virtuais de Ensino-Aprendizagem para ......jogos que apliquem o método de...
UNIVERSIDADE FEDERAL DO RIO GRANDE DO NORTE CENTRO DE CIÊNCIAS EXTAS E DA TERRA
DEPARTAMENTO DE INFORMÁTICA E MATEMÁTICA APLICADA PROGRAMA DE PÓS-GRADUAÇÃO EM SISTEMAS E
COMPUTAÇÃO MESTRADO ACADÊMICO EM SISTEMAS E COMPUTAÇÃO
Geração de Ambientes Virtuais de Ensino-Aprendizagem para
Cursos Baseados na Realização de Projetos
Alan de Oliveira Santana
Dissertação de Mestrado
Natal – RN
Novembro, 2017
Alan de Oliveira Santana
Geração de Ambientes Virtuais de Ensino-Aprendizagem para
Cursos Baseados na Realização de Projetos
Dissertação submetida à Coordenação do
Programa de Pós-Graduação em Sistemas e
Computação, do Centro Ciências Exatas e da
Terra, da Universidade Federal do Rio Grande
do Norte, como parte dos requisitos para
obtenção de título de Mestre em Sistemas e
Computação.
Orientador: Prof. Dr. Eduardo Henrique da
Silva Aranha
PPgSC – Programa de Pós-Graduação em Sistemas e Computação
DIMAp – Departamento de Informática e Matemática Aplicada
CCET – Centro de Ciências Exatas e da Terra
UFRN – Universidade Federal do Rio Grande do Norte
Natal – RN
Novembro, 2017
Universidade Federal do Rio Grande do Norte - UFRN
Sistema de Bibliotecas - SISBI
Catalogação de Publicação na Fonte. UFRN - Biblioteca Setorial Prof. Ronaldo Xavier de Arruda - CCET
Santana, Alan de Oliveira.
Geração de ambientes virtuais de ensino-aprendizagem para
cursos baseados na realização de projetos / Alan de Oliveira
Santana. - 2017.
95 f.: il.
Dissertação (mestrado) - Universidade Federal do Rio Grande do
Norte. Centro de Ciências Exatas e da Terra. Programa de Pós-
Graduação em Sistemas e Computação. Natal, RN, 2017. Orientador: Eduardo Henrique da Silva Aranha.
1. Computação - Dissertação. 2. Tutor - Dissertação. 3. Gerador
- Dissertação. 4. Aprendizagem baseada em problemas -
Dissertação. 5. Jogos - Dissertação. 6. Evasão - Dissertação. I.
Aranha, Eduardo Henrique da Silva. II. Título.
RN/UF/CCET CDU 004(043.3)
Agradecimentos
A Deus, minha esposa, meus pais, meus padrinhos e meu orientador, pois todas estas
tornaram este trabalho possível. Por isto agradeço profundamente a estas pessoas.
Geração de Ambientes Virtuais de Ensino-Aprendizagem para
Cursos Baseados na Realização de Projetos
Autor: Alan de Oliveira Santana Orientador: Prof. Dr. Eduardo Henrique da Silva Aranha
Resumo Os altos índices de reprovação e evasão em cursos de computação torna-se um fator
limitador para o desenvolvimento de diversas áreas profissionais, tornando a oferta de
mão de obra especializada escassa. Neste sentido, cursos de desenvolvimento de
jogos que apliquem o método de aprendizagem baseada em projetos, para dinamizar
o aprendizado, e o uso de tutores virtuais, para direcionar o estudante no aprendizado,
buscam deixar o ambiente de aprendizado de conceitos ligados a computação mais
atrativos e lúdicos. Assim, este trabalho objetiva desenvolver e avaliar um sistema de
geração de tutores virtuais para perfis de alunos distintos de uma mesma turma,
podendo ser aplicado a EaD ou ensino presencial. Desta forma, dois protótipos de
tutores foram desenvolvidos e avaliados a fim de observar o impacto do uso de mais
de um formato de tutor em uma turma. Os resultados mostraram que os alunos se
divertiram durante as aulas, motivados pelo fator lúdico ligado as aulas de
programação de jogos e dos tutores virtuais. Este fator permitiu que os alunos
apresentassem bons resultados durante o desenvolvimento dos jogos, com mais de
75% dos alunos concluindo os problemas propostos, com os demais apresentando
em torno de 90% de andamento para conclusão dos jogos. Outro ponto observado foi
que as turmas apresentaram distinção de perfil em ordem de 56% para 44% de
dispersão entre os tutores que mais se adaptaram a seu perfil, sugerindo que a
aplicação do gerador foi bem vinda, porém, são necessários outros estudos para
evidenciar de forma mais contundente este dado apresentado.
Palavras-chaves:.Tutor, Gerador, aprendizagem baseada em problemas, Jogos,
Evasão
Generation of Virtual Environments of Teaching-Learning for Courses Based on the Realization of Projects
Author: Alan de Oliveira Santana
Supervisor: Prof. Dr. Eduardo Henrique da Silva Aranha
Abstract
The high rates of failure and avoidance in computing courses become a limiting factor
for the development of several professional areas, making the supply of skilled labor
scarce. In this sense, game development courses that apply the project-based learning
method, to stimulate learning, and the use of virtual tutors, to direct the student in
learning, seek to leave the learning environment of computational concepts more
attractive and playful. Thus, this work aims to develop and evaluate a system of
generation of virtual tutors for profiles of different students of the same class, being
able to be applied to distance education or face-to-face teaching. In this way, two
prototype tutors were developed and evaluated in order to observe the impact of using
more than one tutor format in a class. The results showed that the students had fun
during the classes, motivated by the ludic factor linked to the programming classes of
games and virtual tutors. This factor allowed the students to present good results
during the development of the games, with more than 75% of the students concluding
the problems proposed, with the others presenting around 90% of progress to
complete the games. Another point observed was that the groups presented a profile
distinction in order of 56% to 44% of dispersion among the tutors who more adapted
to their profile, suggesting that the application of the generator was welcome, however,
other studies are necessary to show more forcefully this presented data.
Keywords:.Tutor, Generator, Problem-Based Learning, Games, Evasion
Lista de figuras
Figura 1: Arquitetura dos sistemas tutores virtuais .................................................... 23
Figura 2: Exemplo de base de dados AIML............................................................... 27
Figura 3: Exemplo de diálogo usando base de dados AIML ..................................... 27
Figura 4: Diagrama de fluxo da aula do tutor virtual .................................................. 34
Figura 5: Roteiro da aula/missão ............................................................................... 36
Figura 6: Tópicos das missões .................................................................................. 37
Figura 7: Tela de decisão das missões ..................................................................... 38
Figura 8: Incentivo a praticar logo após cada explicação .......................................... 39
Figura 9: Engajamento medido através da confiança e satisfação de aprendizado .. 42
Figura 10: Índice recomendação e diversão de aprendizado .................................... 42
Figura 11: Motivação e estímulo de aprendizado ...................................................... 43
Figura 12: Arquitetura do tutor chat ........................................................................... 46
Figura 13: Fluxo do tutor chat.................................................................................... 47
Figura 14: Tela do tutor chat e primeira interação ..................................................... 48
Figura 15: Apresentação do vídeo introdutório.......................................................... 48
Figura 16: Dados de entrada do usuário ................................................................... 49
Figura 17: Interação de pedido para realizar pesquisas ............................................ 50
Figura 18: Sumário principal do tutor chat ................................................................. 50
Figura 19: Simbologia das atividades realizadas ...................................................... 51
Figura 20: Inferência do tutor chat ............................................................................. 52
Figura 21: Diagrama de classes dos tutores virtuais gerados ................................... 55
Figura 22: Esquema de geração dos Tutores ........................................................... 56
Figura 23: Gráfico da seleção de preferência de formato de tutor ............................ 61
Figura 24: Gráfico questão 4 ..................................................................................... 63
Figura 25: Boxplot sobre o tempo médio de conclusão das aulas ............................ 65
Figura 26: Gráfico questão 1 ..................................................................................... 67
Figura 27: Gráfico questão 2 ..................................................................................... 68
Figura 28: Gráfico questão 3 ..................................................................................... 69
Figura 29: Chatbot 1 .................................................................................................. 74
Figura 30: Chatbot 2 .................................................................................................. 75
Figura 31: Arquitetura do Chatbot FILOH .................................................................. 76
Lista de Tabelas
Tabela 1: Execução do Estudo .................................................................................. 40
Tabela 2: Quadrado latino ......................................................................................... 58
Lista de abreviaturas e siglas TI - Tecnologia da Informação STI - Sistemas Tutores Inteligentes EaD - Educação a Distância PBL – Project Based Learning (Aprendizagem Baseado em Projetos)
Sumário
1 Introdução ............................................................................................................. 13
1.1 Contexto ...................................................................................................... 13
1.2 Problemática ............................................................................................... 16
1.3 Objetivos e questões de pesquisa ............................................................... 17
1.4 Metodologia .................................................................................................... 18
1.5 Contribuições esperadas .............................................................................. 19
2. Fundamentação ................................................................................................... 20
2.1. Sistemas tutores inteligentes ...................................................................... 20
2.2 Ensino-aprendizagem de jogos .................................................................... 23
2.3. Gerenciamento de diálogos em sistemas digitais ..................................... 24
2.4. AIML (Artificial Intelligence Markup Language) ......................................... 25
2.5 Aprendizagem Baseada em Projetos (PBL) ................................................. 28
2.6 Chatbots ......................................................................................................... 29
2.7 VTL, a linguagem de templates ..................................................................... 31
3. MODELO DE Tutor Virtual para Aulas Baseadas em Missões ........................ 32
3.1 Fundamentação do Modelo Proposto .......................................................... 32
3.2 Modelo de Tutor Virtual Proposto ................................................................ 33
3.3 Implementação de um Tutor Virtual e sua mecânica de interação ............ 35
3.4 Avaliação do Tutor ......................................................................................... 39
3.5 Análise dos Resultados ................................................................................. 40
3.6 Considerações Finais .................................................................................... 43
4. Tutor Virtual para aulas mais interativas: tutor chat ........................................ 45
4.1 Arquitetura geral ............................................................................................ 45
4.2 Funcionamento do tutor chat ........................................................................ 47
4.2 Avaliação do tutor chat ................................................................................. 52
5. Gerador de tutores virtuais para perfis de alunos diferentes ......................... 54
5.1 Gerador de tutores virtuais ........................................................................... 54
5.1.1 Visão geral do Gerador ........................................................................... 54
5.1.2 Integrações do gerador a um servidor web ........................................... 56
5.1.3 Implementação de um Protótipo ............................................................ 57
5.2 Experimento controlado ................................................................................ 57
5.2.1 Planejamento............................................................................................ 58
5.2.1.1 Questões de pesquisa ....................................................................... 59
5.2.1.2 Participantes e contexto ................................................................... 59
5.2.1.3 Procedimento de coleta de dados.................................................... 59
5.2.1.4 Procedimento de analise .................................................................. 60
5.2.2 Resultados ............................................................................................... 60
5.2.3 Ameaças a validade ................................................................................. 70
6 Trabalhos relacionados ....................................................................................... 71
6.1 Tutores virtuais existentes ............................................................................ 71
6.2 Chatbots existentes ....................................................................................... 72
7. Conclusões .......................................................................................................... 77
7.1. Trabalhos futuros .......................................................................................... 79
REFERÊNCIAS ......................................................................................................... 80
APÊNDICE A: Questionário videoaula gravada .................................................... 88
APÊNDICE B: Questionário tutor ........................................................................... 92
APÊNDICE C: Questionário Aula nave e arkanoid do experimento controlado 96
13
1 INTRODUÇÃO
Este capítulo introduz o trabalho de pesquisa desenvolvido e apresentado por
esta dissertação, sendo estruturado da maneira a seguir. A seção 1.1 apresenta o
contexto geral desta obra, introduzindo o PBL (Project Based Learning –
Aprendizagem Baseado em Projetos) e o uso de tutores virtuais para aulas de
desenvolvimento de jogos digitais, seja no ensino presencial ou à distância.
A Seção 1.2 apresenta a problemática desta obra, expondo a proposta de um
sistema gerador de tutores virtuais digitais para turmas grandes, à distância ou
presencial, e baseadas em PBL.
Em seguida, a Seção 1.3 mostra os objetivos e questões de pesquisa que
nortearam este trabalho. A metodologia utilizada na pesquisa é apresentada na Seção
1.4 e, por fim, a Seção 1.5 apresenta as contribuições esperadas.
1.1 Contexto
As elevadas taxas de evasão e défices vocacionais tem causado uma forte
tendência de queda na procura por cursos superiores da área de Tecnologia da
Informação (TI) (BARBOSA, FERREIRA e COSTA, 2014), contrastando com o
aumento progressivo na demanda por profissionais na área (COMPUTAÇÃO BRASIL,
2007). Segundo a Association for Computing Machinery (ACM), 120.000 vagas de
empregos anuais serão abertas até 2020 apenas nos Estados Unidos. Porém, a
carência em profissionais formados em Ciência da Computação pode tornar-se a
maior interferência no desenvolvimento da indústria tecnológica.
Segundo pesquisas realizadas pelo SEMESP1, Sindicato das Entidades
Mantenedoras de Estabelecimentos de Ensino Superior no Estado de São Paulo,
apresentam números maiores que 70% de desistentes do curso de Ciências da
Computação. Ainda segundo esta pesquisa, estes dados estão principalmente ligados
ao baixo nível vocacional e dificuldades com disciplinas importantes como a
matemática.
1 http://semesp1.tempsite.ws/semesp_beta/
14
São diversos os fatores desmotivacionais nos cursos de TI. As dificuldades
enfrentadas nas disciplinas iniciais dos cursos de programação, dificuldades de
compreensão dos conceitos abstratos, falta de tempo para se dedicar aos estudos,
bem como a complexidade inerente ao uso de linguagens de programação associado
à sua semântica e sintaxe (BARBOSA, FERREIRA e COSTA, 2014).
Junior, Rapkiewicz e Delgado (2005), apresentam um conjunto de problemas
identificados a partir de pesquisas sobre as dificuldades enfrentadas por alunos de
cursos de programação. São eles:
• A dificuldade de interpretação do próprio problema, muito antes da dificuldade
de interpretação de algum tipo de representação;
• Dificuldade de identificar os pré-requisitos necessários para o desenvolvimento
das competências de construção de algoritmos e programação, de forma a
poder trabalhá-los;
• Os alunos costumam ter muita dificuldade em aplicar suas habilidades prévias,
criando fonte de medo e frustração;
• Necessidade (ou não) de definir o paradigma de programação utilizado, de
forma a estruturar a soluções dos problemas já voltados para tal paradigma;
• Outro ponto é a diversidade do ritmo de aprendizado de cada aluno conjugada,
muitas vezes em turmas grandes;
Estes problemas motivacionais aumentam a carência e importância do
profissional da computação, com formação iniciando desde o ensino básico, como
citado no Model Curriculum for K–12 Computer Science 20112 que a grande maioria
das profissões do século 21 demanda uma compreensão da Ciência da Computação.
Profissionais de arte e entretenimento, comunicação, saúde, entre outros, precisam
ter conhecimentos de Computação, enquanto ciência, na busca por soluções de
problemas de áreas diversas, bem como na construção dessas soluções (FRANÇA,
SILVA E AMARAL, 2012).
2 A Model Curriculum for K–12 Computer Science: Report of the ACM K–12 Task Force Computer
Science Curriculum Committee, 2011. Disponível em: <http://www.csta.acm.org/Curriculum/sub/CurrFiles/CSTA_K-12_CSS.pdf>
15
Uma forma já utilizada para auxiliar os estudantes de cursos de computação,
bem como introduzir novos alunos a esta área é o ensino de programação de jogos
digitais, pois como apontado por Silva et al. (2016), o ensino de programação de jogos
engloba diversas áreas da computação, como lógica, design gráfico, desenvolvimento
de projetos, inteligência artificial, entre outras.
Assim, aprender a programar jogos é uma forma lúdica e objetiva de ensinar e
engajar os alunos a aprender a projetar e programar.
Neste sentido, visando tornar o ensino de programação de jogos de forma clara
e objetiva, metodologias como o Project Based Learning podem tornar o aprendizado
mais produtivo ao deixar claro onde se aplica cada conhecimento adquirido no
processo de aprendizagem de forma prática e autoconstruída.
O Project Based Learning objetiva fazer os estudantes se engajarem na
investigação de problemas autênticos (BLUMENFELD et al., 1991). Desta forma, o
aluno observa na prática onde se aplica cada um dos conceitos aprendidos.
Para permitir o uso mais eficiente das abordagens apresentadas, o uso de
tecnologias auxiliares como tutores virtuais apontam como alternativas eficientes e
baratas, principalmente quando comparadas a contratação de mais tutores humanos
pelo fato de um sistema digital, uma vez implementado, ser de fácil replicação, além
de estar disponível ao aluno sempre que este desejar, diferente dos tutores humanos
que estão disponíveis em horários específicos.
Estes tutores virtuais são ferramentas digitais pedagógicas que buscam simular
um tutor humano durante o aprendizado dos alunos, direcionando este aluno através
de estratégias pedagógicas que permitam a facilitação do aprendizado (MIRANDA,
MELO e VAZ, 2017).
Outra vantagem na utilização dos tutores virtuais é a capacidade que estes
sistemas possuem em dinamizar as aulas. Esta característica está vinculada a
possibilidade que os tutores virtuais apresentam em permitir que os alunos aprendam
individualmente e em seu próprio ritmo.
Neste ponto, um tutor digital para aulas de programação baseadas em PBL dá
suporte ao tutor humano que pode auxiliar os alunos que estão com mais dificuldades
e trabalhar estratégias de nivelamento com estes alunos frente a turma, permitindo
que estas turmas diminuam as taxas de diversidade de conhecimentos.
São diversos os tipos e aplicações dos tutores virtuais. Entre estes, os tutores
virtuais digitais permitem no contexto de PBL, uma maior interação do sistema com o
16
aluno, que se sente por sua vez mais seguro e motivado, como por exemplo a
utilização de linguagem natural pelos chatbots, como apresentado por Leonhardt e
Tarouco, 2006.
1.2 Problemática
A área de jogos demanda um conjunto de habilidades, técnicas e práticas
extenso, podendo se beneficiar de ferramentas que apoiem o processo de ensino-
aprendizagem. Assim, aulas no formato PBL permitem que os estudantes
desenvolvam capacidades importantes nas carreiras profissionais modernas, que
demandam comprometimento, adaptabilidade, cooperatividade e diversidade de
capacidades, características Intrínsecas aos profissionais ligados ao desenvolvimento
de jogos
Porém, no contexto de tornar as aulas mais abrangentes, alcançando desta
forma mais alunos, e eficientes, podem surgir problemas relativos a turmas grandes e
com alunos com níveis de aprendizado distintos. Este problema fica evidenciado em
cenários de ensino de programação de jogos com base em PBL através de uma
plataforma de ensino a distância ou em turmas com grande quantidade de alunos.
Neste sentido, a utilização de tutores virtuais pode reduzir a demanda de
suporte por professores e tutores reais, melhorando a qualidade das aulas ao permitir
que estes profissionais foquem nos alunos que precisam de ajuda sem atrapalhar o
andamento da aula com interrupções, ou deixando de atender alunos com dúvidas
devido o tempo de aula.
Outra vantagem na utilização dos tutores virtuais é o fato destes sistemas
permitirem o ensino individualizado e disponível a qualquer momento, flexibilizando o
processo de ensino-aprendizagem.
Todavia, outros problemas surgem ligados à diferença no tempo necessário
para que cada aluno absorva os conhecimentos que as aulas ou curso objetivam
ensinar. Frente ao problema citado, tutores virtuais podem aplicar diferentes
estratégias de nivelamento através da análise das bases de dados dos alunos,
permitindo a aplicação de estratégias pré-definidas para os alunos atrasados.
Neste sentido, a ferramenta de ensino poderia aplicar a geração de tutores
virtuais para tornar as aulas mais dinâmicas para os alunos que já dominam os
17
conteúdos, ou mais interativas e participativas para alunos que querem ou precisem
aprofundar os conhecimentos.
1.3 Objetivos e questões de pesquisa
Face ao exposto, o objetivo geral deste trabalho é apresentar a proposta de
desenvolvimento de um gerador de tutores virtuais para perfis de alunos distintos de
uma mesma turma para cursos de desenvolvimento de jogos baseados em PBL,
através do desenvolvimento de dois protótipos de tutores, um voltado para aulas mais
objetivas e outro para aulas mais interativas.
Para tanto, foram desenvolvidos objetivos específicos:
• Desenvolver dois protótipos com abordagens distintas;
• Avaliar os protótipos em sala de aula;
• Propor uma arquitetura de gerador de tutores com base na avaliação dos
protótipos;
Através dos objetivos apresentados, foram traçadas questões de pesquisa para
permitir nortear este trabalho. As questões de pesquisa são:
QP1: Qual formato de tutor proposto é mais atrativo aos usuário?
QP2: Os tutores virtuais propostos tornam as aulas objetivas e com menos
interrupções?
QP3: Os tutores virtuais propostos tornam as aulas mais lúdicas?
QP4: Os tutores virtuais propostos são capazes de auxiliar turmas a
desenvolver jogos digitais?
QP5: Comparando os dois formatos de tutores virtuais, qual permite completar
as aulas em menor tempo?
QP6: Quais as vantagens e limitações ligadas aos tutores propostos?
QP7: É possível afirmar que sistemas de geração de tutor virtual contribuem
para aulas mais objetivas e produtivas?
18
1.4 Metodologia
Na visão de Gil (2002), esta pesquisa classifica-se como exploratória, já que
proporcionar maior familiaridade com o problema proposto, aprimorando ideias ou
descobertas de intuições.
Esta pesquisa iniciou-se com a construção de cenários hipotéticos relativos a
utilização de tutores virtuais para aulas de programação de jogos aplicando PBL e
buscas na literatura por trabalhos relacionados.
Estas pesquisas levaram ao desenvolvimento de um protótipo inicial com base
nos dados obtidos e baseada no modelo de ensino PBL. A ferramenta desenvolvida
continha um personagem virtual animado ao lado de uma tela com a apresentação
dos conteúdos. Estes conteúdos eram apresentados não linearmente, buscando desta
forma deixar as aulas mais dinâmicas, pois permitiu que alunos que já dominassem
previamente certos conteúdos pudessem “pulá-los”.
Utilizando este protótipo, foi realizado um estudo vinculado a tese de doutorado
de Silva (2017), que investigou o impacto de aulas através de vídeos em dois
formatos, com o protótipo do tutor e com vídeos sequenciais.
Após a análise deste experimento, foi desenvolvida a proposta de arquitetura
de um novo tutor virtual e o desenvolvimento de um novo protótipo, pois observou-se
uma demanda por mais interação por alguns alunos.
Esta proposta de arquitetura continuou baseada em PBL, porém voltado para
turmas grandes do ensino presencial e online. Uma de suas maiores mudanças foi a
utilização do formato “chat” para comunicar-se com os aprendizes no lugar do tutor
expositor e animado.
Após o desenvolvimento do segundo protótipo, este passou por testes e
analises em modo de desenvolvimento, levantando a hipótese de que um sistema
gerador de tutores virtuais para perfis distintos traria bons resultados, visando os
resultados do experimento realizado com o primeiro protótipo, que apontou alunos que
desejaram maior interação com o sistema.
Neste ponto, um novo experimento foi realizado utilizando ambos protótipos.
Este novo experimento buscou observar se um gerador de tutores virtuais para perfis
de alunos distintos era interessante para melhorar o aprendizado e permitir um maior
nivelamento da turma.
19
1.5 Contribuições esperadas
Esta subseção tem por base descrever o que é esperado ser observado como
contribuição durante o desenvolvimento dos experimentos da pesquisa, sendo estas:
Espera-se que este trabalho contribua no desenvolvimento e avaliação
preliminar de um gerador de ambientes virtuais para o ensino-aprendizagem em
cursos baseados na realização de projetos.
20
2. FUNDAMENTAÇÃO
Este capítulo apresenta os fundamentos teóricos desta obra. A seção 2.1
apresenta os conceitos sobre Sistemas Tutores.
Já a seção 2.2 apresenta as vantagens ligadas a utilização de jogos digitais no
ensino aprendizagem.
A seção 2.3 apresenta uma visão geral sobre gerenciamento de diálogos e
como eles estão inseridos no contexto dos tutores virtuais propostos.
A seção 2.4 apresenta a fundamentação sobre a linguagem AIML e a seção 2.5
apresenta a fundamentação sobre PBL e como os sistemas propostos aplicam este
método.
Por fim, a seção 2.6 apresenta a visão geral dos sistemas chatbots e a seção
2.7 apresenta a linguagem de templates VTL (Velocity Template Language).
2.1. Sistemas tutores inteligentes
Sistemas inteligentes aplicados à educação são usados desde antes da década
de 60, na área da computação chamada IAC (Instrução Assistida por Computadores),
para fins como testes exaustivos e tarefas práticas e estavam bastante afastados do
modelo de ensino convencional instrucionista e com uso de quadro negros
(DAMASCENO, 2011).
No início da década de 70, pesquisadores definem, dentro da IAC, o uso de
tutores humanizados como modelo educacional para tais sistemas, aplicando técnicas
de IA (Inteligência Artificial) para dotá-los de características inteligentes, criando o
conceito de STI (Sistemas Tutores Inteligentes), com o objetivo de engajar os
estudantes em seus estudos através de seu comportamento individual. Na época
acreditou-se que se tais sistemas conseguissem metade da eficiência de um tutor real,
as vantagens para a sociedade seriam interessantes. (DAMASCENO, 2011).
Como demonstração do uso de STI como ferramenta viabilizadora de
mudanças nos paradigmas educativos, estudos como o realizado por Bloom (1984),
revelam que o ensino utilizando um professor cuidando exclusivamente de um aluno,
demonstra resultados mais significativos que a abordagem tradicional, onde um
professor cuida de um conjunto de alunos. No entanto, esta abordagem é cara,
tornando os STI alternativas viáveis.
21
Os STI são sistemas que proporcionam ensino individualizado onde o aluno é
um agente ativo no processo de aprendizagem e são constituídos de seis grandes
áreas (Psicologia, Linguística, Inteligência Computacional, Neurociência, Antropologia
e Filosofia) (MARTINS, AFONSECA e NALINI, 2007).
Estes sistemas pertencem à categoria de softwares educacionais que se
baseiam na aprendizagem interativa. Neste contexto, o aluno passa a ser o centro do
processo ensino-aprendizagem, deixando de ser passivo e tornando-se um ser ativo
no processo, além de tornar relevante o seu conhecimento atual e as suas
características de aprendizado (JESUS, 2003).
Oliveira (2002), afirma que Sistemas Tutores Inteligente podem ser aplicados
como estratégias de ensino diferenciado, sendo aplicado individualmente para cada
aprendiz segundo motivações, personalidade, objetivos e desempenho, gerando
experiências diferenciadas de ensino e maior aproveitamento pelos alunos.
Segundo Rodrigues e Carvalho (2005), para que um software seja considerado
um STI ele precisa possuir três características: A primeira é estar relacionado com um
domínio do conhecimento, o qual permite o tutor agir como um especialista. A segunda
é ser capaz de avaliar níveis de conhecimento do aprendiz e a terceira é ser capaz de
executar estratégias de ensino, objetivando diminuir a diferença entre o conhecimento
do tutor e de seu aprendiz. Essas características devem atuar de forma integrada em
tarefas concomitantes, dando uma estrutura tridimensional aos STI.
Ao observar como são organizados os STI nas literaturas, trabalhos como os
de Cossul, Braatz e Witczak (2015) e Bolzan (2002), apresentam que existem
variações nas arquiteturas e na organização dos módulos, principalmente pelo fato da
maioria dos trabalhos na literatura serem trabalhos de natureza experimental, não
existindo uma teoria definida (TURINE, MALTEMPI e HASEGAWA, 2016).
Existem várias arquiteturas para implementação de STI’s como a arquitetura
de Hartley e Sleeman (HARTLEY e SLEEMAN, 1973) e a arquitetura de O’Shea
(O’SHEA, BORNAT e BOULAY, 1984). Porém, será descrita a arquitetura em módulos
por ser uma das mais usadas.
A arquitetura em módulos é chamada arquitetura básica, devido ser constituída
por quatro módulos básicos (domínio, estudante, tutor e comunicação) e um módulo
adicional (módulo avaliador) (PIMENTEL, OMAR e FRANÇA, 2005).
Abaixo segue a descrição de cada módulo:
22
• Módulo do domínio: Este módulo contém a representação do conhecimento do
tutor, de maneira a possibilitar a identificação dos pré-requisitos de cada
conteúdo (PIMENTEL e DIRENE, 1998).
• Módulo do estudante: O módulo do estudante armazena informações sobre o
histórico do conhecimento do aprendiz, devendo conhecer os vários tópicos do
domínio do conhecimento. Este processo deve ser contínuo e manterá a
informação detalhada sobre o processo de avaliação e as habilidades do
aprendiz (PIMENTEL e DIRENE, 1998).
• Módulo do tutor: O módulo do tutor deverá conter o plano pedagógico do
conhecimento do sistema. A partir deste plano, o módulo deve ser responsável
por decidir as formas que as atividades pedagógicas serão aplicadas,
interagindo continuamente com os módulos do estudante e domínio. Este
módulo também pode criar planos personalizados para cada estudante, de
acordo com as informações contidas no módulo do estudante (PIMENTEL,
OMAR e FRANÇA, 2005).
• Módulo da comunicação: Contém a forma de comunicação entre o tutor e o
aluno (BOTELHO, 2008).
• Módulo avaliador: Este módulo é capaz de guiar o estudante na reflexão dos
conhecimentos a partir de informações do Módulo do Domínio e do Estudante.
Os dados provenientes dos outros dois módulos, devem ser uma base para a
composição e seleção de avaliações diferenciadas de desempenho que
estejam de acordo com o estado cognitivo do aprendiz. Também é responsável
por diagnosticar as lacunas na aprendizagem e elaborar planos personalizados
de aprendiz, objetivando preencher as lacunas (PIMENTEL, OMAR e FRANÇA,
2005).
Atualmente estes módulos são implementados através de arquiteturas multi-
agentes como a mais amplamente utilizada no desenvolvimento destes tutores (LIMA
et al. 2017). Um exemplo da arquitetura geral destes tutores pode ser visto na Figura
1.
23
Figura 1: Arquitetura dos sistemas tutores virtuais
Fonte: Andrade et al. 2013
2.2 Ensino-aprendizagem de jogos
O ensino de programação de jogos apresentasse como forma atrativa e objetiva
para o ensino de programação e outras áreas como matemática, através do ensino
de lógica e outras disciplinas importantes para o profissional da computação, como
apresentado por Oliveira, Rodrigues e Queiroga (2016).
Uma das vantagens e atratividades do uso de jogos para o ensino-
aprendizagem é a forma lúdica com que os alunos exploram os conteúdos,
abordando-os de forma mais amigável e participativa (MATTOS, XAVIER e PINTO,
2017).
Segundo a revisão da literatura de Medeiros, Silva e Aranha (2013), sobre o
ensino de programação através do ensino de programação de jogos, o principal
público desta abordagem são alunos de nível médio, onde busca-se introduzir
precocemente os conceitos de computação. Outro grupo que aparece na pesquisa
são alunos de nível superior que realizam cursos de programação de jogos como
forma alternativa as disciplinas afins.
Desta forma, o ensino de programação de jogos digitais para o ensino-
aprendizagem é uma alternativa bastante explorada e eficiente disponível.
24
2.3. Gerenciamento de diálogos em sistemas digitais
Sistemas que realizam interação com usuários através de personagens, muitas
vezes apresentam em sua estrutura sistemas de gerenciamento de diálogos. Sua
estrutura, em geral, baseia-se em agentes que recebem as entradas, as interpretam
e geram saídas correlatas através de áudios ou texto. Segundo Kopp, Gessellensetter
e Krãmer (2005), a tarefa do agente responsável pelo gerenciamento de diálogo é
atualizar as bases de conhecimento dinamicamente, controlar os comportamentos
reativos, e o mais importante, criar as expressões apropriadas. Esta abordagem é
normalmente utilizada para conversas simples, sendo necessário desenvolver
abordagens mais planejadas e modelagem profunda dos respectivos domínios.
A criação da expressão apropriada para cada entrada, está ligado ao estado
afetivo do sistema e também, como visto no trabalho de Poggi, Pelachaud e Rosis
(2005), pode ser representado como a “mente”, que além do agente gerenciador de
diálogos, também contém agentes que representam o estado mental do personagem
virtual, utilizando a interação dos dois agentes, mais consultas ao domínio do sistema,
para criar as expressões de saída.
Estes sistemas capazes de realizar diálogos com humanos são chamados de
Agentes Conversacional (AC), e um dos primeiros desenvolvidos foi o chatbot ELIZA
(WEIZENBAUM, 1966), que mesmo sendo um sistema bastante simples, foi capaz de
criar diálogos em linguagem natural (O’SHEA, BANDAR e CROKETT, 2010).
Entende-se por linguagem natural, a capacidade de o computador tratar
aspectos da comunicação humana como: sons, palavras, sentenças e discursos,
considerando formatos, referências, estruturas, significado, contextos e usos, dotando
a máquina com a capacidade de se comunicar como um humano (GONZALES e
LIMA, 2003). Dotar um sistema computacional com linguagem natural envolve, além
dos conceitos de computação, conhecimentos das áreas de Filosofia, Neurologia,
Psicolinguística e linguística (McDONALD, 2000).
Há inúmeras formas de dotar um sistema com capacidade de comunicar-se
através de linguagem natural, uma delas é predefinir saídas para cada entrada
especifica. Outra forma é utilizar árvores para a criação das frases.
As árvores geram estruturas padronizadas para criação finita das frases. Estas
árvores podem ser representadas por agentes que interagem com os agentes
25
domínio, com os conjuntos de palavras e com o estado emocional, gerando saídas
especificas para cada entrada somado a situação emocional do sistema.
Atualmente a linguagem AIML utilizada nos chatbots é uma das ferramentas
para tornar sistemas capazes de comunicar-se em linguagem natural mais difundida
e eficiente
2.4. AIML (Artificial Intelligence Markup Language)
O AIML é uma linguagem de marcação utilizando tag’s baseada em XML. Esta
linguagem é capaz de representar expressões em linguagem natural, permitindo o
desenvolvimento de gerenciadores de interpretadores de linguagem natural simples.
O surgimento do AIML está ligado ao desenvolvimento do chatbot ALICE
(WALLACE, 1995), sendo a base do surgimento da atual geração deste tipo de
sistema.
Segundo Macedo e Fusco (2014), o AIML é composto por um conjunto de tag’s
que pode conter outras várias tag’s chamadas categorias, sendo estas, responsáveis
por interpretar as mensagens escritas pelos usuários, desta forma, gerando respostas
ligadas às funções contidas dentro das categorias das tag’s.
A documentação do AIML, bem como seu contínuo desenvolvimento, está sob
domínio da ALICE A. I. Foundation4 e está sob a licença GNU GPL5.
O número de tag’s é bastante diverso, porém existem quatro principais que
estão ligadas ao funcionamento básico da linguagem, são elas:
• aiml: Responsável por iniciar e finalizar o documento AIML;
• category: Responsável por marcar uma “unidade de conhecimento”;
• pattern: Contém um padrão simples, correspondente ao que o usuário pode
dizer;
• template: Contém a resposta a uma entrada do usuário;
4 http://www.alicebot.org/ 5 https://www.gnu.org/licenses/gpl-3.0.en.html
26
O ALICE A. I. Foundation, mantém em seu domínio na internet a referência a
todas as tag’s do AIML, função de cada uma, além de exemplos e outros materiais de
apoio ao desenvolvimento de chatbots.
A escrita dos comandos AIML é semelhante a outras linguagens de marcação
como HTML e a própria XML, ao qual o AIML é baseado. Existem dois tipos de
estrutura das tag’s, as de abertura “<>” e de encerramento “</>” de comandos. Um
exemplo da estrutura dos comandos AIML é: “<Aiml> inicia e fecha o conteúdo de um
documento AIML</Aiml>”.
Além das quatro tag’s principais, existem outras que possuem grande
importância no desenvolvimento da base de dados de conversação dos sistemas, as
tag’s:
• random: permite a seleção de uma resposta dentro de um conjunto de
possibilidades;
• li: marca as possibilidades de escolha dentro da tag random;
• that: Registra a última sentença;
• sarai: Direciona o usuário para uma categoria ligada mensagem de resposta
do usuário a um contexto anterior;
• star: Se uma categoria utilizar “*” ou “_” no início ou fim da mensagem, a tag
faz com que o texto que existe antes ou depois do símbolo sejam irrelevantes;
• think: Responsável por realizar as operações internas;
• set: Exemplo de operação interna. Armazena em variáveis valores digitados
pelo usuário ligados ao símbolo “*”;
• get: Exemplo de operação interna. Faz a leitura de variáveis já criadas.
• thatstar: Retorna um fragmento dentro da tag “pattern” ligado ao símbolo “*”
contido na tag <that>
Todas estas tag’s são caracterizadas como básicas por Macedo e Fosco
(2014), estando as demais relacionadas a desenvolvimentos avançados. A Figura 2 e
3 apresentam respectivamente um exemplo de código AIML e a interação de um
usuário com um chatbot utilizando esta base de dados.
Um ponto importante do AIML é que esta linguagem pode ser utilizada em
diversas outras linguagens como JAVA, PHP, Python, Ruby, entre outras.
27
Esta interação entre o AIML e outras linguagens se dá através de interpretadores,
sendo os mais famosos o program-D e program-O, ligados a linguagem Java e PHP
respectivamente e ambos descritos no site da fundação ALICE6, que contém citação
de outros interpretadores AIML.
Figura 2: Exemplo de base de dados AIML
Fonte: Própria
Figura 3: Exemplo de diálogo usando base de dados AIML
Fonte: Própria
Apesar da simplicidade e objetividade apresentada na linguagem AIML,
existem problemas ligados ao desenvolvimento de base de dados em certas línguas
como o Português, pois ALICE apesar de conter uma base de dados muito robusta,
está essencialmente em língua Inglesa.
6 http://www.alicebot.org/downloads/programs.html
28
Trabalhos como o de Souza e Moraes (2015), apresentam propostas de
solução para esta dificuldade. Em sua obra é proposta a construção automática de
uma base de dados AIML utilizando métodos de extração de dados de FAQ
(Frequently Asked Questions). Segundo os autores, a escolha de utilizar um FAQ para
criar a base de dados deve se ao fato desta base estar em HTML e conter padrões
facilmente identificáveis, o que permite utilizar ferramentas como JSOUP7 para fazer
a análise dos dados.
Em geral AIML é robusta e apresenta resultados bons e confiáveis e com cerca
de 95% de confiança como apresentado por Moore apud Neves (2005), permitindo
criar sistemas chatbots robustos e eficientes.
2.5 Aprendizagem Baseada em Projetos (PBL)
Aprendizagem baseada em projetos é uma abordagem centrada no aluno que
objetiva fazer os alunos adquirirem conhecimentos mais aprofundados através da
imersão em problemas reais, complexos e desafiantes, tornado as aulas mais
dinâmicas e parecidas com o ambiente que o aluno encontrará na vida profissional
(HELM e KATS, 2016).
A abordagem de aprendizagem baseada em projetos surgiu por volta de 1900,
baseando-se na ideia do conhecimento autoconstruído passo a passo introduzida por
Dewey e sua ideia de aprender fazendo. Esta ideia é suportada por Papert e Harel
(1991), que citam que o indivíduo aprende melhor através da construção de artefatos
que podem ser compartilhados com outros e replicados.
Blumenfeld et al. (1991), aponta que alunos submetidos ao PBL apresentam
resultados e notas mais elevadas que alunos do ensino tradicional. Esta afirmação
também pode ser vista por outros autores como Grant (2002) e Bell (2010).
A aplicação do PBL se dá em grupos liderados por 1 professor, chamado de
tutor, 1 aluno coordenador, 1 aluno secretário e os demais integrantes do grupo. Os
alunos coordenador e secretário rodiziam entre os membros do grupo
Em geral o método é dividido em 5 passos, como citado por Berbel (1998),
sendo eles:
7 https://jsoup.org/
29
1. Leitura do problema e identificação dos pontos desconhecidos: os
alunos são orientados a observar o problema e identificar e registrar
sistematicamente a parcela de realidade do tema.
2. Identificação do problema: esta etapa objetiva que os alunos reflitam
sobre o problema identificando suas possíveis causas e motivos para sua
existência.
3. Teorização do problema: primeiramente os alunos desenvolvem hipóteses
para solução do problema proposto baseados em conhecimento prévio e
em seguida buscam informações em diversos locais distintos sobre a
possível solução do problema, como em revistas, artigos, entre outros.
4. Resumo das hipóteses de solução: os alunos fornecem elementos
elaborados para solucionar o problema descrevendo o que deve ser
acontecer e ser providenciado para que o problema seja solucionado.
5. Aplicação da solução: os alunos aplicam na prática as soluções
desenvolvidas e por fim refletem sobre os passos realizados e os resultados
obtidos, evidenciando os pontos positivos e negativos em cada passo.
No contexto do PBL o tutor deverá prover ao grupo seu pleno funcionamento e
participação de todos os envolvidos, não permitindo que os alunos se distanciem da
resolução do problema. Deverá traçar planos de aprendizado e atuar na manutenção
e direcionamento dos alunos frente a este plano. Por fim, o tutor deve ter pleno
conhecimento sobre o problema, porém sem necessitar ser especialista no assunto.
Desta forma o método pretende tornar o aluno capacitado a resolver problemas
reais do seu dia a dia profissional através da experiência adquirida na resolução dos
problemas propostos durante sua formação.
2.6 Chatbots
Em 1950, Alan Turing publicou o artigo “Computing Machinery and Intelligence”,
que introduziu o pensamento sobre dotar as máquinas com características de
inteligência. Sua proposta foi dialogar com um sistema e verificar se o usuário
percebeu que estava comunicando-se com uma máquina ou pensou que foi um
humano.
30
Segundo Russel e Norvig (1996), após a publicação da obra de Turing, os
pesquisadores da área de IA não se preocuparam em validar sistemas segundo o
teste de Turing, preocupando se prioritariamente com os princípios básicos da
Inteligência Artificial.
Indo em direção contrária a estes pesquisadores, sistemas capazes de interagir
com o usuário, através de linguagem natural, objetivando não permitir diferenciar suas
ações como sendo executadas por um humano ou máquina surgiram em meados da
década de 80 e 90. Estes sistemas são chamados Chatbots, termo proposto em 1994
por Michael Maulding para identificar sistemas de conversação com usuários
humanos através de linguagem natural (SHAWAR e ATWELL, 2007).
Chatbots podem possuir diversas nomenclaturas, Chatbots, Bots, Chatter-bots
entre outro e a origem do termo é a junção do termo “chat” (Conversational Hypertext
Access Technology) e “bot”, abreviação da palavra checa Robota, que significa
trabalho (LEONHARDT, 2006).
A primeira geração de Chatbots surgiu através do desenvolvimento do sistema
ELIZA, desenvolvido em 1966 por Weizenbaum no MIT (Massachusetts Institute
Technology). Segundo Heller (2005), este chatbot detectava palavras-chave inseridas
pelo usuário e realiza transformações baseadas no contexto linguístico imediato, não
sendo capaz de atribuir sentido às palavras processadas.
Um exemplo de transformação que ELIZA realiza pode ser observada abaixo.
• Usuário - Eu estou bem estes dias.
• ELIZA: Você está bem estes dias
Este exemplo demonstra que ELIZA apenas é capaz de inverter o referencial e
mantém a elocução.
A segunda geração dos chatbots foi marcada pela introdução de JULIA,
desenvolvido por Michael Mauldin na Universidade Carnegie Mellon, auxiliando os
usuários de um sistema chamado TinyMUD (Multi-User Dungeons) (MAULDIN, 1994).
Uma de suas principais características, é sua capacidade de lembrar
informações registradas sobre as ações do usuário.
A atual geração de chatbots, terceira geração, foi iniciada com o
desenvolvimento de ALICE e a linguagem AIML.
A superioridade de ALICE frente à os chatbots das gerações anteriores é sua
base de conhecimento com mais de 40000 elementos, além do próprio kernel AIML,
que é mais simples frente a outros chatbots.
31
Atualmente, chatbots estão ligados a redes sociais, sistemas de
recomendação, sites de vendas e na educação, onde, neste último, apontam como
ferramenta de apoio e motivacionais como apresentado na obra de Manfio et. al.
(2014).
2.7 VTL, a linguagem de templates
A linguagem VTL, ou apenas Velocity. É uma linguagem de templates
desenvolvida em java que pode ser utilizada em desenvolvimentos standalone ou
aplicações web, sendo aplicada nesta última na camada view do MVC.
A linguagem VTL foi desenvolvida pela Apache Software Fundation8 e
licenciada pela Apache Licence sobre a licença Copyright e atualmente está em sua
versão 2.0. O Velocity é conhecido como engine (motor), esse termo significa que esta
linguagem tem por objetivo tornar o desenvolvimento mais ágil e eficiente.
O Velocity separa o código java das páginas web, permitindo melhor
manutenção do sistema e alternativa a Java Server Pages (JSP) e linguagem PHP.
A função principal do Velocity é permitir que páginas dinâmicas sejam geradas
em tempo de execução de forma simples e eficiente.
Sua arquitetura é formada por 4 partes segundo Moura (2002), são elas:
• Contexto: é utilizado para nomear os objetos java através de mapeamento;
• Template: é um arquivo que os nomes dos objetos expressos como referência;
• Engine Velocity: é conhecido também como interpretador e é responsável por
formatar os dados segundo os dados do Contexto e do Template;
• Dados formatados: dados já formatados em formato especifico;
O Velocity é uma linguagem versátil e pode ser aplicado a geração de códigos
SQL (Structured Query Language), PostScript, XML, relatórios entre outros (MOURA,
2002).
Desta forma, a linguagem VTL permite no contexto desta obra gerar as páginas
e scripts dos tutores virtuais.
8 http://velocity.apache.org/engine/2.0/
32
3. MODELO DE TUTOR VIRTUAL PARA AULAS BASEADAS EM MISSÕES
Este capítulo propõe um modelo de tutor virtual para direcionar o aluno no
aprendizado de programação de jogos digitais baseado em um formato de aulas do
tipo missão e PBL. Um modelo foi desenvolvido para representar o funcionamento
pedagógico de tutores virtuais para o formato de missões. Em seguida, um protótipo
foi desenvolvido e avaliado por estudantes do ensino básico. Avaliações realizadas
pelos alunos indicaram resultados positivos e promissores no uso de tutores virtuais
que implementem o modelo de aula apresentado.
3.1 Fundamentação do Modelo Proposto
Para se propor um tutor virtual que auxilie o aprendizado de programação de
jogos digitais, é necessário definir o formato pedagógico das aulas a serem mediadas
pelo tutor. Essa seção apresenta uma breve visão sobre o formato de aulas online
escolhido para ser utilizado no tutor proposto neste trabalho, chamado de Formato de
Missões, proposto no trabalho de Silva et al. (2015).
A proposta apresentada por Silva et al. (2015) pareceu ser a mais apropriada
para o modelo de tutor proposto, uma vez que ele analisou e comparou diferentes
formatos de aula (textos, aulas online, aulas gravadas em diferentes formatos, etc.),
chegando na proposta de aula baseada em formato de missão. Segundo Silva et al.
(2015), videoaulas longas e com conteúdo complexos apresentam resultados pouco
eficientes relativos ao aprendizado que torna se entediante e pouco atrativo. A
metodologia apresentada por Silva é uma alternativa às aulas baseadas em vídeos
longos (20 a 60 minutos, por exemplo).
Para tornar as aulas mais atrativas e produtivas, o Formato de Missões
apresenta um conjunto de videoaulas (ou outros formatos de mídia) como missões no
estilo quebra-cabeças, no qual um vídeo de abertura apresenta um jogo digital e
desafia o aluno a desenvolvê-lo (missão). Neste ponto, o aluno não terá acesso aos
conteúdos em estilo passo a passo, como em um tutorial obtendo ao final o jogo
proposto. Ao invés disso, terá acesso a recursos (vídeos, checklists e outros) que
auxiliam o aluno no desenvolvimento de sua missão.
33
Estes recursos apresentam em geral conceitos necessários para se
desenvolver cada parte do jogo, como mover um personagem, mover um inimigo,
ganhar pontos, entre outros. Outra característica dos recursos é que estes são
desenvolvidos de forma genérica, apresentando conceitos que são utilizados em
diversos jogos, permitindo a reutilização destes recursos em diferentes missões.
Os vídeos utilizados como recursos de uma missão possuem tempo de duração
em torno de 60 segundos a 6 minutos, e podem ser acessados pelo aluno na ordem
que lhe for mais conveniente, tornando os vídeos como peças de um quebra cabeça
que ao final resulta no desenvolvimento do jogo proposto pela missão. Resultados do
estudo de Silva indicam que, embora promissora, o formato de missões proposto por
ele pode deixar o aluno confuso, se não houver o apoio de um tutor para guiar a
navegação entre os diversos recursos disponíveis para uma missão.
3.2 Modelo de Tutor Virtual Proposto
Considerando aulas de ensino de programação de jogos digitais no formato de
missões, desenvolvido por Silva et al. (2015), um fluxo pedagógico foi formalizado
para o tutor virtual. Este fluxo pode ser visualizado através do diagrama da Figura 4.
Cada aula consiste em uma missão (criação de um jogo digital) e um roteiro de
atividades e recursos é utilizado para guiar o estudante no desenvolvimento de sua
missão.
34
Figura 4: Diagrama de fluxo da aula do tutor virtual
Fonte: Própria
De acordo com esse fluxo, as atividades principais do tutor virtual são as
seguintes:
• Conhecer o aluno: nesta primeira atividade, o tutor virtual irá se apresentar e
coletar informações sobre o aluno, como seu nome e outras informações que
individualizem o aluno;
• Apresentar missão: em seguida, o tutor irá apresentar ao aluno um jogo digital
e desafiar o aluno a desenvolver um jogo similar. Com isso, buscará fazer com
que o aluno se comprometa com a aula através da aceitação da missão,
sentindo-se assim desafiado a completá-la;
• Detalhar missão: nessa atividade, o tutor deverá apresentar o jogo a ser
desenvolvido em maiores detalhes. Através de recursos como vídeos
explicativos, o tutor irá apresentar as características gerais do jogo que deverá
ser desenvolvido;
• Listar tarefas: o tutor irá apresentar as tarefas que o aluno precisa executar
para que sua missão esteja completa. Dentre as tarefas, temos por exemplo
criar o personagem, definir cenário, implementar o inimigo, criar obstáculos,
etc.;
• Listar recursos: cada tarefa irá requerer conhecimentos e habilidades
específicas do aluno. Por isso, para cada tarefa o tutor irá listar os recursos
35
(vídeos, textos, etc.) necessários que o aluno deverá acessar de forma a poder
concluir a tarefa em questão;
• Apresentar recurso: uma vez que o aluno selecione um determinado recurso,
o tutor deverá apresentar esse recurso, preferencialmente apresentando
questionários de avaliação para avaliar se o mesmo aprendeu o conteúdo, etc.;
• Acompanhar tarefa: para motivar o aluno, o tutor deve pedir para o usuário
aplicar o que foi aprendido com o recurso de vídeo que acabou de ver. Ele deve
acompanhar o andamento da tarefa, perguntando se tem dúvidas,
apresentando FAQ, verificando se o aluno precisa ver novamente o recurso,
etc.
Pode-se observar que o percurso de aprendizado do aluno é não linear,
apresentando ciclos a partir da apresentação do roteiro de aula. Esta não linearidade
objetiva permitir ao aprendiz acessar os conteúdos em seu ritmo de aprendizagem,
devido a possibilidade de rever o que foi visto anteriormente e pular assuntos que já
sejam de seu conhecimento.
3.3 Implementação de um Tutor Virtual e sua mecânica de interação
Para se avaliar o modelo de tutor virtual apresentado, foi realizada a
implementação de um protótipo de tutor virtual utilizando o modelo apresentado, com
funcionalidades restritas, visando validar o modelo utilizado. O protótipo segue o fluxo
mostrado na Figura 4, permitindo o usuário decidir qual recurso deseja acessar no
desenvolvimento de cada missão.
O tutor implementado possui uma aparência virtual de robô e simula um
apresentador de conteúdos educativos, buscando promover o engajamento do
aprendiz durante a aula online. O protótipo foi desenvolvido em HTML5 em uma
página dinâmica que carrega os conteúdos a serem apresentados pelo tutor virtual,
além dos recursos e a lógica pedagógica do sistema. O sistema foi desenvolvido para
aulas de programação de jogos digitais utilizando vídeo aulas e a metodologia
Formato de Missões.
O protótipo foi desenvolvido para ser acoplado a ferramentas de ensino online
ou para o ensino presencial. No ensino online, a ferramenta é capaz de pegar as
informações básicas do usuário como nome e id da base de dados do sistema em que
está acoplado. No caso do ensino presencial, ao iniciar o sistema é pedido para o
36
usuário informar seu nome. Estes dados são importantes para o log do sistema que
armazena nome, id da seção e ação do usuário. Em seguida, o aprendiz é direcionado
para a tela principal de aceitar missão, buscando o comprometimento do aprendiz com
a aula. Com base no fluxograma da Figura 4, esta é a primeira atividade, “Conhecer
o aluno”.
A segunda etapa do fluxo é “Apresentar missão” (etapa 2). Esta apresenta o
objetivo da aula e uma visão geral do jogo a ser desenvolvido, e pede por fim para o
usuário apertar um botão de aceitar missão, visando comprometê-lo em sua missão.
Ao clicar no botão “Aceitar Missão”, o aluno é direcionado para uma tela com
duas opções: a primeira leva para recursos com mais detalhes da missão (etapa 3,
“Detalhar missão”), caso o aluno não saiba exatamente as regras do jogo que será
desenvolvido; a segunda opção leva para a tela de sumário das tarefas a serem
desenvolvidas (etapa 4, “Listar tarefas”), pulando a etapa 3. Um exemplo de tela é
mostrado na Figura 5.
Figura 5: Roteiro da aula/missão
Fonte: Própria
Entrando na etapa 3, a lista de tarefas necessárias para o desenvolvimento do
jogo é apresentada. O aluno pode então clicar e acessar mais detalhes de cada tarefa,
na ordem de execução que desejar. Ao se clicar em uma tarefa, a lista de recursos
digitais (etapa 5, “Listar recursos”) que podem auxiliar o aprendiz a completar esta
etapa da missão, além de permitir que o aluno volte para a etapa anterior através do
botão “Concluir missão” como demonstrado na Figura 6.
37
Ao selecionar uma das opções da etapa 5, o usuário é direcionado para o
recurso (vídeo, etc.) referente à seleção (etapa 6, “Apresentar recurso”). O Tutor não
apenas guia, mas busca também motivar o aprendiz a continuar com a aula. Além da
aparência do personagem, perguntas como: “Você deseja ver o vídeo?” ou “Você
deseja pular este conteúdo?” objetivam, além de permitir identificar padrões através
da análise do log, deixar o caminho de aprendizagem mais flexível e objetivo.
Figura 6: Tópicos das missões
Fonte: Própria
A Figura 7 apresenta a tela de decisão do aprendiz em visualizar ou não um
determinado conteúdo de aprendizagem.
38
Figura 7: Tela de decisão das missões
Fonte: Própria
A Figura 8 apresenta a maneira que a ferramenta motiva a prática dos
conteúdos vistos. Com isso, o usuário responde se conseguiu ou não executar aquela
etapa, ou preferiu deixar para fazer depois (etapa 7, “Acompanhar tarefa”). Estes
dados também são armazenados no log e são valiosos para a análise do perfil do
aprendiz.
O sistema de log registra todas as ações realizadas pelo aprendiz durante o
uso do sistema de aula, inclusive das ações nos vídeos, como pausar e mover a barra
de progresso. Com isso, pode-se levantar dados sobre como o aprendiz assiste os
vídeos, se pula muitas partes e quais partes, se nunca assisti todo o conteúdo ou qual
os vídeos mais assistidos, permitindo consequentemente que o sistema indique
conteúdo dentro do perfil apresentado pelo usuário além de permitir que os
desenvolvedores de conteúdos identifiquem problemas e possam desenvolver ou
melhorar as estratégias de produção.
39
Figura 8: Incentivo a praticar logo após cada explicação
Fonte: Própria
3.4 Avaliação do Tutor
Esta seção descreve os resultados de um estudo realizado para avaliar a
aplicação do protótipo de tutor virtual junto a alunos do ensino médio. Essa avaliação
foi realizada juntamente com um estudo maior, de pesquisa de doutorado (Silva,
2017), que buscava avaliar duas metodologias de videoaulas para ensino online de
programação de jogos digitais, uma utilizando vídeos curtos (e o protótipo de tutor
desenvolvido) e outra com videoaula de um único arquivo, mais longo. A contribuição
deste trabalho a pesquisa de doutorado de Silva se dá no desenvolvimento do sistema
de tutoria que inclui o ambiente de ensino online e tutor. O material didático foi
projetado por Silva aplicando seu formato de aula de missões.
O estudo consistiu em utilizar o tutor com 20 estudantes do 1º ano do ensino
médio integrado de um Instituto Federal de Educação, Ciência e Tecnologia. Estes
participantes foram selecionados através de convite a alunos dos turnos da manhã e
tarde e que tiveram interesse em desenvolver jogos, mesmo sem terem tido acesso
ainda a matérias que envolvessem conceitos de programação.
Os participantes concordaram previamente em participar do estudo e
assinaram um termo juntamente com os pesquisadores garantindo a
confidencialidade da identidade deles no processo de experimentação. Os alunos
tinham entre 14 a 17 anos, sendo a média de 15 anos. Desses 20 alunos, 14 foram
homens e 6 mulheres, ou seja, 70% homens e 30% mulheres.
40
Para este estudo, foram desenvolvidas duas aulas, ou seja, duas missões:
desenvolver o jogo Arkanoid; desenvolver o jogo nave espacial. Ambas as aulas são
compostas por um conjunto de 14 pequenos vídeos, sendo 13 sobre o
desenvolvimento e 1 introdutório. Cada vídeo possui um tempo de duração que varia
de 30 segundos a 6 minutos. Por exemplo, uma vídeo aula foi sobre como montar o
cenário de um jogo, utiliza o comportamento Sprite da ferramenta Construct2. O Sprite
é utilizado para colocar objetos no jogo. O vídeo desse comportamento possui 3
minutos.
O estudo foi realizado em três dias (ver Tabela 1). O primeiro dia teve como
objetivo explicar como seria o estudo e apresenta uma visão geral do Tutor e de como
os alunos deveriam prosseguir durante o desenvolvimento dos jogos. A principal
preocupação era instruir os alunos a seguir o desenvolvimento corretamente, caso
contrário, eles poderiam tentar explorar o tutor para outro propósito, que não fosse o
foco do estudo. Além disso, o condutor do estudo recomendava que os alunos
fizessem perguntas sempre que quisessem e que deveriam dirigir suas dúvidas
exclusivamente ao condutor do experimento, sem fazer perguntas aos outros alunos
próximos.
Tabela 1: Execução do Estudo
Primeiro Dia Segundo Dia Terceiro Dia
Apresentação do estudo Primeira Execução Segunda Execução
Fonte: Própria
Já o segundo e terceiro dia foram as aulas de desenvolvimento de jogos em si,
pois nem todos puderam executar o tutor no mesmo dia. Embora a execução do
estudo tenha sido presencial, visando poder observar o comportamento dos alunos,
as atividades foram realizadas de forma a simular um ambiente EAD, onde o aluno
deveria tentar ao máximo desenvolver sua missão de forma autônoma.
3.5 Análise dos Resultados
Os dados do experimento foram avaliados através do uso de questionários,
vide Apêndice A e B, que foram aplicados nos 2 dias de aulas de desenvolvimento
dos jogos. Os dados apontaram que os estudantes se sentiram motivados e confiantes
41
a desenvolver jogos através da utilização do tutor proposto. Um dos motivos ligados
a esta confiança e motivação foi, segundo os estudantes, a experiência mais divertida,
simples e prática, promovida pelo formato de missões, que permite que os alunos
fiquem mais atentos às explicações devido aos vídeos serem divididos em partes
curtas, e pela motivação e estímulos promovidos pelo tutor.
Todavia, algumas limitações também foram apontadas, como o fato do tutor
não possuir sistema de dúvidas e respostas, além dos vídeos não apresentarem um
passo a passo claro do desenvolvimento do jogo, e sim das funcionalidades do jogo,
necessárias para a implementação de tarefas do jogo.
Entre as respostas dos alunos podemos destacar segundo os critérios de
aprendizagem, praticidade e limitações as seguintes respostas. Com relação a
Aprendizagem, um aluno destacou: “no meu ponto de vista o tutor facilita muito a
aprendizagem, por que o aluno tem mais motivação em aprender assistindo as vídeo
aulas por partes ficando mais atento à explicação”. Outro aluno reportou: “A vantagem
do Tutor Virtual é que se não entender alguma parte, o sujeito pode ver apenas esta
parte”. Outro aluno abordou que: “A utilização dos vídeos em partes específicas faz
com que o aluno se mantenha atento, e mais seguro, na hora de realizar as atividades,
também facilitando o entendimento e aprendizagem”.
No aspecto de Praticidade, um aluno afirmou: “Muito prático para aprender,
bem explicada e bastante dinâmico” e outro aluno destacou: “Fácil aprendizagem e
Rápida e prática”. Com relação a Limitações alguns alunos apresentaram os seguintes
aspectos: “Impossibilidade de interação como o Tutor” e “Não poder fazer algumas
perguntas”.
Um resumo dos resultados do estudo é apresentado a seguir, baseado em
questões de pesquisa do estudo maior. Esses resultados foram baseados em
questionários aplicados aos alunos, os quais indicavam o nível de concordância com
afirmações usando a escala de Likert (concordo fortemente – CF, concordo
parcialmente – C; neutro – N; discordo parcialmente – D; discordo totalmente).
QP1: Qual dos formatos analisados contribui mais para o engajamento dos
alunos?
Segundo os alunos, eles tiveram mais confiança e satisfação no aprendizado
através da proposta com o tutor virtual do que na proposta sem o uso do tutor (ver
Figura 9).
42
Figura 9: Engajamento medido através da confiança e satisfação de aprendizado
Fonte: Silva (2017)
QP2: Qual formato promove ao usuário uma experiência mais divertida e
recomendável?
Segundo os alunos (ver Figura 10), eles mostraram um maior interesse em
recomendar o uso do tutor para seus colegas do que o formato sem o tutor. Também
apresentaram maior nível de diversão com o uso do tutor. A métrica apresentada na
Figura 10 leva em conta as cinco respostas possíveis que os alunos podiam escolher,
sendo a escala partindo de concordo discordo fortemente a nota 1 até concordo
fortemente equivalente a 5.
Figura 10: Índice recomendação e diversão de aprendizado
Fonte: Silva (2017)
QP3: Qual formato promove um aprendizado mais motivante e estimulante?
Segundo os alunos (ver Figura 11), eles mostraram-se mais motivados e
estimulados com o uso do tutor do que sem o tutor.
43
Figura 11: Motivação e estímulo de aprendizado
Fonte: Silva (2017)
Além dessas questões de pesquisa, outras observações foram coletadas ao
longo do estudo. Em geral, os alunos seguiram a sequência predefinida de vídeos ao
utilizar o tutor. Este resultado foi creditado a estrutura do curso, que possui nos
módulos, números que caracterizam a ordem que estes devem ser acessados,
tornando intuitivo o direcionamento dos conteúdos.
Observou-se que o vídeo de introdução, que contém um resumo do que será
exposto no curso, foi o mais “pulado”. Este vídeo possui a opção de não ser visto pelo
usuário, que pode avançar diretamente para o conteúdo do curso. Todavia, foi
observado também o comportamento de acessar o vídeo e avançar para a o conteúdo
do curso sem assisti-lo até o fim.
3.6 Considerações Finais
Tutores virtuais apresentam-se como importante ferramenta de apoio para o
ensino à distância. No caso do ensino de programação de jogos digitais, o uso de
tutores virtuais pode facilitar a inserção deste tópico no ensino básico, uma vez que
os professores das escolas ainda não estão preparados para ministrar esse tipo de
conteúdo em suas aulas. Nesse contexto, este capítulo contribuiu com uma proposta
de modelo pedagógico para o desenvolvimento de tutores virtuais para o ensino de
programação de jogos digitais. O modelo proposto foi instanciado através da
prototipação de um tutor virtual e foi avaliado com estudantes do ensino básico, cujos
resultados indicam um efeito positivo na atratividade da aula com a inserção do tutor
virtual implementado no modelo proposto.
Como trabalhos futuros sobre esse tutor em específico, além de realizar
estudos de avaliação do nível de aprendizagem ou de engajamento dos alunos, temos
44
a implementação de sistemas tutores mais elaborados, seja a extensão do tutor
apresentado neste trabalho, como no desenvolvimento de outros formatos de
interação (ex: chatbots), mas que sigam o modelo pedagógico baseado no formato de
missões. Pretende-se ainda desenvolver funcionalidades adicionais para
acompanhamento do trabalho do aluno, como mecanismos de detecção de dúvidas
baseado em FAQ, fóruns e chats com tutores e com os demais alunos. Por fim,
mecanismos de afetividade podem ser desenvolvidos para tornar o tutor virtual mais
atrativo para o aluno.
Já o próximo capítulo apresenta um segundo modelo de tutor virtual inspirado
no modelo PBL e de missões, utilizando uma abordagem mais interativa, baseada em
chatbots.
45
4. TUTOR VIRTUAL PARA AULAS MAIS INTERATIVAS: TUTOR CHAT
Após o estudo exploratório do capítulo 5, pensou-se em buscar alternativas de
tutores visando tornar as aulas mais participativas e interativas. Após pesquisas sobre
tutores e sistemas interativos na literatura, foi observado que o formato chatbot
permite que o tutor simule a interação entre seres humanos através de um chat (bate-
papo). Com isto, espera-se obter uma maior interatividade com o usuário. Esse
capítulo apresenta uma investigação sobre esse tipo de chatbot aplicado ao ensino
de programação de jogos digitais baseado em PBL.
4.1 Arquitetura geral
O protótipo do tutor chat foi desenvolvido tomando por base o interpretador
Program-O, devido a sua interatividade com bases de dados, e Program-D, pela sua
robustez. Conforme visto na seção 2.4, o Program-O e Program-D são interpretadores
da linguagem AIML, sendo o Prgram-O o interpretador da linguagem PHP e o
Program-D da linguagem JAVA.
Como mostrado na Figura 12, a arquitetura básica do sistema consiste em uma
base de dados, o interpretador AIML, um agente que infere na interação entre o
usuário, o interpretador e a interface de interação com o usuário. A interface de
interação é um simples arquivo HTML e javascript que possui variáveis que são
substituídas pelos dados enviados pelo agente pedagógico em tempo de execução.
A base de conhecimento é um arquivo AIML com as tag’s contendo dados sobre o
conteúdo que será abordado.
O sistema tutor proposto utiliza estrutura similar ao tutor mostrado no capítulo
anterior, tutor Expositor, utilizando recursos como fontes de conhecimentos, como
vídeos, arquivos pdf, imagens e outros, além de utilizar o formato missões de Silva
(2015). Estes recursos estão discriminados na base de dados do tutor, e apontam
para arquivos no sistema (vídeo, pdf, imagem, questionário) e links externos.
46
Figura 12: Arquitetura do tutor chat
Fonte: Própria
O interpretador é capaz de localizar os dados ligados aos recursos no próprio
sistema ou externamente e enviar estes dados para a interface, suportando assim a
interação com o usuário. Essa interação do tutor chat é realizada com o usuário
através de seleção entre escolha predefinida que o usuário pode fazer para um dado
contexto. Através desse controle de ações, o agente pedagógico pode manter
informações sobre o estado atual do aluno na aula.
Desta forma, o agente pedagógico sabe em que parte da aula o aluno está,
quais conteúdos ele já viu e assim é capaz de indicar novos conteúdos com base nas
necessidades do aluno.
O conteúdo da aula é apresentado através de módulos e submodelos contendo
os recursos das aulas, igualmente ao primeiro protótipo de tutor (Expositor). Neste
sentido, o sistema segue um fluxo que foca em recomendação e interatividade mais
aprofundada, requerendo que o sistema possua mais informações sobre a aula.
A Figura 13 apresenta o fluxo de interações do tutor chat. Seu fluxo de ações
inicia com as boas-vindas ao aluno e apresentação do problema que deverá ser
solucionado. Em seguida o tutor recomenda um vídeo explicativo sobre a proposta da
aula. Neste ponto, caso a recomendação seja aceita, o tutor apresenta uma atividade
ou vai para o sumário principal.
47
A partir do sumário, o aluno pode selecionar o módulo que desejar, permitindo
que este veja apenas o que é importante para ele, porém o tutor chat irá indicar o
conteúdo ideal para ao aluno, mesmo que este siga seu próprio fluxo.
Através dos módulos os alunos podem acessar diversos conteúdos ligados a
estes. Cada módulo apresenta um conjunto de tarefa que ao serem concluídas
resultam na finalização de uma etapa da aula, como por exemplo o módulo construir
cenário ou movimentar o personagem.
Figura 13: Fluxo do tutor chat
Fonte: Própria
4.2 Funcionamento do tutor chat
Ao iniciar o sistema, o usuário recebe as boas vindas pelo chat e em seguida o
aluno é exposto ao jogo a ser desenvolvido. A interação é feita através de botões. Por
exemplo, logo após a descrição do projeto a ser desenvolvido, o tutor apresenta duas
opções, a de ver um vídeo sobre o tema proposto ou a de ir direto para o sumário
principal, como mostrado na Figura 14.
48
Figura 14: Tela do tutor chat e primeira interação
Fonte: Própria
Se o aluno escolher a primeira opção, ver o vídeo, o vídeo abrirá no espaço
disponível ao lado do chat, como mostrado na Figura 15. Após a conclusão do vídeo,
o estudante será direcionado para o sumário principal, da mesma forma que ocorreria
caso escolhesse de imediato a segunda opção da tela. Ao clicar sobre os botões, o
agente pedagógico pega seu valor textual e envia para o interpretador AIML. Através
deste, retorna uma resposta com base em suas regras. A Figura 16 evidencia esta
informação.
Figura 15: Apresentação do vídeo introdutório
Fonte: Própria
49
Figura 16: Dados de entrada do usuário
Fonte: Própria
O tutor chat realiza as interações objetivando tornar o aluno capaz de
compreender o problema proposto e desenvolver a capacidade de solucioná-lo,
através da pesquisar por conteúdos externos e com base no conhecimento adquirido
com ferramenta de tutoria. Para isto o tutor chat busca através de interações simples
trabalhar o aluno para ser capaz de autoconstruir seu conhecimento durante a
interação com a ferramenta. A Figura 17 apresenta um tipo de interação que
corriqueiramente aparece após os recursos, um pedido para que o aluno realize
pesquisas e aprimore seus conhecimentos adquiridos.
O sistema, como citado, apresenta os recursos dentro de módulos que estão
ligados a um sumário principal. Esse sumário (vide Figura 18) é apresentado na forma
de lista ordenada em ordem ideal de acesso.
50
Figura 17: Interação de pedido para realizar pesquisas
Fonte: Própria
Figura 18: Sumário principal do tutor chat
Fonte Própria
51
Cada módulo contém um conjunto de recursos que auxiliam o aluno a
completar o módulo proposto. Cada recurso é apresentado em coloração vermelha.
Porém, após serem acessadas passam a ter uma cor azul suave com um símbolo ao
lado, indicando que aquele conteúdo já foi visto, como mostrado na Figura 19.
Figura 19: Simbologia das atividades realizadas
Fonte: Própria
Por fim, a outra forma de interação do tutor chat proposto é indicar o conteúdo
ideal para o aluno. Esta ação de indicação busca fazer com que o aluno veja todos os
recursos disponíveis no sistema através da experiência adquirida pelo aluno durante
a aula, medida através do contexto de conteúdos já acessados. A Figura 20 apresenta
a inferência do tutor.
52
Figura 20: Inferência do tutor chat
Fonte: Própria
Na implementação atual do protótipo do tutor existem algumas limitações, como
a de não permitir o aluno escrever durante a interação com o usuário. Este protótipo,
porém, permitiu analisar o comportamento de um tutor em formato de chatbot aplicado
a aulas baseadas em PBL.
4.2 Avaliação do tutor chat
Esta seção apresenta os resultados de uma pesquisa maior, contida na seção
5.2 na integra. Desta forma, essa seção busca mostrar os resultados isolados
referente ao tutor chat.
Para avaliar a abordagem proposta, um estudo avaliativo foi planejado e
executado para avaliar a aplicação do protótipo de tutor chat junto a alunos de
graduação de licenciaturas.
O estudo consistiu em utilizar o tutor com 32 estudantes de graduação em
licenciaturas da UFRN. Estes participantes foram selecionados através de um curso
de programação de jogos para alunos do PIBID (Programa Institucional de Bolsa de
53
Iniciação à Docência) que tiveram interesse mesmo sem terem tido acesso a matérias
que envolvessem conceitos de programação.
Este estudo tomou por base o método de avaliação apresentado na seção 3.4.
Desta forma foram aproveitados os conteúdos das aulas de Arkanoid e jogo da nave
do estudo anterior, bem como o método de aplicação, porém este foi aplicado em dois
dias.
No primeiro dia os alunos foram instruídos de como seria o experimento,
informando o conteúdo e como acessá-lo em cada formato de tutor. A aula aplicada
no primeiro dia foi relativa ao desenvolvimento do jogo Arkanoid.
O segundo dia foi o desenvolvimento do jogo da nave, precedido por uma nova
explicação sobre como os alunos deveriam acessar os conteúdos da aula.
Para este experimento, semelhante ao experimento anterior (capítulo 3), os
alunos foram divididos em dois grupos, com a metade dos alunos fazendo a aula do
Arkanoid no formato Tutor expositor e a outra metade no formato Tutor chat, ocorrendo
a inversão do formato de tutor na aula jogo da nave.
O relato dos estudantes e observações realizadas pelos professores que
aplicaram o estudo apontaram que o uso do tutor chat deixou as aulas dinâmicas, pois
permitiu que o professor em sala pudesse tirar dúvidas dos alunos enquanto os
demais ainda estavam avançando em seus estudos. Ou seja, em uma aula expositiva
tradicional, estas dúvidas fariam a exposição do conteúdo ser interrompida para que
o professor pudesse atender os alunos, atrapalhando e quebrando o ritmo da aula.
Porém o uso do chatbot permitiu que aula continuasse fluindo mesmo com alunos
sendo atendidos para tirar dúvidas.
54
5. GERADOR DE TUTORES VIRTUAIS PARA PERFIS DE ALUNOS DIFERENTES
Este capítulo descreve a proposta principal deste trabalho, um gerador de
tutores virtuais para aulas baseadas em PBL, seção 5.1, e um experimento controlado,
seção 5.2, realizado utilizando o tutor expositor, capítulo 3, e o tutor chat, capítulo 4.
A Seção 5.1.1 descreve a visão geral da ferramenta e a Seção 5.2 apresenta a
integração do gerador a um servidor web. Já a Seção 5.3 apresenta detalhes sobre a
implementação do protótipo do gerador proposto.
5.1 Gerador de tutores virtuais
5.1.1 VISÃO GERAL DO GERADOR
Objetivo central deste trabalho é propor uma arquitetura de um gerador de
tutores virtuais para perfis distintos de alunos. Antes de seu desenvolvimento foram
procurados trabalhos semelhantes na literatura e não foram encontrados, sendo esta
uma contribuição inédita no desenvolvimento de tutores virtuais.
A dinâmica geral deste sistema busca dar ao aluno a possibilidade de
selecionar um modelo de tutor virtual que torne as aulas mais interessantes e
produtivas, auxiliando assim uma melhoria no processo de aprendizagem do aluno.
A proposta tem como base os dois protótipos de tutores descritos nesta obra,
um sendo em um formato mais expositor, e o outro buscando interatividade via chat.
Cada formato de tutor faz uso de um conjunto de informações comuns
relacionados à aula a ser apresentada, embora cada aula seja realizada com uma
estrutura visual e de interação diferente. O tutor expositor, descrito no capítulo 5,
apresenta uma estrutura formada por diversas páginas de conteúdo ligadas a uma
página fixa de exposição das demais páginas. Já o tutor chat possui uma página de
chat que vai carregando informações textuais e apresentando conteúdo em outra
parte da tela.
Desta forma, o esforço para criar o tutor expositor está ligado a criação das
páginas e controladores do sistema e o mantimento do contexto de transição de cada
página. Já o tutor chat possui o esforço em gerar a base AIML e seus controladores e
interpretadores, bem como a página principal que é a única página do sistema.
55
O conteúdo comum utilizado pelos tutores é representado no diagrama de
classes da Figura 21. É a partir dele que o gerador cria o modelo pedagógico dos
tutores.
Figura 21: Diagrama de classes dos tutores virtuais gerados
Fonte: Própria
O diagrama de classes da Figura 21 apresenta a composição das classes
usadas pelos tutores para criar seus respectivos fluxos.
O diagrama é composto por 16 classes principais, porém pode ser expandido
caso seja aplicado algum método de avaliação ou tipo de conteúdo instrutivo que não
foi descrito no diagrama.
As aulas são orientadas a projeto, apresentada no diagrama como missão,
desta forma o diagrama apresentado na Figura 21 mostra que cada aula,
representada pela classe Class, está vinculada a uma missão (classe Mission) e uma
lista principal de atividades (classe Activities checklist).
56
A classe Instruction contém as explicações e outras instruções do sistema e
herda características da classe Features, que representa todos os recursos do
sistema. Estes recursos podem ser além do tipo instrutivo, ser avaliativo, representado
pela classe Evaluation.
As atividades cadastradas são representadas pela classe Activities. As
atividades e recursos são apresentados em checklist, representado pela classe com
mesmo nome.
As informações das instruções e avaliação, bem como cada checklist e suas
interações são fornecidas pelo professor antes do processo de geração dos tutores,
desta forma o sistema gerador pode gerar diferentes tipos de tutores para um mesmo
conteúdo adicionado.
O processo de geração dos tutores utiliza templates das páginas e scripts que
serão utilizados para cada formato de tutor. O que o sistema faz após ser selecionado
um formato de tutor é procurar as tag’s especificas que irão inserir seus valores nas
variáveis especificas.
A Figura 22 apresenta o esquema da geração dos tutores virtuais.
Figura 22: Esquema de geração dos Tutores
Fonte: Própria
5.1.2 INTEGRAÇÕES DO GERADOR A UM SERVIDOR WEB
O objetivo principal de implantação do gerador de tutores para aulas baseadas
em PBL visa que o sistema seja executado a partir de um servidor Web. Desta
57
forma o sistema pode ser utilizado na educação presencial e a distância através de
dispositivos móveis ou computadores em geral.
Para isso o sistema gera os dados do formato de tutor os armazena em uma
pasta temporária codificada com a identificação da seção do usuário, mantendo essa
informação. Assim, caso o usuário feche o navegador ou tenha algum outro problema,
ele poderá continuar de onde parou.
Os sistemas mantem registros do usuário como ações realizadas, através do
log, e estado atual de experiência, através do agente pedagógico. Assim, uma das
vantagens em manter o sistema em um servidor é que sua utilização permite que as
informações do usuário fiquem centralizadas em um único repositório, diminuindo o
custo de coletas dos log’s em cada máquina em que os alunos executaram o sistema.
5.1.3 IMPLEMENTAÇÃO DE UM PROTÓTIPO
Para permitir a geração dos tutores virtuais de forma genérica, o sistema foi
desenvolvido utilizando a linguagem VTL, apresentada na seção 3.7. Desta forma, foi
utilizado um padrão de base de dados comum baseados em tag’s, para que através
destas especificações o sistema possa gerar diferentes tutores para uma mesma
base.
A base de dados utilizada para o tutor Chat foi desenvolvida na linguagem
AIML. Já o tutor Expositor utilizou uma base de dados JSON.
O protótipo do gerador foi desenvolvido utilizando a engine Velocity10 da
Apache para controlar a geração dos tutores, pela facilidade desta engine gerar código
em diversas outras linguagens, como HTML e JavaScript.
5.2 Experimento controlado
Para avaliar a abordagem proposta, um experimento controlado foi planejado e
executado, conforme apresentado a seguir.
10 http://velocity.apache.org/
58
5.2.1 PLANEJAMENTO
Este experimento visa avaliar a proposta de um sistema gerador de tutor virtual
considerando os dois tipos de tutores virtuais apresentado nos Capítulos 3 e 4.
Os alunos participantes foram submetidos a duas aulas de desenvolvimento de
jogos, permitindo a criação de um design de experiência em Quadrado Latino,
considerando a existência dos dois formatos de tutor.
Cada quadrado latino controla a influência da aula (complexidade, atratividade,
...) e influência do participante (experiência, engajamento, ...). As duas aulas
consideradas (colunas do quadrado latino) foram criadas com base nos clássicos
jogos Arkanoid e jogo da nave. Os alunos foram organizados no quadrado latino em
linhas. Para cada quadrado latino, um tutor gerado foi selecionado aleatoriamente
(expositor ou chat) para ser usado (célula A ou B) no quadrado latino. Cada grupo
tomou a aula com um tipo diferente de tutor, como mostrado na Tabela 2. Desta forma,
cada aluno usa um tutor diferente em cada classe.
Tabela 2: Quadrado latino
Aula Arkanoid Aula jogo da nave
Estudante n A B
Estudante n+1 B A
Fonte: Própria
O experimento aconteceu em julho e agosto de 2017 e teve 32 alunos de ambos
os sexos, divididos em seis grupos com aulas de 3 horas realizadas uma vez por
semana, durante três semanas.
No primeiro dia do experimento, os alunos foram apresentados ao ambiente de
desenvolvimento de jogos Construct2 e através de uma aula expositiva tradicional.
Então, eles foram instruídos sobre como usar os tutores e foram liberados para iniciar
a aula. A primeira aula foi desenvolver o jogo Arkanoid. Cada aluno usou o tutor virtual
atribuído aleatoriamente para ele, de acordo com o planejamento do experimento.
O segundo dia do experimento foi desenvolver o jogo da nave. Neste dia, o
formato do tutor utilizado por cada aluno foi invertido, de acordo com o planejamento
do quadrado latino. No terceiro dia, os alunos criaram seu próprio jogo. O objetivo do
terceiro dia foi verificar se os alunos realmente aprenderam a criar um jogo.
59
5.2.1.1 Questões de pesquisa
De acordo com os objetivos deste trabalho, foram desenvolvidas questões de
pesquisa especificas para este experimento para avaliar a proposta do sistema de
geração de tutor. As questões de pesquisa são:
QP1: Existe uma preferência comum sobre os formatos de tutores virtuais
propostos?
QP2: O uso de tutores virtuais tornou as aulas mais produtivas e com menos
interrupções?
QP3: Os alunos aparentaram se divertir durante as aulas com os tutores
virtuais?
QP4: Os participantes foram capazes de desenvolver os jogos propostos com
os tutores?
QP5: Qual formato possibilita que a aula seja realizada em menos tempo?
QP6: Na opinião dos alunos, quais são as vantagens e limitações dos tutores?
QP7: É possível afirmar que o sistema de geração de tutor virtual contribuiu
para o envolvimento dos alunos?
5.2.1.2 Participantes e contexto
Para este experimento, foram selecionados 32 estudantes de graduação de
vários cursos de uma universidade de licenciatura, ou seja, relacionados a futuros
professores da educação básica. A ideia central do estudo buscou avaliar se os tutores
virtuais são eficazes para usar em aulas na educação básica para ensinar aos jovens
estudantes a programar jogos.
5.2.1.3 Procedimento de coleta de dados
Este experimento usou três fontes de dados para validar seus resultados:
registro do sistema, questionários e observações. O log do sistema consiste em um
arquivo de texto simples que armazena todas as interações do usuário com os tutores.
Este log tem um protocolo de escrita que permite que os dados sejam analisados de
forma organizada.
60
Entre as ações principais que o log registra são a pausa, "plays" e movimentos
nas barras de progressão dos vídeos, bem como as opções selecionadas durante a
lição. As outras duas fontes de dados para este experimento foram questionários e
observações. Foram desenvolvidos quatro questionários, um para cada classe e
formato correspondente ao quadrado latino mostrado na Tabela 2.
Finalmente, as observações de como os usuários trataram o sistema foi a
última forma de coleta de dados e visaram complementar os dados obtidos usando o
questionário.
5.2.1.4 Procedimento de analise
O procedimento de análise usa o log para avaliar como os usuários
manipularam o sistema, observando individualmente a duração de cada lição, ações
nos recursos e como as interações ocorreram.
O método de análise de questionário sintetiza os resultados obtidos para
permitir uma avaliação mais precisa das respostas às quatro primeiras questões,
análise quantitativa, que são questões de escolha múltipla. As respostas à última
pergunta, que relata as vantagens e desvantagens descritas pelos usuários, serão
analisadas qualitativamente e os textos vinculados a essas respostas serão
apontados com os resultados.
O grupo de controle que serve de comparativo entre o uso dos tutores e a
utilização do sistema sem os tutores utilizado neste experimento é o do experimento
do capítulo 3.
Finalmente, as observações visam complementar os dados observados nos
questionários através dos comentários feitos durante a execução do experimento,
possibilitando coletar informações complementares que não podem ser extraídas
exclusivamente dos questionários.
5.2.2 RESULTADOS
A seguir, os resultados desta avaliação experimental são discutidos, de acordo
com cada questão de pesquisa definida.
Foram utilizados 2 questionários, aula nave e presentes nos apêndices C.
61
QP1: Existe uma preferência comum sobre os formatos de tutores virtuais
propostos? Após o final do segundo dia de aulas, os alunos foram consultados sobre
qual sistema eles preferiram usar e por quê. Os resultados mostraram que 56,25%
dos alunos escolheram o formato do tutor chat, em comparação com 43,75% que
escolheu o tutor do expositor.
Entre as razões para fazer essa escolha, houve respostas como a de um aluno
que disse que "o bate-papo é melhor porque permite que o vídeo seja mais evidente".
Outro aluno adiciona: "Preferi o tutor do bate-papo porque senti como se estivesse
falando com um professor". No que diz respeito ao tutor expositor, a maioria dos
alunos informaram que eles escolheram este formato porque o acesso aos vídeos é
mais rápido e mais objetivo, sem ter que passar por longas conversas, como acontece
com o tutor chat.
A Figura 23 apresenta um gráfico comparativo sobre a taxa de preferência dos
alunos.
Figura 23: Gráfico da seleção de preferência de formato de tutor
Fonte: Própria
A Figura 23 mostra um equilíbrio entre os dois formatos propostos, bem como
os diferentes pontos de vista sobre eles, evidenciando um benefício potencial que
pode ser obtido usando um sistema de geração de tutor virtual para gerar tutores
virtuais de acordo com a preferência do aluno.
0
10
20
30
40
50
60
Tutor Chat Tutor Expositor
62
QP2: O uso de tutores virtuais tornou as aulas mais produtivas e com
menos interrupções? A resposta para esta questão baseia-se nos dados
observacionais durante os dois dias de experiência e nos relatórios descritos nos
questionários.
Durante os experimentos, as dúvidas ocasionais foram resolvidas pelo tutor
humano na sala, assim como aconteceu em uma aula tradicional, mas a lista de
estudantes prontos para fazer perguntas cresceu enquanto o tutor humano estava
trabalhando com dúvidas mais complexas. Algumas dúvidas demoraram cerca de 6
minutos para serem respondidas, mas os outros estudantes, sem dúvida, não tiveram
que parar de estudar enquanto o tutor humano ajudava seus colegas. Isso também
aconteceu em uma das aulas, onde sete estavam à espera da ajuda do tutor humano,
enquanto os outros oito podiam continuar estudando sem perdas porque os dois
formatos propostos de tutores virtuais são capazes de ensinar individualmente.
Entre as respostas ao questionário, dois alunos descreveram este
comportamento realizado pelo tutor: "A principal vantagem é a possibilidade de tomar
as aulas e ir e voltar através dos conteúdos sem interromper a aula para fazer
perguntas ...". Outro aluno escreveu que "eu vi como uma vantagem o fato de que o
tutor está ajudando aqueles que estão aprendendo mais rápido, enquanto aqueles
que estão atrasados podem pedir ajuda ao professor sem interromper a aula ...".
Em resumo, os tutores virtuais gerados devem ter um comportamento mais
elaborado (inteligência artificial, etc.) para responder dúvidas automaticamente, etc.
No entanto, as versões simples geradas neste experimento podem ajudar o tutor
humano a apoiar melhor os alunos em sua aula, sendo mais produtivo e com menos
interrupções em comparação com experiências anteriores com aulas sem tutores
virtuais.
QP3: Os alunos aparentaram se divertir durante as aulas com os tutores
virtuais? Os resultados para esta questão foram obtidos das respostas à pergunta 4
do questionário, que analisou se os alunos se divertiam durante a aula. As
observações na sala também foram usadas para complementar os resultados.
Os resultados apresentados na Figura 24 apresentam os dados da questão 4
do Apêndice E das aulas arkanoid e nave. A barra da “Aula Arkanoid”, mostra que
68,9% dos estudantes escolheram a opção "fortemente de acordo", 18,8%
escolheram "fracamente de acordo" e 12,5% foram "neutros" na aula Arkanoid;
enquanto isso, 59,4% dos alunos marcaram "fortemente de acordo", 18,8%
63
selecionaram "fracamente de acordo", 15,6% eram "neutros" e 6,3% escolheram
"discordar fracamente" quando falam sobre a aula do jogo da nave, como visto na
barra “Aula Nave”.
Figura 24: Gráfico questão 4
Fonte: Própria
É possível observar, nos dados apresentados, que a maioria dos alunos
informou que se divertiram durante as aulas. No entanto, a dificuldade inerente
encontrada no desenvolvimento do jogo da nave demonstrou que alguns estudantes
não se divertiram muito devido a essa dificuldade.
Um ponto que foi observado durante a execução da classe foi o riso dos
estudantes e os sorrisos durante os vídeos e as interações com tutores. Houve
também comentários, no final das aulas, mencionando que "a aula foi legal". Desta
forma considera-se que os alunos se divertiram durante as aulas com o tutor.
QP4: Os participantes foram capazes de desenvolver os jogos propostos
com os tutores? Para responder a essas questões de pesquisa, foi analisado se os
alunos conseguiram desenvolver os jogos para cada formato de tutor. Para isso, foram
analisadas as taxas de sucesso na conclusão dos jogos para cada formato. Os
números obtidos foram:
0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00%
Aula Arkanoid
Aula nave
concordo fortemente concordo fracamente neutro discordo fracamente discordo fortemente
64
• Aula Arkanoid com tutor chat: 13/16 (81.25%);
• Aula Arkanoid com tutor exibidor: 12/16 (75.00%);
• Aula jogo da nave com tutor chat: 12/16 (75.00%);
• Aula jogo da nave com tutor exibidor: 13/16 (81.25%).
Esses dados mostraram que 78% dos alunos em geral completaram os jogos
propostos. Este número foi considerado bom de acordo com o baixo nível de
experiências prévio dos alunos. No entanto, os dados também sugerem que a eficácia
de cada formato de tutor pode ser influenciada pela aula (os tutores virtuais obtiveram
resultados diferentes em cada aula, embora os resultados estejam muito próximos).
Esses dados sugerem que os tutores podem ensinar o desenvolvimento do jogo
com relativa facilidade, bem como que a eficácia de ambos os formatos é equivalente.
Além disso, os resultados sugerem que diferentes formatos de tutores podem ser
usados na mesma sala de aula sem afetar o desempenho geral da classe.
QP5: Qual formato possibilita que a aula seja realizada em menos tempo?
Com base na análise do log, foi observado a primeira e última ação no sistema feito.
Por isso, foi possível coletar os dados necessários para responder esta pergunta.
Os dados apresentam valores individuais e gerais para cada aula e formato. A
aula do jogo da nave mostrou um tempo de conclusão médio de 138 minutos versus
144 minutos para a aula Arkanoid. O motivo dessa diferença é que a segunda aula
tem conteúdo semelhante ao primeiro, criando uma forte tendência para uma
conclusão mais rápida. No entanto, a dificuldade adicional no desenvolvimento do jogo
da nave nivelou a duração desta aula.
A Figura 25 apresenta os boxplot da aula Arkanoid e aula jogo da nave sobre a
dispersão das turmas em relação ao tempo médio de conclusão das aulas em minutos.
O boxplot da esquerda é referente a aula Arkanoid e o da direita da aula jogo da nave.
65
Figura 25: Boxplot sobre o tempo médio de conclusão das aulas
Fonte: Própria
Em todas as aulas, o formato do tutor chat levou cerca de seis minutos a mais
do que o tutor expositor. Isto possivelmente ocorreu principalmente devido à sua
interação textual, que é semelhante a uma pessoa real digitando, levando um tempo
para apresentar as informações, simulando a digitação por um ser humano.
QP6: Na opinião dos alunos, quais são as vantagens e limitações dos
tutores? Estes dados foram coletados principalmente das respostas à quinta questão
do questionário, que solicitou dos alunos quais as vantagens e limitações dos tutores.
Na categoria de vantagens, os estudantes indicaram que os tutores permitam
tornar as aulas mais objetivas. Um estudante citou que "a vantagem principal é que
você pode entender a maioria da atividade sem a ajuda do professor".
Os tutores também foram apontados como práticos e facilitadores do
conhecimento, através de citações como "muito prático, fácil de manusear.
Excelente!" e "As aulas de vídeo são uma ótima maneira de aprender, demonstrando
passo a passo o desenvolvimento do jogo". Outros estudantes também relataram que
"é uma maneira muito intuitiva de realizar as atividades".
A interação com o tutor também foi apontada como um facilitador, permitindo
que os alunos revejam os conteúdos conforme necessário, algo que se feito em uma
aula regular com um professor real, gera tempo perdido, prejudicando toda a turma.
Entres as respostas dos alunos um respondeu que "temos a vantagem de poder
pausar ou retomar o vídeo quando surgem dúvidas, além de ser capaz de revisá-lo
66
mais tarde". Outro estudante apontou que "o tutor me ajudou a ver onde eu errei e o
que fazer".
No entanto, alguns alunos também relataram limitações nos tutores. Uma das
limitações observadas foi o fato de que a versão atual dos tutores não possui um
sistema para gerenciar dúvidas. Por isso, um aluno mencionou como limitação que
"não pode responder a perguntas. No entanto, é ótimo como instrutor".
Outra limitação apontada foi a de um estudante que preferiu usar o tutor
expositor pois considerou este mais objetivo e porque o tutor chat indicou o conteúdo
a ser visto insistentemente. Este aluno informou que "eu acho que o chat
frequentemente pergunta se o aluno quer ver um vídeo específico. Mas, além disso,
é ótimo".
Em geral, de acordo com os alunos, os tutores apresentaram mais vantagens
do que desvantagens. No entanto, esses dados serão úteis para melhorar o que
funcionou e fazer correções para o que não agradou tanto aos estudantes. A principal
melhoria seria adicionar características de inteligência artificial e adaptar o
comportamento pedagógico para responder às questões dos alunos em tempo de
execução.
QP7: É possível afirmar que o sistema de geração de tutor virtual
contribuiu para o envolvimento dos alunos? A análise dos questionários mais as
observações realizadas na aula, permitindo ver o nível de compromisso dos
estudantes.
A primeira pergunta do questionário procurou conhecer o nível de motivação
durante a aula. Os dados mostram que 59,9% dos alunos que passaram pela aula do
jogo da nave, informaram que concordam fortemente com a resposta positiva para
esta questão de pesquisa, além de 31,2% que responderam concordo fracamente. As
respostas sobre o jogo Arkanoid apresentaram dados mais positivos, com 75% dos
alunos informando que concordam fortemente com a questão 1. A Figura 26 apresenta
os resultados da questão 1 das aulas Arkanoid e nave.
67
Figura 26: Gráfico questão 1
Fonte: Própria
A segunda questão foi sobre a motivação para aprender com o tutor proposto.
A aula Arkanoid apresentou 67,7% das respostas concordando fortemente e 25,8%
concordaram fracamente. No entanto, devido à dificuldade do jogo da nave, o tutor
obteve resultados mais diversificados nas respostas sobre esta aula. Os dados
demostraram que 43,8% escolheram concordou fortemente; 15,6% escolheram
concordam fracamente; 9,4% escolheram neutro; 21,9% descordo fracamente; e 9,4%
discordaram fortemente. A Figuras 27 apresenta estes dados graficamente.
Como pode ser visto nas respostas e gráficos da pergunta 2 sobre o jogo da
nave, a maioria dos alunos relatou que eles estavam motivados, mas o número de
alunos que achavam que era difícil foi bastante alto, sugerindo uma melhora no
conteúdo da aula do jogo da nave.
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Aula Arkanoid
Aula nave
concordo fortemente concordo fracamente neutro discordo fracamente discordo fortemente
68
Figura 27: Gráfico questão 2
Fonte: Própria
A questão 3 procurou reunir dados sobre a facilidade de realizar as atividades
propostas. Como esperado, a classe Arkanoid apresentou resultados satisfatórios,
com 58,8% dos estudantes afirmando que concordaram fortemente e 32,4%
concordaram fracamente com essa questão.
Quanto ao jogo da nave, 34,4% dos alunos concordaram fortemente, 43,8%
concordaram fracamente e 12,5% apresentaram respostas neutras. Estes números já
eram esperados devido ao maior nível de dificuldade da aula do jogo da nave.
Os dados da questão 3 estão sintetizados na Figura 28.
0,00% 10,00% 20,00% 30,00% 40,00% 50,00% 60,00% 70,00% 80,00% 90,00% 100,00%
Aula Arkanoid
Aula Nava
concordo fortemente concordo fracamente neutro discordo fracamente discordo fortemente
69
Figura 28: Gráfico questão 3
Fonte: Própria
A questão 4 já foi discutida nesta seção e mostrou que, em geral, os alunos
conseguiram realizar as aulas com certa facilidade, encontrando dificuldades
ocasionais no jogo da nave.
Finalmente, as observações em sala de aula revelaram que os alunos
permaneceram focados nos vídeos, mesmo quando estavam com dificuldades,
realizando as tarefas propostas nos prazos delimitados e não pararam de trabalhar no
conteúdo para examinar qualquer outra informação não vinculada à aula, como sites
e telefones celulares.
Isso era esperado, uma vez que os tutores, mesmo com tutor expositor sendo
menos interativo, mantêm o aluno ocupado e em constante interação com a
ferramenta, resultando em uma maior concentração.
Através dos resultados dos questionários e das observações feitas na sala de
aula, foi possível concluir que os alunos estavam comprometidos e motivados para
alcançar seus objetivos, permitindo afirmar que o sistema de geração de tutor virtual
contribui para o envolvimento dos estudantes na aula.
0% 10% 20% 30% 40% 50% 60% 70% 80% 90% 100%
Aula Arkanoid
Aula Nave
Título do Gráfico
concordo fortemente concordo fracamente neutro discordo fracamente discordo fortemente
70
5.2.3 AMEAÇAS A VALIDADE
O experimento controlado tem algumas ameaças à validade. Uma delas é a
análise indireta da abordagem da geração do tutor virtual através da avaliação de dois
tutores gerados. Se os formatos do tutor selecionados para serem gerados não forem
bons, a avaliação indireta da abordagem de geração também não seria boa. No
entanto, selecionamos dois formatos de tutores considerados por trabalhos anteriores.
Além disso, a aula jogo da nave era mais difícil do que a classe Arknoid. O
design do quadrado latino do experimento controlou essa ameaça e permitiu uma
comparação justa entre os dois tutores gerados. Desta forma, ambos os tutores
receberam uma avaliação não tão boa na aula jogo da nave.
Também se observou que quando a demanda por auxilio do tutor em sala para
problemas mais complexos tornava o atendimento mais demorado, aumentando a fila
de espera por atendimento, até de casos mais simples. Neste ponto observou-se a
necessidade de um sistema de auxílio a dúvidas simples pelo tutor virtual.
Finalmente, este estudo considerou apenas dois formatos de tutores e duas
aulas, bem como estudantes de graduação que não são de informática (futuros
professores). Portanto, os resultados podem variar em diferentes cenários.
71
6 TRABALHOS RELACIONADOS
Este capítulo apresenta tutores virtuais e chatbots apresentados na literatura,
objetivando apresentar o estado da arte destas tecnologias. A Seção 6.1 discorre
sobre os tutores virtuais existentes e a Seção 6.2 apresenta o uso dos chatbots,
tecnologias estas usadas no desenvolvimento da pesquisa desta obra.
6.1 Tutores virtuais existentes
A aplicação dos tutores virtuais, busca aumentar a interação entre o usuário e
o sistema em que o tutor está inserido, podendo este ser animado ou não.
Segundo Reategui, Ceron e Boff (2006), sistemas como COSMOS (LESTER,
VOERMAN e TOWNS, 1997) e ADELE (SHAW, JOHNSON e GANESHAN, 1999), são
exemplos de sistemas de tutoria clássicos baseados em agentes pedagógicos
(OLIVEIRA et al. 2016). Ambos atuam como sistema de orientação dentro de seus
respectivos domínios. Da mesma forma os tutores desenvolvidos neste trabalho
buscaram orientar o estudante, principalmente direcionado os conteúdos e tarefas que
deveriam ser realizadas para completar as missões propostas.
Neste sentido de orientar o aluno, o sistema Kurrupako (REATEGUI, CERON
e BOFF, 2006), que está ligado a uma plataforma de ensino, é capaz de recomendar
conteúdo aos usuários de forma animada. O sistema foi implementado em módulos
como o descrito no trabalho de Pimentel, Omar e França (2005).
O desenvolvimento do tutor Expositor buscou através do desenvolvimento de
um personagem virtual animado, atrair o aluno a se engajar com o estudo. Desta
forma, o trabalho de Lucas, Wilges e Salomão (2004), apresenta um personagem
virtual com aparência humana. Seu desenvolvimento seguiu alguns princípios
baseados na obra de Souto (2003), em que ambientes educacionais digitais buscam
utilizar imagens, animações, áudio, entre outros, a fim de tornar a interação com o
usuário mais atrativa, descuidando do perfil psicopedagógico, adequando o conteúdo
ao perfil pedagógico de cada usuário. Logo, o sistema foi desenvolvido seguindo dois
princípios básicos:
• O personagem deve ser de corpo inteiro, homem ou mulher e possuindo
tamanho proporcional a tela, para dar noção de todo;
72
• O outro princípio é que o personagem deve apresentar posturas diferentes para
cada situação, a fim de tornar a utilização da ferramenta menos monótona;
O personagem PAT (Pedagogical and Affective Tutor) (BOCCA, 2003), teve o
desenvolvimento definido através de entrevistas com pedagogas, psicólogas,
psicopedagogas e ideias tiradas de entrevistas informais com profissionais que
trabalham com desenho industrial, propaganda, cartoon e desenho animado. Sua
principal função é servir de mediador entre o usuário e a plataforma de ensino,
analisando o perfil cognitivo e estados afetivos do usuário.
Semelhante ao personagem PAT, os tutores virtuais deste trabalho buscaram
ser intermediadores entre os conteúdos da ferramenta baseada em missões e o aluno.
Estes são alguns exemplos clássicos de Sistemas Tutores Digitais relacionados
principalmente ao tutor Expositor. Todos os tutores descritos estão ligados ao modelo
EaD (Educação a Distância), buscando mitigar a dificuldade natural na aquisição de
conhecimento dos aprendizes neste modelo.
6.2 Chatbots existentes
Em busca de apresentar o estado da arte dos chatbots, esta seção apresenta
uma série de sistemas chatbots clássicos existentes.
Chatbots são programas que buscam simular o diálogo entre humanos em
sistemas digitais, objetivando responder perguntas feitas pelos usuários de maneira
que este não perceba que está dialogando com uma máquina (HELLER, 2005).
Existem inúmeros exemplares de chatbots na literatura. Um dos primeiros
chatbots de sucesso foi o ELIZA (WEIZENBAUM. 1966), considerada o marco da
primeira geração de chatbots. Desenvolvido em uma linguagem chamada SLIP
(Symmetric LIst Processing language), desenvolvida por Weizenbaum
especificamente para ELIZA. Suas principais características segundo Weizenbaum
(1966) eram:
73
• Identificar as palavras mais importantes;
• Identificar o mínimo contexto que a palavra requer;
• Escolher regra de transformação adequada e natural;
• Contexto inteligentes para quando não houver palavras-chaves;
• Previsão de mecanismo de extensão e edição facilitados;
Atualmente um dos mais famosos chatbots é a ALICE (WALLACE, 1995), que
marcou o início da terceira geração, principalmente com a introdução da linguagem
AIML, linguagem está baseada em XML (Extensible Markup Language), ao qual,
ALICE venceu o prêmio Loebner Prize, concurso que avalia chatbots segundo o teste
de Turing. Entre suas principais características estão:
• Seu Kernel (núcleo operacional), foca na implementação AIML e pode ser
implementado em diversas linguagens, sendo todas abertas.
• É simples e objetivo;
• Apresenta cerca de 95% de confiança, em relação a qualidade dos diálogos;
Devido a simplicidade e confiança, existem diversos chatbots implementados
utilizando AIML. A seguir serão apresentados exemplos de chatbots baseados em
ALICE e que possuem relação com o tutor chat desta obra.
O trabalho de Oliveira, G. Silva e P. Silva (2016), apresenta um chatbot
educacional, desenvolvido utilizando o Progam-O11, APACHE e MySQL. Uma das
principais características deste chat, é a possibilidade de utilizar frases prontas ou
escrevê-las no campo de texto e também o fato de ser um tutor virtual. A conversação
é apresentada em dois personagens que aparentam estar conversando através de
balões, vide Figura 29 para melhor compreensão.
11 https://github.com/Program-O/Program-O
74
Figura 29: Chatbot 1
Fonte: (OLIVEIRA, G. SILVA e P. SILVA, 2016)
O assistente virtual Cadinho (Reategui e Lorenzatti, 2005) é outro exemplo de
tutor virtual educativo que utiliza AIML como base para conversação.
Este sistema tem por objetivo desenvolver um ambiente de aprendizado para
aulas presenciais, com foco em tornar as aulas mais atrativas e permitir o aluno
progredir nos estudos na ausência temporária do professor. Este sistema é chamado
de Algoritmo-A3 e como o nome sugere é um curso de algoritmos.
A interface do sistema é dividida em 3 partes, sendo uma com o sumário do
conteúdo, outra área para apresentação do conteúdo e a área de interação com o
tutor através de chat. A Figura 30 apresenta a estrutura da interface.
O chatbot proposto nesta obra utiliza da mesma forma que o assistente
Cadinho uma área de visualização dos recursos e uma área de interação com o chat
tutor. Assim, o sistema apresenta um visual mais organizado e de fácil exposição dos
recursos a serem expostos e da área de interação com o tutor.
75
Figura 30: Chatbot 2
Fonte: (REATEGUI e LORENZATTI, 2005)
Entre chatbots motivadores, o chatbot FILOH, descrito por Rodrigues (2009), é
um chatbot educacional que objetiva além de auxiliar os alunos em sala, também
busca motivar o usuário através do estímulo da curiosidade, por exigir participação
ativa onde o tutor comanda e direciona os diálogos.
A arquitetura da chatbot FILOH é constituída de módulos que visam gerenciar
as emoções, personalidade, a base de conhecimentos e o ambiente. A arquitetura
deste chatbot é genérica e a parte do ambiente e interpretador pode ser aplicada a
todos os chatbots anteriores e pode ser vista na Figura 31.
76
Figura 31: Arquitetura do Chatbot FILOH
Fonte: (RODRIGUES, 2009)
O design gráfico do tutor de FILOH é um personagem feminino 3D, onde este
possui cinco estados afetivos, conversando, contente, feliz, preocupada e triste.
Através dos experimentos realizados na pesquisa com a FILOH, contataram
um grande apelo no sentido de atiçar a curiosidade, motivando os usuários do sistema
a manter-se estudando e por mais tempo, devido a característica dos chatbots em
manter o usuário constantemente interagindo com as ferramentas.
A ideia de manter o aluno se manter em constante interação com o chatbot
também foi aplicado no tutor chat, objetivando também manter o aluno motivado e
bem orientado sobre as tarefas que devem ser realizadas.
Estão são alguns exemplos de Chatbots existentes na literatura e suas
respectivas relações principalmente com o tutor chat. O uso na educação dos chatbots
é amplo pelos resultados satisfatórios apresentados em suas aplicações, motivando
novos estudos e aperfeiçoamento das técnicas já existentes.
77
7. CONCLUSÕES
Esta obra apresentou a proposta de uma arquitetura de geração de tutores
virtuais.
Inicialmente pesquisas na literatura embasaram o desenvolvimento do primeiro
protótipo de tutor virtual. Este protótipo buscou desenvolver um tutor animado para
exposição de conteúdo.
O protótipo foi chamado de tutor expositor por não possuir inteligência e ter
suas expressões ligadas diretamente ao tipo de conteúdo que o sistema estava
apresentando.
O tutor expositor foi então utilizado em um estudo exploratório ligado a proposta
da tese de Silva (2017). Este estudo aplicou três aulas a um grupo de 20 alunos do
ensino médio. As aulas estavam ligadas ao desenvolvimento de dois jogos digitais,
sendo em cada aula desenvolvido um jogo completo.
Os dados demostraram que o tutor foi capaz de motivar os alunos a
desenvolver jogos, além de ter gerado os dados necessários para aperfeiçoamento
do tutor. Porém, estes dados foram utilizados para o desenvolvimento de um tutor chat
para permitir maior interação dos alunos com o sistema, como foi apontado pelo
estudo exploratório, em que alguns alunos informaram necessidade de mais interação
com o tutor.
Neste sentido um novo tutor foi desenvolvido, chamado de tutor chat. Este novo
tutor foi baseado em chatbots e na linguagem AIML. A partir do desenvolvimento do
tutor chat, observou-se a demanda de um gerador de tutores virtuais para perfis
distintos de alunos, sendo o tutor expositor mais objetivo e o tutor chat mais interativo.
Para validar a proposta de um gerador de tutor virtual, um estudo de caso foi
desenvolvido para observar a demanda dos alunos e a eficácia da aplicação de
diferentes tutores para uma turma.
Com base nos objetivos e nas questões de pesquisa apresentadas na seção
1.3, os resultados conclusivos desta pesquisa foram:
QP1: Qual formato de tutor proposto é mais atrativo aos usuário? Segundo
os resultados observados durante o experimento controlado, os dois formatos de
tutores se apresentaram como ideal para os alunos, devido resultado similar de
escolhas por parte dos alunos.
78
QP2: Os tutores virtuais propostos tornam as aulas objetivas e com
menos interrupções? De acordo com as observações em sala feitas durante o
experimento controlado, a maior parte da turma conseguiu progredir sem precisar
requisitar o tutor em sala. Nos casos de atendimento, foi apontado pelo tutor e pelos
alunos que os atendimentos não causaram interrupções no andamento da aula aos
demais alunos, devido a capacidade de estudo individualizado que os tutores
possuem. Assim, as aulas conseguiram fluir com nenhuma interrupção para tirar
dúvidas, resultando em taxas próximas a 90% de conclusão dos jogos propostos e
mais de 80% de conclusões.
QP3: Os tutores virtuais propostos tornam as aulas mais lúdicas? De
acordo com as observações em sala, risos foram comuns durante a interação dos
alunos com os tutores, devido o comportamento e frases descontraídas
implementadas no sistema, tornando as aulas mais lúdicas.
QP4: Os tutores virtuais propostos são capazes de auxiliar turmas a
desenvolver jogos digitais? A taxa de sucesso na conclusão dos jogos propostos
foi de 78%, seguido dos alunos que se aproximaram da conclusão com taxas
aproximadas de 90%. Desta forma, os tutores, aliados do formato de missões,
conseguiram aplicar a proposta de desenvolvimento dos jogos e seus conceitos
inerentes satisfatoriamente.
QP5: Comparando os dois formatos de tutores virtuais, qual permite
completar as aulas em menor tempo? Em geral, os dois formatos propostos de
tutores conseguiram dados semelhantes, principalmente devido o conteúdo ser o
mesmo. Porém, o tutor Chat, devido seus processos de interação mais aprofundados
levou mais tempo que o tutor Expositor.
QP6: Quais as vantagens e limitações ligadas aos tutores propostos? As
principais vantagens são o fato do tutor permitir uma aula mais objetiva e com menos
interrupções que afetam alunos que poderiam continuar aprendendo, a possibilidade
de ensinar programação de jogos de forma lúdica e com dinamicidade e objetividade
devido o PBL, permitir estudo individualizado, permitir que os alunos revisem
conteúdos durante a aula devido a aula ser não linear e a possibilidade de aplicar mais
de um formato de tutor para uma mesma turma e a capacidade dos tutores em guiar
o estudante no caminho do aprendizado proposto.
79
Todavia, as limitações observadas estão ligadas principalmente a não
implementação de algum recurso. No caso dos tutores, estes não possuem sistema
de dúvidas.
Outro ponto limitador da ferramenta é a necessidade de internet, já que o
gerador funciona em servido, demandando um certo grau de conhecimento técnico
para sua implantação em rede local.
QP7: É possível afirmar que sistemas de geração de tutor virtual
contribuem para aulas mais objetivas e produtivas? Para afirmar que sim são
precisos mais estudos e aperfeiçoamentos das ferramentas e metodologias aplicadas.
Porém no sentido restrito dos experimentos realizados, os tutores conseguiram
atender todos os objetivos traçados e especialmente no experimento controlado, a
utilização de um gerador de tutores se mostrou bastante oportuna, principalmente pela
diversidade nos níveis dos alunos do experimento, que apesar de estarem nivelado,
demostraram capacidades e conhecimentos prévios distintos.
Assim, este trabalho conclui que o desenvolvimento e avaliação de um gerador
de tutores virtuais para perfis distintos de alunos foi uma contribuição importante tanto
para o desenvolvimento da própria pesquisa, como para a comunidade cientifica.
7.1. Trabalhos futuros
Durante as aulas com os tutores virtuais, observou-se a necessidade de
desenvolvimento de inteligência artificial e um sistema de indexação para dúvidas.
Algo importante para ser levado em consideração como trabalho futuros é o
desenvolvimento de mais modelos de tutores para outros perfis. Para isso novas
pesquisas literárias e experimentos deveram ser realizados para gerar os dados
necessários para propor estes novos perfis de tutores.
Outro ponto está ligado ao gerador de tutores. Como trabalho futuro ligado ao
gerador está o desenvolvimento de uma inteligência para analisar o perfil dos alunos
e selecionar com base nas inferências da inteligência os formatos mais específicos
para cada aluno.
80
REFERÊNCIAS
ANDRADE, A. F. Uma Aplicação da Abordagem Sociointeracionaista de
Vygotsky para a Construção de um Ambiente Computacional de Aprendizagem.
Tese (Doutorado em Informática na Educação), Universidade Federal do Rio Grande
do Sul, Porto Alegre, 2003.
BARBOSA, A. A.; FERREIRA, D. I. S.; COSTA, E. B. Influência da linguagem no
ensino introdutório de programação. XXV Simpósio Brasileiro de Informática na
Educação - SBIE, p.612-621, 2014.
BELL, S. Project-based learning for the 21st century: Skills for the future. The
Clearing House, v. 83, n. 2, p. 39-43, 2010.
BERBEL, N. A. N. A problematização e a aprendizagem baseada em
problemas. Interface comun saúde educ, v. 2, n. 2, p. 139-154, 1998.
BLOOM, B.S. The 2 Sigma Problem: The Search for Methods of Group Instruction as
Effective as One-to-One Tutoring. Educational Researcher. V. 13, n. 6, pp- 4-16, 1984
BOCCA, E. W. Modelagem e implementação da interface para apresentação de
comportamentos animados e emotivos de um agente pedagógico animado.
Dissertação (Mestre em Computação) - Instituto de Informática, Universidade Federal
do Rio Grande do Sul. 2003.
BOLZAN, W. Sistemas Tutores Inteligentes Multiagentes modelados com a
metodologia para Engenharia de Sistemas Multiagentes MaSE. Dissertação
(Mestre em Ciência da Computação)-Faculdade de Informática, Pontifícia
Universidade Católica do Rio Grande do Sul. Porto Alegre, nov. 2002.
BOTELHO, C. A. Sistemas Tutores no Domínio da Programação. Revista de
Informática Aplicada, v. 4, n. 1, 2008.
81
BLUMENFELD, P. C. et al. Motivating project-based learning: Sustaining the
doing, supporting the learning. Educational psychologist, v. 26, n. 3-4, p. 369-398,
1991.
COSSUL, D.; BRAATZ, M. B.; WITCZAC, M. V. C. Sistemas Tutores Inteligentes:
Usabilidade, Aprendizagem Organizacional e Clima para Inovação. V Jornada de
pesquisa em psicologia, ed. 5, 2015.
DAMASCENO, F. R. Concepção e Desenvolvimento do Agente Tutor e Modelo de
Aluno no Ambiente Inteligente de Aprendizado PAT2MATH. Dissertação (Mestre
em Computação Aplicada) Unidade Acadêmica de Pesquisa e Pós-Graduação,
Universidade do Vale do Rio do SINO (UNISINOS). 2011.
FRANÇA, R. S.; SILVA, W. C.; AMARAL, H. J. C. Ensino de Ciência da Computação
na Educação Básica: Experiências, Desafios e Possibilidades. Congresso da
Sociedade Brasileira de Computação. 16-19 Julho. 2012
GIL, A. C. Como elaborar projetos de pesquisa. 4. ed. São Paulo: Atlas, 2002.
GONZALES, M.; LIMA, V. L. S. Recuperação de Informações e Processamento de
Linguagem Natural. PUCRS – Faculdade de Informática, Porto Alegre. 2003.
Disponível em <http://www.inf.pucrs.br/gonzalez/docs/minicurso-jaia2003.pdf>
Acessado em: fevereiro de 2017.
GRANT, M. M. Getting a grip on project-based learning: Theory, cases and
recommendations. Meridian: A middle school computer technologies journal, v. 5, n.
1, p. 83, 2002.
HARTLEY, J. R.; SLEMMAN, D. H. Towards more intelligent teaching systems.
International Journal of Man-Machine Studies 5(2): 215-236, Apr. 1973.
82
HELLER, B. et al. Freudbot: An Investigation of Chatbot Technology in Distance
Education. P. Kommers & G. Richards (Eds.), Proceedings of World Conference on
Educational Multimedia, Hypermedia and Telecommunications. Chesapeake, VA:
AACE, pp. 3913-3918. 2005.
HELM, J. H.; KATZ, L. G. Young Investigators: The Project Approach in the Early
Years. 3. Ed, New York and London, Editora Teachers College Press, 2016.
JESUS, A. Sistemas Tutores Inteligentes: Uma Visão Geral. Revista Eletrônica de
Sistemas de Informação, v. 2, n. 2, 2003.
JUNIOR, J. C. R. P.; RAPKIEWICZ, C. E.; DELGADO, C. Ensino de Algoritmos e
Programação: Uma Experiência no Nível Médio. XXV Congresso da Sociedade
Brasileira de Computação. 22-29 Jul. 2005.
KOPP, S.; GESSELLENSETTER, L.; KRÃMER, N. C. A Conversational Agent as
Museum Guide – Design and Evaluation of a Real-World Application. Springer –
Intelligent Virtual Agentes. Vol. 3661. pp. 329-343. Online ISBN: 978-3-540-28739-1.
2005.
LEONHARDT, M. D.; TAROUCO, L. M. R. Doroty: um chatterbot para aprendizado
baseado em problemas aplicado ao treinamento de profissionais de gerência de
redes. Brazilian Symposium on Computers in Education (Simpósio Brasileiro de
Informática na Educação-SBIE). pp. 37-39, 2006.
LESTER, J. C.; VOERMAN, J. L.; TOWNS, S. G. Cosmo: A life-like animated
pedagogical agent with deictic believability. Workshop on Animated Interface Agents:
Making them Intelligent. Nagoya, Japan, 23 – 29, Aug. 1997.
LIMA, D. A. et al. Uma proposta de sistema de aprendizagem com conteúdo
gamificado e com reforço guiado por algoritmos bio-inspirados. Anais do
Computer on the Beach, p. 140-149, 2017.
83
LUCAS, J. P.; WILGES, B.; SALOMÃO, S. E. S. Proposta de um Agente
Pedagógico Animado Inserido no Ambiente TELEDUC como uma Ferramenta
Tutora. Revista Renole, Novas Tecnologias na Educação. ISBN: 1679-1916. v. 2, n.
2, 2004
MACEDO, R. L.; FUSCO, E. Interpretador AIML alimentado com tags
HTML5. REGRAD-Revista Eletrônica de Graduação do UNIVEM-ISSN 1984-7866, v.
6, n. 1, 2014.
MANFIO, E. R. et al. Professor Tical e ALiB: Interação Humano Computador em
Diferente Campo. XIX Conferência Internacional sobre Informática na Educação,
TISE. vol. 10. ISBN: 978-956-19-0889-5. 9-11 dez, 2014.
MARTINS, W.; AFONSECA, U. R.; NALINI, L.E.G. Tutoriais Inteligentes Baseados
em Aprendizado por Reforço: Concepção, Implementação e Avaliação Empírica.
XVIII Simpósio Brasileiro de Informática na Educação-SBIE. 2007.
MATTOS, M. S.; XAVIER, F. C.; PINTO, S. C. C. S. Uma Análise sobre o Uso
Programação de Jogos para Dispositivos Móveis como Recurso para o Ensino
de Matemática. Anais dos Workshops do Congresso Brasileiro de Informática na
Educação. p. 554. 2017.
MAULDIN, M. L. Chatterbots, tinymuds, and the turing test: Entering the loebner
prize competition. AAAI. Vol. 94. 1994.
McDONALD, D. D. Natural Language Generation. Handbook of Natural Language
Processing, eBook ISBN: 978-0-8247-4634-6, 2000.
MEDEIROS, T. J.; SILVA, T. R.; ARANHA, E. H. S. Ensino de programação
utilizando jogos digitais: uma revisão sistemática da literatura. RENOTE, v. 11,
n. 3, 2013.
84
MIRANDA, W. R.; MELO, F. R.; VAZ, N. A. P. Personalização didática em sistema
tutor inteligente conexionista. Anais do Simpósio Unificado de Sistemas de
Informação da Universidade Estadual de Goiás, v. 1, n. 1, 2017.
MOURA, M. F. et al. Formatação de dados usando a ferramenta Velocity. Embrapa
Informática Agropecuária-Comunicado Técnico (INFOTECA-E), 2002.
NEVES, M. M. Iaiml: Um mecanismo para o tratamento de intenção em chatterbots.
Monografia (Ciência da Computação), Universidade Federal de Goiás, Catalão, 2005.
OLIVEIRA, R. Proposta de um Sistema Tutor Inteligente Para Internet com
Adoção Dinâmica de Estratégias de Ensino Híbridas Usando MBTI. Monografia
(Projeto Orientado), Universidade Federal de Lavras, Minas Gerais, 2002.
OLIVEIRA, L. C. et al. Agente pedagógico para o ensino de algoritmos
computacionais integrado no ambiente moodle adaptado a dispositivos
móveis. Revista interdisciplinar de ensino, pesquisa e extensão, v. 3, n. 1, 2016.
OLIVEIRA, M. V.; RODRIGUES, L. C.; QUEIROGA, A. Material didático lúdico: uso
da ferramenta Scratch para auxílio no aprendizado de lógica da programação.
Anais do Workshop de Informática na Escola. p. 359. 2016.
O’SHEA, K.; BANDAR, Z.; CROCKETT, K. A Conversational Agent Framework
using Semantic Analysis. International Journal of Intelligent Computing Research
(IJICR), Vol. 1, Issue 1/2, Mar-Jun, 2010.
O’SHEA, T.; BORNAT, R.; BOULAY, B. D. Tools for creating intelligent computer
tutors. Proceeding Proc. of the international NATO symposium on Artificial and human
intelligence p. 181-199. 1984.
PAPERT, S.; HAREL, I. Situating constructionism. Constructionism, v. 36, n. 2, p.
1-11, 1991.
85
PIMENTEL, A. R.; DIRENE, A. I. Medidas Cognitivas para o Ensino de Conceitos
Visuais com Sistemas Tutoriais Inteligentes. Brazilian Journal of Computers in
Education. Vol. 2, n. 1, 1998.
PIMENTEL, E. P.; OMAR, N.; FRANÇA, V. F. Um Modelo Para Incorporação de
Automonitoramento da Aprendizagem em STI. Brazilian Journal of Computers in
Education. Vol. 13, n. 1, 2005.
POGGI, I.; PELACHAUD, C.; ROSIS, F. Greta. A Believable Embodied
Conversational Agent. Spring – Multimodal Intelligent Information Prensentation. Vol.
27. pp. 3-25. Online ISBN: 978-1-4020-3049-9. 2005.
REATEGUI, E.; LORENZATTI, A. Um Assistente Virtual Para Resolução De
Dúvidas E Recomendação De Conteúdo. V Encontro Nacional De Inteligência
Artificial (Enia). São Leopoldo, Rs, Julho. 2005.
REATEGUI, E. B.; CERON, R. F.; BOFF, E. Um Agente Animado Para Ambientes
de Aprendizagem Colaborativos. Brazilian Journal of Computers in Education. Vol.
14, n. 3, 2006.
RODRIGUES, R. L. Chatterbot: Agente Inteligente Simulador De Linguagem Natural
Aplicado A Educação. Universidade Estadual Da Paraíba, Campina Grande. 2009.
RODRIGUES, L. M. L.; CARVALHO, M. STI-I: Sistemas Tutoriais Inteligentes Que
Integram Cognição, Emoção e Motivação. Revista brasileira de informática na
educação. V. 13, n. 1. 2005.
RUSSEL, S.; NORVIG, P. Artificial Intelligence: A Modern Approach. 3 Ed. New
Jersey, Editora Prentice Hall, 1996.
SHAW, E.; JOHNSON, W. L.; GANESHAN, R. Pedagogical agents on the web.
AGENTS ’99 Proceedings of the third annual conference on Autonomous Agents, p.
283–290, ISBN: 1-58113-066-X. New York, USA. 1999.
86
SHAWAR, B. A.; ATWELL, E.Chatbots: are they really useful?. LDV Forum. Vol. 22.
No. 1. 2007.
SILVA, T. R. et al. Investigando dois formatos de vídeo aulas de programação de
jogos digitais para alunos do ensino médio. Anais do Workshop de Informática na
Escola. pp. 187, 2015.
SILVA, T. R. et al. Um relato de experiência da aplicação de videoaulas de
programação de jogos digitais para alunos da educação básica. Anais do
Workshop de Informática na Escola. p. 141. 2016
SILVA, T. R. Investigando o Uso de Aulas On-line de Programação de Jogos
Digitais no Ensino Básica. Tese (Doutorado em Sistemas e Educação),
Universidade Federal do Rio Grande do Norte, Natal, 2017.
SOUTO, M. A. M. Diagnóstico on-line do Estilo Cognitivo de Aprendizagem do
Aluno em um Ambiente Adaptativo de Ensino e Aprendizagem na Web: uma
Abordagem Empírica baseada na sua Trajetória de Aprendizagem. Tese (Doutorado
em Ciência da Computação), Universidade Federal do Rio Grande do Sul, 2003.
SOUZA, L. S.; MORAES, S. M. W. Construção automática de uma base AIML para
Chatbot: um estudo baseado na extração de informações a partir de FAQs. Anais do
Encontro Nacional de Inteligência Artificial e Computacional, ENIAC, 2015.
TURINE, M. A. S.; MALTEMPI, M. V.; HASEGAWA, R. Sistemas Tutores
Inteligentes: Uma Revisão Descritiva. Disponivel em:
<http://conteudo.icmc.usp.br/CMS/Arquivos/arquivos_enviados/BIBLIOTECA_113_N
D_15.pdf> Acessado em: novembro de 2016.
WALLACE, R. (1995). ALICEBOT. The a.l.i.c.e a.i. foundation. Disponível em
<http://www.alicebot.org> Acesso em 30 de junho de 2017.
87
WEIZENBAUM, J. ELIZA – A Computer Program for the Study of Natural
Language Communication between Man and Machine. Communication of the
Association for Computing Machinery. Vol. 9, pp. 36-45, 1966.
88
APÊNDICE A: QUESTIONÁRIO VIDEOAULA GRAVADA
PARTE A SOBRE AS VÍDEO AULAS GRAVADAS
1 - Fiquei satisfeito em desenvolver o jogo usando a assistir a videoaula no Formato
Videoaula Gravada.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
2 - Usar o Formato Videoaula Gravada me deixou confiante de que eu estava
realmente aprendendo.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
3 - Consigo aprender facilmente usando o Formato Videoaula Gravada.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
4 - Eu gostaria de assistir outras videoaulas no Formato Videoaula Gravada.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
5 - Eu recomendaria para meus colegas o desenvolvimento do jogo no Formato
Videoaula Gravada.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
89
d)Discordo fracamente
e)Discordo fortemente
6 - Eu me diverti com a aula no Formato Videoaula Gravada.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
7 - O desenvolvimento do jogo no Formato Videoaula Gravada evolui num ritmo
adequado e não fica monótomo - ofereceu novos obstáculos, situações ou variações
de atividades.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
8 - O Formato Videoaula Gravada compensou a falta de um Tutor presencial.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
9 - A experiência com o desenvolvimento do jogo no Formato Videoaula Gravada
me motiva a aprender programação.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
10 - Quais as vantagens da aula no Formato Videoaula Gravada?
11 - Quais as desvantagens da aula no Formato Videoaula Gravada?
90
12 - Faça outros comentários
PARTE B SOBRE O ESTUDO
13 - Como você classifica a experiência de desenvolvimento de jogos com aulas no
Formato Videoaula Gravada?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
14 - A experiência com o desenvolvimento do jogo com aulas no Formato Videoaula
Gravada atingiu minhas expectativas.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
15 - Consegui desenvolver o jogo a partir da aula no Formato Videoaula Gravada.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
PARTCE C SOBRE OS VÍDEOS
16 - O que você achou do tempo da videoaula?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
17 - O que você achou da qualidade do áudio da videoaula?
a)Excelente
b)Ótimo
91
c)Regular
d)Ruim
e)Péssimo
18 - O que você achou da qualidade do vídeo da videoaula?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
19 - O que você achou das explicações apresentado na videoaula?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
20 - Você está motivado para assistir mais videoaulas no formato apresentado?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
21 - Deixe algum comentário caso você tenha encontrado algum problema nos
vídeos. Ex.: Algum problema na qualidade do áudio ou vídeo das videoaulas
92
APÊNDICE B: QUESTIONÁRIO TUTOR
PARTE A SOBRE O TUTOR
1 - Fiquei satisfeito em assistir a videoaula e desenvolver o jogo no Formato Tutor.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
2 - Usar o Formato Tutor Virtual me deixou confiante de que eu estava realmente
aprendendo.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
3 - Consigo aprender facilmente usando o Formato Tutor Virtual.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
4 - Eu gostaria de assistir outras videoaulas no Formato Tutor Virtual.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
5 - Eu recomendaria para meus colegas o desenvolvimento do jogo no Formato
Tutor Virtual.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
93
e)Discordo fortemente
6 - Eu me diverti com a aula no Formato Tutor Virtual.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
7 - O desenvolvimento do jogo no Formato Tutor Virtual evolui num ritmo adequado
e não fica monótomo - ofereceu novos obstáculos, situações ou variações de
atividades.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
8 - O Formato Tutor Virtual compensou a falta de um Tutor presencial.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
9 - A experiência com o desenvolvimento do jogo no Formato Videoaula Gravada
me motiva a aprender programação.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
10 - Quais as vantagens da aula no Formato Tutor Virtual?
11 - Quais as desvantagens da aula no Formato Tutor Virtual?
12 - Faça outros comentários
94
PARTE B SOBRE O ESTUDO
13 - Como você classifica a experiência de desenvolvimento de jogos com aulas no
Formato Tutor Virtual?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
14 - A experiência com o desenvolvimento do jogo com aulas no Formato Tutor
Virtual atingiu minhas expectativas.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
15 - Consegui desenvolver o jogo a partir da aula no Formato Tutor Virtual.
a)Concordo fortemente
b)Concordo fracamente
c)Neutro
d)Discordo fracamente
e)Discordo fortemente
PARTE C SOBRE OS VÌDEOS
16 - O que você achou do tempo da videoaula?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
17 - O que você achou da qualidade do áudio da videoaula?
a)Excelente
b)Ótimo
c)Regular
95
d)Ruim
e)Péssimo
18 - O que você achou da qualidade do vídeo da videoaula?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
19 - Está motivado para assistir mais videoaulas no formato apresentado?
a)Excelente
b)Ótimo
c)Regular
d)Ruim
e)Péssimo
20 - Deixe algum comentário caso você tenha encontrado algum problema nos
vídeos. Ex.: Algum problema na qualidade do áudio ou vídeo das videoaulas
96
APÊNDICE C: QUESTIONÁRIO AULA NAVE E ARKANOID DO EXPERIMENTO CONTROLADO
1 - Essa aula me motivou a aprender programação de jogos?
a)Discordo fortemente
b)Discordo fracamente
c)Neutro
d)Concordo fracamente
e)Concordo fortemente
2 - Senti-me motivado a aprender com o sistema de Tutores virtuais?
a)Discordo fortemente
b)Discordo fracamente
c)Neutro
d)Concordo fracamente
e)Concordo fortemente
3 - Foi fácil entender e realizar as atividades da aula?
a)Discordo fortemente
b)Discordo fracamente
c)Neutro
d)Concordo fracamente
e)Concordo fortemente
4 - Você se divertiu ao longo da aula?
a)Discordo fortemente
b)Discordo fracamente
c)Neutro
d)Concordo fracamente
e)Concordo fortemente
5 - Vantagens e limitações da aula nesse formato de tutor?